AI 做 PPT,终于记住你长什么样了:北邮清华上交联合提出 MemSlides,三层记忆让 AI 学会＂改一页不动全局＂

做 PPT 这件事， AI 其实一直没做好。

不是生成不了——现在随便一个工具都能给你扔出十几页。是用起来别扭。每次都要重新说一遍"我用蓝色主题""标题要大""图表用柱状图别用饼图"。说了三五次，它还是记不住。改了第三页的排版，好，第五页也跟着变形了。改完第五页，第三页又回去了。

折腾一圈，有那功夫自己都做完了。

像请了一个每次都把你忘干净的助手。你说烦不烦。

6 月 15 日，北京邮电大学、清华大学（朱军团队）和上海交通大学联合在 arXiv 上公开了一项新工作——MemSlides。名字很直白：给 AI 做 PPT 这件事装上一个"记忆"系统。论文的代码也已经开源。

它解决的核心问题，跟生成速度没关系，跟"记不记得住"有关系。

从"每次都重来"到"你一说它就想起来了"

先看数据。

在 10 种职业角色 × 3 种使用意图的测试集上， MemSlides 在内容、结构、视觉、特异性四个维度的个性化对齐评分上，平均比 DeepPresenter （ ACL 2026 录用）高出 1.19 分（ 10 分制），比 SlideTailor 高出 2.89 分。特异性维度——也就是"这篇 PPT 一看就是给这个角色写的，不是万能模版"——领先了将近 3 分。

效果最好的组合是用 GLM-5 跑的：内容 9.00 ，结构 8.78 ，视觉 8.56 ，特异性 8.89 。接近满分。

不同角色的增益差异也挺有意思。平面设计师提了 4 分，市场经理提了 3.17 分，但软件开发者的提升只有 2.33 分，而且在结构和视觉上还倒退了——说明这套记忆架构对非技术类角色的个性化效果更好。软件开发者做的 PPT 可能本来就比较标准化，记忆的价值有限。

但说实话，分数这东西看看就好，真正有意思的是它怎么做到的。

三层记忆，解决三个不同寿命的问题

MemSlides 的架构核心是分层记忆。论文把 AI 做 PPT 过程中需要"记住"的东西，按生命周期拆成了三层。

用户档案记忆是"长期记忆"。你习惯用什么字体、喜欢什么色系、做学术汇报和给投资人讲故事的版本应该长不一样——这些按"角色 × 意图"分类存好。下次你做同类型 PPT ， Agent 直接调对应档案，不需要你重说一遍。

工作记忆是"短期记忆"，只管当前这次任务。你今天说"把第三页的图表换成柱状图""第五页加一个对比表格"——这些约束丢进工作记忆，后续修改一直带着，不会丢。

工具记忆是"操作肌肉记忆"。前几次改了哪些地方，哪一步容易出错，哪一步耗时最长——这些经验被记下来，后续修改时优先避开踩过的坑。

这套设计的核心洞察其实挺朴素的：不是所有记忆都该活一样长。你的字体偏好应该管一辈子，这轮改稿的要求做完就忘，工具调用的经验越用越准。一个设计管一个事儿，别混。

但话又说回来——"分层"这个概念本身不新鲜。任何一个做了三年以上的工程师都知道"把不同生命周期的数据分开存"。新鲜的是把它搬到 AI PPT 这个领域，而且真的搭了一套系统去跑。

论文跑了一个工具记忆的消融实验——就是拔掉工具记忆看看还灵不灵。结果：注入工具记忆后， AI 的闭环修改完成率从 81.5% 提升到 96.3%，首次正确修改的平均耗时从 609 秒降到 242 秒，核心工具操作时间压缩到原来的三分之一。这些数据来自论文的 Table 3 ， GLM-5 上的提升最明显，耗时直接从 500 秒砍到 196 秒。

609 秒到 242 秒。十分钟变四分钟。这已经不是"一点点提升"，是量级变化。

改一页，别动全局——这比看起来难得多

用过 AI 做 PPT 的应该都懂那种烦躁——改一页， AI 直接给你重来整个文件。页面布局变了。字号换了。之前对齐好的内容全歪了。第三页改完，第六页又不对了。

就是那种"你改你的，我改我的"的既视感。

崩溃吧。谁用谁知道。

MemSlides 管这个叫"修改边界膨胀"，做了局部修订机制——不是大砍刀，是手术刀。流程分三步：先分析用户反馈，找到"最小影响范围"——只需要改这一页？还是全局配色都要动？然后动手，只动那几页。最后验证：改好了没有？别的地方有没有被带歪？

说起来简单，做到可不容易。大模型的天性是"我给你整个重来一遍"，因为全量生成比精确手术对模型友好得多——就像你让一个人重新写篇文章比让他只改第三段容易。工具记忆的价值就在这里：它记住了上次在这个位置踩的坑，这次绕着走。

论文举了一个典型案例：第三页的标题要改。无记忆的基线会重新审视整个 PPT 的结构，可能把第一页的配色也换了。 MemSlides 通过工具记忆中记录的"上次改类似位置时踩了哪些坑"，直接把修改范围锁定在第三页内部。不改别处。

从"比谁快"到"比谁懂你"

这个方向上不是没有竞争。 DeepPresenter 走的是"环境感知"路线，让 Agent 能看到渲染后的幻灯片再反思修正； SlideTailor 侧重科研论文到 PPT 的单向转换。但 MemSlides 是第一个把"记忆"作为核心架构设计的——坦白说，这反而让人觉得"嗯？不是早该这么做了吗？"

如果把 AI PPT 的发展拉一条线：第一代是模板填空（ 2023 前），那会儿整的跟 Word 排版似的。第二代是大模型生成 + 规则排版（ 2024-2025 ）。第三代在 2026 年开始分化——有人走多模态布局，有人走多 Agent 协作， MemSlides 选了记忆这条路。三条路，没有一条是瞎折腾的，但方向不同。

这个选择背后的判断很直白： PPT 生成的技术瓶颈早就不在"能不能生成"，而在"能不能不用每次从零开始"。尤其在专业场景下，一个人的 PPT 风格是高度稳定的——你做三次学术报告，不会一个换一个风格。那为什么 AI 每次都要重新学？

团队也说了，MemSlides 没有做真实用户研究。论文自己坦白了——测试集是自己构建的，不是真实的用户环境。三层记忆的硬收益主要在用户档案和工具记忆上有数据支撑，工作记忆目前只给了几个定性案例，翻来覆去就那么几个截图。九个工具记忆的配对测试，样本量确实不大。严格说，这更像一个技术验证，不是产品级方案。

而且隐私这块： AI 记住你的偏好当然是好事，但你每一次怎么改 PPT 都被记录下来了。这东西存在哪？谁有权删？论文没展开讲。开源了，社区可以继续完善，但目前确实是个开放问题。

不过方向大概率是对的。 AI 工具从"能用"到"好用"，跨越的往往不是多一个功能，而是少一个摩擦——不需要每次都说同样的话。

代码和论文链接： - 论文： https://arxiv.org/abs/2606.17162 - 开源： https://github.com/huohua325/Memslides

 - 在线体验： https://memslides.com/