AI辅助生成PPT

本文主要总结和优化了来自科研棱镜AI以及对应视频最新gpt5.6+image2，三步法输出高质量学术PPT，如有侵权请直接联系我删除。

流程总览

总览图定风格 → 封装图片版 PPTX → 逐页高保真可编辑化 → 拼成最终PPTX

第一步：给定主题选择

输入 ： 提示词 + 对应论文pdf + 提供给AI参考的主题总览图（如下图）
输出 ： 多种主题选择

# 任务：根据论文生成多套学术 PPT 缩略预览方案

请基于我上传的论文 PDF、学术 PPT 参考图片和参考总览图，完成论文内容提炼、PPT 结构规划和多套缩略预览图生成。

---

# 一、总体配置

请优先读取以下配置：

```yaml
TOTAL_SLIDES: 18              # 最终 PPT 总页数
STYLE_COUNT: 4                # 视觉方案数量
MAX_SLIDES_PER_OVERVIEW: 9    # 每张总览图最多展示的页数
SLIDE_RATIO: "16:9"           # 幻灯片比例
OVERVIEW_GRID: "auto"         # 自动选择规则网格
GENERATE_PPTX_NOW: false      # 当前阶段不生成 PPTX

以上参数可由我自行修改。
不得将总页数固定为 12 页。请严格根据 TOTAL_SLIDES 规划完整汇报结构。
如果总页数超过 MAX_SLIDES_PER_OVERVIEW，同一套方案必须拆分为多张连续总览图：
每套方案总览图数量
= ceil(TOTAL_SLIDES ÷ MAX_SLIDES_PER_OVERVIEW)

例如：
TOTAL_SLIDES: 18
MAX_SLIDES_PER_OVERVIEW: 9

则每套方案生成：
第 1 张总览图：第 1—9 页；
第 2 张总览图：第 10—18 页。
共 4 套方案时，最终生成 8 张独立预览图。

二、材料使用规则
论文 PDF
论文是所有内容的主要依据，包括：
研究背景；
研究问题；
方法或理论；
数据、样本或实验；
主要结果；
贡献；
局限与展望。
不得虚构论文中不存在的数据、实验、方法、结论或精确数值。
学术 PPT 参考图片
仅用于参考：
信息层级；
留白；
标题结构；
图表布局；
页面整洁度；
学术汇报质感。
不得直接复制其配色、模板、图标、插画、图表或专业领域元素。
参考总览图
只用于参考：
缩略图排列；
页面尺寸；
页面间距；
行列对齐；
整体整齐度；
幻灯片浏览视图效果。
不得模仿其具体绘制风格。

三、核心原则
请严格遵循：
论文真实内容 > 论文所属领域与主题 > 学术汇报逻辑 > 对应领域的视觉表达 > 参考图排版
不要预设论文属于人工智能、医学、生物或任何固定领域。
请先阅读论文，判断其所属学科、研究对象、研究方法和数据形式，再设计对应的视觉风格。
例如：
系统或模型论文：使用架构图、流程图、模块关系图；
实验科学论文：使用实验流程、变量关系和结果图表；
医学或生物论文：使用样本流程、机制图和统计结果；
数学或理论论文：使用定义、定理关系和推导结构；
社会科学论文：使用研究框架、样本构成和统计分析；
人文论文：使用时间线、材料关系和论证结构；
工程论文：使用系统结构、实验装置和性能对比。
视觉元素必须与论文真实内容相关，不得加入无关的机器人、芯片、细胞、DNA、医学符号、粒子特效或科幻装饰。

四、PPT 内容规划
请根据 TOTAL_SLIDES 动态规划页数和内容，不要机械套用固定目录。
完整汇报应根据论文实际情况覆盖：
封面；
研究背景与意义；
问题定义；
相关工作与研究空缺；
整体研究框架；
关键方法、理论或实验设计；
数据、样本或研究设置；
主要结果；
深入分析；
局限性；
总结与展望。
页数较多时，可合理展开方法、实验、结果和分析。
页数较少时，应合并次要内容。
不得通过重复页面、无意义过渡页或拆分一句话来凑页数。

五、多套视觉方案
请基于完全相同的内容结构，生成 STYLE_COUNT 套明显不同的视觉方案。
默认 4 套方向：
方案 A：稳重信息结构型
专业、严谨；
层级清楚；
强调研究逻辑、数据和结论；
可使用规整卡片或网格。
方案 B：清爽现代研究型
留白较多；
线条简洁；
