hugohe3/ppt-master

PPT Master 是一个以“技能”形式打包的工作流：在支持代理能力的 AI 工具中，让它读取 PDF、DOCX、文本或图片，导出原生可编辑的 .pptx。它适合希望保留 PowerPoint 对象、可以继续手动修改，而不是拿到扁平图片或套用模板成品的人；前提是愿意安装 Python，并使用支持代理的 AI 工具。

工作方式有什么变化

把素材放进项目目录，在聊天里让代理生成演示文稿；内容分析、视觉设计、SVG 生成和 PPTX 导出由代理完成。默认流程会先确认设计规格（模板、画幅、页数）；明确说“快速生成”则跳过这一轮。文档说明快速模式是一次性、不可续跑的，也不会生成 svg_final/ 预览。除从零生成外，还可以从参考资料提炼可复用模板、在保留原设计的前提下用新内容填充已有 .pptx，以及给成品添加切换、动画或旁白——每条路径都说明了会保留什么 Getting Started。

输出为何不同

它不是贴图或填模板，而是写出带原生形状、连接线、图表和表格的 DrawingML；按需可把图表和表格导出为带“编辑数据”的 PowerPoint 原生对象，另存为 _native_charts_tables.pptx；公式编译为 PowerPoint 2010+ 可编辑的 OMML。走模板路线时还能生成真正的幻灯片母版和版式。作者把这种深度视为持续收敛的方向而非完整清单，并明确 SmartArt 是有意省略 Product Positioning。示例据称均为单次生成、未经手工润色，可在线上浏览 Live Demo。

条件与限制

• 安装： 需要 Python 3.10–3.14，执行 pip install -r requirements.txt，以及一个能读写文件、执行命令、进行多轮对话的 AI 工具。作者最推荐 Claude Code；README 也列出 IDE 代理、插件和 CLI 代理等选择。推荐用 Git 更新，但 ZIP 下载也能用；Windows 需额外的 PATH 和执行策略步骤 README。
• 模型能力决定上限： 作者推荐大上下文模型（约 100 万 token）并配合 AI 图像生成，并提示其他模型存在质量差距。不要期待一次就得到完美成品，剩余打磨仍由你完成。
• 成本与数据： 项目采用 MIT 许可且免费，只需承担 AI 模型用量费用。除你选择启用的模型、搜索、图像和语音服务外，整个流程在本地运行。
• 可选组件： 图片搜索无需密钥即可用，但配置 Pexels/Pixabay 密钥能明显改善图库照片质量；许可证要求时会在幻灯片内加署名。Pandoc 只用于旧式文档格式。可选的 PDF 转换器依赖 AGPL-3.0 的 PyMuPDF，若再分发包含它的包需注意许可。

HotRepo 点评

仓库为 MIT 许可，在已记录的榜单样本中星级增长很快，但这些只反映关注度，不代表成稿质量或可靠性。真正要判断的是：这种由代理驱动、基于 Python 的工作流是否适合你的环境，以及你现有的模型接入是否足以达到你需要的质量。