四款办公 Agent 做 PPT:生成新稿和修改旧稿,差在哪?
- 2026-11-07 16:34:54
让 AI 把一段话改成两条项目符号，看起来已经完成；读到句末，才发现多留了一段。让它补一张表格，两个名称都出现了，其中一个却进入了另一列。
用办公 Agent 做 PPT，生成新稿与修改旧稿值得分开试。 精确修改要检查位置和范围，整套生成要检查材料、组织与来源。一张漂亮封面，或者一个高分，覆盖不了这些要求。
EvalDock 在75 题办公实测总览之后，进一步打开两道修改题和一道生成题的原文件、四款产品产物及评分记录。这篇把检查位置放到具体页面上。
同样做 PPT，成绩对应的任务不同
本批有 15 道 Microsoft PPT-Eval 修改题、15 道 PPTAgent / PPTEval 生成题。四款分别执行，两套共 120 份最终产物，分项结果如下。
千问的修改均分在本批最高，豆包的生成设计均分在本批最高。这两列不在同一量纲，不能直接比较或相加。每套仅 15 题、没有重复运行，数字只能描述这批样本。
生成的三个分项来自替代 AI 裁判，不是人工审美投票。尤其要注意：内容分未逐项对照源 PDF 核验事实，不能当作事实准确率。
表格补上了，两个名称却不在同一列
第一道修改题要求在第 4 页创建两列表格，表头为 Application 和 Architecture Type，并插入 Skype 与 Instant messaging。本题检查规则要求两个名称都位于 Application 列。
四款都添加了表格。千问只放了一行数据：左边是 Skype，右边是 Instant messaging。灵犀、WorkBuddy、豆包则把两个名称放在左列的不同行，右列填写混合架构。
图 1：同题第 4 页下部局部。来源为本批最终产物归档渲染，原颜色与文字保留。
千问本题得 75 分，其余三款得 100 分，满分为 100。只搜索“Skype”和“Instant messaging”是否出现，四份文件都能命中；按单元格检查，差别才会显现。
画面里还藏着另一处细节：灵犀表格的上沿压住了旧正文末尾的 buddies。原文字在文件中仍然存在，归档渲染却出现遮挡。本文不因此修改原分，而是补充一个实际验收点：表格填对后，还要看它有没有盖住周围的内容。
项目符号拆开了，多余原文还在
第二道题要求把第 2 页的原段落改成两条给定文字，第二条缩进。第二条给定句子的终点是 body mass index (BMI)，原文在这之后还有一段解释。
四款都拆出了两条，并为第二条设置缩进。千问、WorkBuddy、豆包在 BMI 处结束；灵犀继续保留后面的解释，直到 or obese. 才结束。
图 2：同题第 2 页正文局部。缩进距离与换行并不完全一致，本文只确认第二条设置了缩进。
灵犀的缩进项通过，指定文字项只获部分分，总分 75；其余三款为 100。它提醒我们，检查“有两条”和检查“是指定的两条”，需要分别做。
如果希望只整理格式、保留全部内容，可以直接说明；如果要求按给定文字替换，就应连句末一起核对。
12 页新稿：先确认它讲的是哪份材料
生成题给了两份附件：德文 PDF 讲 Wertekapitalismus（价值资本主义），另一份讲“幽灵渔网”的 PPT 只作设计参考。要求依据 PDF 生成 12 页，保留源文语言、事实内容与署名。
千问、灵犀、豆包的产物主要使用德文，主题对应源 PDF。WorkBuddy 本题归档的 12 页文件主要使用英文，内容是生物图像数据管理与 OMERO 培训，封面仍有 ADD INSTITUTE HERE 和 ADD AUTHOR 等占位文字。
图 3：上方是两份输入的标题局部，下方是四份最终产物封面。主题差异同时可从文本与渲染确认。
这里能确认的是归档产物与指定材料不一致。现有证据不足以判断偏差发生在上传、生成还是回收环节，不能把它直接归因为模型能力，也不能说它抄了本题参考稿。
这份 WorkBuddy 文件的连贯性仍获 3 分，裁判认可“介绍、功能、扩展工具、资源”的顺序。讲解顺序可以连续，主题仍可能不符合任务。这三个评分维度没有接收源 PDF 做逐项比对，因此验收时需要另外检查材料对应关系。
主题对应后，再看组织方式和模板残留
千问、灵犀、豆包的第 9 页都讲源材料中的 AH 基金。千问用四栏拆解机制，灵犀用五条较长的项目符号，豆包突出 2–3% 的数字，再用三个步骤展开。WorkBuddy 同页则讲 OMERO 下载工具。
图 4：四份产物第 9 页完整页面。源文中的方案与百分比仅用于材料转换对照，不构成本文对该方案的评价。
这三种同主题排法，分别方便按模块讲、保留连续解释、沿过程讲。选择时可以问自己：听众是否能跟上，哪些句子仍需要讲者补充？设计分无法替你回答所有使用问题。
页脚也值得读一遍。千问保留了设计参考中的 SEALIVE 项目资助说明、账号与网址，相同文字存在于两份文件的母版。灵犀换成作者与机构信息，豆包该页列出作者、文章题名和年份。借用模板时，旧项目名和联系方式也可能跟着版式进入新稿。
两份可以照着用的验收清单
改旧稿：先按页码、对象和单元格查位置；再逐句核对修改终点，查看有无多余旧文或遮挡；最后在实际使用的软件里打开，检查换行、编辑对象和未要求改动的页面。
做新稿：先确认内容来自指定材料、设计参考只承担约定用途；再抽查数字、引述、结论条件和署名；然后按顺序读完整套稿件，检查叙事与版面。
下次拿到 AI 做好的 PPT，可以先看四个地方：表格的列、句子的终点、整套稿件的主题、母版页脚。这些小位置，往往比封面更能说明还需要多少返工。
测试与证据说明
本文由 EvalDock 团队撰写，依据于 2026 年 9 月 24 日完成的办公实测。完整测试为五套评测各 15 题，共 75 道不同任务、四产品 300 项结果；本文使用的两套 PPT 任务各 15 题，共 120 份最终产物。允许人工辅助、续接与重试，衡量最终交付质量，不是首次无人干预成功率。
四款产品均通过网页端执行。灵犀采用 DeepSeek V4.1 Flash 标签配置，WorkBuddy 为 hy4-preview，依据评测记录与评测方确认，未独立核实后端；千问与豆包精确后端未独立核实。修改成绩采用 9 月 24 日修订后的确定性规则，涉及两题计分修订，产物未变、原分保留。
两套 PPT 使用替代 AI 裁判与对应文件检查，不是完整官方复现，也不是人工盲评。生成内容、设计按页面评分汇总，连贯性按整套稿件评分汇总；内容分没有逐项核验源 PDF 事实。案例按可核查差异选取，不代表发生率。没有重复运行，不能据小分差判断稳定领先；本文不计算综合指数，不比较速度或成本。截图反映归档渲染，未做 PowerPoint 实际打开或跨软件兼容性认证。
