Codex PPT Skill：把文章变成整页图片式 PPT
前言
" AI 生成 PPT 的方案一大堆，但绝大多数走的是"往模板里填文字"的路子——生成的 PPT 一眼就是模板味，版式千篇一律。
Codex PPT Skill 换了个思路：别填模板了，每一页直接生成一张完整的 16:9 图片。文字、配色、版式、插图全部由生图模型一次画出来，最后用本地脚本把图片组装成 .pptx。这个项目在 GitHub 拿了两千多 star，作者还专门写过一篇复盘：好的 AI Skill 是调出来的，不是写出来的。
这篇把它的核心思路、完整链路和边界风险拆开讲清楚。
一、项目身份
Codex PPT Skill 是一个面向 Codex 的 PPT 生成 skill，MIT 协议，也可在 Claude Code、OpenClaw、Hermes Agent 等一切支持 SKILL.md 的 agent 里用——非 Codex 环境需要配一个生图 API（gpt-image-2.5-flare 或任何 OpenAI 兼容接口）。
一句话说清楚：
给它一篇文章、报告、论文或课程笔记，它先规划大纲和视觉风格，确认后逐页生成幻灯片图片，最后组装为带演讲备注的 PPTX
应用方向：技术文章转分享 PPT、论文转答辩演示稿、课程笔记转课件、商业汇报和产品介绍——凡是需要强视觉统一性的图片式演示文稿。
效果：每页都是整图生成的 16:9 幻灯片，12 种内置风格（清爽专业、科研答辩、手绘技术解释、麦肯锡、电子墨水杂志……），还能复刻你丢给它的任何参考风格。
二、核心思路：三步走，每步都先确认
它和"无脑一键生成"最本质的区别是阶段化确认。整个流程被切成三段，每段产出中间产物、等你点头才继续：
为什么这么设计？一次生成 20 页图片，如果第 15 页才发现风格不对，返工成本是灾难性的。样张机制把"方向性错误"拦在只花一张图的成本时。这正是作者复盘里说的"调出来的 skill"——每个确认点都是真实返工教训换来的。
并发与自检：样张确认后，一个子 agent 负责一页并发生成，每页生成后自检文字清晰度、风格一致性和内容完整性，发现问题自动返修。整套 20 页的 PPT 并发出图，速度不是逐页串行的二十倍关系但快得多。
三、核心模块架构
四个模块各有值得说的细节：
风格系统是三层结构：内置 12 种风格打底（不会写提示词也能起步，作者最推荐手绘技术解释风）；支持丢参考图/截图/完整 PPT 让 agent 先分析配色版式再复刻；最妙的是个人风格库——生成满意的风格可以存进 ~/.codex-ppt-skill/references/，这个目录在 skill 安装目录之外，更新重装都不丢，同名时个人风格压过内置风格。风格资产跟着人走，不跟着 skill 走。
生图后端是抽象的双通道：Codex 环境优先走内置生图（会员订阅覆盖，免配置）；其他环境或需要精确控制分辨率/质量时走 API fallback，默认 2K 16:9，文字多可上 4K（注意 GPT Image 2.5 超过 2560x1440 属实验性）。
组装脚本是最后一公里：纯本地 Python，把图片按页码顺序装进 PPTX，speech.md 的内容写进每页备注——演示时按演讲者视图就有讲稿。
四、数据与状态流
输出结构本身就是状态记录——每个 PPT 一个独立项目目录：origin_image/ 放最终采用的页面图（按 slide_01.png 顺序命名，想改哪页直接指着说）、outline.md 是确认过的大纲、speech.md 是讲稿、最后是组装好的 PPTX。中间产物全部落盘，任何一个环节想回退或局部修改，都有据可查。
特别提一个能力：指定图片插入。可以在大纲里要求某页必须放论文原图、实验结果图、架构图，让页面围绕这些素材适配主题和版式——项目的论文答辩案例（Attention Is All You Need）就展示了把原始架构图和 attention 可视化图嵌进统一风格的整套 PPT。
五、跨端边界
- Codex：首选环境，内置生图 + 编辑图能力，免 API key
