SlideMuse · 2.9.0

本技能只有一条主流程：内容提炼 → 图片 PPT 生成 → 可编辑 PPTX 还原。 用户负责确认内容与风格，Agent 负责按已确认规格执行；不得把流程改写成“先做原生信息层”的编辑优先路线。

运行环境

• 通过仓库根目录的 install.py 安装时，技能目录会创建独立的 .venv，并在 .skill-python 中记录解释器绝对路径。
• 执行任何 scripts/*.py 前，若 .skill-python 存在，优先使用其中的解释器；否则使用可用的 Python 3.10+。
• 下文命令中的 python 均表示上述技能解释器，不要求用户把依赖安装进全局 Python 环境。
• 任务材料和产物必须放在独立工作目录，不得写入技能安装目录。

平台与生图后端

• 最佳推荐：Codex + GPT Image 2.5。 Codex 暴露模型选择时，风格探索优先使用 GPT Image 2.5 Flare，成品页与精确参考编辑优先使用 GPT Image 2.5 Sunburst。
• Codex 未暴露型号时调用其当前生图能力，不得声称指定了某个 2.5 子型号。
• 其他 Agent 必须调用该 Agent 自身提供或已连接的图像生成/编辑能力，不得假设存在 Codex 专属工具。
• 仓库脚本不负责生图、OCR 或视觉理解，也不自动调用收费 API。

强制流程契约

以下是本技能的默认流程；明确的跳过、代定或代选授权只改变对应环节，不扩大其他阶段的授权：

1. 每次行动前判断状态，只执行状态表允许的动作。
2. 五项需求未齐时只确认缺失项；可检查文件存在性和页数等元数据，不得阅读正文、提炼内容或生图。
3. 内容大纲必须展开成可审阅的逐页内容稿，经内容质量自检后单独展示。自检未通过时留在 S1 修正；通过后未获确认或明确代定授权时进入 S2 等待，不得生成风格总览。对应授权已明确时记录后继续，自检仍不可省略。
4. 风格未锁定时默认生成四张独立的幻灯片浏览视图并等待选择；具体豁免只按“风格门禁”执行，不得自行判断跳过。
5. 新材料必须先完成图片版。用户一开始要求可编辑版表示已授权最后阶段，但不能跳过图片版直接创作原生 PPTX。
6. Step 2 开始前必须创建并验证 page-spec.json。它保存已确认文字、数据、来源、元素意图和稳定 ID；Step 3 不得重新 OCR 或改写其中的已知内容。
7. “帮我做 PPT”“直接做一份”“按技能制作”不构成跳步授权。只按用户明确说出的跳过、代定或代选范围快进。
8. 用户新指令与旧规格冲突时，按变更与恢复规则更新已有规格、回退状态并标记受影响产物；尚未创建的 Page Spec 不提前创建。
9. 当前 Agent 没有生图能力时停在对应状态并说明，不能用占位图冒充结果。

状态机

状态	进入条件	允许动作	阶段出口
S0 需求未齐	五项需求至少一项未明确且无对应代定授权	询问缺失项；检查文件元数据	用户补充或明确授权
S1 内容提炼	五项需求齐全或缺失项已获代定授权	阅读材料、创建逐页内容稿、自检、修正并展示	自检通过且已展示后：无内容授权进入 S2；已有对应授权进入 S3
S2 等待内容确认	逐页内容稿已自检通过并展示	接收确认或修改；受影响内容回 S1 修正和自检	当前内容版本获确认或明确代定
S3 风格方案	当前内容稿自检通过、已展示且获确认或明确代定	按风格门禁生成四套总览或记录合法豁免	总览已展示或风格已合法锁定
S4 等待风格确认	四套总览已展示	接收选择/修改；已授权代选时记录选择	视觉规范锁定
S5 图片版制作	内容和风格均锁定	创建 Page Spec、逐页生成、验收并合并图片版	图片版交付或进入已授权 S6
S6 可编辑重建	用户明确要求可编辑，或要求从已有页面直接还原	分层、编写 Scene、编译、审查和渲染核对	可编辑交付完成
DONE 已交付	已完成用户要求的交付范围	记录交付版本；收到修改时按变更表恢复	本轮交付结束

已有页面图片/扫描 PDF 要求还原时可从 S6 开始；先确认输入范围、原比例和编辑目标，再创建 page-spec.json 记录可见内容。 已有可编辑 PPTX 只做普通修改时不走本技能，应保留原生结构；本技能已有 Scene 的后续修改按变更表恢复 S6。

S0：确认五项需求

一次集中询问尚未明确的项目，已提供的不得重复询问：

1. 源材料：附件、路径、PDF、书籍或粘贴文字。
2. 参考风格：模板/图片/文字描述，或明确“没有参考风格”。
3. 使用场景与受众：课堂、读书分享、组会、周报、项目汇报、路演等。
4. 页数预期：固定页数、范围，或明确授权根据内容推荐。
5. 交付范围：图片版，或图片版完成后继续还原可编辑版。

