别再熬夜做 PPT 了！输入一个主题，AI 帮你把整套幻灯片做好，还能随便改字

1. 一句话：这是要做什么？

你有没有过这种经历：老板丢来一个主题，让你今晚出一套 PPT。你打开 PowerPoint，从空白页开始，一页一页排版、调字号、找配图……两小时过去了，才做了 5 页。

我们想做一个新东西，让这件事变得像「点外卖」一样简单：

你只要输入一个主题、或者丢进来一份文档，AI 就帮你把整套幻灯片生成好。生成之后，你可以在网页里像用 PowerPoint 一样自由编辑，改字、挪框、换图都行。最后，一键导出成能继续编辑的 .pptx 文件，或者发给别人看的 .pdf。

简单说：以前是「PPTX 进 → 视频出」，这次是「内容进 → PPTX 出」。我们不做配音、不做数字人讲解，就专注做好两件事：让你编辑得爽，导出得准。

2. 为什么我们自己造轮子，不直接用现成的？

你可能想问：网上不是有很多开源工具吗？直接拿来用不就行了？

我们认真调研了一圈，结论是：能用的零件我们都有，缺的那一环，外面要么是坑、要么是锁。

2.1 三条路，各有各的坑

市面上做「AI 生成 PPT」的，基本就三条技术路线：

路线 C 最迷惑人——它生成的图确实漂亮，但「可编辑」是事后硬拆出来的，就像把一张照片里的字「抠」出来，看着能选，其实一改就露馅。这种方案适合「只要好看、能改几个字」的场景，当不了正经产品的地基。

2.2 两个必须避开的「坑」

调研时我们还发现两个大坑，差点踩进去：

坑一：大厂官方的 PPT 生成工具，居然不是开源的。
有个知名 AI 公司官方出的 PPT 生成代码，看着很香，但它的授权协议明确写了：不能商用、不能复制、不能改、不能分发。我们做的是正经商业产品，碰都不能碰。

坑二：一个很火的 9000 星开源项目，核心功能是「锁起来」的。
它表面上是开源的，但真正负责「把网页转成 PPT」的核心代码，是编译好的、看不到源码的二进制文件。也就是说，最关键的「可编辑」那一环，恰恰是人家藏起来不给你看的。

结论： 我们自己手里已经有 80% 的零件（导出工具、渲染引擎、账号体系都有了），唯一缺的那一环，外面要么是坑、要么是锁。所以，自己造。

3. 我们是怎么设计的？几个关键决定

这一节是这篇文章的「干货」，但我会尽量用人话讲。这几个决定，直接决定了这个产品好不好用、能不能做好。

3.1 关键决定一：AI 只负责「想」，不负责「画」

很多人以为 AI 生成 PPT 是 AI 直接在一张白纸上画格子、写字。如果真这么做，出来的东西一定是灾难：字叠在一起、跑出页面、字号忽大忽小。

我们的做法是分工明确：

• AI 只做两件事：① 想出这一页写什么内容（标题、要点、数据）；② 决定这一页用什么版式（比如「大标题 + 三张卡片」还是「左边图、右边文字」）。
• 一个「排版引擎」负责把版式变成精确的坐标，像搭积木一样，把 AI 想好的内容稳稳地放到页面上。

这样，AI 负责「聪明」，排版引擎负责「靠谱」。而且，排版引擎只在生成初稿时起作用，生成之后，你想怎么拖、怎么改，完全自由。

3.2 关键决定二：让「一键换风格」成为可能

你有没有想过，为什么很多 PPT 工具换主题色，换完总有几个地方颜色不对？

因为很多工具存的是「这个字是 24 号、这个颜色是 #1a1a1a」这种写死的数值。换风格的时候，它得从数值反推「这个字是标题还是正文」，推不准就换不干净。

我们的做法是：每个元素不存「具体长什么样」，而是存「它是什么角色」。比如「这是标题」「这是正文」「这是卡片标题」。换风格的时候，系统只要把「标题」对应的新样式套上去，就完事了。你手动改过的地方，单独存一份「覆盖记录」，不会被换风格冲掉。

