为了让 AI 做一份 PPT,我手翻了 627 张微信截图
- 2026-11-09 00:39:43
// AI 协作复盘
为了让 AI 做一份 PPT
我手翻了 627 张微信截图
一次真实的踩坑记录 · 附开源 skill
说明：为保护个人信息，文中配图均为二次加工——依据真实截图与真实反馈文案重制，不含真实单位、姓名与照片。
01
我以为是排版问题，结果第一关是「怎么读我的微信」
那天半夜，团支书在群里艾特我，说最佳团日的答辩 PPT交给我做。
我是宣传委员，这活儿本来就该我干。但他补了两句：稿子领导改过一版，你按这个改；素材和相关的聊天记录都在微信里，你自己翻。
答辩在这个周末。我盯着那份二十多页的文件看了很久。有满的、有空的、有对齐的、有没对齐的，页面右上角的标签每页位置都不一样。说实话，我当时心里是发怵的。
我第一反应不是自己排，是让 AI 干。我手上有个 DeepSeek Harness，把稿子丢进去，让它改排版、补装饰。然后我发现，它要干的第一个活根本不是排版，是把我微信里的聊天记录读出来——领导的要求、改稿的意见、同学发的照片，全在那里面。
接下来的几个小时，它在这个问题上撞了很多次墙：
▍想直接读微信的数据库，文件是加密的，打不开
▍想从运行中的内存里读，被系统的安全机制挡住，连试三次都失败
▍想用脚本模拟滚轮去翻聊天，五种方式试遍，事件送不进微信
▍想读微信窗口里的文字，那个窗口只暴露三个按钮，读不到内容
▍连微信缓存里的图片都试过暴力解码，256 种组合全试了，不行
最后能走通的方案特别笨：我自己开着微信，一屏一屏往下翻，它每不到一秒截一张图，一共截了 627 张，再用文字识别把图上的字拼起来。
这中间翻了两次车，也是那天我体验最差的两段。
一次是它截屏时会把微信窗口抢到最前面。我正打字打到一半，窗口一抖，字没了。我当时的原话是：你什么时候开始，我得知道你要干什么，以后提醒我一下再切屏。
还有一次它翻错了会话，150 张全部白录，我一个字有效信息都没拿到。我说：你刚才翻的全是错的。
事后复盘，它烧掉的 token 主要就在这一块。它那边的记录里没有精确的数字，但有这些可以核对的动作：627 张截图、5 批文字识别、40 次整图查看，后面还有 26 轮整份 PPT 的全片渲染。
也就是说，我以为我在为「改 PPT」付钱，实际上大头付给了「读聊天记录」。
627 帧截图分别落在 9 个目录里，一个目录就占了 220 帧
02
有四轮都卡在同一个字上：字体
翻完微信，它开始做 PPT。第一版做出来 15 页，白底红装饰，结构还挺清楚。然后我把批注截图发给它。三张截图里，出现最多的两个字是：
「字体！」「字体！」「字太小！」
后面又发了一轮，11 张截图，还是这个字。
审稿批注复刻示意（页面为空白模板，批注原文来自真实审稿）
第一轮它用的是苹果系统自带的字体。我的电脑是 Windows，打开以后字体被替换掉，中文和数字变成了两套，一眼就假。
第二轮它改成了微软雅黑。我打开一看，正文是改过来了，但文件里的「主题字体」没改——那里面还留着 Calibri 和 Arial。结果同一个问题又出现一次。
第三轮它才把主题字体一起改掉，再把残留清干净，这一关才算过。这件事后来变成了我 skill 里最硬的一条规则：改字体必须连主题字体一起改，只改正文等于没改。
03
我把它交接出去了，原话是「你做得太差了」
到第二天下午，我实在忍不住了。
不是它不努力。那天它一共出了八版，从 15 页做到 26 页，还把我那 48 张照片分门别类重命名归档好了。但它太慢了，一版一版改，一轮一轮烧。
而且我还有一堆具体要求它没做到：照片被拉伸、照片越出页面、装饰盖住正文、右上角标签每页位置都不一样。
我跟它说：你把这个项目的相关资料整理一下，我要交接给 Codex，你发给我文案，我直接转过去就能开工。你做得太差了。
它交出了一份 13.6KB 的说明文档：工作目录、环境命令、硬性规范、待办、避坑记录、验收清单。
审稿批注复刻示意（页面为空白模板，批注原文来自真实审稿）
现在回头看，这份文档挺有价值。它把自己踩过的坑全写下来了——哪些装饰会被否、照片的四种典型问题分别是什么原因、字体为什么要连主题一起改。后面接手的一上来就知道什么不能做。
04
换成 Codex 之后
我换的是 Codex，但接的还是 DeepSeek 的 API，模型没换。换的是那个干活的壳子。换完第一感觉就是：顺。
从晚上十点到十一点十五，一个多小时里它改了六版。而前面八版，我花了将近一整天。
