AI 做 PPT，别再只看模板：26 个生成 Skill 的六条路线与选型指南

过去提到“AI 做 PPT”，很多人的第一反应还是：输入一个主题，等它套用模板，再花半小时修正字体、配色和排版。

但新一代 PPT Skill 已经换了一套玩法。

它们不再只是网页上的“一键生成器”，而是被安装到 Claude Code、Codex、Cursor 等 AI Agent 环境中的专业能力包。你可以把资料、品牌模板和交付要求直接交给 Agent，让它完成内容拆解、结构设计、页面生成、预览检查，甚至输出可继续编辑的 .pptx 文件。

问题也随之改变了：现在真正重要的不是“哪个工具最火”，而是“哪条技术路线最适合你的交付场景”。

这篇文章不按 Star 数做简单排行榜，而是把 26 个项目重新归入六条路线，并给出一套更实用的选型方法。

先给结论：选 PPT Skill，先回答四个问题

在查看工具名单之前，先确定下面四件事：

1. 成品是否必须逐字、逐元素编辑？
2. 你更在意视觉冲击力，还是交付后的修改自由？
3. 演示是在浏览器中播放，还是必须交付 PowerPoint 文件？
4. 你的内容属于通用汇报，还是学术、咨询、营销、翻译等垂直场景？

这四个问题基本决定了应该走哪条路线：

你的核心需求	优先路线
动画丰富、视觉效果强、现场演讲	HTML 网页演示
客户拿到后还要继续修改	原生 PPTX
海报感、传播感和视觉完成度优先	AI 图像驱动
希望直接用对话修改现有 PPT	MCP / 协议层
论文答辩、咨询交付、营销或翻译	垂直场景 Skill
PPT 只是设计工作流中的一种产物	综合设计平台

一、HTML 网页演示：视觉表现力最强

HTML 路线通常把整套演示生成成网页。浏览器打开即可播放，还能使用 CSS 动画、Canvas、WebGL、滚动交互和触屏导航。

它的优势是视觉上限高，适合发布会、技术分享和个人演讲；不足也很明确：它不是传统 PowerPoint，交付给客户后，修改门槛通常比 .pptx 更高。

代表项目

1. frontend-slides

强调先生成多个视觉方向再选择，适合不知道如何描述设计风格、但能够通过预览做判断的人。

1. guizang-ppt-skill

风格控制较强，强调电子杂志、瑞士设计和克制的视觉系统，适合个人品牌演讲和产品发布。

1. html-ppt-skill

主题、布局和动画资源丰富，还提供演讲者窗口、下一页预览、提词和计时等功能，适合正式演讲。

1. apple-bento-grid

专门生成 Apple 风格的 Bento 卡片页面，适合产品特性、成果数据和年度总结的一页式展示。

1. DeepSeek-v4-deep-dive

更像一套“成品案例 + 可复用模板”，适合参考 AI 产品深度解读类演示的内容结构与动画节奏。

什么时候选 HTML 路线？

• 你本人负责播放，不需要把源文件交给客户长期维护；
• 演示中需要滚动、粒子、流体、动态图表或网页交互；
• 内容偏技术发布、Demo Day、课程分享或个人演讲；
• 接受使用浏览器，而不是 PowerPoint 放映。

二、原生 PPTX：商业交付更稳妥

如果客户的第一句话是“后面我们自己还要改”，优先考虑原生 PPTX。

这条路线的目标不是把一张漂亮图片塞进 PowerPoint，而是让标题、正文、图形和图表都尽可能保留为可编辑对象。它的视觉自由度可能不如 HTML，但更符合公司模板、多人协作和长期维护的要求。