一句话：我们存「语义」，不存「像素」。 这是「一键换风格」能不能做成的分水岭。

3.3 关键决定三：模板不是「一整页」，而是「积木」

传统 PPT 模板是「一整页一整页」的，比如「模板 A 的第 3 页长这样」。这种模板的坏处是：每加一套新风格，所有页面都要重新画一遍，维护成本爆炸，而且用户改不动。

我们的做法是拆积木：

• 风格（比如商务蓝、科技暗色、杂志风）—— 5 到 10 套，用户选。
• 版式组件（比如标题、三卡、对比、时间线）—— 25 到 40 个，排版引擎自动选。

用户看到的「模板」= 风格 × 组件。10 套风格 × 30 个组件，视觉上像几百套模板，但我们的维护量只是 10 + 30。而且用户改起来更灵活。

3.4 关键决定四：字体，我们「锁死」了

这是个很现实的问题：我们的服务器上只有 1 个中文字体，而你的电脑上有 99 个。如果服务器用它的字体生成 PDF，你打开一看，字全变了。

我们的解决方案是：生成端只允许用一套白名单字体（思源黑体，免费、可商用、可嵌入），服务器也装上它。这样：

• 导出的 PDF 是100% 保真的，因为是在服务器渲染的，不依赖你电脑的字体。
• 导出的 PPTX 里，如果你电脑没装思源黑体，会自动用系统默认的黑体（微软雅黑/苹方）替代——都是黑体，观感非常接近，是代价最小的选择。

代价是：你不能在生成端随便换字体。这是主动放弃，我们会写进产品说明。

3.5 关键决定五：质量检查，只查「结构」，不查「像素」

生成完 PPT，我们要检查它好不好看。但这里有个系统性的难题：服务器渲染的字形，和你电脑上渲染的字形，天生就有细微差别。所以，我们不追求「逐像素相同」，只检查「结构性错误」：

唯一 100% 保真的交付格式是 PDF。PPTX 的保真度天花板就是「结构正确 + 字体替换后观感接近」。

3.6 关键决定六：导出不排队

我们的服务器上，可能同时有一个 90 分钟的数字人渲染任务在跑。如果用户这时候点「导出 PPTX」，不能让它排在那个大任务后面等 90 分钟。

所以，我们给「导出」单独开一条快速通道，并发数卡在 1-2 个。反正导出是秒级任务，排队也没感觉，但能防止一群人同时导出把服务器挤爆。

3.7 关键决定七：只做「单向导出」

「在网页里编辑」和「在 PowerPoint 里编辑」是两件事。我们只做从网页导出到 PPTX，不做「你在 PowerPoint 里改完再传回来同步」——那是个无底洞，我们不做。

4. 这个产品到底能做到什么？边界在哪？

4.1 能做到的

生成

• 输入：主题 / 大纲 / 上传文档（doc、pdf、txt）→ 一次出整套
• 版式：由组件库决定，排版引擎按内容量自动选
• 配图：AI 生图 / 图库 / 用户上传
• 风格：一键换配色与字体方案

编辑

• 自由画布：拖拽、缩放、旋转、栅格吸附、参考线
• 图层：文字、图片、形状、图标、线段
• 页：新增 / 删除 / 复制 / 排序
• 文本：字号、颜色、粗斜体、对齐、行距、项目符号
• 图片：上传、裁剪、圆角、替换
• 图层树：层级、锁定、隐藏、编组
• 撤销重做、对齐分布、备注栏

