GPT-Image2 PPT 生成技能
用 OpenAI gpt-image-2 把 Markdown 大纲直接生成精美 16:9 PPT，还能仿制任意 .pptx 模板的版式并替换成你的内容。
调用 OpenAI 官方 gpt-image-2 图片生成 API，需要用户自己的 API Key，本地生成图片再打包 PPTX，无破坏性操作，会产生 API 调用费用。
- 依赖 OpenAI gpt-image-2 付费 API，多页 PPT 会产生对应数量的图片生成调用费用
这个 Skill 能做什么，适合哪些场景？
这是一个面向 Claude Code、Codex、OpenClaw 等 Agent 的 PPT 生成技能。它把一份 Markdown 大纲或 slides_plan. 连同一种视觉风格交给 OpenAI gpt-image-2 官方 Images API，逐页生成高清 16:9 图片并打包为 .pptx。它不走传统的模板填字路线，而是让模型把每页当作完整视觉稿来画，以保证整体审美一致。内置 265 套风格模板（初始 10 套、精选 22 套、设计师夏目玲子提供 233 套），也支持上传任意 .pptx 模板进行版式克隆。默认输出整页图片型 PPT，用户明确要求时才启用可编辑模式，把文字、图形和素材重建为 PowerPoint 原生对象。
读取 Markdown 大纲（slides_plan.md）并转换为 slides_plan.；按选定的风格 MD + layouts. sidecar（或用户上传的 .pptx 模板分析结果）编译每页 prompt；调用 gpt-image-2 Images API 逐页出图（支持 reference image 和真实素材槽位后贴）；用 python-pptx 打包成 16:9 PPTX；产物包括每页 PNG、prompts.、metadata. 和 PPTX 文件。模板克隆模式会用 render_template.py 把模板渲染成 PNG，再由多模态 Agent 或外挂 vision 端点生成 template_profile.。还支持 --edit 精确修改某页某元素、--rollback 版本回滚、--editable 生成原生对象可编辑 PPTX。
- 需要快速产出融资路演、产品发布 PPT 的创业者和产品经理，从一句话需求直接得到可展示的成品
- 手里有公司模板但不会做设计的企业用户，上传 .pptx 后让 AI 仿版式换新内容
- 要交毕业答辩或论文结题展示的学生，套用学术类风格或答辩模板
- 用 Claude Code 的开发者想在终端里一句话生成课程课件、周报、读书分享等日常 PPT
- 要求文字可在 PowerPoint 里直接修改的用户，明确启用可编辑模式获得原生文本框和可移动素材
- 需要把产品截图、logo、论文图表等真实素材精确嵌入 PPT 的用户
这个 Skill 有哪些优点和局限？
- 整页视觉稿生成方式保证了单页审美，从封面到内页风格统一，可 10 路并发、约 30 秒出 10 页
- 265 套风格库覆盖科技、商务、学术、教育、时尚等场景，且有在线画廊可预览和复制 Prompt
- 模板克隆支持 1 page : 1 layout 的复用检测，避免观众看到重复版式
- 真实素材默认保真后贴为独立 PPT 图片对象，不靠 AI 重绘，医疗影像、财务表格等高精度素材不变形
- 可追踪可回滚：metadata. 记录 slide_spec 版本，支持精确到元素的编辑
- 依赖注入安全设计明确：不向上递归读取调用者项目的 .env
- 默认产物是整页图片型 PPT，文字和数字无法在 PowerPoint 里直接编辑，除非走可编辑模式
- 可编辑模式和模板克隆都强依赖本机 PowerPoint COM / Keynote / LibreOffice，容器、鸿蒙、Termux 等环境可能无法使用
- API 直连按图计费，gpt-image-2 费用不在 ChatGPT 订阅内，整套 PPT 成本需要自行评估
- 密集表格、财报小字等场景官方自己标注'不建议直接承诺'，需要严格人工核对
- 纯文本 Agent 使用模板克隆时需额外配置外挂 vision 端点，增加配置复杂度
- --backend codex 备用后端每页需 30-60 秒，且靠自然语言转发参数偶发失败
如何安装这个 Skill？
克隆仓库后运行一键安装脚本：git clone [email protected]:JuneYaooo/gpt-image2-ppt-skills.git && cd gpt-image2-ppt-skills && bash install_as_skill.sh --target claude（Claude Code 装到 ~/.claude/skills/）或 --target codex（装到 ~/.codex/skills/）。也可以直接把仓库地址发给 Claude Code 等 Agent，让它自行安装。API 直连需配置 OPENAI_BASE_URL、OPENAI_API_KEY、GPT_IMAGE_MODEL_NAME=gpt-image-2 等环境变量；模板克隆和可编辑模式需本机有 PowerPoint COM、Keynote 或 LibreOffice 渲染后端。
如何使用这个 Skill？
安装后在 Agent 里直接用自然语言触发，例如：'帮我做一份关于 AI 如何改变内容创作的 6 页 PPT，先生成一页封面给我确认' 或 '我上传了 company-template.pptx，参考它的版式做一份 8 页产品战略 PPT'。Agent 会先写 slides_plan.md 供确认，转 后先 --slides 1 出封面冒烟，确认后再跑全量并输出到 outputs/<timestamp>/ 目录。修改时说'改第 3 页的副标题'，脚本用 --edit 只重生成目标页。
这个 Skill 与同类方案有什么区别？
README 明确说明项目上游参考 op7418/NanoBanana-PPT-Skills：最初是把图片后端从 Nano Banana Pro 换成 OpenAI gpt-image-2，重写并新增风格，再扩展出模板克隆、PPTX 打包和结构化风格库。如果你更偏好 Nano Banana 出图路径，可看上游原项目；本项目的差异化在于 gpt-image-2 出图、模板克隆和可编辑 PPTX 重建。