gpt-image2-ppt-skills

gpt-image2-ppt-skills

用 OpenAI gpt-image-2 一键生成高审美、高完成度的 PPT。

Claude Code / Codex / OpenClaw / Hermes 等支持 Skills 的 agent 均可原生使用。装进 agent 后，用一句自然语言生成 16:9 高清图片 + 打包好的 .pptx，也可以仿任意 .pptx 模板出全新内容。

它不走传统“模板填字”的路线，而是充分发挥 gpt-image-2 的审美、构图和排版能力，把每一页都当成完整视觉稿生成，力求让输出从封面到内页都足够精美、统一、可直接展示。

同时，项目对图片型 PPT 的后续编辑做了专门优化：默认模式仍以整页视觉稿保证 gpt-image-2 的构图与审美；如果用户明确要求文字、图形和素材可单独编辑，可以启用默认关闭的可编辑模式，把完整视觉稿重建为 PowerPoint 原生文本、基础图形、连接线和独立图片层。

🌐 English → docs/README.en.md

---

🎬 效果演示：喂一张模板，仿出一套新内容

---

🧩 可编辑模式示例（默认关闭）

可编辑模式不会限制 gpt-image-2 的初始设计：模型仍先生成包含完整文字与主视觉的成品页，再把已知文字、基础图形和复杂素材重建成 PowerPoint 对象。

这个示例的 PPTX 实测包含 13 个可选对象：5 个原生文本、6 个原生 shape、1 个 clean plate，以及 1 个可移动、可缩放的毛绒角色与粽子冰淇淋独立图片层。文字和基础图形可以直接在 PowerPoint 中修改，复杂主视觉仍保留 gpt-image-2 的完整质感。

• 下载 Case 05 可编辑 PPTX
• 查看完整 Case 05：原图、拆层素材、边缘检查和质量报告

需要可编辑交付时，可以直接这样说：

帮我生成一份可编辑模式的 PPT。文字和基础图形要能在 PowerPoint 里直接修改，复杂主视觉要能单独移动，同时尽量保留 gpt-image-2 的完整设计感。

只有明确提出“可编辑模式”“文字可以改”“元素可以拆开”或类似要求时，Skill 才会执行对象级重建。如果不特别说明，默认仍走视觉效果优先的整页图片模式。

⚠️ 可编辑模式需要本机具备 PPTX 回渲染能力。 与模板克隆模式相同，运行前必须有可执行的 Windows PowerPoint、macOS Keynote 或 LibreOffice。用户无需执行检查命令，只要像上面那样用自然语言说明需要可编辑交付；Skill 会自动检查环境，生成后把 -editable.pptx 回渲染到 editable_renders/page-XX.png，再由多模态 AI 逐页看图验收。没有可用渲染后端时，不会把未经回渲染检查的可编辑文件标记为成功。

可编辑重建采用效果优先、生成轮次受控的策略：允许多轮本地预检和回渲染；优先用字体、坐标、裁切等确定性修复，其次进行原像素提取与遮挡补全，只对失败的复杂图层进行 AI 重绘，只有整体构图失败时才重新生成整页。这样不会为了追求单轮而牺牲效果，也不会因为局部问题反复重做整页。

---

🚀 快速开始

1. 让 AI 安装 Skill

把下面这段话发给 Claude Code、Codex、OpenClaw、Cursor、Trae、Hermes Agent，或其他支持 Skills 的 AI 助手：

