上周分享了如何用GPT和Codex做ppt，后台很多读者问，用国内的模型和Agent工具能不能也达到类似的效果。

我今天倒腾了一上午，大概摸清了一点情况，结论是勉强能用，但确实比不上Codex+GPT。

我是用腾讯的WorkBuddy来做的，国内的桌面AI工具，这个对小白用户最为友好。

上篇文章也分析过，当前利用AI来做ppt最好的路径是，先跟AI确定好整套ppt的大纲和每页内容，然后让AI画出每张ppt的图片，最后用Agent工具通过合适的Skill把图片转成可编辑的ppt。

这三个环节里，我以为最难的是最后那个图片转ppt，所以为了让对比更客观，我把上篇文章用到的那张ppt图片，给到WorkBuddy让它转成ppt。

还是老套路，我首先让WorkBuddy自己先去Github上找适合完成这项任务的skill。

看到这一步的结果，心里凉了半截。

之前在Codex上比较好用的那两个Skill都强依赖GPT系的功能，国内的Agent环境用不了。

于是按照WorkBuddy的建议，我用px-image2pptx这个skill来做的图片转ppt。

效果出来后，比我想象的要好，整页ppt文件除了个别图标有点瑕疵，没有大的问题。

它这个skill实现的方式挺聪明的，它把所有文字都做成独立的可编辑文本框，然后其他底图和图标做成一整张透明的图片。

这样，如果你要调整文字的内容、字体、颜色都可以直接改，要调整图标的话，因为底图是透明的，所以你可以用局部覆盖的方式自己找合适的图标去替换。

关键是这种方式在WorkBuddy里一个命令行就搞定，也用不着大模型API，还挺方便。

但比起Codex出来的全部元素可编辑的灵活度，确实打了不少折扣。

我问了AI为啥国内模型做不到，它告诉我说，那些Codex系的skill之所以那么强，是利用了GPT-Image2的图生图能力，它的视觉模型能分析出图标的语义，然后重绘出适合放在ppt里的元素。

国内模型的开放API主要覆盖的文生图，没有图生图这类能力，所以做不到图标级的重建。

但WorkBuddy还是很有进取心的，它说如果我真的很想要实现可编辑的图标元素的话，它可以试试用增强型的本地模型重做一版。

我一方面感动于它的不放弃，一边又重新燃起了信心，让它放手去干。

大概鼓捣了10来分钟，它交出了这个。

情况就是这么个情况，我感觉它尽力了，我也不想要它在错误的方向继续使劲了。

既然国内模型做不好文字生图片再转ppt的路径，那不如试试直接通过文字来生成ppt的传统路径。

我把大纲和文字给到WorkBuddy，它倒是很快就生成了一套ppt，看起来这才是它最熟悉的套路。

这个ppt整体色调和文字都没问题，所有元素都可以编辑，唯一的问题是页面略显呆板，且文字内容它会自作主张发散增加一些，如下。

最后是结论，两条做ppt的路径：

1. 拿大纲和内容直接生成PPT

2. 拿大纲和内容先画出每一张图片，再基于图片转成PPT