【FDE 现场观察】001|PPT 排版崩、图不能用,先别急着换模型

在某造车新企的驻场现场，业务主管把电脑屏幕转向我：

“良辰，你看看这生成的 PPT，排版乱成一团、产品参数全错；画出来的营销图，品牌色直接变成了隔壁竞品的颜色。我们花翻倍时间重做，根本没法用！”

团队的第一反应很典型：“是不是模型能力不行？换个更大参数量的，或者再调一轮 Prompt。”

但如果只听抱怨，你就会陷入“不断调参、效果依然随机”的死循环。

FDE 现场诊断过程

为了弄清到底是模型能力不够，还是别的原因，我坐在业务员旁边，完整记录了他生成一页“新车上市方案”的过程：

【观察到的业务员动作】

1.输入极其模糊：业务员直接框入一句话：“帮我生成一份新车上市方案 PPT。”

2.缺乏任务拆解：直接点击发送，期望模型在一个对话框里同时完成“逻辑编写、样式排版、参数合规”所有任务。

【我的验证动作】

3.拆解对比测试：我把任务拆开，拿原模型做了一次测试——把品牌规范写成硬性格式要求，只让模型输出结构化纯文本（Markdown），再把这份文本一键贴进现有的设计模板。

结果变了：原本需要人工纠错排版 40 分钟的页面，调整后 5 分钟内完成，且经业务主管现场复核通过。

问题根本不在于大模型智商不够，而是我们在让大模型承担一个它无法单点完成的开放式交付。

可复现的工程解法：从“开放生成”到“受约束生成”

要把这种不稳定变成可交付的确定性，核心在于用结构化协议限制模型的自由度。

1. 结构化约束样例与填充成品（以 PPT 内容生成为例）

【约束骨架】

不要让模型直接输出 PPT，而是强制要求它输出标准的 Markdown 数据骨架，限定每页的字符上限与字段结构：

●●●markdown
# [页面标题：控制在12字以内]> 一句话核心结论（不超过25字）- **数据支撑 1**：[指标名称] + [具体数值/百分比]- **数据支撑 2**：[指标名称] + [具体数值/百分比]- **业务动作**：[具体落地方案]

【填充后的成品示例】

●●●markdown
# 智驾系统用户渗透率冲刺方案> 预计第三季度将智驾功能激活率提升至 68%- **数据支撑 1**：全系车主智驾功能月活（MAU）达到 42.5%- **数据支撑 2**：高速 NOA 故障率降至 0.02 次/千公里- **业务动作**：针对提车 30 天内的新车主推送 3 次场景化视频引导

（注：以上数据仅作填充格式演示）

将这份结构化文本直接贴进 Gamma 或企业内部的模板工具中，版式和内容便可瞬间固定下来。

2. 局部受约束修改（以图片渲染为例）

营销图生产同理，放弃让 AI“凭空画一张宣传图”，改成锁定控制：固定车身构图和品牌 VI 色值，只将需要替换的场景背景划定为可变区域进行局部重绘。

【结果验证】：在固定车身与 VI 的 20 次场景替换测试中，未再出现偏色问题；单张营销图的人工改图与审核耗时，从 30 分钟降至 3 分钟以内。

把自由创作，变成“在划定好的答题纸里做高难度填空”。

FDE 现场判断

对于需要高度一致、可重复交付的企业场景，模型自由发挥得越多，交付风险就越高。

AI 落地效果不好时，先去现场看一个更深层的问题：我们给模型的工作流程，到底有没有设计好防护栏？

模型负责产生结果，工作流负责把结果变成价值。

💡 良辰的现场随笔

我是良辰，一名穿梭在企业现场的 FDE（现场交付工程师）。

【FDE 现场观察】是我在项目一线记录的真实手记，不讲宏大叙事，只拆具体的现场问题与工程解法。

在真实的 AI 交付现场，你还踩过哪些“以为是模型不行，其实是工作流断层”的坑？欢迎在评论区留言。

我们下一期现场再见！