“没有参考风格”“页数由你推荐”“其余由你决定”是有效授权，必须原样记录。

制作规格

进入 S1 或 S6 后，把 规格模板 复制到任务目录并填写为 deck-spec.md。任务目录与技能安装目录分离。

恢复任务、上下文压缩、用户改需求或阶段转换时，先读取并更新规格。用户修改或恢复到不同版本时读取变更与恢复规则，核对基准图版本和已授权差异。规格记录状态、授权、确认版本、页序、生成状态、质量检查和交付路径。

Step 1A：内容提炼与确认（S1 → S2）

进入后读取 Prompt 1A 和内容深度与自检。论文和长篇报告/政策按需读取材料审阅，核对方法解释、实验口径、来源冲突及目标与观测的区别。

1. 阅读材料，明确受众需要理解或决定的问题、整套回答和页间推进关系；按场景组织，避免只有目录和数据罗列。
2. 把完整页序和逐页内容稿写入 deck-spec.md。内容页写出主要结论、支撑要点、可定位的证据、解释及适用边界；区分页面实际展示的文字/图表与可选讲稿。封面、过渡等页面按其作用处理。
3. 按内容深度参考进行语义自检，记录当前版本、各项判断及问题页。论点无支撑、关键问题未回答、口径错误或内容空洞时先修正；材料不足就缩小结论、调整页序或列出必须补充的信息，不靠增加字数或编造因果过关。
4. 自检通过后，单独展示整套叙事、每页结论与实际展示内容、证据/解释及待确认项，不能只展示标题表或文件链接。缺少对应确认或代定授权时进入 S2 并停止；已有授权时记录原文、范围与当前版本后进入 S3。结合上下文判断授权，不要求固定口令，也不把单独的“继续”扩大成全阶段代定。
5. 用户要求修改时只更新受影响页面，重做相关自检并再次展示；明确指定的修改是对该变更的授权，已明确的授权不重复询问。未决定的内容仍按门禁等待。自检通过不代表用户已确认，用户授权也不替代自检。

Step 1B：风格方案与确认（S3 → S4）

进入后读取 Prompt 1B 和缩略图总览验收，按以下确定规则执行：

用户指令	动作
无参考或只有宽泛风格方向	必须生成四套总览并等待选择
提供参考但未明确“一比一沿用/严格照此制作”	基于参考生成四套不越界的演绎并等待选择
明确要求严格沿用指定模板/母版/页面风格	记录 locked-reference，不生成四套；把参考转成文字视觉规范
明确说“跳过四套预览”	记录 skipped 和授权原文；使用已给风格或请求其授权代定
明确说“你代选”	仍生成四套，Agent 选择并记录理由与 delegated

四套总览必须使用同一组代表页和相同内容，只改变视觉系统：总页数不超过 8 页时展示全部，超过 8 页时选 6–8 个覆盖主要页面类型的代表页。缩略页沿用任务指定比例，网格按数量适配，不补造页面。分别保存并展示方案 1–4；不得把四套拼成一张四宫格或用纯文字替代。总页数为 1 时，每套自然只有一页。

总览默认采用横向 16:9 画布，缩略页等大、完整、留有间距，页码在缩略页下方；3 页采用 2×2 网格并留空一格，不做纵向整页长图。重试沿用原方案编号并明确说明替换哪一版，交付只列每套最新验收版，历史稿不作为新增方案。

每套直接用一次生图生成含全部代表页的缩略图总览，正常四套共四次调用。风格选定前不逐页生成高清成品，再拼成总览。仅尺寸、排列、边距或外部页码有问题时，使用 build_style_overview.py 对已有图片本地缩放排版；需要拆分长图时先视觉确认每页裁切框，不为排版再次调用生图。内容或视觉本身有错才考虑针对性生图修复，并记录额外调用。

实际生成四套时，把当前候选写入 style-options.json，逐张核对缩略页网格与内容，并执行以下检查。结构与视觉检查均通过后，才进入 S4 宣布当前四套方案已齐；不将修正中间稿计为新方案。合法豁免四套预览的任务不要求创建此清单。

python "<skill-dir>/scripts/validate_style_options.py" "<work>/style-options.json"

Step 2：生成图片版 PPT（S5）

进入后读取 Prompt 2、Page Spec 和 模型说明。含定量图表时读取图表可靠性。

1. 把确认后内容稿中所有页面展示内容与锁定视觉规范写入 page-spec.json，保留支撑结论的解释和必要边界，不能缩回“标题 + 大数字”；可选讲稿留在 deck-spec.md。新任务把配色、字体字号、网格间距和图片处理写入 style.tokens，保留可读的 visual_spec；若有已选参考图，写入 reference_images。每页为所有已知文字、数据、视觉主体和图表分配稳定 ID；位置可先写 bbox_hint。
2. 生成第一张图片前必须运行：

python "<skill-dir>/scripts/validate_page_spec.py" "<work>/page-spec.json" --strict

