ppt-master：可以自由修改的AI PPT

你让 AI 做一份 PPT，它给你 20 页图片。每一页看起来都挺像样，放进 PowerPoint 一看——整页就是一张图。你想改个错字，得回到 AI 那边重新描述一遍；想调个字号，用手指放大缩小歪着看；想复制一张图表出来做对比，没门。

这就是现在大部分 AI 做 PPT 的真实处境。它给你的不是幻灯片，是幻灯片的照片。

ppt-master 是来解决这件事的。65,797 个 Star，去年 12 月才建的项目，现在每天还在提交。它的做法很直接：生成出来的必须是真正能双击、能改字、能拖框的 PowerPoint 文件——形状、连接线、文本框、图表，全是独立对象，不是贴在一张图上的。

先说它凭什么不一样

一般的流程是：AI 描述画面 → 生成一张图片 → 把图片塞进 PPT。这条路走到头就是死胡同，因为图片没有内部结构。

它的流程是：AI 先把每一页画成矢量图（放大不糊的那种图），再把矢量图转换成 PowerPoint 的原生格式。转换之后，那些线条变成可选中的形状，文字变成可编辑的文本框，图表变成带数据表的真图表。

能力

贴图式 AI PPT

ppt-master

改一个字

回 AI 重做

双击直接改

复制一页到别处

不行

复制粘贴

图表换数据

重新生成

编辑数据表

在公司自己的模板里做

只能贴图

复用原模板

文件大小

一页一大图

矢量，体积小

顺带还有几个别的项目不做的：公式会编译成 PowerPoint 2010 以后的可编辑公式对象，不是渲染出来的图片；转场和动画是原生的；演讲者备注能生成音频旁白；幻灯片母版和布局是真的，不是每页独立画的。

还有一个我觉得很实用的：填充你自己公司的模板。它可以把你现有的 .pptx 模板当底稿，没改动的页面原样保留，只填新内容。企业里做汇报最烦的就是"每次都得按公司格式重排"，这个功能对着的就是这个痛点。

作者是 Hugo He，写 Slidev 的那位——就是那个用 Markdown 做幻灯片、四万多星的 Vue 系工具。同一个人，两年两个爆款，路线从"网页幻灯片"走到了"真 PowerPoint 文件"。

用起来要准备什么

它不是一个独立软件，也不是网页版。它是一套工作规则，装在你已经在用的 AI 编程助手里，然后你用对话的方式指挥它干活。作者推荐 Claude Code，Cursor、Codex、Gemini CLI、Cline 这些都行。

一、Python 3.10 以上。这是唯一的硬门槛。

二、一个能读写文件、能跑命令的 AI 助手。没有这个，整个流程走不起来。

三、模型密钥。工具本身免费且开源，唯一成本是你自己的模型调用费。官方说单份 PPT 最低可以做到 0.08 美元，但第一次跑消耗不小，因为 AI 得先读完整套规则和模板库，按量付费的话大概要吃掉 5 万到 10 万 token。

四、pandoc。这是文档转换的后台，你的素材是 .doc 或 .tex 之类老格式时才用得上。

Windows 用户要多一步：装 Python 时勾上"添加到 PATH"，可能还要调一下执行策略。不是文档写得不好，是 Windows 的 Python 环境管理本身就乱。

实际怎么跑

装完依赖之后，流程是这样的：

1. 把 PDF、Word 或图片丢进 projects/ 目录2. 在 AI 助手里说"请用这份 PDF 生成一份 10 页的 PPT" 3. AI 会先给你一份设计提案——用什么模板、16:9 还是 4:3、大概多少页，你确认或者改4. 确认之后它开始正式生成5. 生成完的文件在 exports/ 目录里，同时会在 svg_final/ 留一份每页的预览图，不开 PowerPoint 也能先看一遍6. 拿进 PowerPoint 继续微调

有个开关值得知道：--native-charts-and-tables，加上之后图表和表格会生成真正的 PowerPoint 图表对象，另外单独出一个数据文件，你改数字图就跟着变。

素材不会离开你的电脑。源文件在本地转换，矢量图在本地生成，PPTX 在本地导出。除了跟模型对话那一段，其他环节都在本机跑。

作者自己承认的短板

README 里有个小标题叫"这是个工具，不是许愿池"，下面写着：工具加模型等于智能体，所以模型决定了上限。

它没有一键网页版。非技术用户得自己装 Python、自己装 AI 助手、自己配密钥。这不是小门槛，很多人会卡在这。

SmartArt 是有意不做的。就是 Office 那个流程图组件，作者认为用原生形状拼更可控，官方明确列为"有意省略"。

老格式要靠 pandoc。.doc、.rtf、.tex 这些都得先过一道转换。

图片质量取决于你配了什么。用零配置的免费图库搜索（Openverse、维基共享资源）能跑，但出图质量参差；要好看的图，得自己配 Pexels 或者 Pixabay 的密钥，或者接一个生图模型。