我不敢说这就是「因为它更聪明」。更准确的说法是，它肯先动手量，而不是先动手画。举两个我到现在还记得的例子。
页面底部有个装饰角标，我肉眼看着就是「有点怪」，但说不上来哪里怪。它量了一下：这个角标的竖笔从 6.60 英寸的位置一直往下伸到 7.28 英寸，而页脚是从 7.06 英寸开始的。它是插进页脚里 0.22 英寸。这种问题看是看不出来的，量一次就明白了。
三条线按真实坐标画：6.60 是角标起点，7.06 是页脚上沿，7.28 是角标末端
再比如四宫格那几页，照片摆完左右各空出一大块。它量出来：那四张照片的宽高比决定了它们最高只能到 2.6 英寸，横向最多占 7 英寸左右。填不满不是排版没排好，是物理上就填不满，所以换个思路，用浅色底衬把空白收掉。
还有一次，我说「这个装饰有点难看」，它删掉之后页面又空了。它没停在「删」这一步，而是把两条竖着的标语改成了一条横的，又给空出来的地方补上底衬。这类活儿靠的不是灵感，是先量完再决定。
05
我搜了一堆现成的 PPT skill，一个都没用上
中间我不甘心，去搜有没有现成能用的。X 上有一篇「中文创作者十大必装 Skill」，我把里面跟 PPT 相关的全点开看了，GitHub 上也按星数排了一轮。
看完的结论是：没一个适合我。不是它们不好，是它们解的不是我的题。那些 skill 大多是两种路子：一种输出 HTML 网页幻灯片，一种整页生成图片再拼成 PPT。
审稿批注复刻示意（页面为空白模板，批注原文来自真实审稿）
而我的要求很硬：这份 PPT 要拷到答辩电脑上，用 PowerPoint 打开，还得能现场改字——稿子随时可能被改。HTML 网页打不开，整页图片改不了。
那一下我明白了一件事：挑工具之前，先想清楚交付标准。不是哪个星多就用哪个，是我要交的东西长什么样。想清楚这条，后面反而顺了：既然没有合适的，那就自己做一个。
06
把每次被打回的原因，写成规则
我攒这个 skill 的方法不是记笔记，是把每一次被否掉的原因，写成能执行的规则：
01 字体必须连主题字体一起改。只改正文，文件拿到 Windows 上会变成两套字体，一眼假。
02 全篇行内间距只允许 0.15 英寸一种取值，不能这次 0.12、下次 0.2。
03 图片显示比例必须等于原图比例，改尺寸只能等比，绝不拉伸。
04 底部不要放任何装饰。量过了：正文最深到 6.82 英寸，页脚从 7.06 英寸开始，中间只剩 0.24 英寸，什么都放不下。
05 被否掉的装饰不要再用。飘带、星簇、竖排标语都试过，都被否了，留白就用浅色底衬补。
审稿批注复刻示意（页面为空白模板，批注原文来自真实审稿）
我还把「批注原文」一起写了进去。比如有人在概况页上批了这么一句：「这么多留白显得活动很少很寒酸」。
这一句比十条设计原则都管用。它告诉我，「空」在这份稿子里不是风格问题，是会被读成「你们没做几件事」。
规则写完，我又从最终稿里抽出一套空白模板：内容全清掉，只留版式和装饰，删掉图片的位置用浅色底衬标出来，下次直接套。最后写了 README，别人复制一句话发给自己 AI，就能装上。
∞
很累，但确实有点自豪
今天最开心的一刻，是在终端里敲下 git push、看到那行 set up to track 的时候。仓库里躺着我自己写的第一版 skill 和一套空白模板。
顺带说一句，我今天才第一次正经用 git，前面还因为用户名拼错一个字母，推送失败折腾了半天。
第一次推送成功（终端提示符里的用户名已遮掉）
但也真的很累。改到第九版才敢交出去，交完对方只回了一句：
算了，就先这样吧。
这句话我盯着看了挺久。它不好听，但它很真——说明还有问题没解决，只是对方也累了，不想再改了。
所以我把它也写进了 skill 里：哪几种装饰被否过、哪几页的空白是怎么来的、哪一版照片被拉伸过。下次再遇到同样的活，我希望它能一次做对，而不是让我再烧一轮 token。
如果你也在用 AI 做 PPT，我的经验就一句话：别指望它一次做对。让它把每次错在哪记下来，下次不再犯同一个错，这才是杠杆。
// 开源
我做的这套党政风格 PPT skill 已经开源，配了一套空白模板。
github.com/jiaojiezhiguang/dangzheng-ppt
我是 正太，一名大学生，喜欢研究计算机技术。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
微信扫码关注「小公子不才」
