AI 做 20 页 PPT:30 秒一版,57/60 页过机检
- 2026-11-16 04:28:42
先说结论:让 AI 从零做一份 20 页经营复盘 PPT,30 秒出一版,API 成本 3 分 7 厘。我连跑 3 次共 60 页,用 6 条几何规则逐页查版式,57 页过检(95.0%);坏掉的 3 页全在同一处——KPI 大数字被挤成两行。修掉后重跑,60/60 全过。
但我仍不建议直接发出去:13 个必填数字一个没漏,可 17 页正文里只有 4 页标题是结论,另有 4 页必须人改。版式能机检,判断不能。
全部数字本机实跑:Windows 11 / 8 核 / 无 GPU;deepseek-flash(T=0.7、JSON 模式);python-pptx 自建 9 种版式渲染;LibreOffice 26 转 PDF 后 PyMuPDF 逐页读文字坐标比对。脚本、3 次原始输出、每页渲染图都留档。
一、先把“生成”和“排版”拆开,否则没法查
在线工具那种“输一句话看封面”的演示验证不了任何东西:不知道套的什么模板,也量不出哪里坏了。我的做法是拆成两件事:
- 模型只出结构
:一次调用输出 20 页 JSON(版式、标题、要点、表格、图表数据、KPI),不给任何样式自由 - 排版由我写的渲染器负责
:9 种固定版式,字号边距位置写死,960×540pt - 验证看渲染结果
:pptx 转 PDF,读每个文字块真实坐标,跟渲染器记录的框比对——出框、出页、框压字都能算 - 输入只有 95 字 brief + 13 个必填事实
,没有模板、参考图、旧 PPT 
▲ 9 种版式的真实渲染页
二、57/60:坏的那 3 页一模一样
- 第 1 次
:生成 24.7 秒,入 697 / 出 4188 token,19/20 页过检(第 4 页) - 第 2 次
:生成 25.7 秒,出 4526 token,20/20 页过检 - 第 3 次
:生成 31.1 秒,出 5688 token,18/20 页过检(第 4、16 页,同一毛病)

▲ 检测器实际输出:3 次共 3 条失败,全是 R5
三页失败跟内容质量无关:KPI 版式四个大数字并排,我把字号写死 34pt。“1284.6 万元”一长就折成两行,单行 47pt 变成 84pt 高,下面的标签被顶走,视觉上第一格塌了。

▲ 左:34pt 固定字号折行;右:按字数自适应
修法不是让模型少写字,而是渲染器加一条按字数降字号规则:≤5 字 34pt、≤7 字 30pt、≤9 字 26pt,再长 22pt。3 行代码,模型一个字没动,重跑 60/60 全过。所以“AI 做的 PPT 有 5% 是坏的”,责任常在组装层没做防呆,不在模型。
三、机检查不出的四类错
几何检测只回答“有没有跑出框”。我把 20 页渲染图逐页看了一遍,找出 4 处机器不报、上会会被问住的地方:
- 封面年份自造
:brief 没写年份,它自己补了“2024 Q3”,而这是 2026 年的复盘,错得很自信 - 结论缺数字
:写“GMV 1284.6 万元,环比 Q2 增长”,增长后面没数。真实值 +12.5%,它算得出但没写 - 纵轴截断
:第 5 页柱图纵轴从 1050 起,两根柱子看着差三四倍;第 16 页同样图从 0 起。同一份 deck 两种画法 - 对比度不足
:第 18 页表格 Q3 列浅灰字配浅底,投影仪上糊成一片
还有更隐蔽的:第 2 次它把 Q4 的 1750 万拆成 10 月 520 / 11 月 700 / 12 月 530,加起来正好 1750,算术自洽但来源是编的。数字自洽 ≠ 数字有据。
四、成本、时间、人工介入
一版 29.3 秒:生成 24.7 + 渲染 0.75 + 转 PDF 逐页比对 3.9(其中 2.4 秒是 LibreOffice 冷启动,本地零费用)。按 deepseek-flash 峰时价(入 $0.30/M、出 $1.20/M)折算,单份 $0.0052–$0.0070,三份合计 $0.0179,约 1 毛 3。

▲ token、耗时、费用均为 API 实际返回
人工介入是 0 处改字(交付的是模型原始输出),但“0 改字”不等于“0 人工”:逐页判读 20 页花 6 分钟,挑出 4 处。真上股东会这 4 页得动,改字率 20%。
五、八项指标一次交代
- 任务规模
:20 页 / 13 个必填事实 / 95 字 brief / 0 张外部图片 / 9 种版式 - 耗时
:单份 29.3 秒;3 份 1 分 48 秒 - 直接成本
:一份 $0.0052–$0.0070,本地渲染与检测 0 元 - 错误率
:版式修前 3/60(5.0%),全为 KPI 折行;内容 4/20 页需人改(20%) - 成功率
:版式 57/60 → 60/60;必填事实 39/39;标题即结论 4/17 - 人工介入
:0 处改内容、3 行代码修渲染器、6 分钟逐页判读 - 失败点
:KPI 折行、年份自造、结论缺数、纵轴截断、表格对比度、Q4 拆分自造 - 复现条件
:deepseek-flash / T=0.7 / JSON 模式;python-pptx 1.0.2 + LibreOffice 26;Microsoft YaHei;960×540pt;无 GPU Windows 11

▲ 13 个事实三次全中(39/39)

▲ 同一个“能用”,四种口径差 15 倍
六、要照着做,记住四条
- 模型只出结构,不碰样式
。它一旦能改字号间距,你就没法机检、没法复现 - 事实清单单独喂
。这次 13 个数字全中,因为逐条列给模型并写明“每个数字都要出现在正文” - 写完过一遍机检
:空页、出框、框压字、单行折行,基本覆盖“打开就发现不对” - 人只看三件事
:标题是不是结论、结论后有没有数、图表轴是不是从 0 起
一句话收尾:AI 现在能把“排版”做到 100% 可用,“判断”仍是 0%。 它 30 秒给你一版 20 页,价值是你不用从空白页开始;风险是它会把年份写错、把结论后面的数字省掉、画一张从 1050 起跳的柱图——而且每一处都长得很像对的。
下一篇测「本地跑大模型做会议纪要」。想看我拆别的,评论区点方向。