代表项目

1. mckinsey-pptx

提供咨询风格模板，并让子 Agent 根据内容选择合适版式、解释选择理由。

1. Mck-ppt-design-skill

偏向咨询类版式库，适合已经知道自己需要哪种页面结构的人。

1. ppt-agent-skills

把演示制作当作软件工程处理：先分析需求和结构，再生成、预览和验证，适合几十页的重型 Deck。

1. claude-office-skills

不只处理 PPT，也覆盖 DOCX、XLSX 和 PDF，适合需要统一办公文档工作流的人。

1. claude-code-polished-documents-skills

主打品牌化办公文档主题。采用前应先检查仓库的近期维护情况。

1. slide-deck-ai

更强调人与 AI 反复共创，不追求一次生成完成，适合内部汇报和快速讨论稿。

1. odin-slides

专注把长篇 Word 报告拆解、提炼为结构化演示，适合研究、咨询和政企材料。

1. ppt-master

通过 SVG 到 PowerPoint 原生对象的转换，提高页面设计能力与可编辑性，并支持从文档生成、模板复用、预览修改等工作流。

原生 PPTX 路线最适合谁？

• 要向客户交付源文件；
• 必须套用公司母版、品牌字体和固定配色；
• 页面中包含大量表格、图表和需要反复修订的数据；
• 团队成员仍然以 PowerPoint 或 Keynote 为主要编辑工具。

三、AI 图像驱动：先把画面做漂亮

图像驱动路线的逻辑很直接：不让 AI 在 PowerPoint 里慢慢拼装页面，而是先用图像模型生成高完成度的整页视觉，再放入 PPT 容器。

它通常更容易产出“像海报”的页面，适合传播和展示；代价是可编辑性下降。标题写错一个字，可能不是双击文本框，而是重新生成整张图。

代表项目

1. NanoBanana-PPT-Skills

使用图像模型生成页面和视频化演示，适合重视觉、重传播的内容。

1. gpt_image_2_skill

更像通用图像生成能力库，可用于科研配图、海报、UI 和 PPT 视觉资产，不局限于演示文稿。

1. gpt-image2-ppt-skills

适合参考现有 PPT 的视觉版式生成新内容，但需要注意“视觉模仿”不等于“原生对象复刻”。

1. ppt-image-first

强调先确定视觉，再围绕画面组织表达，适合答辩封面、内容卡片和社交媒体配图。

使用前要接受的现实

• 页面中的文字未必能逐字编辑；
• 中文小字、数字和品牌名称需要重点复核；
• 每次修改可能都会产生新的图像模型费用；
• 若要打印或投放大屏，还要检查分辨率和字体清晰度。

