字数 2579，阅读大约需 13 分钟
这周末我用 Codex 做了一个 Skill：
presentation-strategist
它看起来像 PPT 工具，但不是用来美化 PPT 的。
它不负责配色、排版、动画，也不直接导出 PPTX。它解决的是更靠前的问题：
做 PPT 之前，先判断这份 PPT 到底要完成什么沟通任务。
这是我做它的起点。
我越来越明显地感觉到，很多演讲汇报效果，不是 PPT 页面不好看，而是演讲人一开始就没想清楚。
漂亮但空心的 PPT一份 PPT 可以有漂亮封面、高级字体和现代动效。但如果它没有回答几个基本问题，还是很难真正起作用：
这些问题没有想清楚，页面越漂亮，有时候越危险。
因为它会把一个没想明白的判断，包装得像已经想明白了。
我为什么要做这个 Skill
PPT 表面上是视觉媒介，实际上经常是决策媒介。
给老板汇报项目，不只是同步信息。它可能是在解释延期、争取资源、重建信任，也可能是在推动一个关键决策。
给客户做提案，也不只是介绍产品。它要处理客户的怀疑：你们能不能交付？现在做是不是太早？投入产出能不能讲清楚？
做 AI 培训也一样。真正困难的不是解释 AI 是什么，而是让不同岗位的人知道：这件事和我有什么关系，我第一步应该怎么试。
这些场景都叫“讲 PPT”。但底层任务完全不同。
所以我不想再做一个“输入主题，生成页面”的工具。这个方向已经有很多产品和 Skill 在做。
我更想做的是 PPT 生成之前的那一层。
它不急着回答“做几页”，而是先问：
这场沟通到底要改变谁的什么判断？
PPT 是沟通任务它和几个热门 PPT 生成 Skill 的差异
presentation-strategist 的定位，要放到 PPT 工作流里看。
歸藏 PPT Skill 更强在视觉呈现。它擅长做有风格的网页 PPT，比如横向翻页、WebGL 背景、杂志感页面、瑞士风布局。它解决的是：怎么把内容变成一套可展示的 slides。
宝玉 slidedeck Skill 更像完整的幻灯片生成流水线。它可以从内容生成 outline，再生成每页 prompt，继续生成图片，最后合成 PPTX 或 PDF。它解决的是：已有内容怎么快速变成 slide deck。
PPT Master skill 更接近最终成稿生产。它降低的是制作门槛：输入主题或内容，快速得到结构化页面、模板、排版和完整文件。
而 presentation-strategist 放在更前面。
它先判断：这份 PPT 是为了汇报、说服、销售、培训，还是预警？听众卡在哪里？要改变的是认知、态度、判断，还是行动？证据够不够支撑结论？
如果把 PPT 工作流拆成四层：策略、结构、表达、视觉。
归藏类 Skill 更偏视觉层。宝玉 slide deck 更偏生产流水线。PPT Master 更偏快速成稿。
presentation-strategist 更偏策略层和结构层。
它不是替代这些工具，而是让这些工具在生成之前，先拿到更清楚的逻辑骨架。
我还给它设计了一个下游交接能力：当用户通过对话把 PPT 大纲定下来后，可以让它直接生成适配主流AI PPT 工具的输入提示词。这样它不只是做策略判断，也能把判断结果转成后续 AI PPT 工具可以直接使用的 brief。
PPT 工作流四层结构我是怎么一步步把它做出来的
这个 Skill 不是一次写完的。
它更像是从一个判断开始，一层一层长出来。
我先做的，是把问题限定住。
我一开始想解决的不是“怎么做一份漂亮 PPT”。而是：为什么很多 PPT 页面不错，但听完之后没有推动任何事情？
这个问题把方向带到了 PPT 生成之前：先判断沟通任务，再谈页面表达。
接着，我开始列真实场景。
老板汇报、项目进展、客户提案、销售 deck、融资路演、产品介绍、AI 培训、风险预警、业务复盘、个人职业 pitch。
这些场景表面不同，但底层都在试图改变听众的判断或行动。
场景列完之后，真正的原则才浮出来：
不从页数、模板和美化开始，而从受众变化开始。
如果用户说 “帮我做 10 页 PPT”，Skill 不应该直接进入第 1 页封面、第 2 页背景、第 3 页痛点。
它应该先判断：给谁看？希望对方改变什么？最大阻力是什么？这是告知、解释、说服、决策，还是动员？
然后，我把这个原则拆成 AI 能稳定执行的流程。
