AI做PPT的正确姿势：不是一键生成，而是分14步提案

AI 做 PPT 最大的问题不是做不出来，是做出来太容易了。

我第一次用 Gamma，输入"产品路演"，30 秒拿到一份 12 页幻灯片。封面有图，目录有结构，配色也算和谐。我看了两遍，没改一个字，直接关了——因为这份东西拿不出手。

为什么？因为"还行"和"能用"之间隔着一个数量级。生成只是流程的最后一步，前面该确认的环节全被跳过了。

90% 场景能用的东西，不值得用

市面上的 AI PPT 工具，从 Gamma 到 Beautiful.ai 到各种国产 SaaS，底层逻辑都一样：给你一个模板库，把你的文字塞进去，选个配色方案，交付。

这个模式在 90% 的场景下看起来没问题。封面有图，目录有结构，正文有排版。但决定你用不用这份 PPT 的，从来不是那 90%——是剩下的 10%。

风格从头到尾漂移，封面是科技蓝、正文变成文艺绿。排版在某些页面突然崩掉，信息密度忽高忽低。内容空洞，每页都像占位符。这些不是 bug，是一键生成工作流的必然结果：跳过所有需要确认的环节，直接给你一个"看起来完整"的东西。

工程上有个说法叫 march of nines——从 90% 到 99.9% 的爬坡，比从 0 到 90% 还难。AI PPT 卡的就是这最后一截：尾部质量不行，你最终还得自己重做。

ppt-image-first：把生成当终局的反面

ppt-image-first 是一个开源的 AI PPT 工作流，10 天内在 GitHub 拿到 555 颗星。思路跟一键生成完全反着来：先让你看够了，再往下走。

它的工作流是一个 14 阶段状态机。简单来说，5 个阶段：

1. Intake — 你告诉它用途、受众、有什么材料。它输出一个 baseline judgment，你确认。3 分钟。

2. 内容基底 — 它根据你的材料整理出一份 content_report.md。做的是结构化，把散乱素材理成层级。2 分钟，自动完成。

3. 风格预览 — 这是核心环节。它不直接生成最终 PPT，而是先出 3 套完整的首页、目录页、正文页预览图。每套 3 张，总共 9 张，基于你的真实内容生成，不是占位符。

我在测试时看到了三套：涂鸦创意风——手绘感、便签元素、高饱和色块；现代卡片风——超大标题、蓝紫渐变、网格布局；渐变潮玩风——柔和渐变、玻璃拟态。三套风格差异明显，但每套内部的三张图视觉语言统一。你可以直接对比，选一个最接近你想要的质感。

4. 规划锁定 — 选定风格后，它做一件有意思的事：风格反演。它不信任当初写的那段 prompt 文本，反过来从生成的图里提取风格事实——哪些配色是真的稳定出现的，哪些材质只是渲染的偶然效果，哪些装饰只在某一页成立。提取出来的结果生成一个 continuity anchor，锁定整份 PPT 的视觉一致性。然后才写设计规范、页面蓝图和锁定文件。

5. 生成评审 — 最终页面生成后，进入一个带画笔、矩形框、注释点的 HTML 评审工作台。你可以在图上直接标注哪里要改，标注数据自动保存。改完确认，才导出 PPTX。

三个 HTML 外壳——风格预览、候选选择、评审标注——是这个工具产品能力的具体体现。少了任何一个，工作流就断了一截。

我的体验

从启动到看到 9 张预览图，20 分钟。中间没什么卡顿——填完需求它自动出基底，基底确认完它自动出预览，每一步都给你看结果、让你确认。之后的规划锁定和生成评审就更顺了，方向已经定过。

这个工作流的认知负荷很低。你不需要想图层怎么排、配色怎么搭，只需要回答"哪个更贴近我想要的"。三个方案摆面前，比一个方案逼你表态，轻松得多。

这就是它和其他 AI PPT 工具的根本区别：AI 是提案机器，人是决策者。不是 AI 替你做 PPT，是 AI 给你穿上一套 Iron Man 套装——让你更强，但方向你定。

适合答辩、汇报、路演、产品介绍这类场景——需要设计感，但时间紧。艺术创作和极致定制就不太合适了，它的美学范围受限于预训练模型，天花板在那儿。

Apache-2.0 开源，支持 Claude Code / Codex CLI / WorkBuddy。