强调流程、关系和整体框架；
页面轻量、通透。
方案 C：极简论文报告型
黑白灰或低饱和色为主；
少量强调色；
装饰克制；
突出图表、证据和核心结论。
方案 D：高对比沉浸展示型
可使用深色或高对比背景；
强调复杂结构和重点内容；
保持清晰、严谨；
禁止霓虹、炫光、粒子和游戏界面效果。
四套方案不得只是更换颜色，还应在以下方面形成差异：
留白；
卡片形态；
标题布局；
图表样式；
图文比例；
方法图表达；
页面节奏；
封面和结果页构图。
具体配色和视觉母题必须根据论文主题重新设计。

六、总览图拆分与网格
每套方案的页面必须按顺序连续拆分。
不得：
跳页；
漏页；
重复页面；
调换顺序；
将不同方案混在一张图中。
当 OVERVIEW_GRID: "auto" 时，根据单张图中的实际页数选择规则网格：
页数
推荐网格
1—2
2 × 1
3—4
2 × 2
5—6
3 × 2
7—9
3 × 3
10—12
4 × 3

最后一张总览图不足完整网格时：
不得重复页面补满；
不得加入空白幻灯片；
不得加入方案介绍卡片；
剩余位置保持干净背景即可。

七、缩略预览图排版要求
每张总览图只能展示同一套方案的实际幻灯片缩略图。
图片内部禁止出现：
“方案 A / B / C / D”；
风格名称；
风格说明；
顶部或底部横幅；
侧边说明栏；
软件界面；
电脑、屏幕或桌面场景。
每张缩略幻灯片必须：
完全等大；
均为标准 16:9；
正视角；
无倾斜和透视；
行列对齐；
间距一致；
边框、圆角和阴影一致；
页面编号连续且位置统一。
不得放大封面、方法页或结果页，也不得使用不规则拼贴。
整张总览图应接近 PowerPoint 的“幻灯片浏览视图”。

八、文字与清晰度
缩略预览阶段，每页只保留：
简短标题；
一个短副标题；
2—4 条极短要点；
必要的模块名称；
少量关键数字；
简短图表标签。
不要放入：
长段落；
大量小字；
密集参考文献；
复杂公式推导；
过密表格；
随机字符；
伪文字或乱码。
优先级为：
页面结构 > 标题清晰度 > 核心图表与关系 > 正文细节
请使用当前图像模型支持的最高可用清晰度生成。

九、执行顺序
请严格按照以下顺序执行：
读取总体配置；
深入阅读论文；
提炼研究背景、问题、方法、结果、贡献和局限；
判断论文所属领域及适合的视觉表达；
根据 TOTAL_SLIDES 规划完整页面结构；
设计 STYLE_COUNT 套不同视觉方案；
根据 MAX_SLIDES_PER_OVERVIEW 计算每套方案的总览图数量；
按页面顺序生成所有独立总览图；
检查总页数、页码、顺序、漏页和重页；
在聊天文字中说明每套方案的配色、版式、图表风格和总览图页码范围；
等待我选择方案后，再生成独立单页和最终 PPTX。

十、当前阶段禁止事项
当前阶段不要：
生成最终 PPTX；
生成所有独立大图；
将不同方案合并成一张图片；
将所有页面强行塞进一张总览图；
超过 MAX_SLIDES_PER_OVERVIEW；
在图片中添加方案名称或风格说明；
机械复刻参考图风格；
预设论文属于固定学科；
使用与论文无关的视觉元素；
虚构数据、方法、实验或结论；
为凑页数添加无意义内容；
生成大量模糊文字；
将 PPT 设计成商业广告或概念海报。

现在请开始执行。
请始终记住：
最终页数由 TOTAL_SLIDES 决定；
每套方案的总览图数量由 TOTAL_SLIDES 和 MAX_SLIDES_PER_OVERVIEW 自动计算；
参考总览图只学习网格、比例、间距、对齐和整齐度；
视觉风格必须根据论文所属领域、研究对象、方法和内容独立设计；
图片内部只展示等大、清晰、标准 16:9 的幻灯片缩略图。

第二步：确认风格输出

输入 ： 提示词 + 确认选择的主题总览图
输出 ： 生图汇总后的.pptx的文档

注：gpt plus一次只支持生成10张图片，所以当所需生成ppt页数大于10页时，需要先让gpt生成图片，然后再统一拼成完整的.pptx文档。

# 任务：将已选中的 PPT 缩略预览方案生成并封装为可下载的 PPTX 文件

请基于我当前上传的 **PPT 缩略预览总览图** 与 **论文 PDF**，继续完成最终的 `.pptx` 文件生成。

---

# 一、统一配置

请先读取并遵守以下配置：

