中科院推出的开源PPT智能助手，能够一键自动生成PPT内容。

admin管理员组

文章数量:1027451

中科院推出的开源PPT智能助手，能够一键自动生成PPT内容。

很多人在制作PPT时常常感到困扰，尤其是在撰写文案时，费尽心思也难以写出吸引人的内容；即使勉强完成了文字，整体效果看起来仍然单调乏味，排版效果也总是让人觉得不满意。

针对这一痛点，中国科学院软件研究所、中国科学院大学和上海捷心科技的研究团队联合推出了开源项目——PPT Agent。

该工具能够模拟人类的思路，分析优秀的示例幻灯片，捕捉其中的内容结构和排版规律。基于输入的文档，PPT Agent能逐步生成并优化幻灯片内容，同时具备自我调整的能力，确保生成的PPT无论是在内容表达、设计风格还是整体连贯性上，都符合用户的期望，从而大幅节省了制作PPT所需的时间和精力。

开源地址：

PPTAgent的核心技术和创新之处在于采用了一种独特的两阶段幻灯片生成策略，这一方法借鉴了人类制作PPT的自然流程。

传统的PPT生成通常是直接将文本内容转换为幻灯片，容易使得最终的演示文稿在视觉效果和结构衔接上表现平淡。

而PPTAgent则通过模拟人类先选取参考幻灯片，再逐步进行编辑优化的方式，巧妙地提升了演示文稿的整体质量与连贯性。

在第一阶段，PPTAgent对参考的演示文稿进行了深入的分析与处理。首先，它对幻灯片进行了分类，将其划分为结构幻灯片和内容幻灯片两大类。结构幻灯片主要负责整体框架的搭建，比如标题页和目录页；而内容幻灯片则用于展示具体信息，比如项目列表或图表。

借助大模型的强大能力，PPTAgent能够识别幻灯片在整体结构中的作用，并依据文本特征对其进行分组。针对内容幻灯片，系统将其转化为图像形式，再通过层次聚类的方法，将相似的幻灯片聚合到一起。随后，PPTAgent运用多模态大模型对这些图像进行分析，提取每个聚类所代表的布局模式。

这一流程不仅为后续的幻灯片生成提供了明确的参考模板，也保证了演示文稿在结构层面的连贯性和一致性。此外，PPTAgent还建立了一个详尽的内容提取框架，对每个幻灯片元素进行分类与描述，使得内容信息以结构化的形式呈现，进一步理清整体内容的组织。

例如，一张幻灯片可能包含标题、正文、图像等多种元素，每个元素都有详细的描述和具体的数据内容。这样细致的内容模式提取为后续的幻灯片生成奠定了坚实基础，使PPTAgent能够更深入地理解幻灯片的结构和内容组织。

在第二阶段，PPTAgent引入了基于编辑的生成策略。不同于传统从零开始创建幻灯片的方法，PPTAgent先选取适合的参考幻灯片，然后通过逐步编辑来生成新的幻灯片。该方法既能保留参考幻灯片原有的精心设计的布局和风格，又能够通过编辑操作实现内容的更新和优化。为此，PPTAgent设计了一套编辑API，支持对幻灯片元素进行修改、删除和复制。

结合HTML渲染技术，这些API使得大模型能够以更加直观、简洁的方式处理和调整幻灯片内容。相比传统的XML格式，HTML更加简明易懂，操作起来也更为高效，从而提升了生成过程的准确性和速度。

此外，PPTAgent还引入了自我修正机制，以增强生成过程的稳定性。在幻灯片生成期间，所有的编辑命令都会在REPL环境中执行。如果操作无法成功应用于参考幻灯片，系统会返回执行反馈，协助大模型对编辑指令进行调整。

通过这种反复迭代的修正，PPTAgent有效避免了生成错误或不连贯的幻灯片，从而保证最终演示文稿在内容和结构上都具有高质量。

为了验证PPTAgent的表现，研究团队从Zenodo10K数据集中选取了50份演示文稿作为参考，并收集了同一领域的50篇文档作为输入，组成500个生成任务，这些任务涵盖了5个不同领域、10种输入文档及10个参考演示文稿的多种组合情况。

实验结果表明，PPTAgent在内容丰富度、设计美观度和整体连贯性方面均明显优于现有的演示文稿生成技术。与基于规则的DocPres和基于模板的KCTV相比，PPTAgent在内容质量上提升幅度介于12.1%到28.6%，设计效果提升了13.2%到40.9%，而连贯性方面的提升更是达到了25.5%至36.6%。这些数据充分展示了PPTAgent在打造高质量、视觉效果突出且结构合理的演示文稿方面的优势。

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-05-04，如有侵权请联系 cloudcommunity@tencent 删除数据优化开源模型设计

