Paper Deck — Visual Slide Director 是把论文或知识内容做成看起来真的被设计过的幻灯片的一套技能。它的核心路线不是用 PPT 对象硬摆版式,而是先理解内容,做出 deck brief 和逐页叙事,为每一页写清楚“这页要让观众看到什么、感到什么、记住什么”,再用生图模型生成 16:9 的 slide image,最后合成 PPTX/PDF,并保留 prompts 作为可返修的源文件。
用途与适用场景 适合论文组会、答辩、reading group、技术分享,以及需要“一眼不像模板 PPT”的视觉汇报;也适合用户愿意接受每页是高质感图片、优先追求整体观感和传播效果,以及需要逐页返修(重做第 N 页、换风格、加真实感、减少 AI 味)的情况。不适合需要多人在 PowerPoint 里精细编辑每个文本框、大量表格/财务报表/合规材料、需要准确复制已有企业 PPT 母版的情况。如果用户需要完全可编辑的 PPT,本 skill 的 V1 是 raster-first,可改用常规 PPTX 工具,或生成“图片背景 + 可编辑文字层”的混合方案。
不可绕过的生图要求 V1 是 raster-first AIGC slide image 工作流。除非用户明确要求“不要生图”“用代码画图”“只要可编辑 PPT”或“使用 HTML/SVG/Canvas 生成”,否则必须调用真实的 raster image generation backend 为每一页生成图片。严格禁止把以下产物冒充为“生图页”:用 Python/Pillow、SVG、HTML/CSS、Canvas、Mermaid、matplotlib、PPT shapes 或任何本地绘图代码直接画出的整页图片;用模板、纯排版脚本、截图、占位图或手工组合元素替代生图后端输出;先本地画整页,再仅做轻微滤镜或后处理后当作 AIGC slide image。允许的本地处理仅限:移动、复制、重命名生图后端输出文件;必要的格式转换、压缩、尺寸校验、PPTX/PDF 合成;用户明确选择混合方案时,在生图背景上叠加少量可编辑文字层,此时必须在 deck-brief.md 和交付说明中明确记录“混合文字层”,不能声称整页文字都由生图模型完成。如果当前环境没有可用的 raster image generation backend,必须停止并说明缺少生图后端,不要退化成本地绘图替代方案。
工作流 Step 1 输入分析:接受 arXiv/DOI/网页链接、PDF 路径、Markdown/文本/文章、已有大纲、参考图片或参考 PPT 截图。如果是论文,优先复用 paper-analyzer 的阅读方式:读摘要、方法、实验、图表、结论,必要时搜索代码仓库,目标是提取适合做 slide 的核心叙事。输出并保存 analysis.md,含主题、受众、汇报场景,内容 1 句话主张,3-5 个必须讲清楚的核心点,推荐页数/风格/语言,需要生成的图像类型(封面、机制图、流程图、数据页、结论页等),以及可直接使用的真实素材(论文 Figure/Table、PDF 截图、用户提供截图、代码截图、实验曲线)。
Step 2 生成前确认:默认必须确认,不要直接生成图片,除非用户明确说“直接生成/不用确认/按默认来”。询问控制在 3 个问题以内:页数和用途、风格(见 references/style-system.md)、是否插入真实素材。
Step 3 Deck Brief:保存 deck-brief.md,必须包含 style_preset、audience、slide_count、language、visual_rules、do_not_use、reference_images(如有)、source_visual_plan(哪些页使用真实图表/截图、来源和处理方式)。
Step 4 Outline:保存 outline.md,每页用固定结构(# 01. Slide Title,含 Role、Message、Visual、Text、Evidence、Source visual、Repair handle)。规则:每页只承载一个主观点;页面文字尽量少,复杂解释放 speaker script 或备注;机制页优先画“输入 → 处理 → 输出”;数据页只放最有说服力的 1-3 个数字;真实论文图/截图通常比凭空生成更可信;不要过度留白,主视觉/图表或证据区域通常应占画面 60%-80%(封面或章节页除外);8 页以上必须有节奏变化。
Step 5 Prompt Files:每页必须先写 prompt 文件,再调用任何生图工具。目录结构为 paper-deck/{topic-slug}/,包含 analysis.md、deck-brief.md、outline.md、prompts/(01-slide-cover.md 等)、images/(01-slide-cover.png 等)、{topic-slug}.pptx、{topic-slug}.pdf。硬规则:prompt 必须明确 16:9;写清楚风格、构图、文字语言、文字数量限制;不要让模型生成页码、logo、水印、PPT 外壳;需要精准文字时尽量减少图片内文字,可后续做混合文字层;若本页使用真实素材,prompt 必须说明素材如何作为画面一部分。
Step 6 生成图片:Codex 环境优先用内置 imagegen;用户指定 baoyu-imagine、Gemini、OpenAI、Seedream 等后端时按用户指定;没有可用生图后端则停止并告知。生图门禁:调用任何生图工具前必须先写好对应页的 prompts/NN-*.md;每页进入 images/ 的主图必须来自真实 raster image generation backend;不允许用本地绘图脚本生成整页主图替代生图;若使用混合文字层,images/ 中仍须保留生图背景或整页来源,并在 deck-brief.md 记录后叠加文字;生成后在 generation-log.md 记录每页后端、prompt 文件、输出文件、生成时间,没有生成记录的图片不能作为最终交付页。生成策略:先生成第 1 页作为风格锚点;后续页如后端支持 reference image 就用第 1 页作风格参考降低漂移;每 3-4 页检查缩略图;保存失败页,不覆盖成功页。
Step 7 合成 PPTX/PDF:运行 python3 <SKILL_ROOT>/scripts/merge_deck.py paper-deck/{topic-slug},脚本读取 images/NN-*.png|jpg|webp,输出同名 .pptx 和 .pdf,每张图片铺满一页 16:9。
Step 8 质量检查:按 references/quality-gate.md 检查是否一眼像真实设计作品、每页是否只有一个主观点、是否有过多无意义留白、真实素材页是否记录来源和落位、风格是否一致、图片文字是否清晰无错别字无伪字、是否存在 AI 常见问题(假 UI、假 logo、乱码标签、过度赛博、塑料 3D、无意义装饰)、generation-log.md 是否存在且每页有记录、是否存在本地绘图冒充生图页、PPTX/PDF 是否能打开且页数正确。
Step 9 返修:永远先改源文件。例如“第 5 页更学术一点”改 prompts/05-*.md 后保留旧图生成新图;“统一成第 1 页的质感”把第 1 页风格锚点追加到相关 prompts;“第 7 页文字太多”修改 outline 的 Text 再改 prompt;“只重做背景不动内容”在 prompt 中保留 Message/Text 重写 Visual;“新增一页机制细节”更新 outline、新增 prompt、生成图片、重跑合成脚本。不要用程序在生成图上涂改文字,文字错了就改 prompt 重生成,或切换到混合文字层方案。
参考文件 references/style-system.md:风格预设和选择规则;references/layouts.md:常用页面角色与构图;references/source-visuals.md:PDF 截图、论文图表、用户图片的使用策略;references/prompt-template.md:逐页生图 prompt 模板;references/quality-gate.md:交付前检查和返修标准。