帮我安装 gpt-image2-ppt-skills： https://github.com/JuneYaooo/gpt-image2-ppt-skills

AI 会根据当前环境完成安装并提示你重启。

2. 安装后直接说需求

普通生成

帮我做一份关于「AI 如何改变内容创作」的 6 页 PPT，先生成一页封面给我确认，整体风格要有高级科技感。

仿模板

我上传了 company-template.pptx，请参考它的版式、配色和视觉语言，做一份关于「年度产品战略」的 8 页 PPT。

如果手头没有现成模板，也可以打开 SlideCraft Template Gallery，在网页中浏览并复制喜欢的模板，再把复制的模板内容直接发给 AI 使用。

可编辑交付

帮我生成一份可编辑模式的 PPT。文字和基础图形要能直接修改，复杂主视觉要能单独移动，同时尽量保留 gpt-image-2 的完整设计感。

AI 会整理内容、先做单页视觉确认、再生成完整 PPT，并把图片、PPTX 和输出目录交给你。

---

✨ 能做什么

• 🎨 在线模板画廊 — 集中展示目前收录的模板，可按场景和风格搜索、筛选，复制喜欢的模板 Prompt 后直接交给 AI 使用
• 🧬 模板质量验证 — 候选模板会实际生成封面、章节、内容和数据页，检查整套一致性、可读性和布局效果后再入库
• 🧭 Prompt Recipes 示例库 — examples/ 提供产品发布、融资路演、周报、课程课件、论文答辩、读书分享等常见场景的 slides_plan.md 起步模板
• 🪄 模板克隆模式 — 丢一个 .pptx 进去，AI 会参考原模板的版式、配色和插画语汇，像上面那张图一样换成新内容
• 🎯 自然语言精准编辑 — 直接说“改第 3 页副标题”“删掉页脚”“把三个数据换成新数字”，AI 会通过图生图只重生成目标页，尽量保持原风格和版式不变
• 🎮 双产出 — 每页 PNG 高清原图 + 16:9 .pptx 直接用
• ⚡ 默认 10 路并发出图 — 10 页 ~30 秒出完
• 🧪 先看一页再跑全量 — 默认建议先出封面给你确认，满意后再生成整套
• 🧾 可追踪、可回滚 — 修改过哪些页、生成过哪些版本都能追踪，方便继续改
• 🖼️ 真实素材双模式 — 用户给的真实图默认保真嵌入；用户明确允许时，也可以作为参考图融合重绘
• 🧩 可编辑模式（默认关闭） — 用户明确要求时，把文字、基础图形、连接线和复杂主视觉拆成可单独编辑的 PowerPoint 对象

✅ 适合哪些用户场景

场景	适合程度	说明
从主题生成一套新 PPT	很适合	适合汇报、路演、培训、课程、产品介绍。
按公司模板仿一套新内容	很适合	上传 .pptx 模板，先出封面确认，再跑全量。
改标题、副标题、日期、页脚	很适合	当前最稳定的编辑场景。
更新数据卡片和关键数字	适合	可批量改，但交付前要逐项核对数字。
只改复杂多页 PPT 的某一页	适合	只更新目标页，其他页不重新生成。
密集表格、财报、法务长文	不建议直接承诺	小字和数字需要更严格人工验收。

🎨 在线模板画廊

目前收录的模板统一通过 SlideCraft Template Gallery 展示。你可以按场景和风格搜索、筛选，查看模板的真实生成效果；选中喜欢的模板后，复制 Prompt 并直接交给 Codex、Claude Code 或其他 AI 助手使用。

点进任意模板后，可以逐页预览整套版式，并复制模板 ID 或完整 Prompt：

点击图片进入对应页面。模板会持续补充，README 不再维护容易过时的完整模板清单。

模板库不只看单张封面：新模板会用封面、章节、内容和数据等多类页面验证整套效果，并与现有版本对照。只有整体质量更好且关键页面没有明显退步时才会更新正式模板。

使用画廊风格时，复制喜欢的 Prompt 交给 AI 即可；需要沿用自己的品牌模板时，直接上传 .pptx，建议先生成一页确认效果，再生成整套 PPT。

---

🧪 修改能力测评

如果你关心“到底能不能稳定改 PPT”，先看这份面向用户的图文测评：

• docs/edit_guide.md — 标题替换、日期修改、删除页脚、数据更新、新增 logo、复杂多页只改一页，以及当前不足和交付前检查清单

核心结论：

能力	当前表现
改短文本	稳定，适合日常交付。
改多个明确元素	可用，建议一次说清楚“其他不要动”。
改数据页	可用，但必须核对数字。
加小图标 / logo	可用；真实品牌 logo 需要提供素材。
原生 PPT 对象级编辑	默认模式仍是整页图片；明确启用可编辑模式后，可输出原生文本、shape、connector 和独立图片层。

开发者：查看内部编辑机制示意图

---

🛠 手动安装与高级配置

普通用户优先使用上面的自然语言安装方式。需要自己管理仓库和环境时，可以手动安装：

git clone git@github.com:JuneYaooo/gpt-image2-ppt-skills.git
cd gpt-image2-ppt-skills
bash install_as_skill.sh --target claude   # Claude Code
# 或
bash install_as_skill.sh --target codex    # Codex

脚本会把 skill 装到对应 agent 的目录：

• Claude Code: ~/.claude/skills/gpt-image2-ppt-skills/
• Codex: ~/.codex/skills/gpt-image2-ppt-skills/

API 直连与密钥配置

如果你走 API 直连模式，需要给 agent 注入环境变量。推荐使用当前 agent 框架的标准配置，而不是把密钥写进业务项目根目录 .env：

• Claude Code：用户级 ~/.claude/settings.json，或项目级 .claude/settings.local.json
• OpenClaw / 自定义 Agent：用 apiKey / env reference 引用系统环境变量
• CI / 服务器：用系统环境变量、Docker Compose、Kubernetes Secret 或 CI Secret
• standalone CLI：可设置 GPT_IMAGE2_PPT_ENV=/path/to/private.env，或使用 skill 安装目录下的 .env fallback

# 变量名如下：
OPENAI_BASE_URL=https://api.openai.com    # 或任意 OpenAI 兼容中转
OPENAI_API_KEY=sk-...                     # 必需
GPT_IMAGE_MODEL_NAME=gpt-image-2
GPT_IMAGE_QUALITY=high                    # low / medium / high / auto

配置优先级固定为：当前进程环境变量 > 平台注入的 gpt-image2-ppt_* 变量 > GPT_IMAGE2_PPT_ENV / skill 目录下的 .env；JULING_GPT_IMAGE2_* 只作为没有对应 OPENAI_* 配置时的兼容 fallback，不会覆盖显式配置。

