AI 写 PPT 之前,你得先有这 3 层思维:数据 * 经营 * 汇报——9 款 GitHub 高 Star 神器为方法论落地

引子:凌晨 3 点改 PPT,你缺的不仅仅是工具,还有思维。

上一篇我做了 9 款工具的横评。评论区最高频的反馈,不是"哪个最好用",而是——

"工具我都收藏了,可每次开新工作还是不知道怎么用。""看完 9 款,我更焦虑了——因为我连第一步该打开哪个都不知道。""你说的那些 .pptx / HTML / 图片路线,我都想要。但怎么决定哪个对?"

把这些问题翻译成更精确的语言,其实是三件事:

1. 数据
   :我手里有一堆 Excel / 数据库 / PDF / 网页,我不知道哪些是有用的。
2. 经营
   :数据里有信号也有噪音,我不知道哪个是结论、哪个是噪音。
3. 汇报
   :就算有了结论,我不知道怎么把它"讲清楚"——讲给老板、讲给客户、讲给董事会的语言是不一样的。

这三件事,合起来叫做 3 层思维:

数据思维(把原始数据变成可用信息)　↓经营思维(把可用信息变成可被信任的判断)　↓汇报思维(把判断变成可被接受的方案)

选工具之前,先选层。你今天要做的这件事,落在 3 层里的哪一层?或者跨哪几层?

这一篇要解决的就是这件事——给你 3 层思维的方法论,再用 9 款 GitHub 神器作为"工具的实战落地"。

一、数据思维:从"原始数据"到"可用信息"

数据思维的核心只有一个:让数据从"噪音"变成"信号"。

1.1 数据的 4 个层级

90% 的人栽在第一步:他们以为自己在用"数据",其实他们在用"原始记录"。

我把数据分成 4 个层级。每一层都对应不同的"工具该做什么":

很多人想做"AI 写 PPT",其实卡在 L1 → L2 这一步——他们把原始 Excel 直接喂给工具,工具也不知道怎么算。

正确的做法是分两层喂:

• 第一遍喂 L2 数据,让工具排版(从 L2 到一张像样的报告页);
• 第二遍你在 L2 上自己提炼 L3 指标、写 L4 洞察;
• 第三遍喂 L3 + L4 的文字稿给工具,让工具润色(把判断变成可被接受的方案)。

这一篇 9 款工具的每一条,都是按这个分层逻辑来匹配的。

1.2 数据清洗的 3 个常见坑

坑 1:口径不一致。

例子:同一个"活跃用户",技术后台定义"过去 30 天登录过",业务后台定义"过去 7 天有过任意行为"。两组数据一合并,数字打架。

解法:所有 L1 数据在喂工具之前,先手动统一口径。这一步骤不能跳过,跳过就是垃圾进垃圾出。

工具实战:Microsoft 出品的 markitdown(⭐ 184.9k)能批量把 Excel / Word / PDF 转成结构化 Markdown——这一步只是"提取",不算"清洗"。

bash

pip install markitdownmarkitdown ./input/Q3-raw.xlsx > ./work/Q3-raw.md# 现在你可以搜、统一格式、补缺失值

坑 2:时间错位。

例子:订单表的时间字段是"用户点击时间",而财务报表的时间字段是"商家发货时间"——同一笔订单会落在不同月份。

解法:在你喂给 AI 之前,手动标注每张表的"时间口径"字段(哪个字段代表"业务发生时间",哪个代表"系统记录时间")。

坑 3:维度缺失。

例子:数据告诉你"DAU 跌了",但没有渠道维度、没有新老用户维度——你没法归因。

解法:永远在数据上保留至少 4 个维度:时间 + 用户 + 渠道 + 行为类型。任何少于 3 个维度的数据,分析价值都很低。

1.3 指标体系:北极星 + 5 维度

把 L2 变成 L3 的标准动作是建指标体系。

我推荐的结构是:1 个北极星 + 5 个支撑维度。

北极星指标 = 你整个业务最该看的那 1 个数字。它满足 3 个条件:

• 可衡量
  (有明确计算口径)
• 可归因
  (变化能追溯到具体动作)
• 可行动
  (团队能围绕它分配工作)

