Presenton：开源 AI 演示文稿生成器，本地跑，自带 API key，你的数据不过别人的服务器。
◆ ◆ ◆
我为什么突然关注做 PPT 的工具
说实话，我是那种宁可写 10 页代码也不想做 1 页 PPT 的人。但上个月被拉去给团队做一个技术方案分享，我试了一下 Gamma——输入一段描述，AI 帮你生成整个 deck，排版还挺好看。
问题是 Gamma 的免费额度 用完了。Pro 版每月 20 刀。我就花了 20 分钟在 GitHub 上翻了翻，找到了 Presenton。
6,300+ stars，Apache 2.0 协议，Docker 一行命令跑起来。我花了半小时把它部署在本地，试了三四个主题，结论是：%%对于 80% 的内部分享和技术汇报场景，够用了%%。
剩下 20% 需要精细排版的——说实话 Gamma 也搞不定，还是得手动改。
Presenton vs Gamma 对比：功能与价格
◆ ◆ ◆
到底能做什么
核心流程很简单：你给一段话或者丢一个文档进去，AI 帮你拆成幻灯片结构，每页生成文字和配图，最后输出一个可编辑的 PPTX 文件。
具体能调的参数不少：
- ◆幻灯片数量：你可以指定要几页，也可以让 AI 自己判断
-
- ◆语气风格：default / casual / professional / funny / educational / sales pitch，6 种
-
- ◆内容详细度：concise / standard / text-heavy，看你是快速过一遍还是要讲细
-
- ◆语言：多语言支持，中英文都行
-
- ◆Web 搜索：可以开启"grounding"，让 AI 先搜一圈再写，数据不是编的
输出格式是标准 PPTX，能直接拿 PowerPoint / Keynote / Google Slides 打开编辑。也支持导出 PDF。
这点比 Gamma 有优势——Gamma 的免费版导出有水印，而且 PPTX 导出是 Pro 才有的功能。Presenton 没这些限制。
Presenton 核心工作流：输入 → AI 处理 → PPTX 输出
◆ ◆ ◆
◆ ◆ ◆
模型这块很灵活
让我比较意外的是 LLM 接入的广度。Presenton 支持：
- ◆OpenAI（GPT-4、GPT-3.5）
-
- ◆Google Gemini（Pro、Flash）
-
- ◆Anthropic Claude（Sonnet、Opus）
-
- ◆Azure OpenAI
-
- ◆Amazon Bedrock
-
- ◆Fireworks AI、Together AI
-
- ◆本地：Ollama、LM Studio
-
- ◆任何 OpenAI 兼容的 API endpoint
你自己带 API key，没有中间商赚差价。用 Ollama 本地跑一个 Qwen 或者 Llama，生成的 PPT 质量当然不如 GPT-4，但不花钱。
图片生成同样多源：DALL-E 3、Gemini Flash、Pexels（免费图库）、Pixabay。不想花钱生图的话，Pexels 和 Pixabay 的图库也能凑合。
这种"你自己选模型，自己管 key"的设计，我觉得是开源 AI 工具正确的做法。SaaS 产品收的不是 AI 的钱，是你的方便钱和锁定成本。
支持的 LLM 和图片生成提供商矩阵
◆ ◆ ◆
四种部署方式，挑一个
Docker（最快）
docker run -it --name presenton \
-p 5000:80 \
-v "./app_data:/app_data" \
ghcr.io/presenton/presenton:latest
跑完打开 http://localhost:5000，搞定。数据存在本地的 app_data 目录，不丢。
Electron 桌面应用
Windows / macOS / Linux 都有安装包，从 presenton.ai/download 下载。适合不想碰命令行的同事。
Web 部署
FastAPI 后端 + Next.js 前端，Docker Compose 或者手动搭都行。团队内部共享一个实例挺方便。