```yaml
TOTAL_SLIDES: 12                # 最终 PPT 总页数
SLIDE_RATIO: "16:9"             # 幻灯片比例
GENERATE_SINGLE_PAGES_FIRST: true
EXPORT_PPTX: true
OUTPUT_FORMAT: ".pptx"

说明：

TOTAL_SLIDES 决定最终需要生成多少张独立单页图片，以及最终 PPT 的页数；
不得默认写死 12 页，后续如果我修改配置，应自动按新页数执行；
缩略总览图中的页面顺序，始终按 从左到右、从上到下 识别；
如果 TOTAL_SLIDES: 12，则最终必须生成 12 张独立单页，并封装成 12 页 PPTX。
二、输入材料与用途
1. 缩略预览总览图

这是已经选中的 PPT 视觉方案预览图，用于提供：

页面顺序；
页面结构；
配色风格；
字体层级；
版式布局；
图表风格；
整体视觉体系。

注意：

这是一张“总览图”，不是可直接插入 PPT 的高清单页；
不得将整张总览图直接放进 PPT；
不得简单裁切其中的低清缩略图作为最终单页。
2. 论文 PDF

作为最终每页内容的真实依据，用于恢复和完善：

研究背景；
问题定义；
方法设计；
数据集与实验设置；
实验结果；
消融分析；
结论与贡献。

不得虚构论文中不存在的数据、方法、实验结果或结论。

三、总任务要求

请连续完成以下两大阶段，不要在中途停止：

先生成独立高清单页图片；
再制作真实 PPTX 文件。

最终目标不是输出图片预览，而是输出一个 可以直接下载的 .pptx 文件。

四、第一阶段：生成独立高清单页图片

请先根据缩略总览图，按顺序识别全部页面，然后调用 Image 2 图像生成模型，逐页重新生成独立高清单页。

具体要求
按照总览图中 从左到右、从上到下 的顺序，识别第 1 页到第 TOTAL_SLIDES 页；
必须逐页生成，每次只生成 1 张完整单页；
不得生成拼图、总览图、四宫格或多页组合图；
每张图片必须满足：
标准 16:9 宽屏比例；
所有页面尺寸和比例完全一致；
正面平视，无透视、无倾斜；
页面铺满画布；
不带电脑边框、软件界面、桌面背景或说明文字；
延续已选方案的配色、字体、版式、图表风格和视觉体系；
所有页面之间保持统一风格。
内容要求
以论文 PDF 的真实内容为依据恢复页面内容；
不得虚构方法名称、实验数据、模型模块或结论；
中文使用规范简体中文；
尽量减少小字号文字，避免乱码、伪文字和模糊中文；
图表、流程图、模型结构、实验结果应符合对应论文所属领域的学术表达方式；
不得引入与论文无关的元素。
五、第二阶段：制作真实 PPTX 文件

在完成全部独立单页图片后，立即继续执行 PPTX 制作，不要停在图片展示阶段。

具体要求
调用 Python 文件处理能力；
使用 python-pptx 创建真实的 PowerPoint 文件；
幻灯片尺寸设置为标准 16:9；
PPT 总页数严格等于 TOTAL_SLIDES；
按第 1 页到第 TOTAL_SLIDES 页的顺序插入图片；
每一页只放入 1 张对应的高清单页图片；
图片铺满整张幻灯片；
不留白边；
不额外添加标题框、页眉、页脚或说明文字；
保持图片原始比例，不得拉伸变形；
不得把多张图片放在同一页；
不得把最初上传的总览图直接插入 PPT；
必须实际保存为 .pptx 文件。
六、文件验收要求