例子:

• 电商的北极星 = 月活跃买家数
• SaaS 的北极星 = 月度净收入留存(NRR)
• 内容平台的北极星 = 人均使用时长
• AI 产品的北极星 = 周活跃开发者数

5 个支撑维度 = 围绕北极星,你每周要看的 5 个二级指标。

例子(电商):

• 规模
  :月活买家、新客占比
• 效率
  :转化率、客单价
• 留存
  :30 日复购率
• 结构
  :渠道占比、品类占比
• 健康
  :投诉率、退货率

工具实战:firecrawl(⭐ 181.4k)能把公开网页(竞品官网、行业报告)抓成结构化数据——用来补你自己数据里没有的"行业基准"维度。

bash

curl -X POST https://api.firecrawl.dev/v0/scrape \  -H "Authorization: Bearer $FC_KEY" \  -d '{"url": "https://example.com/q3-industry-report", "formats": ["markdown"]}'# 输出可喂给 huashu-design / dashi-ppt-skill 当作"行业对标"

1.4 数据思维这一层的工具角色

数据层是最不值得堆动画的一层——它的核心是"准确 + 可追溯"。工具在这里的角色是:

这一层不需要花哨的工具,需要的是耐心——把数据洗干净比把 PPT 做漂亮重要 10 倍。

二、经营思维:从"可用信息"到"可信判断"

数据告诉你"发生了什么",经营分析告诉你"为什么发生 + 接下来该怎么办"。

2.1 经营分析的 3 类基本框架

任何经营分析,最后都落在这 3 类里:

很多分析师一辈子只用其中 1 类——只用"对比",就只能说"我们差";只用"归因",就只会解释过去;只用"趋势",就只会画线不会下结论。

3 类都要会,3 类要组合用。下面是这个组合的常见套路。

2.2 经典分析模型:5 个够你用一辈子

模型 1:SWOT(优势/劣势/机会/威胁)

适用:战略选择、年度复盘、新业务评估。

坑:很多人把 SWOT 当成 4 个 list——其实它是 2×2 矩阵。SO / WO / ST / WT 四个交叉格子才是真正的"判断":

• SO 战略
  :用优势抓机会(主动出击)
• WO 战略
  :用机会补劣势(借力打力)
• ST 战略
  :用优势避威胁(防守反击)
• WT 战略
  :同时减劣势和威胁(战略收缩)

模型 2:RFM(最近一次消费 / 消费频率 / 消费金额)

适用:用户分层、运营策略、CRM。

典型分层:

• 重要价值客户(高 R + 高 F + 高 M)
• 重要发展客户(低 R + 高 F + 高 M)——最近没来但历史价值高
• 重要保持客户(高 R + 低 F + 高 M)——以前多但最近少了
• 重要挽留客户(低 R + 低 F + 高 M)——即将流失

模型 3:Cohort(同期群)

适用:看留存、看产品迭代效果。

核心:不只看"总留存率",而是按用户首次活跃时间分组,看每一组用户的 N 日留存。

为什么:总留存会被新用户稀释——新用户多,总留存看起来好看;但老用户可能早就流失了。Cohort 把这个噪音拆开。

模型 4:漏斗(AARRR / 转化漏斗)

适用:增长分析、注册流程优化、营销 ROI。

AARRR:Acquisition(获客) → Activation(激活) → Retention(留存) → Revenue(收入) → Referral(自传播)。

关键:不是看每一层的"绝对数字",而是看层与层之间的转化率。漏斗告诉你的不是"有多少人注册",而是"在哪一步丢了最多人"。

模型 5:5W2H

适用:把"模糊问题"变成"可分析的命题"。

结构:

• What
  :到底在分析什么?
• Why
  :为什么要看这件事?
• Who
  :涉及哪些用户 / 角色?
• When
  :哪个时间窗口?
• Where
  :哪个渠道 / 地区 / 部门?
• How
  :怎么衡量 / 怎么发生?
• How much
  :数量级是多少?变化幅度?