API
有一个 REST endpoint /api/v1/ppt/presentation/generate，HTTP Basic 认证。意味着你可以写脚本批量生成 PPT——比如每周自动把 Jira sprint 数据拉出来生成周报 deck。
甚至还内置了一个 MCP Server，让 AI coding agent 直接调用生成 PPT。这个和 chrome-devtools-mcp 是同一个协议层，有意思。
四种部署方式对比：Docker / Electron / Web / API
◆ ◆ ◆
◆ ◆ ◆
模板系统
默认自带几套模板，但更有意思的是自定义模板的方式：++用 HTML + Tailwind CSS 写++。
对于前端同学来说，这意味着你可以完全控制每一页幻灯片的布局和样式，不受 PowerPoint 模板系统的限制。写一个 HTML 模板，Presenton 会把 AI 生成的内容填进去，输出 PPTX。
还有一个"AI 模板生成"功能——你丢一个现有的 PPTX 进去，AI 会分析它的排版风格，帮你生成一个匹配的模板。我试了一下，效果一般。它能抓住大致的配色和字号，但细节（比如特定的间距比例、装饰元素）会丢。
说白了就是：你公司有标准 PPT 模板的话，还是自己用 HTML 写一遍比较靠谱，AI 生成的只能做起点。
HTML+Tailwind 自定义模板流程
◆ ◆ ◆
几个坑
用了两周，记录一下遇到的问题：
中文排版有时候会断句。AI 对中文内容的分句和换行判断不如英文准确，偶尔一个完整的短语会被拆到两行。PPTX 导出之后需要手动调一下。
图片质量不稳定。用 DALL-E 3 生成的配图有时候和内容不搭，或者画风突然变了。Pexels 图库的图更"安全"但缺乏个性。我后来的做法是先用 Pexels 出一版，需要精细配图的页面再单独用 DALL-E 补。
GPU 支持。Docker 镜像支持 NVIDIA GPU 加速，但需要装 CUDA 容器工具包。不装的话也能跑，就是 Ollama 本地推理会慢一些。
Mem0 记忆系统。Presenton 集成了 Mem0 做演示文稿级别的记忆——理论上能记住你的偏好和之前生成的风格。实际用下来，这个功能我没感觉到明显效果，可能需要更多交互数据才能体现。
使用 Presenton 的常见问题和解决方案
◆ ◆ ◆
◆ ◆ ◆
和 Gamma 到底差多少
直接说结论：
生成质量（英文内容）差距不大。Presenton 用 GPT-4 生成的英文 deck，和 Gamma 的输出放在一起，普通人很难分辨哪个是哪个。
中文内容 Presenton 稍逊。Gamma 对中文的排版优化做得更好，字号、行高、间距的默认值更合理。Presenton 需要自己调模板。
Gamma 的设计感更强。这个没办法，Gamma 团队花了大量精力在视觉设计上，过渡动画、配色协调、图文比例都打磨得很细。Presenton 的默认模板看起来更"工程化"——能用，但不惊艳。
Presenton 赢在自由度和隐私。自己部署、自己选模型、数据不出你的网络。对于企业内部使用场景——技术方案评审、sprint 回顾、架构设计讨论——这些"不需要惊艳但需要快速出稿"的场景，Presenton 的性价比更高。
一句话：要面子用 Gamma，要自由用 Presenton。
Gamma vs Presenton 多维度对比雷达图
◆ ◆ ◆
值不值得用
取决于你的场景。
如果你每周做 1-2 次内部分享，不需要外部客户级别的精美设计，想省 20 刀/月的 Gamma 订阅，或者公司对数据出境有要求——Presenton 是目前开源选项里最成熟的一个。
如果你需要给客户、投资人、或者大型会议做 deck，追求设计细节和视觉冲击力——Presenton 的默认模板撑不住，你还是得用 Gamma 或者老老实实打开 Keynote 手动排。
仓库：github.com/presenton/presenton，Apache 2.0。Docker 一行命令，5 分钟能跑起来。
反正不花钱，试试又不亏。