- Claude Code / OpenClaw / Hermes Agent：读
SKILL.md即可用，需配第三方生图 API 或 OpenAI 兼容接口 - OpenClaw 有专门渠道：ClawHub 一条命令安装（注意 allowlist 要加
codex-ppt） - 配置的跨端安全：API key（
~/.codex-ppt-skill/.env）和个人风格库都在 skill 安装目录之外，更新重装 skill 均不丢失
六、配置边界
- 必须配：基本零配置起步——Codex 用户开箱即用；非 Codex 环境才需要 .env 里配 API key、base URL、模型名
- 建议配：走通常用路线后，让 AI 帮你把 skill 改成固定偏好——固定生图后端、固定是否用子 agent、固定输出目录、页数节奏。作者明说了：这个 skill 为了通用性，流程设计得偏复杂（同时兼容内置/API 生图、有无子 agent 两条路），大部分人日常只走其中一条，把别的岔路封掉能显著省心
- 不要配：首次使用就上 4K（文字多再上）；实验性分辨率当生产配置
七、扩展点
- 单页局部修改：不满意某一页不用整套重来，直接框选标注让 agent 改那一页——局部重绘是生图式 PPT 的刚需能力
- 风格复刻 + 风格库沉淀：输入可以是任意截图、PDF、PPTX，风格资产可积累可迁移，越用越像你
- 姊妹 skill 补可编辑性：
image-to-editable-ppt-skill（同作者）把生成的图片版 PPT 重建为可编辑 PowerPoint——图片式管视觉，可编辑版管二次加工，两个 skill 组成完整链路 - 生态位：作者还有 handdrawn-tech-illustrations（中文手绘配图）、awesome-ai-ppt（按 HTML-first/图片生成式/PPTX-native 分类的工作流清单），codex-ppt 在里面就是"图片生成式"路线的代表
八、风险点
- 页面不可直接编辑是根本限制。每页是位图，PPTX 里改不了字——需要改文字就重生成该页，或者走姊妹 skill 转可编辑版。强视觉表达和可编辑性，目前只能二选一
- 生图模型的文字清晰度是老毛病。整套流程里的自检、返修、4K 选项、样张确认，本质上都在对抗这个问题；文字密集型 PPT（如法务条文、密集数据表）不是它的舒适区
- 成本随页数线性走。一页一张整图，20 页就是 20 次生图调用，外加自检返修的额外次数——大页数 PPT 前先算账，样张阶段就锁死风格别中途换
- 通用性带来的流程复杂度。作者自己承认：兼容多路线带来不稳定和冗余，多数场景下你应该主动裁剪流程（改 skill 固定偏好）——不改，每次都会在岔路口重新选择
- 实验性能力依赖。超 2560x1440 的 4K 输出、第三方中转站的模型/参数支持，都可能踩到服务端限制，关键交付别压在实验性配置上
- 风格漂移风险。并发逐页生成时，长 PPT 的后段页面可能与样张风格出现细微不一致——自检会拦一部分，但不是全部，成套导出前人工翻一遍最后一页和第一页的对比
记住
Codex PPT Skill 的核心不是"AI 帮你做 PPT"，而是把 PPT 生成拆成三段带确认的流水线：大纲确认 → 风格样张确认 → 并发生成 + 自检 + 本地组装。
每页一张整图，换来的是模板工具给不了的视觉统一性；代价是不可直接编辑——用姊妹 skill 补可编辑化，用个人风格库沉淀审美资产。
作者那句复盘值得所有做 skill 的人记住：好的 AI Skill 是调出来的，不是写出来的。
参考资源
- 项目：https://github.com/ningzimu/codex-ppt-skill（MIT，含使用文档与案例 Issue #34）
- 设计复盘：《2000 个 GitHub Star 换来的经验：好的 AI Skill 是调出来的，不是写出来的》
- 可编辑化姊妹项目：https://github.com/ningzimu/image-to-editable-ppt-skill