实战经验:任何模糊的业务问题,用 5W2H 问一遍,80% 的问题会自动变成可分析的命题。

2.3 归因的 5 个层级:为什么"DAU 跌了"不该是结论

经营分析最容易出的错:把"现象"当"结论"。

例子:

• ❌ "DAU 跌了 5%"(这是现象)
• ❌ "DAU 跌了 5%,主要是新用户少了"(这是归因 1 层)
• ✅ "DAU 跌了 5%,原因是 6 月投放减少 30%,新用户首日激活率从 45% 跌到 32%,预计若不恢复投放,3 个月内 DAU 将再跌 12%"(这是 5 层归因)

归因的 5 个层级,你可以背下来:

汇报时,你的 L5 才是结论;L1-L4 是论据。

工具实战:dashi-ppt-skill(⭐ 8.6k)自带 SWOT / 雷达图 / 瀑布图的分析模块——你给它 5 个层级的数据,它能直接出一份"现状 → 归因 → 建议"的分析报告页。

bash

npx skills add dashi-ppt-skill# 在 agent 里调用> 用 SWOT 模型把这段竞品分析生成 8 页 HTML> 输入数据:>   - 我们的 DAU:120 万(↓5%)>   - 竞品 A:200 万(↑12%)>   - 我们的留存:42%(↓3pp)>   - 竞品 A:55%(↑5pp)> 要求:>   - SWOT 4 个象限都要画>   - 右下角加一个"下一步建议"模块> 导出 .pptx

2.4 经营思维这一层的工具角色

经营层是最值得堆"分析模型"的一层——这一层工具的核心是把抽象的判断变成可视化的模型。

这一层的关键是"先有判断,再有图"——图是判断的可视化,不是图替代判断。

三、汇报思维:从"可信判断"到"被接受的方案"

判断再好,讲不清楚就是 zero。这是大多数分析师的痛点。

3.1 金字塔原理:结论先行

Barbara Minto 的金字塔原理是汇报思维的根。它的核心只有一句话:

任何一篇文章 / 一份 PPT,只能支持一个思想。

这个"思想"放在最上面,下面 3-7 个论据,每个论据下面再 3-7 个事实。

反例(中文汇报常见病):

• ❌ 先讲背景,再讲过程,再讲细节,最后才讲结论——听众 30 分钟前就睡着了
• ✅ 第一页就是结论:"Q3 DAU 跌 5%,原因是投放减少 30%,建议立即恢复 6 月前的投放预算。"

3 条规则:

1. 结论先行
   :第一页 / 第一句就是结论
2. 以上统下
   :上层是下层的概括
3. 归类分组
   :同层级的论据属于同一逻辑范畴(MECE 原则)

3.2 SCQA 故事线:Situation-Complication-Question-Answer

如果你的汇报不是单页而是多页,用 SCQA 串起来。

结构:

• S(Situation 背景)
  :听众已知的事实——"Q3 我们一直保持 DAU 120 万"
• C(Complication 冲突)
  :变化——"但 9 月跌到 114 万,跌了 5%"
• Q(Question 问题)
  :悬而未决——"原因是?该怎么办?"
• A(Answer 答案)
  :你的方案——"投放减少 30%,恢复投放,3 个月回到 120 万"

好处:

• 听众跟着你的逻辑走,不会跳出去
• 即使中途打断,对方也知道你讲到哪了
• 比纯结论先行更"顺",适合 5-30 分钟的汇报

反例:

• ❌ 直接讲结论,听众听不懂"为什么这个结论重要"
• ❌ 全程讲故事,听众抓不住"所以该怎么办"

3.3 "3-5-7"结构:3 结论 / 5 关键页 / 7 细节

这是我从咨询行业学来的汇报结构,任何汇报都能套。

为什么是 3-5-7?

