AI 做完 PPT 后,我终于能改字了

🎮 阅读原文：查看开源 PPT Skill

AI 做 PPT 这件事，最让人崩溃的时刻通常不在生成，而在生成之后。

领导看完第一页，说标题换个说法；客户临时改了一个数字；产品同学又塞进来一项功能。你打开那份“看起来很高级”的成品，才发现它只是一张大图。文字不能选，图表不能挪，连把一处错别字改掉都像在给海报做外科手术。

好看，一次性。能改，才是工作流。

GordenSuperPPTSkills 盯住的正是这件事。它先用 AI 生成信息密度高的图片型 PPT ，再把每页图片还原为可编辑的 PPTX 。重点不只是“导出一个 .pptx 后缀”，而是尽量把需要反复调整的内容拆出来：普通文字变成文本框，框架和图标作为可移动、可缩放、可替换的图层保留。

图片 PPT ，为什么总在最后一步卡住

图片型 PPT 其实不该被嫌弃。它有一个很大的优点： AI 对整页画面更有把握。复杂框架、异形卡片、装饰图标、层叠图表，放在一张图里生成，视觉完成度常常比“让 AI 一个个摆原生形状”高得多。

问题是，它像一张封口的便当盒。看着精致，饿的时候却打不开。

真正的业务场景不会给你“生成完就永远不改”的机会。数据会变，语气会变， logo 会变，甚至整页结构都会被临时加一条批注。于是很多所谓 AI PPT ，最后还是要回到人工重做。

这个仓库把流程拆成了三个独立 Skill ：

你也可以跳过第一段。手里已经有一套图片 PPT 、旧的汇报截图，直接交给 GordenImage2PPTX 转成可编辑版本就行。这一点很实用，它不是逼你从头换一套创作方式。

它不是简单 OCR ，而是把一页拆成四层

仓库的核心方法叫“四层还原”。一页看似复杂的 PPT ，被按从下到上的顺序拆开：背景图、整体框架图、图标与装饰、普通文本。

背景层负责底色、纹理和氛围；框架层负责卡片、标题条、分隔线、连接线，甚至图表的坐标网格、柱线和趋势线；图标和装饰单独处理；最后才把普通文字按原位置写回 PPT 文本框。

这顺序看着有点拧巴，但它避开了最常见的翻车方式：直接拿原图做底，再盖一层 OCR 文字。那样做的结果是双重文字，原图里的字还在，改动后的字又压上去，现场一片灾难。

仓库要求用图像生成能力分别复刻背景、框架和元素，再做透明抠图与定位。文本则通过视觉解析提取，写成真正能点开、能修改的文本框。

一句话总结：它不是把一张图“塞进 PPT”，而是把一张图拆开后再放回 PPT 。

“完全可编辑”到底能改到哪里

这四个字最容易被营销话术带偏，得掰开说。

在这个方案里，普通正文、标题、数字、标签等文字会还原为 PowerPoint 文本框。所以你可以直接改文案、改颜色、改字号、拉宽文本区域，临时替换数据也不用重新出一张整页图。

而复杂的视觉部分，比如异形卡片、背景纹理、图表骨架、特殊装饰，默认会作为透明的视觉图层留在 PPT 里。它们能整体移动、缩放、替换，也能和文字分开处理；但它们不一定自动变成每条线、每个圆角都能独立编辑的原生 PowerPoint Shape 。

这个边界反而诚实。要在“保持原图复杂视觉”与“全页都是原生形状”之间二选一，后者通常会牺牲还原度，还会把转换流程拖得很长。对大多数汇报场景而言，能改文字、能换图标、能移动整块框架，已经能处理九成临时需求。

如果你确实要把框架也拆成一块块单独拖动，仓库也支持在提示词里明确要求“切分框架”。只是组件越细，定位与校验越复杂，别为了追求一句“全原生”把可维护性弄丢。

它如何让还原别跑偏

把图片转回 PPT ，真正难的不是把字识别出来，而是让位置别漂。

仓库里有一套很细的约束：用源图的实际像素坐标来计算文本和元素位置；图标先放在纯色背景上提取，再抠成透明图；框架会保留成整张透明层，保证原本的卡片、线条和图表关系不散；合成后还会生成预览，与原图做并排图、叠图和差异热图检查。

这种“先拆层、再回放、最后对比”的笨功夫，才是可编辑 PPT 不至于变形的原因。 AI 负责视觉理解与生成，脚本负责抠图、定位、合成和 QA 。谁也别替谁硬扛。

哪些场景值得用

我会把它用在三种情况。

一是你已经有 AI 出的图片型 PPT ，视觉不想推倒重来，但必须交给别人继续修改。把文本层还原出来，后续协作立刻轻松很多。

二是你有一堆历史汇报截图。内容和结构已经存在，只是源文件丢了，或者原始 PPT 早就被压成图片。它可以作为一次“救回可编辑资产”的尝试。

三是需要高视觉密度的方案页。先让 AI 用整页画面解决布局与美术，再把可变的文字和元素交还给 PowerPoint 。这个顺序比一开始就逼 AI 拼原生 Shape 更符合当下模型的长处。

也要留意成本。仓库作者说明，图片转可编辑 PPTX 比直接生图更吃模型额度；以 Plus 订阅的估算，一张图片转换大约可能消耗 5 小时额度的 10%。页数多、框架复杂时，别一上来就拿 50 页年报去试，先挑一页典型页面跑通，确认文字、图层和版式满足要求再批量。

使用时，给 AI 一句明确的话

仓库面向 Codex 使用。生成全流程时，可以明确说：

使用 GordenSuperPPTSkill ，生成一份 N 页 PPT ，先生成图片型 PPT ，再转换为可编辑 PPTX ，要求文字可编辑、框架与图标可移动。

如果只需要救回已有图片，可以更直接：

把当前文件夹里的 XXX.png 使用 GordenImage2PPTX 还原成可编辑 PPT ，严格遵循四层流程。

别只说“帮我转 PPT”。把“文字可编辑”“框架要不要切分”“是否保留复杂视觉”写清楚，最终文件会少很多返工。

PPT 最有价值的时刻，从来不是发出去那一秒，而是第十次改标题、第三次换数据时，它还没散架。

开源仓库：https://github.com/GordenSun/GordenSuperPPTSkills^[1]

作者说明：可商用使用需标明 GitHub 出处或作者 @Gorden Sun ；实际转换质量、模型额度与支持范围以仓库最新版文档为准。

参考链接

[1] https://github.com/GordenSun/GordenSuperPPTSkills: https://github.com/GordenSun/GordenSuperPPTSkills