AI 做 PPT 的十一条路线,其实只有五派
- 2026-11-07 01:42:30
写给非程序员的一份名词与对照手册。所有名词都给「人话」和「类比」，所有结论都标注来源。文中涉及的自建工具已做脱敏处理，以代号代替；第三方公开项目保留原名，便于查证。
一句话总纲：做 PPT 永远只有四件事——①内容从哪来 → ②这页长什么样谁定 → ③谁来把它画出来 → ④画完谁检查。市面上看起来五花八门的工具，在这四件事上「必做的相同」，差异只在每一步「交给谁做」。
这两个月我陆续实测了十来条 AI 出 PPT 的路线：有的是开源项目，有的是平台内置能力，还有一套是自己维护的技能。跑下来最大的感受是——换了工具，丑的还是丑；换了对策，好看的就好看。问题不在选哪条路，而在别的地方。
下面把名词、路线、真正起作用的变量，一次讲清楚。
一、先解决名词：从「内容」到「成品」的六层词表
PPT 生成这行的黑话，基本可以按「一份材料变成一份文件」的六道工序分层。每层给三个词：名词 / 人话 / 类比。
第 1 层 · 内容（说什么）
| 底本 / 内容源 | ||
| 页面清单 | ||
| schema / 字段 |
第 2 层 · 版面与皮肤（长什么样）
| 骨架 / 页型 | ||
| 版式 / 构图函数 | ||
| 风格 / skin | ||
| 锁定版式 |
第 3 层 · 执行（谁来画）
| 渲染器 | 把「内容」变成「页面上具体元素」的那段代码 | 施工队 |
| 原子操作 | ||
| python-pptx | ||
| SVG 中介 | ||
| OOXML 直写 | ||
| DSL 中间层 |
第 4 层 · 桥接（格式之间的翻译）
| 适配器 | ||
| 模板注入 | {{ }} 占位，再用数据填空 | |
| 无头浏览器 |
第 5 层 · 质量与智能
| 闸 / 门（gate） | ||
| 容量闸 | ||
| 叙事闸 | ||
| 保真闸 | ||
| 规划器 | 决定「这页用什么版式」的那一步 | 导演 |
| 标定 | ||
| 冻结纪律 | ||
| 样张确认 |
第 6 层 · 能不能用（最容易被忽略的一层）
| 禁商用许可 | ||
| 素材无版权 | ||
| 可编辑性 |
二、你和 AI 真正的分岔，在第 6 步
把人手工做 PPT 的工序和 AI 现在的工序摆在一起，前五步一一对应，第六步开始分岔：
| 定配色风格，一次定调 | ||
| 逐页选版式 | ||
| 逐页决定配图、图形 | ||
| 不变的东西 | 缺失 | |
分岔点就在这里。你会「看这页具体内容多少、重点在哪，换个更好的呈现」；AI 现在是「页型定死 → 取写死的坐标画」，不会因内容微调。这就是你觉得「AI 做出来的不是这个逻辑」的根因——AI 缺的不是版式数量，是「内容自适应」这一层。还有第二处更隐蔽的缺失：页与页之间的论证关系。第 3 页的观点被第 7 页引用、插页后某个跳转指向失效——这些在多数工具里根本没有载体，只活在作者脑子里。
三、十一条路线 × 五派
下面这张表是本文的核心。列的是实测或文档级读过的十一条路线，含六条不走 python-pptx 的。
| A · 版式库直写 | |||
| B · 变体引擎 | |||
| C · 外部模板灌入 | 人在 PowerPoint 里已经画好 | ||
| 某开源中文技能（14 套风格） | |||
| Gorden 系成品模板 | |||
| ppt-master | |||
| genoffice | |||
| 平台内置 PPT 能力 | |||
| OfficeCLI | 无策划层 | ||
| codex 系整页生图 | |||
| Markdown / HTML 派 |
归拢一下：十一变五
直写派
代表：A / B / 开源中文技能特点：版式长在代码里，可以批量换皮、可以程序化校验，改动自由度最高
灌入派
代表：C / Gorden 系特点：版式由外部成品 PPT 定死，只换文字。视觉上限高、保真最好，但设计被模板锁死、无法换皮
转译派
代表：ppt-master / genoffice / 平台内置 / OfficeCLI特点：中间要经过一层表示（SVG、OOXML、DSL）。换来精度或工程整洁，代价是多一层转换与管理成本
渲染派
代表：Marp / slidev / 各类 HTML 方案特点：浏览器排版成熟度最高，导出 PPT 时多半退化成图片——写的时候爽，交出去改不动
生图派
代表：codex 系特点：视觉上限最高，文字不可编辑，且持续花钱。适合一次性的视觉物料，不适合要反复改的讲义
