最近我做了很多次的 AI产品Workbuddy的分享、交流，被问到最广泛的一个问题就是“如何用 AI 写好 PPT”，客观来说这个问题是最难回答的。一、众人苦 PPT 久矣
说一句“众人苦 PPT 久矣”这句话应该没多少职场人会反对，写（反复改）PPT占工作中很大比例的工作时间。我是每周至少四五个 PPT 要搞。加一个视角，要重排几页的逻辑；感觉不对，要反复斟酌良久；内容少了不充实，文字多了易读性太差；阅读式 PPT需要上下文更详实、演讲式 PPT 需要视觉的表现……总之，没经历过深夜改PPT的工作体验是不完整的。二、PPT 的本质是信息压缩和思维的视觉化转译
我们为什么需要 PPT呢？工作汇报、客户交流、分享演讲等场景本质上都是同一件事，把处于混沌的信息压缩成有层次的结构，再做思维的视觉化转译。第一步信息压缩：把分散的数据结论、事情的全貌、模糊的思路，以及复杂的业务逻辑和参考报告，按需要压缩提炼成要呈现的观点和结论，这是一个“取其精华”的过程，考验的是一个人的总结、提炼的能力，也是最重要的工作能力之一。第二步思维的视觉化转译：文字是线性的，一句接一句。可我们梳理问题时，脑子处理的是关系。把大量的数据、因果关系、时序关系等，转化成人类大脑更偏好的视觉形式 —— 用层级体现主次，用箭头表达流程，用图表呈现趋势，用视频或者动图去表达变化等。换句话说 PPT 是“思维叙事的可视化载体”，一个人 PPT 写的好坏，不是视觉的好看，而是观点和思考的最佳结构化呈现，先有思考、再有呈现。PPT 的本质三、AI做一个好PPT难点是什么：信息的视觉化转译
AI 可以写上万字的文档行云流水、做复杂的推理手拿把掐，为啥做个 PPT 那么难？又烧 Token、又费时间反复。第一步信息压缩没什么卡点，是 AI 的优势主场，AI提炼观点、组织论据远超人类。信息的视觉化转译是 AI 写好 PPT 最难的卡点，但 "把一段文字变成最合适的视觉表达" 这件事，涉及到很多隐性判断：
- 数据重点是体现 "增长趋势" 还是 "占比结构"？用折线图还是饼图？
- 受众是谁？更关注数据细节还是方法论？呈现方式该如何调整？
- 所谓的参考模版到底是参考啥？字体、配色、目录结构、表达方式？
当然还有个PPT 玄学“领导觉得”，同样的内容换个人看就偏好就不一样。这种主观的判断，恰恰是 AI难以搞定的。
AI写的PPT，比较容易能看出来，比如：文字多、排比多、方框多等。
现在的AI产品设计主要靠两条路补救。一条是模板填充，模型只负责往里填内容，结果稳定，但千篇一律、逻辑关系容易错。另一条是加入渲染反馈，生成后截图，让视觉模型检查溢出重叠等问题，把直接生成改成带反馈循环的生成，时间很慢且费Token。
为什么信息的视觉化移转译难？
LLM生成方式和版面的组织方式不匹配。大语言模型生成内容是线性（一个 token 接一个 token）输出。版面设计是空间决策问题，二维版面上一次性做对位置、大小、层级，同时满足对齐、间距、不重叠、不溢出等一组全局约束。这些选择相互牵制：标题多一行，下面的图就可能需要缩小；一个板块放大，其他内容就要为它让出空间。人排版时会反复挪动、整体权衡；模型生成时，写在前面的元素很难回头为后面的内容让位。——像是拿一维的笔，画多维的画。优质PPT训练语料（完整上下文）稀缺。PPT的优质训练语料，是具备“如何把材料转化为优质视觉表达”的完整样本，大部分优秀的 PPT留在企业内部，即使拿到也缺少“为什么这样做”决策过程。模型只能学到PPT 的表面样式，原始内容是什么、面向谁、为什么采用这种结构等，这些上下文才能让 AI 知其所以然。逻辑关系和视觉重点判断不准确。