中科院推出的开源PPT智能助手，能够一键自动生成PPT内容。

很多人在制作PPT时常常感到困扰，尤其是在撰写文案时，费尽心思也难以写出吸引人的内容；即使勉强完成了文字，整体效果看起来仍然单调乏味，排版效果也总是让人觉得不满意。

针对这一痛点，中国科学院软件研究所、中国科学院大学和上海捷心科技的研究团队联合推出了开源项目——PPT Agent。

该工具能够模拟人类的思路，分析优秀的示例幻灯片，捕捉其中的内容结构和排版规律。基于输入的文档，PPT Agent能逐步生成并优化幻灯片内容，同时具备自我调整的能力，确保生成的PPT无论是在内容表达、设计风格还是整体连贯性上，都符合用户的期望，从而大幅节省了制作PPT所需的时间和精力。

开源地址：

PPTAgent的核心技术和创新之处在于采用了一种独特的两阶段幻灯片生成策略，这一方法借鉴了人类制作PPT的自然流程。

传统的PPT生成通常是直接将文本内容转换为幻灯片，容易使得最终的演示文稿在视觉效果和结构衔接上表现平淡。

而PPTAgent则通过模拟人类先选取参考幻灯片，再逐步进行编辑优化的方式，巧妙地提升了演示文稿的整体质量与连贯性。

在第一阶段，PPTAgent对参考的演示文稿进行了深入的分析与处理。首先，它对幻灯片进行了分类，将其划分为结构幻灯片和内容幻灯片两大类。结构幻灯片主要负责整体框架的搭建，比如标题页和目录页；而内容幻灯片则用于展示具体信息，比如项目列表或图表。

借助大模型的强大能力，PPTAgent能够识别幻灯片在整体结构中的作用，并依据文本特征对其进行分组。针对内容幻灯片，系统将其转化为图像形式，再通过层次聚类的方法，将相似的幻灯片聚合到一起。随后，PPTAgent运用多模态大模型对这些图像进行分析，提取每个聚类所代表的布局模式。

这一流程不仅为后续的幻灯片生成提供了明确的参考模板，也保证了演示文稿在结构层面的连贯性和一致性。此外，PPTAgent还建立了一个详尽的内容提取框架，对每个幻灯片元素进行分类与描述，使得内容信息以结构化的形式呈现，进一步理清整体内容的组织。

例如，一张幻灯片可能包含标题、正文、图像等多种元素，每个元素都有详细的描述和具体的数据内容。这样细致的内容模式提取为后续的幻灯片生成奠定了坚实基础，使PPTAgent能够更深入地理解幻灯片的结构和内容组织。

在第二阶段，PPTAgent引入了基于编辑的生成策略。不同于传统从零开始创建幻灯片的方法，PPTAgent先选取适合的参考幻灯片，然后通过逐步编辑来生成新的幻灯片。该方法既能保留参考幻灯片原有的精心设计的布局和风格，又能够通过编辑操作实现内容的更新和优化。为此，PPTAgent设计了一套编辑API，支持对幻灯片元素进行修改、删除和复制。

结合HTML渲染技术，这些API使得大模型能够以更加直观、简洁的方式处理和调整幻灯片内容。相比传统的XML格式，HTML更加简明易懂，操作起来也更为高效，从而提升了生成过程的准确性和速度。

此外，PPTAgent还引入了自我修正机制，以增强生成过程的稳定性。在幻灯片生成期间，所有的编辑命令都会在REPL环境中执行。如果操作无法成功应用于参考幻灯片，系统会返回执行反馈，协助大模型对编辑指令进行调整。

通过这种反复迭代的修正，PPTAgent有效避免了生成错误或不连贯的幻灯片，从而保证最终演示文稿在内容和结构上都具有高质量。

为了验证PPTAgent的表现，研究团队从Zenodo10K数据集中选取了50份演示文稿作为参考，并收集了同一领域的50篇文档作为输入，组成500个生成任务，这些任务涵盖了5个不同领域、10种输入文档及10个参考演示文稿的多种组合情况。

实验结果表明，PPTAgent在内容丰富度、设计美观度和整体连贯性方面均明显优于现有的演示文稿生成技术。与基于规则的DocPres和基于模板的KCTV相比，PPTAgent在内容质量上提升幅度介于12.1%到28.6%，设计效果提升了13.2%到40.9%，而连贯性方面的提升更是达到了25.5%至36.6%。这些数据充分展示了PPTAgent在打造高质量、视觉效果突出且结构合理的演示文稿方面的优势。

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-05-04，如有侵权请联系 cloudcommunity@tencent 删除数据优化开源模型设计

本文标签： 中科院推出的开源PPT智能助手，能够一键自动生成PPT内容