生成完成后，请自行检查以下内容：

文件扩展名是 .pptx；
文件可以正常打开；
总页数严格等于 TOTAL_SLIDES；
每页只有一张完整单页图片；
每页均为标准 16:9；
页面顺序与总览图一致；
没有白边；
没有错误裁切；
没有比例变形；
没有多页拼图；
没有遗漏页面；
没有将总览图重复插入多次；
文件已真实写入，可供下载。
七、最终回复要求

最终回复中必须直接提供 真实可下载的 .pptx 文件链接。

不要只回复：

“已经完成”；
制作步骤说明；
Python 示例代码；
图片预览；
PDF 文件；
让用户自行拼接的操作说明。

如果当前环境无法完成 .pptx 文件创建或保存，请明确说明受限环节，不要谎称已经生成，也不要用 PDF 或图片冒充最终 PPTX。

八、执行顺序

请严格按以下顺序连续执行：

读取顶部统一配置；
根据 TOTAL_SLIDES 确定总页数；
识别总览图中的页面顺序；
调用 Image 2，生成全部独立高清单页图片；
确认单页图片数量与 TOTAL_SLIDES 一致；
调用 Python 与 python-pptx；
将所有单页图片按顺序插入 PPT；
保存为真实 .pptx 文件；
检查文件页数、顺序、比例和完整性；
返回可下载的 .pptx 文件链接。

现在请直接开始执行。

请始终记住：

先生成独立高清单页，再生成 PPTX；
TOTAL_SLIDES 决定最终页数，不要写死；
不得直接使用总览图或裁切缩略图冒充单页；
最终必须输出真实可下载的 .pptx 文件链接。