沟通目标、听众场景、事实/假设/未知、叙事结构、逐页计划、质量检查、下游 brief。
一个方法论如果不能被 AI 稳定执行，就还不是一个好 Skill。
从模糊想法到可生成 brief做到这里，我又做了一个取舍：不要把所有东西塞进主 Skill。
主 Skill 只保留高频、关键、稳定的行为规则。更细的场景方法、输出模板、质量检查，放进 references 或 templates，需要时再调用。
这样它就不是一段越来越长的提示词，而是一个小型工作系统。
最后，我补了普通用户入口。
真实用户不会说 “请帮我判断沟通任务和证据强度”。他们更可能说：“我明天要给老板汇报项目进展”“帮我把这个产品介绍做成客户提案”“先给我一个 5 页框架”。
所以这个 Skill 必须能接住低信息输入。
先给合理假设，再问少量关键问题，同时给一个可修改的 starter structure。
我为什么把 SkillOpt 的思路放进来
做到这里之后，这个 Skill 已经能用了。
但我想起前段时间读到的论文 SkillOpt: Executive Strategy for Self-Evolving Agent Skills，它给了我一个启发：Skill 不应该只是一份静态说明书，也可以是一种可训练的外部状态。
换句话说，Skill 文档本身也可以像模型参数一样，被一轮轮结果反过来训练。
过去优化 Skill，很容易变成手工补 prompt。
看到一个坏结果，补一句规则。再看到一个坏结果，再补一句规则。时间久了，Skill 就会变成补丁堆。
SkillOpt 的思路更工程化。
先让 Agent 带着当前 Skill 执行任务，收集轨迹和得分。再让优化器模型分析成功和失败样本，提出 add、delete、replace 这类文本编辑。每次编辑有预算。最后经过验证集门控，没有明显回归才接受。
我把这个思路迁移到了 presentation-strategist 里。
原因很简单：真实用户的表达太不可控。
用户只说“帮我做个老板汇报”，背后可能是高风险延期说明。用户说“帮我做客户提案”，真实任务可能是推动对方内部立项。用户说“明天要讲 AI 培训”，难点可能是降低一线员工抵触感。
这些东西靠一次性设计很难覆盖完整。
所以我给它设计了一个受控优化循环：收集样本、跑代表性任务、记录失败模式、生成候选修改、用验证集检查、没有回归才接受。
这里的重点不是“自动进化”，而是可验证、可回溯、可控制。
它主要解决两个问题：发现真实用户的表达盲区，防止改进变成退化。
SkillOpt 启发下的验证循环做完之后，我对 Skill 的理解更深了
做完这个 Skill 后，我对 Skill 的理解进一步加深了。
一开始我以为，Skill 的核心是把提示词写好。
后来发现不是。
真正重要的是把一个领域里的稳定判断过程，变成 AI 可以重复执行的小系统。
这个系统至少要有 清晰边界、核心原则、工作流、用户入口、下游输出、质量标准和持续改进机制。
这和写一个好 prompt 不太一样。
Prompt 更像一次表达。
Skill 更像一个产品。
它要考虑用户怎么进来，怎么得到结果，结果怎么被验证，怎么和其他工具连接，以及未来怎么继续变好。
presentation-strategist 这个项目让我最有感触的一点是：很多 AI 应用的真正价值，不是把人类工作的最后一步自动化，而是把前面最容易被忽略的判断过程显性化。
PPT 生成的最后一步是页面。
但PPT 质量的起点，是判断。
如果判断错了，页面越漂亮，反而越容易误导人。
presentation-strategist 做的，就是把这个判断过程提前。
它不是为了让 PPT 更炫，而是为了让 PPT 在变漂亮之前，先有一个清楚的沟通目标、可信的论证结构，以及明确的行动诉求。
Skill 不是提示词，是一个小系统这个 Skill 目前已经开源，访问链接：https://github.com/kingqiu/presentation-strategist
如果你也经常需要做老板汇报、客户提案、培训课件、路演 deck，或者只是觉得自己的 PPT 总是“页面有了，但逻辑没站住”，可以拿去试试。
也欢迎你在【评论区】告诉我：它在哪些场景下好用，哪些地方还不够顺。这类反馈，正好会成为它后续继续优化的材料。
以上是我今天分享的全部内容，如果你觉得有帮助，欢迎点赞、转发、收藏，让更多朋友受益。
