概要
正文
哈喽佬友们，又又又好久不见。之前立了一个 PPT Agent 的 Flag，折腾了好几个月，终于可以来给大家交作业了。
先给大家看一些我们目前能生成的效果，后面我会把完整的思路分享出来。那以下页面，都是 AI 自动生成的，模型用的是 Gemini 3 的 Flash 版本。
[
封面-1-设计稿 (1)1920×1080 135 KB
](https://cdn3.ldstatic.com/original/4X/c/a/7/ca785958d37aba2c5e234af1f4d969945ae87b2f.jpeg “封面-1-设计稿 (1)”)
[
分层架构设计：从数据层到编排层-7-设计稿 1920×1080 248 KB
](https://cdn3.ldstatic.com/original/4X/2/b/9/2b9fbeb40ca978629c4986e994c2abc701f00121.jpeg “分层架构设计：从数据层到编排层-7-设计稿”)
[
核心硬件：AIoT 智能家居与人车家全生态闭环-8-设计稿 1920×1080 247 KB
](https://cdn3.ldstatic.com/original/4X/a/a/f/aaf137fb6a7a4ddff3c818a7c07cd5cb44562aea.jpeg “核心硬件：AIoT 智能家居与人车家全生态闭环-8-设计稿”)
可以搞定各种风格的设计：
[
微信图片_20260317175828_1476_11920×1030 296 KB
](https://cdn3.ldstatic.com/original/4X/1/1/8/1181834e44162e2c873288ee999a8184e54380ad.jpeg “微信图片_20260317175828_1476_1”)
[
微信图片_20260317175833_1477_11920×1217 276 KB
](https://cdn3.ldstatic.com/original/4X/c/f/d/cfdbb2954d1b93ffc430c8a5652b3ef34f92dc5b.jpeg “微信图片_20260317175833_1477_1”)
你可能会想，这不就是又一个 AI PPT 玩具吗？
不。你只需要给它一个主题，比如“Dify 企业介绍”，然后就可以去泡杯咖啡了。它会像一个真正的专家团队那样，自己跑完从需求调研 → 资料搜集 → 大纲策划 → 生成策划稿 → 生成设计稿的全流程。
最后做出这样一套完整的设计：
因为是商业项目，发在这里不太合规矩，我也不提名字了。但是我还是挺想把我们做这个的完整思路，包括用到的一部分提示词分享给大家的。
我可以非常自信地说，这绝对是一个你从未见过的 PPT Agent 思路。接下来的内容，希望能对你有所启发。
1.忘了“一键生成”，从“提问”开始
市面上几乎所有的 AI PPT 工具，都犯了一个致命的错误。
你一输入主题，它就猴急地给你丢出一个粗糙大纲，然后用一堆现成的模板糊弄你，恨不得马上把花里胡哨的设计怼到你脸上。
但说真的，PPT 的灵魂是内容，不是皮囊。
想想我们自己做 PPT 的流程：是不是得先搞清楚“为谁做？做什么？达到什么目的？”
所以，我们让 AI 做的第一件事，就是像一个专业顾问一样去“需求调研” 。它会先去网上扒一圈相关资料，然后像模像样地问你几个关键问题，让你把真正的需求说清楚。
[
640 (3)1080×608 29.6 KB
](https://cdn3.ldstatic.com/original/4X/f/4/5/f45478b3c2c96c726e50d357f2b776f372267dfc.webp “640 (3)”)
只有当我们把需求聊透了，它才会结合搜集到的资料，去生成一份真正“有的放矢”的大纲。
聊到大纲，我又把我用了多年的一个“笨方法”教给了 AI——便利贴法。
过去我做复杂 PPT 时，会把每一页的核心内容写在一张张便利贴上，贴满一墙。这样逻辑结构一目了然，哪里不好就撕掉，顺序不对就调换，高效又直观。
现在，我们把它做进了产品里。每一个页面，就是一张“数字便利贴”，让你看得清清楚楚，调得明明白白。
这个思路，你完全可以自己复现。在你动工前，先别急着打开 PPT 软件，试试把你的需求完整地告诉 AI，让它扮演你的“PPT 规划师”。