第三步：输出为可编辑ppt文件

输入：提示词 + 上一步骤生成的完整PPT文档
输出：处理后的可编辑的pptx格式文档

# PPTX 指定页面高保真可编辑化重建

## 一、可修改配置

执行任务前，只需要修改下面的配置项，正文中的所有“目标页面”均指这里设置的页码。

```text
目标页码：x
输出文件名：PPT_第x页可编辑重建版.pptx
是否保留其他页面：是
页面比例：16:9

除本配置区域外，不需要修改后续提示词。

二、任务说明

请直接读取我上传的完整 .pptx 文件，并将配置中指定的“目标页面”作为视觉参考，对该页面进行高保真、可编辑化重建。

本任务只会提供一个完整的 PPTX 文件，不会额外提供页面截图、参考图片或其他处理版本。

最终请输出一个新的、可直接下载的 .pptx 文件：

使用重建后的页面替换原文件中的目标页面；
保留原文件中的其他页面；
保持原有页面顺序不变；
不修改目标页面之外的内容；
页面比例统一或保持为标准 16:9；
文件名使用配置中指定的输出文件名。
三、核心目标

采用“复杂视觉保真 + 主要内容可编辑”的混合重建策略，同时满足以下要求：

页面整体视觉效果尽可能接近原始目标页面；
保留原页面的构图、配色、视觉重心、层级关系和设计质感；
主要标题、副标题、正文、作者、机构、页码等文字可以直接编辑；
简单线条、分隔线、色块、标签和基础几何图形尽量使用 PowerPoint 原生元素；
Logo、复杂插画、照片、纹理、光影和高复杂视觉区域可以使用局部高清图片；
不得将整张页面简单处理成一张铺满幻灯片的普通图片；
页面打开后，应当可以直接选择和编辑主要文字及独立元素；
不得在目标页面中加入覆盖整页、容易被误选的大型普通对象。
四、背景实现要求

页面中的纯色背景应优先通过 PowerPoint 原生幻灯片背景实现，而不是使用普通形状或图片覆盖整张页面。

禁止创建以下对象

不得在目标页面中创建：

覆盖整个页面的白色矩形；
覆盖整个页面的透明矩形；
覆盖整个页面的半透明遮罩；
与幻灯片同尺寸的普通图片对象；
覆盖整个页面的 SVG；
覆盖整个页面的组合对象；
覆盖整个页面的占位符；
虽然视觉上不可见，但点击空白区域时会被选中的全页对象。

即使页面视觉上需要纯白色、深色或其他纯色背景，也必须通过“设置背景格式”实现，不得使用与页面同尺寸的普通矩形。

复杂背景处理方式

如果目标页面包含复杂背景、纹理、光影或插画，应按以下方式处理：

优先将复杂视觉按实际区域拆分；
将复杂视觉裁切为局部高清图片；
图片边界尽量贴近实际可见内容；
不附带大面积无用白色区域或透明区域；
不让某一张图片无必要地覆盖整个页面；
如确实需要完整背景图片，应将其设置为幻灯片背景，而不是普通图片对象。
五、页面结构拆分

请先分析目标页面，将其中的内容拆分为“复杂视觉资产层”和“可编辑信息层”。

1. 复杂视觉资产层

以下内容可以保留、提取或重新生成为局部高清图片：

Logo 和品牌图形；
复杂插画；
照片；
产品图或界面截图；
3D 图形；
科技纹理；
渐变光效；
玻璃、金属或其他复杂质感；
高复杂度装饰背景；
难以使用 PowerPoint 原生形状准确重建的图标；
高复杂度的组合视觉；
复杂流程图、图表或视觉模型。

要求：

每项视觉资产尽量作为独立图片或局部图片；
优先使用高分辨率 PNG；
需要透明背景时使用透明 PNG；
每张图片均应紧密裁切；
不保留无意义的大面积透明区域；
不将所有复杂视觉合并成一张覆盖整页的大图；
图片应位于对应的局部区域，而不是覆盖整个编辑区域。
2. 可编辑信息层

以下内容应尽量使用 PowerPoint 原生元素重建：

主标题；
中文标题；
英文标题或副标题；
章节标题；
方法描述；
正文说明；
作者信息；
论文、会议、期刊或年份信息；
机构信息；
关键词；
图标下方的中英文标签；
结论和注释；
页码；
简单线条和分隔线；
基础色块；
轻量标签；
简单图标；
基础几何形状；
简单表格和简单图表。

主要文字不得直接压在整页背景图片中。

六、文字重建要求

可编辑文字应尽量匹配原目标页面的：

字体风格；
字号层级；
字重；
颜色；
行距；
字距；
对齐方式；
换行位置；
文本框尺寸；
实际页面位置。

推荐优先使用兼容性稳定的系统字体：

中文：微软雅黑、思源黑体、黑体或与原页面接近的无衬线字体；
英文和数字：Arial、Aptos、Calibri 或与原页面接近的字体。

必须避免：

错字；
漏字；
中文乱码；
伪文字；
错误换行；
文本溢出；
文字重叠；
字号过小；
字体替换后布局明显漂移；
中文和英文基线明显不一致；
原文字与重建文字发生重影。

如果原始视觉中包含不可编辑的旧文字，需要先覆盖旧文字再添加原生文本框，只允许使用与文字区域大小相近的局部遮罩。

局部遮罩必须：

紧贴需要覆盖的文字区域；
位于新文字下方；
不遮挡其他图形、纹理和内容；
不得扩大到半页或整页；
不得成为页面中最容易被误选的大型对象。
