为什么 AI 做的 PPT,总差那么一截?

这个系列都在讲同一件事——怎么用 AI 把 PPT 做得更好。第一篇《做了一个 PPT 生成工具 Skill：验证 spec → test → lessons 的 SDD 全流程》讲的是 AI PPT 项目怎么用 SDD 工作流启动，从 spec 到 test 到复盘，跑通一个可迭代的节奏。第二篇《AI 做 PPT 不难，难的是生成后还能改得动》讲的是 HTML+SVG 这条技术路线的设计取舍——为什么放弃图片生成、为什么用约束替代自由发挥、为什么先试跑再批量。

两篇把"怎么做"和"为什么这么做"讲得差不多了，但很快又撞上一个更具体的问题：

为什么很多 AI 生成的 PPT，内容已经八九不离十，却还是总差那么一截？

最近这段时间，我基本就在围着这个问题反复试。不是单纯换模型，也不是一直补 prompt，而是把整条生成链路往回拆，看看到底是哪一层在制造这种"AI 味"。

慢慢发现：这类问题看起来像"模型能力问题"，但真做下来，很多时候不是模型不够强，而是系统分工太粗。

这几条线一直在同时跑，不是坐着想出来的，是跑出来的——

主链路已经闭环：从内容分析到逐页生成到导出 PPTX，整条 pipeline 能跑通，系统有了可分析、可替换、可分阶段收紧的骨架。视觉问题被当成系统问题处理：标准页模板化、复杂图示页单独处理、先跑代表页锁定风格再批量展开。单页修改的能力正在建起来：后续重点不是"一次性全量生成"，而是"哪页有问题就修哪页"。

先说结论：生成不是问题，稳定才是

大模型已经能完成这些事：拆大纲、生成标题和要点、输出结构完整的 HTML、甚至直接出一张不错的视觉稿。

所以"能不能生成"，不是最关键的问题。

真正的问题是：同样的输入，能不能持续得到一套可交付的结果。

对技术分享场景来说，要求尤其高。用户要的不是"一张截图式的好看页面"，而是一套逻辑清楚的 deck、前后一致的视觉语言、以及后面还能继续修改的交付物。

这也是我们的取舍：不追求"自由排版能力"，而是解决另一件事——

技术内容从文档到演示稿，怎样更稳定地生成初稿，再更低成本地修问题页。

目标一旦变成"稳定交付"，系统设计就会跟着变。下面这几步，就是这段时间最重要的认知收敛。

第一步：不要把所有页面都交给模型

最开始做 AI PPT，很容易默认一个前提：既然是 AI 生成，那每一页都应该交给 AI 去写、去排、去画。

但跑几轮就会发现这条路成本很高。因为一套技术分享里，并不是每一页都需要高自由度生成。很多页面其实是标准页：要点页、双栏对比页、指标卡片页、常规图表页。

这些页面真正需要的，不是"创意"，而是：信息密度稳定、字体和间距统一、颜色使用克制、同类型页面风格一致。

如果继续交给 LLM 自由生成，带来的往往不是价值，而是波动——字号忽大忽小、间距忽松忽紧、同样是要点页但布局每次都不同。

所以后来做了一个很明确的调整：标准页尽量模板化，复杂页再交给模型。

更准确地说，是把页面分成两类：

• 确定性页面
  ：内容结构明确，合理布局有限，优先用模板引擎处理
• 非确定性页面
  ：需要图示表达、关系建模、视觉隐喻，才交给模型参与

这一步的收益非常直接：标准页稳定性明显提升，deck 内部一致性更强，生成时间和返工成本下降，模型的注意力被留给真正复杂的页面。

背后的判断其实很简单：

能用确定性系统完成的事，不要交给概率系统。

第二步：复杂页的问题，不只是 prompt 不够，而是缺少约束

标准页模板化之后，剩下最难的是哪些页？通常是：架构图、流程图、时间线、飞轮图、双圆关系图。

这类页面有一个共同点：内容不是简单罗列，而是需要"视觉表达"。也正因为如此，它们最容易出现一种情况：语义对了，图不对。

比如最近碰到的一页双圆关系图，想表达的是"AI 的通用知识"和"团队内部知识"只有很小交集。结果模型给出的图形里，两个圆离得很远，视觉上传递成了"几乎无关"。

标题对，文案对，元素也齐。问题在于，图示表达没有被约束到正确的区间。

一开始遇到这种情况，直觉往往是继续调 prompt。但调得越多，越会碰到一个事实：

prompt 更像提醒，不像约束。

它能提高概率，但很难保证一致性。尤其是复杂图示页，本质上是在让模型同时做几件事：理解内容关系、选择视觉隐喻、安排空间布局、输出可渲染结构。把这些都压在一次生成里，本身就很不稳。

所以后来对这个问题的理解变了：复杂页的核心矛盾，不是 prompt 不够长，而是缺少一层明确的视觉约束系统。

这层约束至少应该回答：哪类组件使用哪类颜色、图形和文字的最小间距、哪些布局允许出现、哪类关系图应该控制在什么信息密度。当这些规则只是散落在临时 prompt 里，结果通常是局部修得动，但系统收不住。

这段时间也专门看了几类相关项目——三顿 PPT Agent、以及一些 PPT Skill和一些架构图生成项目。它们具体路线不一样，但有一个共同点：越是想把结果做稳，越不会把视觉判断完全留给模型临场决定。