一组内容内部，列出的是三个并列因素还是一个结论与两条证据？用分组还是流程结构，不能都排成三个相同的方框。多组内容之间，还要判断是对比、因果、包含，还是问题与对策的关系。这些AI都很容易出现幻觉。视觉内容重点判断，它缺少充分上下文：这也是对AI最难的课题，判断这一页到底应该让人先看到什么。哪些内容写进标题，哪个数字放大，哪张图占据主要面积，这些都取决于本次沟通的目的。逻辑关系判断解决的是内容如何组织；视觉重点判断，解决的是目标受众的注意力和偏好问题。同一份材料，向管理层申请追加资源时，重点可能是缺口、影响和需要支持的事项；面向执行团队时，重点则可能是任务依赖、责任分工和时间安排。充分的上下文：完整的背景信息、明确的沟通目标、目标受众偏好，都会改变页面的视觉重点。
为什么视觉化转译难四、网页HTML是否是最优解？
WorkBuddy、Codex、Claude 等Agent产品已经把 HTML 网页作为一种主要的交付形式。WorkBuddy 还支持将HTML一键发布为在线网页，发一个链接就能让别人查看，更新了发布一下对方看到就是最新版本，也不用在微信上来回发文件。
workbuddy 可以把网页一键发布为在线网页为什么是 HTML 成了主角？协作的对象不止是人，还有AI。HTML 的优势，在于能同时适应人和 AI 的需求。Agent 时代，AI 不只是辅助工具，它还是协作者。人需要直观的图表、清楚的层次，可交互筛选的数据结果；Agent 需要可提取的结构、数据，也需要能操作的界面，HTML都能较好的支持。人通过页面和交互直观理解内容，Agent 在授权下读取并继续分析内容。由于 HTML 本身就是代码，对AI 生成来说更加的Native，我们可以直观的感受到 AI 生成 HTML更稳定、更快、更省 Token。
在视觉化转译层面，HTML 对 AI 更加的友好。布局上，HTML 是代码声明式的，模型只需要通过标准的代码明确“这是二级标题、这两块各占一半等”，其余由浏览器进行视觉的渲染和展示。第三章里最难的“空间决策”问题，直接交给了浏览器引擎来做，模型只做它擅长的事——内容和结构。语料上，互联网网页近乎无限，是互联网上数量最大的结构化文本。
HTML 改善了表达的实现条件，但并不能解决逻辑关系和视觉重点的判断。逻辑关系和视觉重点判断仍然需要更充分的上下文和更强模型能力。
HTML对普通用户来说仍有一定的门槛。对大部分没有计算机背景的人来说还是偏技术化；也没有 PPT 这样完善的生态的支持，例如在手机上查看、修改还不是那么的方便。
五、PPT 会消失吗
如上文，PPT 的本质是信息压缩和思维的视觉化转译，文件格式只是表达的承载物，什么格式不是第一优先级，需求的核心还是判断力和表达结构如何更好的承载，从目前来看PPT 和 HTML 都有一定的不足，我们需要的是新的思考表达的”载体”，更适合“AI+人”Cowork 的“载体”。未来是HTML的变体还是新的产物还不好说，但有两个东西是确定的：载体与其交付方式需要同时满足AI 和人类的需求。这是必须满足的条件，趋势不会变。一方面是人类和 AI “读”起来都比较轻量化、清晰化，另一方面是两个用户都更容易交付和验证结果。判断力和表达达结构仍然是最重要的需求。人理解复杂信息，仍需要清楚的视觉层次；AI 生成内容的成本越低，越需要有人判断什么重要、关系是否成立、怎样表达才适合受众。回到开头，我们希望减少的是反复搬运和排版的劳动，而不是省掉思考。众人苦 PPT 久矣，AI 未必会短期内让 PPT 消失，但PPT的使用场合会逐步的减少，把我们从深夜挪方框、调结构里解放出来，把时间还给思考本身。 