• 3
  :人短期记忆能同时处理的事,不超过 3 件
• 5
  :核心页不超过 5,否则听众疲劳
• 7
  :细节堆叠超过 7,就开始稀释主信息

实操:写汇报前先在白纸上画 3-5-7 表格,填满了再开始做 PPT。先有结构,再填内容。

3.4 视觉汇报的"克制原则"

汇报思维的最后一道关是视觉。

视觉不是"美化",是"减少理解成本"。每一次装饰都应该降低理解成本,而不是反过来。

4 条克制原则:

原则 1:一页一个观点。

一出现两个观点,就拆两页。永远不要让听众在一页里做选择题。

原则 2:数据图先于文字。

数字本身不说明问题——"45%"看不出高不高;但 45% 配一条行业均值 60% 的横线,听众立刻能看出"我们低于均值 15pp"。

原则 3:留白是内容。

每页元素 ≤ 4 个。超过 4 个,听众就开始"看不懂"而不是"看"。

原则 4:克制的配色。

主色 + 1 个锚点色,不超过 3 色。配色用来强调,不用来装饰。

工具实战:

• guizang-ppt-skill
  (⭐ 24.7k)的 Style B 瑞士国际主义,完美对应"克制"原则——单一深蓝锚点色 + 大字号对比 + 极简数据图。
• html-ppt-skill
  (⭐ 8k)的演讲者模式(按 S 键),让演讲者不必回头看屏幕——把"逐字稿"独立成第二个窗口。

bash

npx skills add guizang-ppt-skill# 在 agent 里调用> 用 Style B 瑞士国际主义风格,把这份 Q3 复盘生成 12 页 HTML> 主题:DAU 跌 5%,原因 + 行动方案> 风格:>   - 单一深蓝锚点色(#1B3A6B)>   - 标题 80px / 正文 24px>   - 极简数据图(不要 3D / 不要渐变)>   - 每页不超过 4 个模块> 导出:单文件 HTML + 演讲者模式

3.5 汇报思维这一层的工具角色

汇报层是最值得堆"设计上限"的一层——因为这一层服务的不是"内部团队",而是"决策者"。

四、9 款工具在 3 层思维里的角色

把前面的工具实战汇总成一张总表。这张表是这一篇的工具索引:

Star 数据采集时间：2026-09-28。Star 是社区关注度的代理指标，不是工具好坏的指标——真正选型看层 + 改造 + 协议。

4.1 按"主要层"重组 9 款工具

数据层主力(L1 → L2 + L2 → L3):

• markitdown
   / firecrawl:提取
• ppt-master
  :L2 → 排版
• GordenPPTSkill
  :17 套模板,又快又稳

经营层主力(L3 → L4):

• dashi-ppt-skill
  :SWOT / 雷达图 / 瀑布图
• GordenSuperPPTSkills
  :商业发布级视觉密度

汇报层主力(L4 → 被接受):

• guizang-ppt-skill
  :Style B 瑞士风
• html-ppt-skill
  :演讲者模式
• frontend-slides
  :风格发现

全链路(3 层都做):

• huashu-design
  :52 Skill 协同

传播层(从 3 层产出到朋友圈):

• banana-slides
  :Vibe PPT

4.2 9 款工具的协议速查

五、3 个完整案例(对应 3 层思维)

理论说完了。下面是 3 个完整的案例。每个案例展示怎么用 3 层思维 + 工具做完一件事。

案例 1 · 数据思维:Excel 原始数据 → 指标看板 → PPT

背景:某内容平台做月度数据复盘。原材料是 3 张 Excel 表——用户活跃表、内容消费表、商业化表——加起来 27 万行。

3 层思维拆解:

• 数据层目标
  :把 3 张表合并成 1 个"月度指标看板"
• 经营层目标
  :找出本月最大的 3 个变化点
• 汇报层目标
  :用 PPT 把这 3 个变化点讲清楚

为什么选 ppt-master:

