gpt-image2-ppt-skills

用 OpenAI gpt-image-2 一键生成高审美、高完成度的 PPT。

Claude Code / Codex / OpenClaw / Hermes 等支持 Skills 的 agent 均可原生使用。装进 agent 后，用一句自然语言生成 16:9 高清图片 + 打包好的 .pptx，也可以仿任意 .pptx 模板出全新内容。

它不走传统“模板填字”的路线，而是充分发挥 gpt-image-2 的审美、构图和排版能力，把每一页都当成完整视觉稿生成，力求让输出从封面到内页都足够精美、统一、可直接展示。

同时，项目对图片型 PPT 的后续编辑做了专门优化：默认模式仍以整页视觉稿保证 gpt-image-2 的构图与审美；如果用户明确要求文字、图形和素材可单独编辑，可以启用默认关闭的可编辑模式，把完整视觉稿重建为 PowerPoint 原生文本、基础图形、连接线和独立图片层。

🌐 English → docs/README.en.md

🎬 效果演示：喂一张模板，仿出一套新内容

🧩 可编辑模式示例（默认关闭）

可编辑模式不会限制 gpt-image-2 的初始设计：模型仍先生成包含完整文字与主视觉的成品页，再把已知文字、基础图形和复杂素材重建成 PowerPoint 对象。

这个示例的 PPTX 实测包含 13 个可选对象：5 个原生文本、6 个原生 shape、1 个 clean plate，以及 1 个可移动、可缩放的毛绒角色与粽子冰淇淋独立图片层。文字和基础图形可以直接在 PowerPoint 中修改，复杂主视觉仍保留 gpt-image-2 的完整质感。

• 下载 Case 05 可编辑 PPTX
• 查看完整 Case 05：原图、拆层素材、边缘检查和质量报告

需要可编辑交付时，可以直接这样说：

帮我生成一份可编辑模式的 PPT。文字和基础图形要能在 PowerPoint 里直接修改，复杂主视觉要能单独移动，同时尽量保留 gpt-image-2 的完整设计感。

只有明确提出“可编辑模式”“文字可以改”“元素可以拆开”或类似要求时，Skill 才会执行对象级重建。如果不特别说明，默认仍走视觉效果优先的整页图片模式。

⚠️ 可编辑模式需要本机具备 PPTX 回渲染能力。 与模板克隆模式相同，运行前必须有可执行的 Windows PowerPoint、macOS Keynote 或 LibreOffice。用户无需执行检查命令，只要像上面那样用自然语言说明需要可编辑交付；Skill 会自动检查环境，生成后把 -editable.pptx 回渲染到 editable_renders/page-XX.png，再由多模态 AI 逐页看图验收。没有可用渲染后端时，不会把未经回渲染检查的可编辑文件标记为成功。

可编辑重建采用效果优先、生成轮次受控的策略：允许多轮本地预检和回渲染；优先用字体、坐标、裁切等确定性修复，其次进行原像素提取与遮挡补全，只对失败的复杂图层进行 AI 重绘，只有整体构图失败时才重新生成整页。这样不会为了追求单轮而牺牲效果，也不会因为局部问题反复重做整页。

🚀 快速开始

1. 让 AI 安装 Skill

把下面这段话发给 Claude Code、Codex、OpenClaw、Cursor、Trae、Hermes Agent，或其他支持 Skills 的 AI 助手：

帮我安装 gpt-image2-ppt-skills： https://raw.githubusercontent.com/JuneYaooo/gpt-image2-ppt-skills/main/docs/install.md

