继DeepSeek V4 Flash 新版本发布之后，昨天DeepSeek V4 Pro新版本也正式发布了，中间还出现了一些小插曲，就是官方的网站撤下了模型更新的信息，很多人猜测新模型是不是因为评测的效果不理想官方撤回了，但是后面刷了一下，好像官网的样式更新了，有可能官方只是单纯的在更新网页。另外，根据官方文档的介绍，模型8月17号就正式开始根据空闲和高峰调整价格了，总体来说价格调整比较大，所以这两天趁价格还便宜正好测试一下DeepSeek V4 Pro 0813。正好最近一直有个头疼的事情困扰我：「做PPT」，由于我最近也在透过合作伙伴推广我们的「无人机视觉AI平台」，但是我个人并不是很喜欢通过PPT来介绍产品，主要我觉得PPT上所有的话术和图片都是精心包装过的，没什么意义。以前每次做PPT都要反复琢磨话术，找美工来美化，所以现在我直接都是提供产品的实际操作讲解视频以及开个体验账户，直接体验。但是合作伙伴还是经常会找我要PPT，或者有一些其他类似的需求，希望我能够出一个PPT，这其实让我有写为难，出PPT又得研究半天，精心包装个方案的PPT，如果不响应就又让合作伙伴觉得响应不积极。所以我最近就想自己做一个能够生成PPT的智能体，借助大模型的能力来满足这类需求，而且根据现在的经验，如果我直接以HTML为基础构建一个PPT智能体，最后能够导出PPTX这种方式，我觉得应该是可行的。所以我就简单整理了一下我自己的需求，其实这个需求只是串联了我几个碎片化的关键想法，有些部分其实我也没有明确的思路，先让他给我生成看一下：我现在要做一个PPT生成的Agent:
1、这个PPT Agent使用HTML作为生成、显示修改和交互的格式基础，最后完成之后可以到处成PPTX格式；
2、这个PPT Agent支持分步骤完成的方式，用户先输入自己的大概思路，然后系统生成多个可选的每页PPT的大纲供用户挑选，用户可以选择某一个，选定之后可以对其进行修改然后保存，调用的生成模型可配置 默认使用当前使用的deepseek v4 pro,也使用当前同样的api配置；
3、确定好分页之后，用户可以针对每页进行进一步的内容的细化和补充，所以在这个部分要支持用户自己通过自然语言的方式向Agent提出需求，Agent针对性的对这页进行修改完善，当然这个生成的过程也需要生成多个备选的结果供用户挑选，用户选定之后、修改保存；
4、整体都调整完成之后，用户可以通过提示词为整个PPT生成样式，同样可以根据用户的输入生成多个备选的样式，也可以根据当前PPT的内容给用户推荐样式，用户确定之后保存，也支持整体和单个样式的修改；
由于最近Kimi K3用的稍微多一些（主要是低配版本的Qwen3.8 Max Token Plan额度太少，之前用的第三方的GLM5.2也挂了），所以就正好也将这个需求同步使用Kimi K3来生成一下，正好对比一下二者的最终生成效果。一、Claude Code + DeepSeek V4 Pro 0813在我测试完之后DeepSeek Harness才发布，所以本次就没有使用，后续再测试吧。任务执行的时候，我使用了auto-mode模式，任务一次执行完，没有做任何二次调整，如下是PPT Agent的运行效果这个部分PPT Agent根据输入的提示词，默认会生成三个大纲的方案，用户可以选择符合自己需求的方案，如果都不满意可以重新生成。然后滚动到下方，这个大纲也是支持对每个主题页面进行编辑包括内容、顺序以及删除等。在这个部分可以选择对应的一个页面，输入你想要表达的主要内容，这样他同样会默认给你生成三个方案，然后你可以选择当前的方案，也可以丰富自己的提示词进行方案的修改和细化，而不影响其他页面。我之所以有这个需求就是我在用豆包或者Qwen类似的PPT生成功能的时候，他们都倾向于一次性生成所有PPT，对单个页面中某些元素的修改效果不好，所以基本上也都弃用了，这种能够根据自己步骤一步一步调整的才是我需要的，我比较不感兴趣的就是，语言的打磨和页面视觉元素的构建，要表达的内容我自己其实是清楚的。但是这个下面他将页面的HTML代码和当前页面进行了分屏的显示，其实这并不是我需要的，因为我并不是想要自己编辑代码，只是告诉他具体的可以通过哪种方式实现我的需求。自己写代码都是vibe coding了，哪里还会为了个PPT自己古法调整HTML布局，现在这个能力已经退化了。这个部分也是通过提示词输入一些要求，让他帮我生成一个全局的PPT模版，比如我这边普遍会写：科技风格、毛玻璃效果、阿里妈妈字体。然后他会自动给你生成一整套的样式风格，用户也可以自己手动调整这个主题，保存之后，就会将这个风格应用到前面的页面，当然这个时候你也可以返回到前面的步骤迭代反复进行调整。简单配置之后，我点击导出PPTX，然后在WPS中打开查看了一下整体差不多，但是细节部分有点问题：比如下图页面右上角的几个字布局乱了，然后字体并没有使用阿里妈妈，这个部分字体丢了。这些也都是后续需要微调解决的问题，但是整体上还是能够符合我的需求，实现的效果还可以，但是整体的页面的美观、布局方面还是有待加强。任务在执行的时候，我打开了yolo模式，任务一次性执行完，没有做任何二次调整。当前项目一生成完打开页面之后就发现Kimi K3生成的页面相对于DeepSeek V4 Pro 0813模型生成的视觉效果、布局、交互的方式舒服太多了，非常工整，像是经过正式设计的。总体和DeepSeek的交互模式基本上是类似的，只是他这边默认在右边增加了一个页数的限制，而且给出的方案的描述也附加了一些细化的二级描述。然后滚动到下方，同样也生成了一个和DeepSeek生成的类似的一个编辑部分，只是相对少了次序移动的功能。这个模块的页面布局也很好，整体就是按照一个传统的PPT的页面布局来布局的，对比之下显得DeepSeek的单页修改就显得「狂野」了一些，提示词放在右下方。然后候选他没有像DeepSeek那样显示的站看，而是需要点击切换然后更在视口中切换显示另外的方案。在这个地方我反而喜欢DeepSeek那种一次性给你并列显示出来的方式，这样比较直观，能够三个一起对比，而不是要这样切换不好对比。页面的内容和布局同样也都是可以进行二次微调修改的，后面生成的模型调用的都是DeepSeek V4 Pro 0813。这个地方还是保持了会根据提示词生成三种待选的方案，然后给出了每一张上的预览效果，但是DeepSeek在这个部分就没有给出待选的方案，只是生成了一个方案。虽然Kimi K3也给出了样式编辑功能，但是只是给出了css样式编辑，这个基本上是没办法用的，只有DeepSeek那种组件化的样式编辑才是可用的，这个地方还有带增强。我选择了三个页面进行导出，导出的PPTX和页面中的样式还是保持的很好。这就是本次的测试效果，本次的生成结果我个人还是满意的，也很难直接说Kimi K3更好还是DeepSeek V4 Pro 0813都各有优点，也各有缺点，生成的结果基本上符合了期望的功能，而且完成度都很好，后续就是对细节的功能进行优化和调整，起码现在我已经不排斥做PPT了，反而喜欢上这种基于大模型的探索的乐趣，我相信很多人都会有这个需求。好了，今天就写到这里了，今天本文的「PPT智能体代码」我会整理好都放到（自己动手「空间智能」）中，相关内容的介绍可以看之前的公众号内容，都有相关的效果介绍，确定有需求之后再加我，谢谢。