在 Codex 里如果当前 agent 自带原生图片生成能力，可以直接走 SKILL.md 里的原生路径，不必配置 OPENAI_API_KEY。

🔒 不会误吃密钥：脚本只读取当前进程环境、平台注入变量、显式 GPT_IMAGE2_PPT_ENV 和 skill 安装目录 .env fallback，不会向上递归读调用者项目目录的 .env。

🪄 模板克隆模式和可编辑模式都需要本机可执行的 PPTX 渲染后端（Windows PowerPoint / macOS Keynote / LibreOffice）。模板克隆需要先把模板转成图片供 AI 看版式；可编辑模式需要把交付文件重新转成图片供 AI 验收。render_template.py --check 会执行一个最小真实转换，而不是只检查程序版本；如果当前环境不支持，AI 会提示安装可用后端。模板克隆还可以改用手动导出的模板页面图片。

模板克隆的 Vision 分析

模板克隆模式下，skill 需要先"看懂"你的 .pptx 模板的视觉风格。如果你的 AI 助手本身就是多模态的（Claude Code 走 Claude Opus/Sonnet，Codex 走 GPT 多模态等），agent 会直接自己看图抽取风格，生成带 reference_image 的 template_profile.json 后通过 --template-profile 传给 CLI，不需要额外配置。

只有当你用的 agent 是纯文本模型时（例如只接入 DeepSeek 文本模型），才需要配下面这组环境变量，走一个独立的多模态模型来分析模板：

# 可选：模板克隆的 vision 分析（仅纯文本 agent 需要，多模态 agent 不用配）
VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1
VISION_API_KEY=sk-...
VISION_MODEL_NAME=gemini-3.1-pro-preview   # 或 gpt-4o / claude-3.5-sonnet 等任意多模态 SKU

支持任意兼容 OpenAI /v1/chat/completions 格式的多模态模型（Gemini / GPT-4o / Claude 等），与图片生成的 gpt-image-2 完全解耦——换 vision provider 不影响出图。

---

🆕 更新记录

• 2026-08-02 · 新增 233 套 PPT 模板：在 styles/xiamulingzi/ 新增 197 套莫兰迪风格、26 套朋克风格和 10 套科技风格模板，模板库由 32 套扩充至 265 套。
• 2026-08-01 · 模板克隆、蒸馏与在线画廊升级：统一模板复用流程，增加多页面效果验证、新旧版对照和失败保护。同时通过 SlideCraft Template Gallery 集中展示目前收录的模板，支持搜索、筛选、查看真实效果和复制 Prompt 给 AI 使用。
• 2026-07-13 · 可编辑回渲染与轮次策略：--editable 现在像模板克隆一样强制检查 PowerPoint / Keynote / LibreOffice，完成后自动输出 editable_renders/page-XX.png 供多模态验收；工作流改为效果优先、低成本检查可多轮、生成修复逐级升级并优先局部处理。
• 2026-07-11 · 可编辑模式：用户明确要求可编辑交付时，完整视觉稿生成后可重建为原生文本、shape、connector 和独立图片层；重叠素材按 A1 原像素提取 → A2 遮挡补全 → B AI 分离/重生成路由处理。默认模式不受影响。
• 2026-05-31 · 真实素材双模式：产品截图、logo、图表、表格、医学影像、证据截图等真实素材默认保真嵌入为独立图片对象；用户明确允许时，也可以作为参考图融合重绘。
• 2026-05-26 · 扩展风格库：从公开渠道 500+ 个 PPT 模板中筛选补充 22 个优质风格，覆盖商务、学术、教育、餐饮、时尚、医疗、环保等场景。

---

🙏 致谢

• 感谢设计师 @夏目玲子 提供 233 套 PPT 模板。
• op7418/NanoBanana-PPT-Skills — 风格 prompts 与早期 Skill 结构的上游参考。本项目最初把图片后端从 Nano Banana Pro 换成 OpenAI gpt-image-2，重写 3 套继承风格并新增 7 套，后续再扩展模板克隆、md-first 编排、PPTX 打包和结构化风格库。
• lewislulu/html-ppt-skill — Claude Code skill SKILL.md frontmatter 写法参考。
• hugohe3/ppt-master — 模板复用与可编辑幻灯片思路参考。
• ningzimu/image-to-editable-ppt-skill — 图片转可编辑 PPT 与效果检查思路参考。
• kdnsna/ultimate-ppt-master-skill — PPT 内容组织、交付与审阅流程参考。
• gnuhpc/ppt-master-plus — 模板保留与分阶段质量检查思路参考。

除 NanoBanana-PPT-Skills 的早期上游关系和 html-ppt-skill 的格式参考外，上述项目主要用于公开方案对比。本项目没有复制其代码、模板或视觉素材。

💬 Community

LINUX DO — 中文开发者社区

微信交流群

欢迎大家有问题一起交流讨论。

⭐ Star History

---

License

Apache License 2.0，详见 LICENSE。