• 资料是结构散的多张 Excel——ppt-master 的多源输入能力是刚需
• 交付物要可编辑——必须是真 .pptx 路线
• 协议 MIT——商用干净

完整操作步骤:

bash

# 数据层:L1:L2:L3pip install markitdownmarkitdown ./input/user-active-2026-09.xlsx > ./work/user-active.mdmarkitdown ./input/content-consume-2026-09.xlsx > ./work/content-consume.mdmarkitdown ./input/monetization-2026-09.xlsx > ./work/monetization.md# 手动合并 + 算指标(这一步不能跳):# - 月度 DAU / WAU / MAU# - 人均使用时长# - 内容分类消费占比# - 广告 CPM / CPC / 转化率# 输出:./work/sep-2026-kpi.md(纯文字 + 表格)# 数据层 + 汇报层:ppt-master 排版python -m ppt_master.outline \  --input ./work/sep-2026-kpi.md \  --pages 12 \  --style business \  --tone formal \  --output ./work/sep-2026-outline.jsonpython -m ppt_master.render \  --outline ./work/sep-2026-outline.json \  --template ./input/corp-template.pptx \  --output ./output/SEP-2026-Report.pptx

最终成品:12 页 .pptx,5 页核心指标(DAU / 时长 / 收入 / 留存 / 异常),7 页分析与建议。生成耗时:约 11 分钟。

关键技巧:

1. markitdown 先把 Excel 转 markdown
   ——不要让 AI 自己去解析 Excel,错率高
2. 指标计算完全人工做
   ——AI 不懂你的业务,不该让它算指标
3. ppt-master 只做排版
   ——它替你排版,不替你思考

踩过的坑:

• 第一次让 AI 直接合并 3 张 Excel——它把"用户 ID"和"内容 ID"混在一起了,合并后多了 12 万行重复
• 解决方案:先人工合并 + 校验唯一性,再喂给 ppt-master

案例 2 · 经营思维:指标对比 → 归因分析 → SWOT 战略图

背景:某 SaaS 公司年度战略复盘。要回答:"我们和 3 个主要竞品比,差距在哪?接下来 12 个月怎么打?"

3 层思维拆解:

• 数据层目标
  :把自家和 3 个竞品的关键指标拉齐
• 经营层目标
  :用 SWOT 把差距和机会摆出来
• 汇报层目标
  :CEO + 董事会一眼能看懂"我们要做什么"

为什么选 dashi-ppt-skill:

• SWOT / 雷达图是核心交付物——dashi-ppt-skill 内置这些模型
• "AI 初稿 + 人工微调"流程需要编辑控制台——dashi-ppt-skill 自带
• 编辑后导出 .pptx——能直接进董事会

完整操作步骤:

bash

# 数据层:firecrawl 抓竞品公开数据curl -X POST https://api.firecrawl.dev/v0/scrape \  -H "Authorization: Bearer $FC_KEY" \  -d '{"url": "https://竞品A.com/pricing", "formats": ["markdown"]}' \  > ./work/竞品A-pricing.md# (类似抓竞品 B、C 的数据)# 经营层 + 汇报层:dashi-ppt-skill 出 SWOT 报告npx skills add dashi-ppt-skill> 用 SWOT 模型把这份年度复盘生成 10 页 HTML> 输入数据:>   - 自家:NRR 102%,新客 ARR $24M,销售周期 47 天>   - 竞品 A:NRR 118%,新客 ARR $36M,销售周期 35 天>   - 竞品 B:NRR 95%,新客 ARR $18M,销售周期 52 天>   - 竞品 C:NRR 108%,新客 ARR $22M,销售周期 41 天> 要求:>   - SWOT 4 个象限 + 右下角"12 个月行动">   - 用雷达图(NRR / 新客 / 周期 / 客户满意度 / 续约率)>   - 配色用公司品牌色> 导出 .pptx

最终成品:10 页可编辑 .pptx,SWOT 矩阵 + 雷达图 + 行动清单。生成耗时:约 9 分钟。

关键技巧:

1. 数据先抓齐再开工
   ——firecrawl 抓公开数据,自带数据补自家缺
2. SWOT 不是 list,是 2×2 矩阵
   ——确保每个象限都有 2-3 条
3. 编辑控制台是核心
   ——dashi-ppt-skill 自带的控制台能调模块数 / 配色 / 布局,AI 初稿之后再微调

踩过的坑:

• 第一次没限制"行业对标"维度,只比了自家——结论偏主观
• 解决方案:强制每个象限都要"我们自己 + 行业 + 竞品"3 个对照

案例 3 · 汇报思维:战略结论 → 董事会级 HTML

背景:某 AI 创业公司董事会季度汇报。CEO 已经定了方向,要把 5 大战略支柱 + 12 个里程碑讲给 7 个董事。

3 层思维拆解:

• 数据层目标
  :把里程碑 + 资源需求数字化
• 经营层目标
  :把 5 大支柱之间的依赖关系画出来
• 汇报层目标
  :30 分钟让 7 个董事都"听懂 + 提问 + 投票"

为什么选 guizang-ppt-skill:

• Style B 瑞士国际主义——克制、专业、不廉价
• 单文件 HTML——董事会任何一个董事拷贝过去都能打开
• AGPL-3.0 不影响——这是内部董事会,不对外发布 SaaS

完整操作步骤:

bash

npx skills add guizang-ppt-skill# 在 agent 里调用> 用 Style B 瑞士国际主义风格,把这份董事会汇报生成 18 页 HTML> 主题:2026 Q4-Q1 战略 + 5 大支柱> 结构:>   - 第 1 页:TL;DR(3 句话)>   - 第 2-3 页:背景 + 关键指标(用数字说话)>   - 第 4-12 页:5 大支柱各 2 页(战略 + 里程碑)>   - 第 13-15 页:资源 + 风险>   - 第 16-17 页:Q&A 准备>   - 第 18 页:投票项> 风格:>   - 单一深蓝锚点色(#1B3A6B)>   - 标题 80px / 正文 24px>   - 极简数据图(不要 3D / 不要渐变 / 不要 emoji)>   - 每页不超过 4 个模块>   - 演讲者模式开启(按 S)> 导出:单文件 HTML

最终成品:18 页单文件 HTML,2.8 MB;演讲者模式下两个窗口同步。生成耗时:约 8 分钟(对话微调 4 分钟,渲染 4 分钟)。

关键技巧:

1. 第 1 页只放 3 句话
   ——董事没空看 30 页背景
2. 每页模块 ≤ 4
   ——Style B 的核心是"留白即内容"
3. 演讲者模式
   ——按 S 键,把逐字稿独立窗口,你讲的时候不用回头看屏幕

踩过的坑:

• 第一次让 AI 自己选锚点色,AI 选了品牌主色——配上瑞士国际主义网格灾难
• 解决方案:手动指定深蓝 #1B3A6B,不改
• 第一次把 18 页做成 30 页——董事会听到第 15 页就疲劳
• 解决方案:强制每页 ≤ 4 模块,超了就让 AI 合并

六、按"你在哪一层"选——决策树

你今天要做的这件事,落在 3 层里的哪一层?│├── 数据层(L1 → L2 → L3)│   ├── 原始数据是 Excel / PDF / Word│   │   ├── 很多 + 结构散 → markitdown + ppt-master│   │   └── 少 + 规整 → GordenPPTSkill│   ├── 原始数据是公开网页│   │   └── firecrawl│   └── 要整条流水线(从选题到 PPT)│       └── huashu-design│├── 经营层(L3 → L4:指标 → 判断)│   ├── 需要 SWOT / 雷达图 / 瀑布图│   │   └── dashi-ppt-skill│   ├── 需要高视觉密度的商业发布级 .pptx│   │   └── GordenSuperPPTSkills│   └── 要整条流水线│       └── huashu-design│├── 汇报层(L4 → 被接受)│   ├── 风格要"克制 / 专业 / 不廉价"│   │   └── guizang-ppt-skill(Style B 瑞士风)│   ├── 要现场演讲稿 + 计时器│   │   └── html-ppt-skill│   ├── 说不清"想要什么风格"│   │   └── frontend-slides(风格发现)│   └── 整条流水线│       └── huashu-design│├── 跨 3 层(全流程)│   └── huashu-design(52 Skill 协同)│└── 传播层(L4 → 朋友圈 / 公众号)    ├── 一句话 → 9 张图    │   └── banana-slides    └── 要在 HTML 上继续编辑        └── dashi-ppt-skill(编辑控制台)

七、5 个常见避坑(方法论 + 工具双视角)

