用途：为已有的 .pptx 生成逐页学术演讲者备注，内容必须基于真实可见的幻灯片，而非仅凭文本框推测。
主要能力：结构化提取文本框、占位符、表格、图表 XML、图片与原始 OOXML 文本；渲染每页截图；对图片区域做 OCR；建立每页可见元素清单；对含图表、图示、SmartArt、截图或纯图片内容的页面做视觉复核。
使用方式：按工作流依次运行脚本，例如 python scripts/read_slides.py "/path/to/deck.pptx" --mode compact --output "<deck-stem>-speaker-output/work/slide_extract.json"，再运行 render_slides.py、visual_inventory.py、vision_review.py；随后用具备视觉能力的工具检查渲染图，填写 vision_review.json。之后向用户确认输出语言、时长、受众等上下文，计算字数或字数预算，确认叙事弧，再撰写备注。
输出：生成带备注的 .pptx、完整演练文档（docx 或 md）、可选的视觉复核 Markdown，中间文件放在 work/ 目录。
限制：输出语言必须显式确认，不能由聊天语言推断；无法可靠解读的可见元素须先询问用户，不得编造图表数值、坐标轴、标签或图片含义；备注需符合按暂停与缓冲调整后的时长预算；若缺少视觉复核工具，应停止撰写并说明无法安全解读的页面。资料未提供具体收费、平台支持范围与效果保证。