下面这个我们项目在用的正式版 Prompt，也直接开源给你，让你也能拥有一个顶级的“PPT 结构架构师”：
# Role: 顶级的PPT结构架构师 ## Profile - 版本：2.0 (Context-Aware) - 专业：PPT逻辑结构设计 - 特长：运用金字塔原理，结合**背景调研信息**构建清晰的演示逻辑 ## Goals 基于用户提供的 **PPT主题** 和 **背景调研信息 (Context)**，设计一份逻辑严密、层次清晰的PPT大纲。 ## Core Methodology: 金字塔原理 1. 结论先行：每个部分以核心观点开篇 2. 以上统下：上层观点是下层内容的总结 3. 归类分组：同一层级的内容属于同一逻辑范畴 4. 逻辑递进：内容按照某种逻辑顺序展开 ## 重要：利用调研信息 你将获得一些关于主题的搜索摘要。请务必参考这些信息来规划大纲，使其切合当前的市场现状或技术事实，而不是凭空捏造。 例如：如果调研显示"某技术已过时"，则不要将其作为核心推荐。 ## 输出规范 请严格按照以下JSON格式输出，结果用[PPT_OUTLINE]和[/PPT_OUTLINE]包裹： [PPT_OUTLINE] { "ppt_outline": { "cover": { "title": "引人注目的主标题", "sub_title": "副标题", "content": [] }, "table_of_contents": { "title": "目录", "content": ["第一部分标题", "第二部分标题", "..."] }, "parts": [ { "part_title": "第一部分：章节标题", "pages": [ { "title": "页面标题1", "content": [] }, { "title": "页面标题2", "content": [] } ] } ], "end_page": { "title": "总结与展望", "content": [] } } } [/PPT_OUTLINE] ## Constraints 1. 必须严格遵循JSON格式。 2. **页数要求*：{{PAGE_REQUIREMENTS}}2.去大量检索资料。
大纲只是骨架，血肉需要真实、准确的信息来填充。这个因为很多工程上的问题，我们自己项目用的是国内的搜索接口。
[
640 (4)1080×522 50.9 KB
](https://cdn3.ldstatic.com/original/4X/6/2/a/62a898a2d1178c85985ece017fc7ec2f166280c4.webp “640 (4)”)
但如果你想自己 DIY 这个流程，我墙裂推荐一个神器：Grok 。
别的不说，它是我目前用过搜索和信息总结能力最强的 AI，没有之一。用法简单到发指：把上一步生成的大纲标题，一个一个丢给 Grok，它就能帮你把所需资料搜集、整理得妥妥帖帖。
[
ScreenShot_2026-03-19_104103_3583414×1536 459 KB
](https://cdn3.ldstatic.com/original/4X/6/3/0/6305c980802f3a1ddff840e44a71c842a9d9ea88.png “ScreenShot_2026-03-19_104103_358”)
3.PPT 居然还有策划稿？
拿到内容后，多数人就直接让 AI 上设计了。但我们多加了一个操作——策划 。
啥，PPT 还要做策划呢？我想这个词很多 PPT 设计师都没听过，五年前，我也一样。
那时候我去到了一家国内顶尖的 PPT 设计公司，他们的 PPT 报价是 1 万+一页。
他们有一个专门的岗位，叫策划师。没错，你前面看到的，需求调研、资料检索，大纲规划，这事儿都归他们干。
[
640 (5)1080×387 20.7 KB
](https://cdn3.ldstatic.com/original/4X/6/b/f/6bffcac7dd291641b6cdfa71cce3538a58248974.webp “640 (5)”)
他们最终会提供一个 PPT 草稿给到设计师，每页什么位置要放什么元素，用什么样的版式，全都固定好。
就像这样：
[
640 (7)1080×580 32 KB
](https://cdn3.ldstatic.com/original/4X/b/6/3/b6318bdc47fbfd9d7466fdbb944ad839d6154158.webp “640 (7)”)