坑 1:从工具开始,而不是从思维开始。

9 款工具铺开,容易陷入"我先打开哪个"的执念。先想清楚 3 层里你在哪一层,工具就只剩 1-2 个候选。

坑 2:让 AI 算指标。

AI 不懂你的业务。指标口径、阈值、判断标准,这些必须人工。AI 只能在你给的指标基础上做排版和润色。

坑 3:把"对比 / 归因 / 趋势"只用 1 个。

只用对比 = 永远只知道"我们差";只用归因 = 永远只看过去;只用趋势 = 永远只会画线。3 类组合用,才有真判断。

坑 4:汇报时把 L1 现象当 L5 结论。

"DAU 跌了 5%"是现象,不是结论。结论必须包含归因 + 量化 + 预测。听众没时间听你从 L1 讲到 L5——把 L5 放第一页。

坑 5:视觉"美化"取代了判断。

3D 饼图、渐变背景、emoji——这些都在告诉听众"我在装饰",而不是"我在讲"。每一处装饰都应该降低理解成本,不是反过来。

八、写在最后:3 层思维不是新东西,只是 AI 时代第一次让"每个普通人都能用得起"

把 3 层思维展开,你会发现:

• 数据思维
  :统计学 + 数据库 + 业务理解,80 年代就是咨询行业的核心
• 经营思维
  :SWOT / RFM / Cohort / 漏斗——MBA 一年级学的
• 汇报思维
  :金字塔原理 / SCQA——Minto 1973 年就提了

这些不是新东西。新的是 AI 让"每一个普通人都能用得起"。

2026 年的现实是:

• 你不需要懂 SQL,markitdown 能帮你提数据
• 你不需要懂 R,dashi-ppt-skill 内置分析模型
• 你不需要懂设计,guizang-ppt-skill / frontend-slides 帮你做出克制专业的成品

AI 没创造新方法论,AI 把旧方法论的门槛砍到了零。

这一篇能给你的不是"再收藏 9 个工具"——是"下一次打开工具之前,先想清楚你在 3 层里的哪一层"。

9 月当下,我的口袋清单是这 3 件(按 3 层分):

• 数据层
   → markitdown + ppt-master(协议干净,可商用)
• 经营层
   → dashi-ppt-skill(SWOT/雷达图直接出)
• 汇报层
   → guizang-ppt-skill(Style B 瑞士风,克制专业)

3 层都做 → huashu-design(52 Skill 协同,但学习曲线陡)。

工具在变,Star 数下个月可能不一样。但 3 层思维不变。先把层定下来,再谈工具。

数据来源与脚注

数据采集时间:2026-09-28。Star 数为 GitHub 公开页面读取的近似值,会随时间变动。

信息来源:

1. GitHub 仓库页(Star 数、README、维护者信息)—— 11 个仓库的官方页面
2. 上一篇 9 工具横评(2026-09-27)评论区反馈
3. BestHub.dev《7 Open-Source AI PPT Projects Every Developer Should Try》
4. 稀土掘金《热门 PPT Skill 怎么选:GitHub 8 款工具对比》
5. tenten.co《2026 年 Twitter 熱門 PowerPoint 設計 Skill GitHub Repo 總整理》
6. MindPattern《Native PPTX intelligence trail》
7. 三个案例的实操笔记(基于真实项目复现)

方法论参考:

• 麦肯锡《金字塔原理》(Barbara Minto, 1973)
• 《精益数据分析》(Alistair Croll / Benjamin Yoskovitz)
• 《用图表说话》(Cole Knaflic)

免责说明:

• 本文是方法论 + 工具实战,不是工具测评。
• Star 数高 ≠ 适合你;协议决定商用边界;方法论才是核心。
• 工具迭代频繁,建议上手前再看一遍仓库最新 README。
• 部分仓库(Gorden 系列)声明"仅限个人研究使用",商用前请自行评估。

——

📌 下期预告:上篇留的"Office Harness for AI Agents"坑——iOfficeAI/OfficeCLI、dream-num/univer、genspark-ai/genoffice 三款怎么选?以及这篇 3 层思维框架下,这些工具能不能"接进去"做 PPT 之前的最后一公里?10 月初见。