AI 会根据当前环境完成安装并提示你重启。

2. 安装后直接说需求

普通生成

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，整体风格要有高级科技感。

仿模板

我上传了 company-template.pptx，请参考它的版式、配色和视觉语言，做一份关于「年度产品战略」的 8 页 PPT。

可编辑交付

帮我生成一份可编辑模式的 PPT。文字和基础图形要能直接修改，复杂主视觉要能单独移动，同时尽量保留 gpt-image-2 的完整设计感。

AI 会整理内容、先做单页视觉确认、再生成完整 PPT，并把图片、PPTX 和输出目录交给你。

✨ 能做什么

• 🎨 十套精选风格 + 扩展风格库 — 内置 Spatial Glass / Tech Blue / Editorial Mono / Dark Aurora / Riso / Wabi / Swiss Grid / Hand Sketch / Y2K Chrome / Vector Illustration，并持续补充优质风格
• 🧭 Prompt Recipes 示例库 — examples/ 提供产品发布、融资路演、周报、课程课件、论文答辩、读书分享等常见场景的 slides_plan.md 起步模板
• 🪄 模板克隆模式 — 丢一个 .pptx 进去，AI 会参考原模板的版式、配色和插画语汇，像上面那张图一样换成新内容
• 🎯 自然语言精准编辑 — 直接说“改第 3 页副标题”“删掉页脚”“把三个数据换成新数字”，AI 会通过图生图只重生成目标页，尽量保持原风格和版式不变
• 🎮 双产出 — 每页 PNG 高清原图 + 16:9 .pptx 直接用
• ⚡ 默认 10 路并发出图 — 10 页 ~30 秒出完
• 🧪 先看一页再跑全量 — 默认建议先出封面给你确认，满意后再生成整套
• 🧾 可追踪、可回滚 — 修改过哪些页、生成过哪些版本都能追踪，方便继续改
• 🖼️ 真实素材双模式 — 用户给的真实图默认保真嵌入；用户明确允许时，也可以作为参考图融合重绘
• 🧩 可编辑模式（默认关闭） — 用户明确要求时，把文字、基础图形、连接线和复杂主视觉拆成可单独编辑的 PowerPoint 对象

✅ 适合哪些用户场景

🎨 十种内置风格

下图为 10 套风格在同一主题「如何用 gpt-image-2 做 PPT」下各生成一张封面的对照。全部由 gpt-image-2 直出，未经 PS。

🧬 扩展风格库

已从公开渠道 500+ 个 PPT 模板中筛选补充 22 个优质风格。后续还会持续补充，也欢迎大家提供好看的 PPT 模板或风格参考。

更多风格展示、风格 ID、特色和适用场景见：docs/distilled-styles.md。

🧪 修改能力测评

如果你关心“到底能不能稳定改 PPT”，先看这份面向用户的图文测评：

• docs/edit_guide.md — 标题替换、日期修改、删除页脚、数据更新、新增 logo、复杂多页只改一页，以及当前不足和交付前检查清单

核心结论：

🛠 手动安装与高级配置

普通用户优先使用上面的自然语言安装方式。需要自己管理仓库和环境时，可以手动安装：

git clone [email protected]:JuneYaooo/gpt-image2-ppt-skills.git
cd gpt-image2-ppt-skills
bash install_as_skill.sh --target claude   # Claude Code
# 或
bash install_as_skill.sh --target codex    # Codex

脚本会把 skill 装到对应 agent 的目录：

• Claude Code: ~/.claude/skills/gpt-image2-ppt-skills/
• Codex: ~/.codex/skills/gpt-image2-ppt-skills/

如果你走 API 直连模式，需要给 agent 注入环境变量。推荐使用当前 agent 框架的标准配置，而不是把密钥写进业务项目根目录 .env：

• Claude Code：用户级 ~/.claude/settings.json，或项目级 .claude/settings.local.json
• OpenClaw / 自定义 Agent：用 apiKey / env reference 引用系统环境变量
• CI / 服务器：用系统环境变量、Docker Compose、Kubernetes Secret 或 CI Secret
• standalone CLI：可设置 GPT_IMAGE2_PPT_ENV=/path/to/private.env，或使用 skill 安装目录下的 .env fallback

# 变量名如下：
OPENAI_BASE_URL=https://api.openai.com    # 或任意 OpenAI 兼容中转
OPENAI_API_KEY=sk-...                     # 必需
GPT_IMAGE_MODEL_NAME=gpt-image-2
GPT_IMAGE_QUALITY=high                    # low / medium / high / auto