导出

• .pptx：原生文本框 + 形状 + 图片，能改字、能挪框、能换图
• .pdf、每页 PNG

4.2 打折扣的（能做，但别期待满分）

4.3 做不到的（再努力也绕不过）

A. PPTX 格式的天花板

1. 动画与切换效果 —— 工具库不支持创建
2. SmartArt —— 同上
3. 字体嵌入 —— 授权问题
4. 公式（OMML）

→ 这四项只有一条出路：商业授权组件。要不要为了动画买它，是纯商业决定。

B. 架构上明确不做的

1. 用户上传 PPTX 反解成可编辑图层
2. 与 PowerPoint 双向同步
3. 多人实时协作（技术上能做，但工作量巨大，可后加）

4.4 产品文案的红线

别写「导出的 PPT 可以随意编辑」。 用户一试形状和动画就会觉得被骗。

准确说法：「导出的 PPTX 里，文字都能直接改」。

5. 我们打算怎么把它做出来？

5.1 模块划分

5.2 核心数据模型

设计空间统一 1920×1080。换算干净：导出时 pt = px / 2。

// Deck
{
  "id": "...",
  "title": "...",
  "themeId": "business-blue",
  "designW": 1920, "designH": 1080,
  "slides": [ /* Slide */ ]
}

// Slide
{
  "id": "...",
  "index": 0,
  "layout": "three-cards",          // 版式组件名，用于「换版式」
  "background": { "token": "bg-base" },   // 或 { "image": "oss://..." }
  "notes": "这一页的讲稿",
  "layers": [ /* Layer */ ]
}

// Layer —— 注意这里只有 token 引用，没有绝对样式
{
  "id": "...",
  "kind": "text" | "image" | "shape",
  "role": "title" | "body" | "caption" | "card-title",
  "box": { "x": 120, "y": 80, "w": 800, "h": 120 },
  "rotation": 0,
  "z": 3,
  "locked": false,
  "visible": true,

  "style": {                         // 全部是 token / 刻度引用
    "colorToken": "fg-primary",
    "fontToken": "font-display",
    "sizeStep": 3,                   // 字号刻度，不是 px
    "weight": "bold",
    "align": "left",
    "lineHeight": 1.4
  },
  "overrides": { },                  // 用户手改，覆盖 token

  "text": "...",                     // kind = text
  "src": "oss://...",                // kind = image
  "shape": "rounded-rect"            // kind = shape
}

主题 token 表（每套风格一份）：

{
  "id": "business-blue",
  "colors": {
    "bg-base": "#ffffff", "bg-accent": "#f1f5f9",
    "fg-primary": "#0f172a", "fg-secondary": "#64748b",
    "brand": "#2563eb", "brand-fg": "#ffffff"
  },
  "fonts": { "font-display": "Source Han Sans", "font-body": "Source Han Sans" },
  "scale":  { "size-steps": [14, 18, 24, 32, 44, 60], "space-steps": [8,16,24,40,64] },
  "shape":  { "radius": 12, "shadow": "sm" }
}

5.3 落库

沿用现有「整体保存一页」的模式：

ppt_deck   (id, user_id, title, theme_id, status, version, created_at, updated_at)
ppt_slide  (id, deck_id, idx, layout, background, notes, layers jsonb, version)

• layers 存 jsonb，整页保存，不拆表。编辑器自动保存本来就是一页一提交。
• 写 jsonb 必须显式转型 ?::jsonb。
• 用 SimpleJdbcInsert 时必须指定 usingColumns，否则缺列会被绑成 NULL。
• DDL 无迁移框架，需手动 ssh + psql 应用。

5.4 接口

POST   /deck/create            生成整套（异步，返回 taskId）
POST   /deck/get               取整套
POST   /deck/update_slide      保存单页（整页 layers）
POST   /deck/add_slide         新增页
POST   /deck/delete_slide      删除页
POST   /deck/reorder_slides    页排序
POST   /deck/apply_theme       换风格（只换 themeId，前端重渲染）
POST   /deck/relayout_slide    单页换版式（重跑排版引擎）
POST   /deck/export            { deckId, format: pptx | pdf | png }
GET    /deck/themes            风格列表

5.5 导出映射

两个 python-pptx 的坑

1. 中文字体要写三处。 run.font.name 只写 <a:latin>，中文会退回主题默认字体。必须额外写 <a:ea> / <a:cs>（东亚字体是 <a:ea>），且顺序是 latin → ea → cs。

2. 空 <a:effectLst/> 挡不住 LibreOffice 的投影。 python-pptx 的 add_shape / add_connector