真正让 AI 去做 PPT 的时候，你也可以试试一样的处理。先让 AI 生成一个，不要各种复杂效果，简简单单，清清爽爽的页面初稿。
[
640 (6)1080×763 33.2 KB
](https://cdn3.ldstatic.com/original/4X/5/1/9/519bbc1c6824983966ca86882578e0c752288d66.webp “640 (6)”)
到后面再去加设计的效果：
[
640 (8)1080×763 38.4 KB
](https://cdn3.ldstatic.com/original/4X/b/c/8/bc840a42bada631399f6d5c0504b9b11990210a7.webp “640 (8)”)
我们做了大量测试，发现这套人类专家的工作流，AI 完全能理解！策划部分负责版面规划，设计部分来做风格样式，跑下来的效果非常好。
你啥都不用干，等 AI 跑完这套流程就能用，甚至都不太需要改。
那当然，如果是一些特别重要的 PPT，你也可以在策划稿阶段精调内容，再去让 AI 跑最终的设计，把效率和颜值都最大化。
4.用这个 PPT 技巧让 AI 跑设计。
我之前做 PPT 课程的时候，有一个可以给到“夯爆了”的 PPT 技巧，叫卡片式布局。
啥是卡片式布局呢，喏，你在苹果的发布会上经常能看到。把内容放进了一个个卡片里。
[
640 (9)1080×607 46.2 KB
](https://cdn3.ldstatic.com/original/4X/2/8/d/28d75c58237d2ea179ddd772da651aae0ac455ce.webp “640 (9)”)
之前在论坛发了两篇文章，用的也是一样的卡片式布局的思路。
前两天，小米发布了 2024 年度的完整年报。三顿本来想挑其中一些重要的内容，给大家做一份完整的 PPT。但我打开一看，有整整 379 页： dca97a421426b656c3911c2ebde05a16 (https://cdn3.ldstatic.com/original/4X/d/2/8/d283c6cffc642bdb6b0ca7239c62d24dbf92f35c.webp “dca97a421426b656c3911c2ebde05a16”) 手动整理？吭哧吭哧地读、提取、再做成 PPT？那估计得熬好几天，头发都得掉一把。就在我感觉快要被这 379 页“活埋”的时候，脑子里突然闪过一个念头：这种事，能不能让 AI 来帮我扛？ 折腾研…
[
640 (10)1080×608 39.2 KB
](https://cdn3.ldstatic.com/original/4X/c/7/a/c7a44935dcb61e2bc0421e6e8b2a35343a044806.webp “640 (10)”)
这样做有三大好处：
- 能装： 一页里能清晰地承载大量信息。
- 灵活： 卡片数量、大小、位置可以随意组合，版式变化无穷。
- AI 能懂： 这是最关键的！我们发现，“卡片”是 AI 最容易理解和掌握的一种设计语言。
我们把这套方法论，写成了一段精确的指令，告诉 AI 如何像顶级设计师一样思考布局。这可以说是我们项目的核心壁垒之一，今天也一并分享了：
内容页的便当网格 (Bento Grid) 布局 这是一种灵活的网格系统，其布局应由内容本身的需求驱动，而非僵硬的模板。通过组合不同尺寸的卡片，创造出动态且视觉有趣的布局。 - 核心原则: - 灵活性: 卡片数量不固定。可以是 1, 2, 3, 4, 5 或更多个，取决于如何更好地呈现信息。 - 层级感: 使用卡片尺寸建立视觉层级。最重要的信息放在最大的卡片上。 - 留白: 在所有卡片之间保持至少 20px 的间距。 - 布局组合示例: - 单一焦点: 一张大卡片覆盖大部分区域 (w=1200, h=580)。适用于单一、有力的信息或详细的图表。 - 两栏布局: - 50/50 对称: 两张等宽的卡片。 - 非对称: 一张较宽的卡片（如 2/3 宽度）用于主内容，一张较窄的（1/3 宽度）用于辅助信息、数据或图片。 - 三栏布局: 三张等宽的卡片，适合并列比较三项内容。 - 主次结合: 一张大的居中卡片，两侧各一张小的垂直卡片。 - 顶部英雄式: 顶部一张宽幅“英雄”卡片，下方是 2-4 个较小的等宽卡片网格。 - 混合网格 (自由度最高): 自由混合各种尺寸的卡片，例如一个中等方块、两个小的水平矩形和一个垂直矩形。这种方式可以极大地适应不同内容的需求。如果大家自己去跑也很简单，拿你刚刚用 Grok 检索到的内容结果，加上我下面这段提示词：