这个观察说明了一件事：当前技术类 AI PPT 的问题，不是只有我们遇到；而"约束前置、生成分层、结果可修"这条路，也不是孤立判断。

第三步：质量不是单页好看，而是整套结果能进入交付链路

如果只看第一眼效果，今天已经有一些路线可以把视觉冲击力做得很强。尤其是直接用图像模型生成整页视觉稿，确实很容易出"哇"的效果。

但对技术分享场景来说，这条路线有个明显短板：它更接近最终成品，不接近协作中间态。

而大部分真实 PPT，并不是一次生成就结束。一套 deck 生成之后，通常还会：调整某一页标题表达、改掉某个不准确的图示、补一页上下文说明、把一页拆成两页、按听众重新控制密度。

如果系统只擅长"整页直接生成"，却不擅长"后续继续精修"，那它解决的是演示效果问题，不是交付效率问题。

这也是一直坚持"HTML 中间态 + PPTX 导出"的原因。HTML 中间态的价值，不只是"浏览器里能预览"，而是它天然适合承接下一步工作流：可审阅、可逐页查看、可逐页重生成、可继续导出为 PPTX。

换句话说，目标不是一次性生成"最像成品"的结果，而是生成"最适合继续修"的初稿。

所以更愿意把视觉质量理解成一个系统指标，而不是一个页面指标。更关键的不是"某一页有没有高光"，而是：deck 内部是否一致、问题页是否容易定位、弱页面是否容易单独修、最终结果是否方便继续交付。

第四步：要把约束往前提，而不是把修正放在最后

很多系统的默认做法是：先让模型尽量自由生成 → 生成完再人工挑问题 → 出问题了再补 prompt → 继续重跑。

这条路能跑，但很难规模化。因为它的本质，是把质量控制放在输出之后。

更合理的方式，是把约束前置到生成之前，甚至拆进不同阶段：

• 大纲阶段
  ：先约束信息结构
• 试跑阶段
  ：先锁定风格和版式方向
• 渲染阶段
  ：标准页走模板，复杂页才走生成
• 导出阶段
  ：尽量保留文字层，降低后续修改成本

从工程视角看，这不是在"增加流程"，而是在减少随机性。

尤其是"先试跑"这一步，现在觉得很重要。因为很多质量问题，不是内容错，而是风格没锁住。如果不先跑代表页、直接批量生成，往往要到后半段才看出整套视觉语言已经飘了，返工成本很高。

所以比起"直接全量生成"，更认同：先验证代表页，再批量展开。 它更像工程里的灰度发布，而不是一次性上线。

这也是为什么最近的精力，已经不再只放在"把整套生成跑快一点"，而是开始转向：单页更新和单页重生成、当前页预览和局部重渲染、页面状态追踪。

回过头看，这是一个典型的系统分层问题

AI PPT 的视觉质量，不能再被理解为"模型一次生成得好不好"，而应该拆成四个层次：

第一层：内容结构是否稳定。 逐页大纲是不是清楚，信息密度是不是合适，叙事节奏是不是合理。

第二层：页面类型是否分流。 哪些页应该模板化，哪些页必须交给模型，边界有没有划清楚。

第三层：视觉规则是否明确。 颜色、间距、布局、图示语义有没有沉淀成可复用约束。

第四层：结果是否便于修正。 问题页能不能单独修，输出是不是还方便继续交付。

这几个层次里，模型只负责其中一部分。剩下的大量工作，其实属于系统设计。

这段时间比较明确的一个变化：AI 负责生成，系统负责收敛。

如果只有前者、没有后者，效果可能偶尔很好，但很难稳定；如果后者做得足够扎实，即使模型能力没有明显升级，整体结果也会改善很多。

下一步

后面最值得继续做的，不是再把"一次性整套生成"推得更激进，而是把几件事补扎实。

统一视觉系统。 主题、色调、页面密度、色板、组件语义这些东西，尽量先在系统层锁住，而不是在每一页里重复提醒模型。简单说，就是先把"整套 deck 应该长什么样"管起来。

把逐页精修工作流做出来。 方向已经很明确：用户可以只改当前页的标题、要点、布局类型，只重生成当前页，而不是每次整套重跑。

把文字层和视觉层分得更清楚。 不是所有页面都要同一种生成策略。背景和版式由模板系统控制，关键信息保留在可编辑的文字层里，复杂视觉块才考虑用图片能力补上。

当然，也有些问题还没彻底解决。复杂图示页的稳定性还不够，很多约束还停在规范层、没完全进入程序校验层。但和前一阶段相比，至少现在问题已经拆得比较清楚了。

上一篇提到的 Skill 还没放出来。不是忘了——平时要工作，周末也常有事情处理，能投入的时间确实不多。目前的约束系统质量还不太稳，直接放出来怕别人踩坑。继续打磨，稳了再分享。

最后一句

真正决定质量上限的，往往不是模型能发挥到什么程度，而是系统能把哪些自由度提前收住。

对 demo 来说，偶尔惊艳就够了。对产品来说，稳定可用更重要。技术类 AI PPT 要想真正进入交付链路，下一步比拼的不会只是模型，而是约束系统。

这个系列还在继续。后面 SlideMind 每推进一个阶段，有值得记录的判断和实践，我会继续写出来。如果你也在做类似的事，欢迎关注，一起把这条路走清楚。

如果觉得这篇有启发，欢迎收藏、转发，下次遇到问题页的时候可能用得上。