四、MCP 与协议层：让 AI 直接操作 PowerPoint

这一类项目不一定替你完成整套设计，它更像给 AI 装上一双“操作 PPT 的手”。

连接 MCP Server 后，Agent 可以读取演示文件、创建页面、修改文本或调用底层 PPT 库。它适合已经有现成文件，希望通过对话继续加工的人。

代表项目

1. Office-PowerPoint-MCP-Server

将 PowerPoint 操作能力封装为 MCP 工具。原文发布时已提示项目停止维护，采用前应重新检查状态和替代方案。

1. PPTAgent

强调生成后的反思与检查：页面做完不是结束，Agent 还要判断是否需要重做。

1. mcp-server-okppt

尝试打通 LLM 擅长生成的 SVG 与 PPTX，适合关注矢量页面生成的人继续观察。

MCP 路线的价值不只是“自动化”，而是让修改过程变得连续：你可以要求 AI 先读取现有 Deck，再基于真实页面继续调整，而不是每次从零生成。

五、垂直场景 Skill：少一点通用，多一点专业

通用工具往往什么都能做，但不一定理解某个行业的表达规范。垂直 Skill 的优势，是把特定场景中的结构、术语和交付规则直接固化进工作流。

代表项目

1. academic-pptx-skill

面向会议报告、论文答辩和基金简报，强调行动式标题、结构化论证和规范引用。

1. colloquium

走 Markdown 原生路线，适合平时在 Obsidian 或 VS Code 写研究笔记、需要快速转成演示的人。

1. fullstack-mkt-skills

PPT 只是营销工作流的一部分，还覆盖内容日历、广告文案、UGC、KPI 和落地页等任务。

1. ppt-translator

解决翻译 PPT 时保持结构和格式的问题，适合跨国团队和多语言交付。

垂直工具的选型原则很简单：如果你的场景正好与它匹配，优先级通常高于“更通用、更热门”的工具。

六、综合设计平台：PPT 只是其中一个出口

当工作不再局限于演示文稿，而是同时涉及网页原型、图片、视频和营销素材时，单一 PPT Skill 可能不够。

代表项目

1. open-design

面向更完整的 AI 设计流程，可将 slides 与网页、桌面端、移动端原型、图片和视频等产物放在同一套系统中处理。

1. docsagent

核心并不是直接做 PPT，而是先索引和理解大量本地文档，再把整理后的知识交给下游演示工具。

这类平台适合内容团队和产品团队。它解决的不是“做一份 PPT”，而是“让资料、设计和多种输出格式进入同一条生产线”。

26 个项目如何快速选择？

如果你不想逐个安装测试，可以先从下面的场景入口开始：

场景	建议优先关注
技术分享、产品发布、现场演讲	frontend-slides、guizang-ppt-skill、html-ppt-skill
客户可编辑的咨询或商业 PPT	ppt-master、mckinsey-pptx、Mck-ppt-design-skill
几十页报告、白皮书或复杂 Deck	ppt-agent-skills
长 Word 报告转演示	odin-slides
学术会议、论文答辩	academic-pptx-skill、colloquium
高完成度封面、卡片和传播图片	NanoBanana-PPT-Skills、ppt-image-first
现有 PPT 的多语言版本	ppt-translator
用对话读取和修改 PPT	MCP 类项目
PPT、网页、图片、视频一起生产	open-design
先消化大量资料，再生成演示	docsagent + 一个 PPTX 或 HTML Skill

一套更稳妥的 AI PPT 工作流

无论最后选择哪个项目，都不建议把提示词写成“帮我生成一份关于某某主题的 PPT”。更稳定的做法是把任务拆成六步。

第一步：先确定交付约束

告诉 Agent：

• 输出 HTML 还是 PPTX；
• 页数和演讲时长；
• 是否需要逐字可编辑；
• 是否必须使用公司模板；
• 播放设备、屏幕比例和语言；
• 是否需要备注、旁白或演讲者模式。

第二步：先做内容架构，不急着排版

让 AI 先交付一份页面级大纲：每页只包含“页面目标、核心结论、证据、建议图形”。确认逻辑之后再进入视觉生成，可以显著减少返工。

第三步：锁定视觉系统

至少明确以下项目：

• 主色、辅助色和背景色；
• 标题、正文、数字的字体层级；
• 图片风格；
• 图表规范；
• 页边距、栅格和留白；
• 哪些页面允许动画，哪些必须保持克制。

第四步：先生成三页样稿

不要一开始就做 30 页。先测试封面、典型内容页和数据页，确认风格、字号和信息密度，再批量生成其余页面。

第五步：建立“回头看”机制

要求 Agent 在生成后逐页检查：

• 是否一页只表达一个核心结论；
• 标题是否在陈述观点，而不是只写一个名词；
• 是否存在文字溢出、遮挡和对齐错误；
• 图表数据与正文是否一致；
• 中文、英文、数字和单位是否正确；
• 页面之间是否出现无意义的重复。

第六步：最后再做交付检查

如果交付 PPTX，至少在 PowerPoint 或 Keynote 中实际打开一次；如果交付 HTML，要在演讲设备和常用浏览器中测试。字体缺失、比例变化、动画兼容和图片加载问题，往往只有真实播放时才会暴露。

选择开源 PPT Skill 时，还要检查三件事

1. 开源不等于可以随意商用

发布给客户或用于商业项目之前，必须查看仓库的 LICENSE。代码可见、允许修改、允许商业使用，并不是同一件事。

2. 成本不只有模型 Token

图像路线会产生图片生成费用；长文档和复杂 Deck 会消耗更大的上下文；语音旁白、视频导出和云端存储也可能带来额外成本。

3. Star 数不能代替工作流匹配

高 Star 项目可能功能丰富，但不一定适合你的团队。一个专门处理学术答辩或 PPT 翻译的小工具，只要正好解决硬需求，就可能比综合平台更有价值。

写在最后

AI 生成 PPT 已经不再是“选一个模板”的问题，而是在六条技术路线之间做权衡：

• HTML 追求视觉和交互；
• 原生 PPTX 追求可编辑与可交付；
• 图像驱动追求画面完成度；
• MCP 追求对现有文件的连续操作；
• 垂直 Skill 追求场景规则；
• 综合平台追求完整的内容与设计生产线。

真正好用的工具，不一定是功能最多的那个，而是能以最低返工成本进入你现有工作流的那个。

如果你今天就要开始，先不要安装 26 个项目。先写下交付格式、可编辑要求、演讲场景和内容类型，再从对应路线中挑 1—2 个做三页样稿。先验证路线，再批量生产，通常比研究一整天排行榜更有效。