作为精通信息架构与 SVG 编码的专家，你的任务是将完整的文字内容转化为一张高质量、结构化、具备高级感、简洁感和专业感的 SVG 演示文稿页面。要求如下： 1.画布: SVG viewBox 必须是 0 0 1280 720。 2.内容页的便当网格 (Bento Grid) 布局 这是一种灵活的网格系统，其布局应由内容本身的需求驱动，而非僵硬的模板。通过组合不同尺寸的卡片，创造出动态且视觉有趣的布局。 - 核心原则: - 灵活性: 卡片数量不固定。可以是 1, 2, 3, 4, 5 或更多个，取决于如何更好地呈现信息。 - 层级感: 使用卡片尺寸建立视觉层级。最重要的信息放在最大的卡片上。 - 留白: 在所有卡片之间保持至少 20px 的间距。 - 布局组合示例: - 单一焦点: 一张大卡片覆盖大部分区域 (w=1200, h=580)。适用于单一、有力的信息或详细的图表。 - 两栏布局: - 50/50 对称: 两张等宽的卡片。 - 非对称: 一张较宽的卡片（如 2/3 宽度）用于主内容，一张较窄的（1/3 宽度）用于辅助信息、数据或图片。 - 三栏布局: 三张等宽的卡片，适合并列比较三项内容。 - 主次结合: 一张大的居中卡片，两侧各一张小的垂直卡片。 - 顶部英雄式: 顶部一张宽幅“英雄”卡片，下方是 2-4 个较小的等宽卡片网格。 - 混合网格 (自由度最高): 自由混合各种尺寸的卡片，例如一个中等方块、两个小的水平矩形和一个垂直矩形。这种方式可以极大地适应不同内容的需求。 请你根据我的内容输出SVG代码，我的内容是：直接发送 Gemini 处理，我们用的是 3 Flash，有条件可以直接上 3.1 Pro:
[
ScreenShot_2026-03-19_104134_3761254×1124 147 KB
](https://cdn3.ldstatic.com/original/4X/c/7/4/c74bd996a229c7abf44d1ad0a6ff9d1dd37d78bc.png “ScreenShot_2026-03-19_104134_376”)
它直接就能生成这样一整个页面的 SVG 代码了：
[
ScreenShot_2026-03-19_103904_0441920×968 375 KB
](https://cdn3.ldstatic.com/original/4X/2/6/f/26f3fcb9890f2b0727180c9ef98a18cc01900137.jpeg “ScreenShot_2026-03-19_103904_044”)
市面上的 AIPPT 大多是调用 Banana 或者生成 html，我们采用了生成整页 SVG 的方案。
SVG 是一种 PPT 里兼容性最好的格式，生成的这个 SVG 代码你可以直接拖到 Office 2016 以上的版本里去做使用。
为什么选了这种 SVG 格式呢？说起来也是泪。
好处是可以导入 PPT，完全可编辑，甚至各种设计软件都支持，而且可以无限放大，保证清晰度。代价是，三个多月里我们花了大量时间处理 SVG，因为没人做过，一切都得从零开始，不断摸索。
如果你是自己使用，也不太需要可编辑性，我更推荐让 AI 生成 HTML 格式的，这个部分的提示词在之前的文章里有，感兴趣的佬友可以看看。
最后也想聊聊，为什么想把这个思路分享出来呢，特别是发的提示词已经是我们项目里用的。同事觉得我傻，不怕别人马上抄走吗。
那第一，我觉得，我现在做的这个东西，也只是挖掘了 AI 做 PPT，大概 5%的能力，我们还有非常多棒的思路，会去一一实现，这些对于 PPT 的理解和积累，是没办法复制的。
第二，我是真的不太服气。市面上这些 AI PPT 工具，他们的开发根本都不懂 PPT。给个大纲，硬套模板，让很多人用完都说：AI PPT，也就这样了，不行。
不该是这样的。
我教了 7 年 PPT，做了 3 年 AI 产品，我坚信，AI 有能力也已经在改变我们制作和演示信息的方式。这些效果是现在我平衡成本和效果下，能跑出来的极限，但远远不是 AI 的极限。
我会持续在这里分享我的关于 AI PPT 的思考和探索，希望这些内容，能对同样在路上的你，有所帮助。