学术图表还原一般。有测评说论文里的图表还原度在 70% 到 80% 之间，公式倒是渲染得挺完整。排版仍然需要人工精调——它出的是初稿，不是终稿。

Windows 上 PATH 和执行策略要多配一步。

还有一个特别值得说的：项目有赞助商。Kimi 是赞助方，README 里列了好几个 API 中转服务的推广码。作者推荐用 Kimi K3 或 Claude，理由都是上下文要一百万 token 级别。这部分你得自己独立判断，别把推荐当成测评。

最后一条给要写自动化的人：这个仓库有两千多次提交，一个月能出好几个版本。如果你要跑批量，务必锁定版本号，别让上游更新把你半夜搞醒。

什么场景值得用，什么场景别用

值得用：手里有一份几十页的报告要变成汇报 PPT；技术分享要放代码和公式；学术汇报要还原公式和图表；企业要套自己的品牌模板；你需要交出去一份别人能接着改的文件。

别用：你只想要一个网页版链接发给同事看；你的素材本身排版要求极精确，AI 出的初稿全要重排；你不愿意装 Python 和管密钥；你期待"丢进去就出终稿"。

还有个横向的参照。PPT 这个开源赛道现在很热闹：老牌的是 reveal.js（七万多星，网页幻灯片框架）和 Slidev（四万多星，Vue 团队），走纯 Markdown 路线的还有 Marp；另有几款是直接给 AI 助手装"技能包"、产出网页幻灯片的。

它们的差别在于交付物：那些项目交付的是网页或图片，ppt-master 交付的是能双击打开、每个元素都能改的 .pptx。如果你最后要交文件、要改、要复用公司模板，这就是分水岭。

实战：把一份三十页的分析报告变成汇报 PPT

场景：手上一份 PDF 格式的分析报告，三十页，两周后要在一场会上讲。同事建议用 AI 做，快。

第一步，先自己做一遍人读的。通读报告，把"这场会到底想让听众记住哪三件事"写下来。这一步不能省——AI 不知道你的听众是谁，它会把报告的目录当大纲，照抄一遍。你要先把重点拎出来。

第二步，装好环境再动手。Python、AI 助手、模型密钥、素材放 projects/。Windows 上先确认 PATH 配好了，别在生成到一半才发现。

第三步，下指令时把页数和重点说清楚。别只说"做个 PPT"，要说"给非技术听众，十页，重点是第二、三、五页"。它会先给你一份设计提案，这时候逐条看——它理解错了，改这一句比重做一遍便宜得多。

第四步，先看预览，再开 PowerPoint。svg_final/ 里每页都有预览图，在浏览器里翻一遍，把明显跑偏的页挑出来。这一步能省掉很多次"打开 PowerPoint 才发现白等"。

第五步，进 PowerPoint 之后，逐页核对数字。这是全流程最关键的一步。AI 生成的内容里，数字、日期、人名、法规条款必须逐个对照原文核。它负责把内容变成漂亮格式，不负责保证内容是对的。

第六步，涉及图表的地方，加那个原生图表开关。生成的图表旁边会有一份数据文件，改数字图就跟着变，不用回去重生成。

第七步，用你自己的模板。如果单位有固定模板，让它复用那份 .pptx，这一步能省你一整晚的排版。模板结构不规整的话提前说，不然对齐会出问题。

三条底线：数字必须人工核；产物交出去之前自己从头看一遍，别直接发；API 密钥放 .env 文件里，别提交进版本库。

顺带说一句关于成本的话：第一次跑那 5 万到 10 万 token 是学费，后面每次重跑都在这个量级。如果只是改个错字就重出一次，很贵——所以第五步的人工核对是省钱的关键，不是麻烦。

官方仓库：github.com/hugohe3/ppt-master

官方示例（可以直接下载打开看效果）：hugohe3.github.io/ppt-master-examples

作者：Hugo He（Slidev 作者）

数据核实时点 2026-10-22。Star、Fork、未关闭问题取自 GitHub 官方接口（仅 1 个未关闭问题）；成本区间、模型推荐、限制条件均引自项目 README 与第三方实测文章；本文作者未实际运行该项目。