三个「原来是一家」：① 看起来很朴素的「脚本里写死坐标」其实就是 A，同属直写派；② 「模板占位注入」与 C 是同一思路，都是先在 PowerPoint 画好再填数；③ B 的规则规划器，就是所谓「AI 规划 agent」的规则版——一样的活，一个靠规则，一个靠模型。所以路线看着多，真正的差异只在三个轴上：内容从哪来 / 版面谁定 / 落盘经过什么。
归拢一下：十一变五
直写派
代表：A / B / 开源中文技能特点：版式长在代码里，可以批量换皮、可以程序化校验，改动自由度最高
灌入派
代表：C / Gorden 系特点：版式由外部成品 PPT 定死，只换文字。视觉上限高、保真最好，但设计被模板锁死、无法换皮
转译派
代表：ppt-master / genoffice / 平台内置 / OfficeCLI特点：中间要经过一层表示（SVG、OOXML、DSL）。换来精度或工程整洁，代价是多一层转换与管理成本
渲染派
代表：Marp / slidev / 各类 HTML 方案特点：浏览器排版成熟度最高，导出 PPT 时多半退化成图片——写的时候爽，交出去改不动
生图派
代表：codex 系特点：视觉上限最高，文字不可编辑，且持续花钱。适合一次性的视觉物料，不适合要反复改的讲义
三个「原来是一家」：① 看起来很朴素的「脚本里写死坐标」其实就是 A，同属直写派；② 「模板占位注入」与 C 是同一思路，都是先在 PowerPoint 画好再填数；③ B 的规则规划器，就是所谓「AI 规划 agent」的规则版——一样的活，一个靠规则，一个靠模型。所以路线看着多，真正的差异只在三个轴上：内容从哪来 / 版面谁定 / 落盘经过什么。
四、真正决定成败的，是另外四件事
跑完十一条路线后我确信一件事：路线决定的是「内容怎么进来」，好不好看、像不像样，几乎全在下面这四项。
4.1 逻辑线：七种范式，多数工具没有「页间关系」
| 骨架驱动 | ||
| 叙事驱动 | 三条成品主线 | |
| 结构外包 | ||
| 语义队列 | ||
| 三阶段故事 | ||
| 确认驱动 | ||
| 无逻辑层 |
最值得抄的一条：给页面之间加一个可选的「关系」字段（引用／对比／承接／跳转目标），构建时校验指向的页是否存在。成本极低，收益极大——论证链从此不再只活在作者脑子里。对学术汇报、决策咨询这类讲究论证的场合，比对学生课件值钱得多。
4.2 容量控制：四种口径，越往后越准
| 常数表 | ||
| 模板实测 | ||
| 逐角色标定 | ||
| 不管 |
一个反直觉的经验：容量上限最好做成「提示级」，仅在明显超框时才报错。因为硬报错会诱导模型把句子截断——而被省略号截断的半句话，比轻微超框难看得多。真正成熟的经验是：宁可轻微超框，也不要截断；太长就换个更精炼的说法，或减少要点、换个更大的版式。
4.3 闸门：三种哲学
| 硬闸 | ||
| 软提示 | ||
| 拒绝组装 |
4.4 审美：漂亮不来自路线，来自渲染器里沉淀的设计语汇
实证很硬：三条完全不同的路线，因为共用一个简陋的渲染器，出来一样丑；反倒是某条 Markdown 路线体面些，只因为它自带一套成熟的 CSS 设计系统。路线决定内容怎么进来，好不好看几乎全在渲染器。
五、要让 AI 做出体面的 PPT，务实六步
| 字号间距体系量化 | ||
| 不变件固化进渲染器 | ||
| 版式库按真实好模板重建 | ||
| 内容自适应 | ||
| 配图策略 | ||
| 人审样张再铺全篇 |
六、选型：什么场景走哪条路
| 讲义、课件，后面还要反复改 | ||
| 单位有指定模板，必须长那样 | ||
| 要视觉炸裂，不用改 | ||
| 论证型汇报 | ||
| 单位、公务、商用场景 | ||
| 只是想快速出个能看的 |
七、诚实的边界
AI 擅长的是「一致、不犯错、可批量」——字号不打架、配色不出圈、品牌块每页都在、文字不溢出。至于「高级的审美判断」（这组图配得妙不妙、留白舒不舒服），目前仍要靠把好模板的设计语汇量化进去，加上人定调、人审样张。
换句话说：AI 能做出「规范体面」的 PPT；要做到「漂亮」，得先把美变成可以写进渲染器的规则。
本文口径说明：第三方项目的数据来自其公开仓库文档与接口实测（2026-10-13）；自建工具的数据来自本地实测。未在本地实跑的项目，结论以文档为准，未替其补全未写明之处。存在版本迭代的可能，读者用时请以当下版本为准。
最后留个问题：你用 AI 做 PPT 时，卡住的是哪一步？是「出来的东西不好看」，还是「改一处要重跑一遍」，还是「它根本不懂我要讲什么」？这三句抱怨，对应的其实是三个不同的层——渲染器、确定性、逻辑线。对症才能下药。
