PPT制作是职场高频需求，但传统方式耗时且设计门槛高。市面上的AI PPT工具大多生成图片式幻灯片，无法二次编辑，难以满足企业定制需求。本项目旨在解决"AI如何生成原生可编辑PowerPoint"这一核心问题。项目支持两种生产模式：一是"AI自由生成模式"，从源文档（PDF/网页/DOCX）到最终PPTX全链路自动生成；二是"模板复刻模式"，导入任意现有.pptx，提取为可复用SVG模板后由AI填充新内容，保留原版全部视觉设计。适用于企业汇报、咨询报告、教学课件、品牌发布等多场景。
项目核心围绕两种PPT生产模式构建功能模块：
【AI自由生成模式】从0到1创建PPT，包含：一、源文档转换模块，支持PDF/DOCX/网页/Markdown一键转Markdown，基于字体大小统计的标题推断算法智能解析；二、三角色AI Agent系统（Strategist策略规划、Image_Generator图片生成、Executor逐页SVG生成），支持8种画布格式和14个图片生成后端；三、SVG后处理流水线，图标嵌入（5库11600+图标）、图片对齐嵌入、文本扁平化、圆角矩形转路径四步单遍处理；四、SVG转PPTX引擎，将SVG元素精确映射为DrawingML原生可编辑形状，支持渐变填充、自定义几何、贝塞尔曲线逼近（误差0.03%）。
【模板复刻模式】从现有PPT复刻，包含：一、模板导入系统，从.pptx提取主题色、字体方案、媒体资产、页面结构，输出manifest.json；二、PPTX反向解析引擎，将OOXML形状树遍历转为SVG，处理主题色系统（schemeClr/prstClr）；三、Mirror-mode填充器，不做占位符替换而是将模板SVG作为视觉参考仅替换文本内容，保留所有装饰元素和几何结构；四、模板资产库，20+布局模板和70个图表模板。
【通用能力】7种转场+23种入场动画、5个TTS旁白后端、本地SVG可视化编辑器、spec_lock.md设计规范锁定机制。
本人负责项目整体架构设计、两种模式的核心引擎实现和AI工作流编排。技术栈为Python 3.10+，使用PyMuPDF做文档解析、python-pptx与原生OOXML XML操作做PPTX生成、numpy做数值计算、Flask做本地编辑器、curl_cffi做网页抓取。共118个Python脚本、37000+行代码。
架构亮点：一、选择SVG作为AI与PPT之间的中间格式——SVG与DrawingML共享绝对坐标2D矢量世界观，AI擅长生成SVG，工程转换保证确定性；二、两种模式共享同一套SVG→DrawingML转换引擎和后处理流水线，架构复用度高；三、spec_lock.md机制对抗长上下文中LLM的规格漂移，逐页重读设计规范；四、resume-execute工作流切割会话释放20-40K token上下文空间。
核心难点：一、AI自由生成模式中，SVG path命令到DrawingML的映射，弧线参数需离散化为贝塞尔曲线序列，非对称圆角矩形（rx≠ry）需custGeom+四段三次贝塞尔曲线逼近椭圆角，误差控制在0.03%以内；二、模板复刻模式中，PPTX主题色系统的反向解析（schemeClr/prstClr到SVG color的映射），以及master/layout/slide三层继承关系的处理；三、两种模式共用的tspan位置坐标扁平化——DrawingML文本模型无法表达同段落内坐标跳转，需将位置性tspan提升为独立text元素；四、OOXML动画时序XML的生成，涉及p14命名空间毫秒级时长控制和chrome元素自动识别排除。
评论