七、对象层级要求

目标页面中的对象层级应按照以下逻辑组织：

幻灯片原生背景；
局部背景图片和复杂视觉资产；
装饰色块、线条和基础形状；
Logo、插图和图标；
可编辑标题和正文；
注释、标签和页码。

不得让背景、遮罩或图片覆盖在可编辑文字上方。

不要将整张幻灯片的全部内容组合成一个大型 Group。

允许对局部模块进行组合，例如：

单个图标与对应标签；
一组局部装饰元素；
一个独立信息模块；
一组需要整体移动的局部图形。

禁止：

将整页所有元素合并为一个组合对象；
创建点击后覆盖整张幻灯片的 Group；
使用包含大面积透明区域的整页 SVG；
使用覆盖整页的普通背景图片。
八、设计还原要求

请尽量保持原始目标页面的：

页面比例；
整体构图；
视觉重心；
阅读顺序；
分区关系；
留白节奏；
配色体系；
明暗关系；
光源方向；
线条粗细；
图标风格；
元素间距；
对齐关系；
圆角；
描边；
阴影；
透明度；
裁切方式；
空间层级；
整体视觉完成度。

不要使用与原页面质感明显不符的：

PowerPoint 默认模板；
默认 SmartArt；
默认渐变；
默认阴影；
模板化卡片；
低质量默认图标；
粗糙的基础形状拼接。

复杂区域允许使用局部图片保真，简单区域应尽量使用原生文本、形状和线条重建。

如图表中的数据无法准确获取，不得擅自虚构数据。可以按视觉比例进行近似重建，但必须在最终说明中标注“数据为视觉近似”。

九、可编辑性要求

重建后的目标页面至少应满足：

主标题可编辑；
中文和英文标题可编辑；
副标题可编辑；
主要正文可编辑；
作者、论文或项目信息可编辑；
机构信息可编辑；
关键词和图标标签可编辑；
结论与注释可编辑；
页码可编辑；
简单线条和基础形状可编辑；
简单表格和图表尽量可编辑；
局部复杂视觉可以作为图片保留；
点击文字时可直接选择对应文本框；
点击图标时可选择对应图标或局部组合；
点击页面空白区域时，不会选中覆盖整页的矩形、图片、遮罩或组合对象；
不需要先删除、隐藏或移开某一层，才能编辑主要内容。
十、文件处理流程

请严格按照以下步骤执行：

读取我上传的完整 PPTX 文件；
获取配置中指定的目标页码；
分析目标页面中的文字、图形、图片、背景、尺寸和布局；
以目标页面为视觉参考重新构建该页；
设置或保持标准 16:9 页面比例；
使用原生幻灯片背景实现页面底色；
将复杂视觉区域拆分为紧密裁切的局部图片；
使用 PowerPoint 原生文本框、形状、线条、表格和图表重建主要内容；
检查所有元素的位置、大小、层级、裁切和对齐关系；
使用重建后的页面替换原文件中的目标页面；
保留其他页面的内容、顺序、动画、备注和版式，不主动修改其他页面；
保存为配置中指定文件名的新 .pptx 文件；
渲染目标页面的预览图；
将预览结果与原目标页面进行视觉对照；
如比例、文字、间距、配色、层级或整体观感差异明显，应继续调整后再输出；
验证输出文件能够正常打开和编辑。
十一、选择与编辑体验验收

输出前请检查目标页面：

页面空白处不存在可选中的全页背景对象；
选择窗格中不存在全页纯色矩形；
选择窗格中不存在全页透明或半透明遮罩；
选择窗格中不存在覆盖整页的普通图片；
选择窗格中不存在整页大型组合对象；
选择窗格中不存在无必要的大型透明 SVG；
标题可以直接选中和编辑；
正文可以直接选中和编辑；
作者及机构信息可以直接选中和编辑；
图片对象均按实际内容区域裁切；
页面对象的命名和层级尽量清晰；
页面在 PowerPoint 中打开后，不需要先移开或删除某个对象，才能编辑主要内容。

如果发现某个局部图片带有过大的透明或白色边界，应重新裁切，不得直接保留。

十二、目标页面之外的处理约束

除配置中指定的目标页面外，不得主动修改其他页面。

必须保留其他页面的：

原始内容；
页面顺序；
页面尺寸；
文字；
图片；
图表；
动画；
切换效果；
备注；
超链接；
嵌入对象。

如果统一调整为 16:9 会影响其他页面内容，应优先保留原文件已有的 16:9 设置，不得随意移动或缩放其他页面中的元素。

十三、最终输出

请实际输出：

一个新的、完整的 16:9 .pptx 文件；
配置中指定的目标页面已完成高保真、主要内容可编辑的重建；
其他页面保持原文件内容与顺序；
一张目标页面的渲染预览图；
一个真实、可点击下载的 PPTX 文件链接。

最终回复中请简要说明：

本次处理的目标页码；
哪些内容使用了可编辑文本框；
哪些内容使用了可编辑形状、线条、表格或图表；
哪些复杂视觉作为局部图片保留；
页面背景采用了什么方式实现；
是否确认目标页面中不存在覆盖整页的普通可选对象；
是否对数据进行了视觉近似。

不要只提供：

Python 代码；
制作步骤；
修改建议；
操作教程；
预览图片；
不存在的文件链接。

必须实际创建并输出可直接下载的 .pptx 文件。

最后，只需要将一次次产出的可编辑的页放入一个ppt中，即处理完成，得到完整的可编辑的精美ppt。