我把PPT和HTML页面交给AI,它却“假装”听懂了
- 2026-09-24 07:33:38
昨天我做了一件自以为很聪明的事。
把手头一份 PPT，连同需要改的网页内容和 HTML 页面，一股脑交给 WorkBuddy，下了指令：“按这个 PPT 的内容，把网页改一改，尤其是移动端的视频和样式。”
我满心期待地等结果。
然后发现：PPT 像从没被打开过，HTML 的样式改动几乎看不见，移动端那个视频，该播不了还是播不了。
那一刻我忍不住想：WorkBuddy 是不是根本理解不了 PPT？
一、先给结论：它能，只是有前提
查了一圈资料和官方说明，答案其实很清楚：WorkBuddy 完全具备处理 PPT 的能力。它内置了 pptx 技能，可以做演示文稿的创建与编辑；桌面端还有“人机双写”模式，能直接在 PPT、Word、Excel 的画布里协同修改；技能商店里也有第三方 PPT 技能，套上模板后视觉质感会好一大截。
但问题恰恰出在“前提”上。一篇亲测文章说得很直白：同一份 PPT，“简单描述直出”和“用了工作流/模板”的结果，差了不止一个档次。也就是说，能力在，但用法不对，效果就会“假”得明显。
二、为什么你的修改“没效果”？三个真相
真相 1：AI 是个“盲人”，看不见渲染结果
传统大模型写前端，本质是“盲打”。它能写出语法正确的代码，却看不见代码跑起来长什么样。你让它“把按钮往左移 5 像素、颜色深一点”，它改完你一跑，又歪了。这种“文本指令—代码输出—人肉验收—再描述”的循环，效率极低。
所以当你说“改改样式”，如果 AI 没有真正渲染并查看你的 HTML，它给出的往往是一段“看起来对”的代码，而不是“看起来对且真的生效”的改动。
真相 2：碎片化生成，缺了全局结构
前端大模型应用有个普遍困境：擅长分段实现局部功能，但代码不够整体化。当你同时丢进 PPT + HTML + 一堆要求，AI 容易“东改一点西改一点”，缺乏全局一致性，最后互相冲突、多处失效。一篇行业分享里提到，即便上下文窗口扩到百万级，AI 仍难真正理解项目的“完整图景”。
真相 3：移动端视频，是连人类工程师都头疼的硬骨头
这点最容易被忽略。你以为“改个视频”是小事，但移动端（尤其 iOS）的视频播放，本来就是前端的“老大难”：
MP4 的 MOOV 元数据如果放在文件末尾，iOS Safari 会加载缓慢、拖拽失败；
iOS 对 H.264 的 Profile / Level 有严格限制，级别过高直接黑屏；
不同浏览器、不同系统对编码格式（VP9 / AV1 / H.265）的支持参差不齐。
换句话说，哪怕是一个资深前端，遇到移动端视频事故也得用 ffmpeg 仔细排查。让 AI“顺手改好”，本就是个高难度期望。
三、怎么让 AI 真正“听懂”？4 条实战建议
- 别“一句话直出”，用模板和工作流。
给 PPT 任务时，先选内置模板或挂载 PPT 技能，再把要求一起发。同样的模型，套了模板的成品“AI 味”会淡很多。
- 用“人机双写”，在文件里直接改。
选中 HTML 里要改的区域，让 AI 直接在原文件指定位置修改，而不是返回一段新文本让你自己替换——格式不丢、上下文不偏。
- 把需求切碎，给视觉参照。
与其说“整体优化”，不如说“把第 3 屏视频容器的圆角改成 12px、封面图右移 20px”。最好附一张期望效果的截图或参考链接。
- 移动端视频，把技术参数写死。
直接告诉 AI：“用 ffmpeg 把视频转成 H.264 High Profile Level 4.1、加 -movflags faststart”，比笼统说“让视频能播”靠谱得多。
四、结语：AI 是副驾，不是司机
回到最初的问题——WorkBuddy 理解不了 PPT 吗？能。但它不是你脑子里那个“一看就懂”的同事。它更像一位手快但看不见屏幕的实习生：你给的上下文越清晰、约束越具体、校样越及时，它的产出越接近预期。
那次“毫无效果”的失败，与其说是工具的缺陷，不如说是一场“期望错位”。把 PPT 和 HTML 一股脑扔过去，指望它自己悟透，是目前任何 AI 都还做不到的事。
真正好用的姿势，是人机接力：你想清楚要什么，它负责把繁琐的执行跑完。
