揭秘最强PPT Agent：从需求调研到自动生成的完整思路

背景

在当前的 AI 应用生态中，市面上绝大多数 AI PPT 工具存在一个共同的痛点：它们往往陷入“一键生成”的误区。用户输入主题后，AI 会迅速抛出一个粗糙的大纲，并套用现成的模板进行填充，导致生成的演示文稿缺乏深度和针对性，沦为“花里胡哨”但内容空洞的“玩具”。

作者基于自身 7 年 PPT 设计经验与 3 年 AI 产品开发的背景，认为这种开发逻辑忽略了 PPT 的核心——内容逻辑与专业策划。为了打破这一局限，作者历时数月开发了一款名为 PPT Agent 的工具。该工具并非简单的模板套用，而是模拟了人类专家团队的工作流，从需求调研、资料搜集到大纲策划、内容生成及最终设计，实现了全流程的自动化。其核心目标是利用 AI 还原专业 PPT 设计师与策划师的工作模式，从而生成高质量、高逻辑性的演示文稿。

核心内容

该 PPT Agent 的核心工作流分为四个关键阶段，彻底重构了传统 AI 生成 PPT 的逻辑：

1. 需求调研与结构化大纲生成

传统的 AI PPT 工具往往跳过需求澄清直接生成内容，而本方案强调“提问”的重要性。

• 模拟顾问角色：AI 首先扮演专业顾问，通过搜索背景资料并向用户提出关键问题，明确“为谁做、做什么、达到什么目的”。
• 金字塔原理应用：基于调研信息和用户需求，AI 利用金字塔原理（结论先行、以上统下、归类分组、逻辑递进）构建逻辑严密的大纲。
• 数字便利贴法：引入“便利贴法”概念，将每一页 PPT 视为一张“数字便利贴”，让用户能直观地查看、调整页面逻辑结构。
• Prompt 开源：作者分享了用于生成结构化 JSON 格式大纲的 Prompt，要求 AI 严格遵循 JSON 格式输出，包含封面、目录、章节页及结束页的详细结构。

2. 基于深度检索的内容填充

大纲仅是骨架，真实准确的信息是血肉。

• 工具推荐：推荐使用 Grok 作为搜索和信息总结工具，因其具备极强的搜索和信息整合能力。
• 自动化搜集：将上一步生成的大纲标题逐一输入 Grok，自动搜集、整理相关资料，确保内容切合市场现状或技术事实，避免 AI 凭空捏造。

3. 引入“策划稿”环节

区别于直接生成设计稿，该流程增加了一个独立的“策划”阶段，模拟顶尖 PPT 设计公司的“策划师”岗位。

• 版面规划：AI 先生成一份清清爽爽的页面初稿（策划稿），确定每页的元素位置、版式结构，而不涉及复杂的视觉特效。
• 分工明确：策划部分负责版面逻辑规划，后续的设计部分负责风格样式渲染。这种分离确保了内容逻辑的清晰性，也为后续的美化打下坚实基础。

4. 基于 SVG 的“便当网格”设计生成

在最终设计阶段，作者摒弃了常见的 HTML 或 Banana 调用方案，采用生成整页 SVG 代码的方式。

• Bento Grid（便当网格）布局：借鉴苹果发布会常用的卡片式布局，这是一种由内容驱动的灵活网格系统。
  • 核心原则：灵活性（卡片数量不定）、层级感（大卡片承载核心信息）、留白（卡片间保持至少 20px 间距）。
  • 布局组合：支持单一焦点、对称/非对称两栏、三栏、主次结合、顶部英雄式及混合网格等多种组合。
• 技术实现：
  • SVG 优势：SVG 是 PPT 中兼容性最好的格式，可直接拖入 Office 2016+ 版本进行编辑，支持无限放大且保持清晰，兼容各类设计软件。
  • 模型选择：使用 Gemini 3 Flash（或 3.1 Pro）模型直接生成 SVG 代码。画布尺寸固定为 viewBox="0 0 1280 720"。
  • Prompt 策略：将 Grok 检索到的内容结合 Bento Grid 布局规则，通过精确指令让 AI 像顶级设计师一样思考布局，输出高质量的 SVG 代码。

关键要点

• 工作流重构：从“一键生成”转向“咨询式生成”，包含需求调研 → 资料搜集 → 大纲策划 → 策划稿生成 → 设计稿生成五个步骤。
• 逻辑优先：利用金字塔原理和“数字便利贴”方法，确保 PPT 的逻辑结构清晰，而非仅关注视觉模板。
• 外部工具集成：推荐结合 Grok 进行高质量的信息检索与总结，解决 AI 幻觉和信息滞后问题。
• 策划与设计分离：引入“策划稿”环节，先定版式逻辑，再做视觉设计，模拟人类专家协作流程。
• 技术选型：
  • 输出格式：选择 SVG 而非 HTML，以获得最佳的 PPT 可编辑性和兼容性。
  • 布局规范：采用 Bento Grid（便当网格）布局，强调内容驱动的灵活卡片组合。
  • 模型应用：使用 Gemini 系列模型处理复杂的布局编码任务。
• Prompt 工程：分享了结构化的 JSON 大纲生成 Prompt 和具体的 SVG 布局指令 Prompt，实现了从逻辑到视觉的标准化输出。

意义与影响

1. 打破 AI PPT 的低质刻板印象：通过引入专业的设计方法论（如金字塔原理、Bento Grid）和模拟人类专家工作流，证明了 AI 有能力生成具有商业级水准的 PPT，而非仅停留在模板堆砌层面。
2. 提供可复现的技术路径：作者开源了核心 Prompt 和工作流思路，为开发者提供了从“内容逻辑”到“矢量图形生成”的完整参考，降低了高质量 AI PPT 应用的开发门槛。
3. 强调“AI+领域知识”的结合：指出单纯依赖 AI 模型无法解决专业领域问题，必须将 PPT 设计的专业知识（如信息架构、视觉层级）编码进 Prompt 和工作流中，才能发挥 AI 的真正潜力。
4. 推动 PPT 制作范式的转变：倡导从“模板驱动”向“内容驱动”和“逻辑驱动”转变，利用 AI 解放人力，让用户专注于核心内容的策划与决策，而非繁琐的排版操作。