在 Codex 里如果当前 agent 自带原生图片生成能力，可以直接走 SKILL.md 里的原生路径，不必配置 OPENAI_API_KEY。

🔒 不会误吃密钥：脚本只读取当前进程环境、平台注入变量、显式 GPT_IMAGE2_PPT_ENV 和 skill 安装目录 .env fallback，不会向上递归读调用者项目目录的 .env。

🪄 模板克隆模式和可编辑模式都需要本机可执行的 PPTX 渲染后端（Windows PowerPoint / macOS Keynote / LibreOffice）。模板克隆需要先把模板转成图片供 AI 看版式；可编辑模式需要把交付文件重新转成图片供 AI 验收。Skill 会先自动检查本机渲染能力；如果当前环境不支持，AI 会提示安装可用后端。模板克隆还可以改用手动导出的模板页面图片。

模板克隆模式下，skill 需要先"看懂"你的 .pptx 模板的视觉风格。如果你的 AI 助手本身就是多模态的（Claude Code 走 Claude Opus/Sonnet，Codex 走 GPT 多模态等），agent 会直接自己看图抽取风格，生成带 reference_image 的 template_profile.json 后通过 --template-profile 传给 CLI，不需要额外配置。

只有当你用的 agent 是纯文本模型时（例如只接入 DeepSeek 文本模型），才需要配下面这组环境变量，走一个独立的多模态模型来分析模板：

# 可选：模板克隆的 vision 分析（仅纯文本 agent 需要，多模态 agent 不用配）
VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1
VISION_API_KEY=sk-...
VISION_MODEL_NAME=gemini-3.1-pro-preview   # 或 gpt-4o / claude-3.5-sonnet 等任意多模态 SKU

支持任意兼容 OpenAI /v1/chat/completions 格式的多模态模型（Gemini / GPT-4o / Claude 等），与图片生成的 gpt-image-2 完全解耦——换 vision provider 不影响出图。

📚 技术文档

• SKILL.md — Skill 的权威工作流、行为规则和高级调用说明
• 安装说明 — 不同 Agent 的安装方式
• PPT 实现逻辑 — 图片生成、真实素材和 PPTX 打包流程
• 真实素材覆盖逻辑 — 外部图片的槽位规划与后贴链路
• 编辑能力测评 — 可稳定修改的内容、限制和验收建议
• 风格库 — 内置及扩展风格预览

🆕 更新记录

• 2026-07-13 · 可编辑回渲染与轮次策略：--editable 现在像模板克隆一样强制检查 PowerPoint / Keynote / LibreOffice，完成后自动输出 editable_renders/page-XX.png 供多模态验收；工作流改为效果优先、低成本检查可多轮、生成修复逐级升级并优先局部处理。
• 2026-07-11 · 可编辑模式：用户明确要求可编辑交付时，完整视觉稿生成后可重建为原生文本、shape、connector 和独立图片层；重叠素材按 A1 原像素提取 → A2 遮挡补全 → B AI 分离/重生成路由处理。默认模式不受影响。
• 2026-05-31 · 真实素材双模式：产品截图、logo、图表、表格、医学影像、证据截图等真实素材默认保真嵌入为独立图片对象；用户明确允许时，也可以作为参考图融合重绘。
• 2026-05-26 · 扩展风格库：从公开渠道 500+ 个 PPT 模板中筛选补充 22 个优质风格，覆盖商务、学术、教育、餐饮、时尚、医疗、环保等场景。

🙏 致谢

• op7418/NanoBanana-PPT-Skills — 风格 prompts 与早期 skill 结构参考。本项目把图片后端从 Nano Banana Pro 换成了 OpenAI gpt-image-2，重写了继承自上游的 3 套风格并新增 7 套（共 10 套），另加入模板克隆模式（vision 抽风格仿任意 .pptx）、md-first 编排流程、.pptx 自动打包、codex CLI 备用后端等新功能。
• lewislulu/html-ppt-skill — Claude Code skill SKILL.md frontmatter 写法参考。

💬 Community

LINUX DO — 中文开发者社区

微信交流群

欢迎大家有问题一起交流讨论。

⭐ Star History

License

Apache License 2.0，详见 LICENSE。