用AI做PPT,最容易翻车的那些坑,我都帮你总结好了
- 2026-09-23 12:40:04
用 AI 生图来做图片型 PPT，看起来很容易：把资料丢进去，写一段 Prompt，等上几十秒到两分钟，一张看起来还不错的页面就出来了。
但真正自己做过几次就会发现，想让结果稳定、美观、少返工，还要尽量省时间和 token，并没有想象中简单。
本文只讨论使用 AI 生图能力制作 PPT，不讨论 HTML 或 SVG 或者直接代码生成式 PPT。后者的优点是精确、可编辑，但实际使用中也有一些明显的问题：速度慢、token 消耗高、版式比较单一，不够美观，复杂信息的排版也更困难。比如某次我在使用 PPT Master Skill 做 PPT 时，反复遇到 SVG 语法不对的问题，一直来回返工，白费token不说，一张图要花上10来分钟。
先说说，AI 生图做 PPT 这个方案好在哪里
它最大的优点，是有机会让一页 PPT 一次成型。
页面的布局、视觉元素和整体风格，可以在一开始就作为一个整体来设计。这样做出来的页面，往往比一点点拼装出来的内容更完整、更有整体感，也更美观。
另一个优点是快。通常等待几十秒到两分钟，相比其他制作方式，能节省不少时间和 token。
当然，这里说的是理想状态。想真正把这个优势发挥出来，还要先跨过几道坎。
AI 做 PPT，绝不是一次 Prompt
AI 做 PPT 更像是一条流水线，而不是把所有资料交给模型，再等它直接交付最终结果。
这条流水线至少包括：
资料解析、内容规划、分页设计、生图、演讲者注释，以及最后的 PPTX 组装。
每一步之间都有交接，也都需要校验。前面一步如果不稳定，后面通常很难靠一个 Prompt 补回来。所以，问题并不只是“怎么写提示词”，而是整条流程能不能连贯、稳定地跑下去。
真正要跨过的几道坎
1. 好用的模型和智能体
首先当然是模型和智能体本身。这个部分不展开说了，但它确实是前提。
现实情况是，很多人连稳定使用好模型和智能体都不容易，还要面对访问门槛、各种 Plus 订阅合拼，以及不断和风控做对抗。
2. 原始资料能不能被正确理解
资料解析是整个流程的基础。以 PDF 为例，里面可能有图片、文字、多列排版，还可能需要 OCR。模型不仅要读懂正文，还要理解图注、表注，判断哪些内容值得保留、哪些内容可以舍弃。
所以，直接把 PDF 提取成一段文本，很多时候是不够的。要想给后面的内容规划和分页提供足够好的素材，可能需要使用 MinerU、PP-Structure 等相对重量级的解析方案。
3. 到底要不要调研和补充数据
原始资料解析完之后，还要面对一个实际问题：是否需要继续调研，是否需要扩充数据源？
如果需要调研，调研到什么程度？哪些信息应该取用？哪些信息不必放进 PPT？这些问题如果没有提前想清楚，后面的内容很容易越做越散。
4. 内容怎么组织，页面怎么安排
分页规划不是简单地把一篇文章切成几段，而是要先理解全部内容，再结合页数限制，安排每一页到底讲什么。
不同类型的素材，适合的组织方式也不一样。有些内容适合用要点式，有些适合做流程图，有些适合用比较式。页面之间还要有连贯性，前后要讲得通。
同时，不同页面也有更合适的排版方式。要点、流程、比较、图文说明，并不能都套用同一种模板。
如果这些事情不提前约定，最后的结果就很像抽卡：每一页单独看可能还行，放在一起却未必连贯，页数、内容和版式也容易失控。
5. 需要一个中间表示和版式契约
要让流程稳定下来，最好不要只依赖模型在对话中的临时记忆，而是用一些中间文件把要求明确写下来。
比如：
• content.md：描述整套 PPT 要讲什么；• pages.md：描述如何分页、每页放哪些内容；• style.md：描述模板、标题系统和整体视觉风格。
这些文件相当于内容和版式之间的契约。没有它们，每一页很容易各画各的，最后出现页数漂移、字段漂移、字号漂移，甚至模板也不一致。
6. 素材到底该直接用，还是重新画
做 PPT 时，还会遇到一个很具体的问题：什么时候应该准确使用原资料里的图片或表格？什么时候可以让 AI 重新绘制？
重绘可能更统一、更符合整体风格，但也可能损失原始信息。直接使用原图或原表格，保真度更高，却未必能和页面风格自然融合。
这不是一个完全可以交给模型随机决定的问题，需要根据内容的重要程度和页面目标做判断。
7. 整套 PPT 的视觉风格要统一
视觉风格不是简单选一个颜色。它还包括适合内容的美学风格、字体和字号、多种排版布局，以及各种尺寸和位置的约定。
这些设定如果不统一，就算每一页单独看都不错，整套 PPT 放在一起也会显得松散。
好的提示词和检查机制，不能完全消除生图过程中的漂移，但可以降低返工的概率。
8. 生图结果本身会漂移
AI 生图还有一些很常见的问题：
• 画面模糊； • 中文乱码； • 画面里出现噪音； • 同一条信息被重复表达； • 文字样式不稳定，前后页面飘来飘去。
这也是为什么不能只生成一次、看一眼没问题就结束。结果需要检查，必要时还要重新生成。
9. 最后还要把它组装成真正能用的 PPTX
图片生成出来，并不等于 PPT 就完成了。后面还要进行 PPTX 组装，并做格式检查。
这一步有时还会遇到兼容性问题：看起来生成成功了，打开之后却可能出现排版或格式不一致。
从工程角度看，整条流程也不算简单。调用 API 可能失败，并发可能受限，模型返回的结果可能缺字段，也可能不符合预期。长任务还需要有监控能力，以及中断之后可以恢复的机制。
还有一些容易被忽略的实际需求
真正做成一个可复用的工具，往往还要考虑很多细节和实际需求：
• 是否提供演讲者注释； • 是否支持多语言输出； • 是否有多样化可选择的风格模板；用户喜欢某一种特定风格时，能不能从外部收集参考，再提炼成稳定的风格设定； • 某一页不满意时，能不能只修改这一页，同时保持原来的设定和主要内容不变； • 某一页文字太多、太细时，能不能在不改变核心内容的情况下进行高分辨率重绘； • 是否支持不同的长宽比，以适应不同的平台。 • 等等
至于想把生成结果转换成真正可编辑的形式，这是另一个问题，我也踩了好多坑，咱们可以单独再讨论。
这其实是一套完整的工作流
把上面这些问题放在一起看，就会发现：AI 生图做 PPT，难点从来不只是生成一张好看的图。
它需要一套完整的工作流，把资料解析、内容组织、分页设计、风格控制、生图、检查和 PPTX 组装串起来。更重要的是，这套流程还要能在本地复用，能够稳定运行，而不是每次都从头抽卡。
因为这件事并不像想象中简单。我们觉得它有价值也有意义做成线上工具，帮助大家省却一些麻烦，节省一些时间。这个工具已经上线，放在咱们 #麦伴科研 #maltsci网站上，侧栏上的PPT生成器就是。欢迎试用。
虽然这中间已经填了不少的坑，但还有不满意的地方，我们一直在打磨和优化当中。欢迎反馈。