内容稿已有可选讲稿时，按讲稿保留同步到 slides[].speaker_notes，不加入生图可见文案；图片版构建器会保存已声明讲稿。

3. 按 01-title.png、02-title.png 的零填充序号逐页生成。每次提示包含锁定视觉规范、Page Spec 中的准确内容、页码和总页数。
4. 每页立即检查画幅、文字、数据、裁切、溢出和跨页一致性。含关键数字、日期、专名或必现图表标签的页面，可按 Page Spec 内容核对建立绑定当前图片哈希的看图记录，并运行 audit_page_content.py；缺失项修复后才能批准该页。脚本只比对观察记录，不负责 OCR；图表数据及未识别的小字仍需视觉核对。通过后更新最终图片路径、状态、提示词和必要的 bbox_hint。失败只重做对应页。
5. 同一页文字连续两次不准确时停止重试：按 Prompt 2A 生成保留全部主视觉的无字页面，再用 scripts/overlay_text.py 叠加准确文字并栅格化；叠字前后核对主视觉未丢失。Step 2 不提前移除 Step 3 才需拆分的主体。 图表数字与几何分别检查，并检查未声明的数据视觉。同一几何问题连续两次检查失败时停止生图重试，按图表可靠性参考准备精确区域修复；程序改图须遵守当前宿主工具的授权要求，既有授权覆盖时不重复询问。
6. 全部页面通过后运行交付验证和合并：

python "<skill-dir>/scripts/validate_page_spec.py" "<work>/page-spec.json" --require-images --strict
python "<skill-dir>/scripts/build_image_ppt.py" "<work>/page-spec.json" "<work>/output/image-deck.pptx"

7. 导出按 Page Spec 的批准图片清单、页序和画幅进行；旧稿留在目录中不会加入成品。使用 render_deck.py 渲染并查看 review.png、render-report.json，核对页数、页序、画幅、文字和裁切。无可用渲染器时记录限制，不得声称视觉验收通过。未授权 S6 时记录 DONE 并交付；已授权时更新规格后进入 S6。

python "<skill-dir>/scripts/render_deck.py" "<work>/output/image-deck.pptx" "<work>/output/image-review" --page-spec "<work>/page-spec.json"

Step 3：还原可编辑 PPTX（S6）

进入后读取 Prompt 3、重建与分层 和 Scene 协议。

1. 以 page-spec.json 为语义事实源、验收后的页面图片为视觉事实源。直接还原任务先从可见页面建立 Page Spec；用户要求保留原内容即视为对转录目标的授权，不代表低置信度文字已确认。
2. Page Spec 已记录的文字、数据、来源和 ID 直接复用，不重新 OCR、改写或更换。按变更记录识别重建后的已授权修改；只有未记录或超出授权的图文冲突才请求确认。
3. 每次处理 1–3 页，补齐精确坐标、层级、素材和置信度。文字、简单几何、表格和可靠数据图使用原生对象；复杂视觉拆成独立图片对象。
4. 从背景移除所有原生化文字和已拆主体并补全背景。原始整页图片只作核对证据，不能作为可编辑版底图。
5. 按 JSON Schema 编写 scene.json，然后编译和审查：

python "<skill-dir>/scripts/build_editable_ppt.py" "<work>/scene.json" "<work>/output/editable.pptx" --page-spec "<work>/page-spec.json"
python "<skill-dir>/scripts/audit_editability.py" "<work>/output/editable.pptx" --scene "<work>/scene.json" --output "<work>/output/editability.json"

6. 使用 render_deck.py 实际渲染并与 Page Spec 中已验收的基准图逐页核对，再抽查移动主体、修改文字和编辑图表数据。review.png 的第三列是像素差异，仅供定位，不能单凭差异数值判定合格。问题只修对应 Scene 元素或素材；同一问题连续两次无效时记录限制。

python "<skill-dir>/scripts/render_deck.py" "<work>/output/editable.pptx" "<work>/output/editable-review" --page-spec "<work>/page-spec.json"

质量回归或版本发布时读取交付评测，为整套页面建立内容观察和逐页视觉复核记录，再运行 evaluate_delivery.py 生成与当前 PPTX、Page Spec、渲染图和记录哈希绑定的评分卡；可编辑版同时传入 Scene。评分卡为 pass 才可声称该版本通过完整评测，incomplete 不能视为通过。普通交付仍按上述逐页验收，不强制生成评测记录。

交付契约

• 图片版：image-deck.pptx、有序页面图片、page-spec.json、实际预览/检查说明。
• 可编辑版：在图片版基础上增加 editable.pptx、scene.json、引用的 assets/、editability.json 和渲染预览。
• 说明字体替代、低置信度识别、AI 补全、独立栅格对象和待人工处理项。
• 不能把整页截图加少量文本框、整页 SVG 或未拆分背景称作“每个元素可编辑”。
• 默认不反复展示检查图、初稿和修复稿；工具已显示的图片不再重复嵌入。风格选择只列每套最新验收版，最终只列批准版本及一个清晰预览。用户需要比较或某页需决策时，明确页码/版本后展示相关图；检查与历史证据仍保存到任务目录。
• 无渲染器时写明“仅完成结构验证”，不能声称视觉验收通过。

资源路由

• prompts.md：进入对应 Step 后只读该阶段提示词。
• content-outline.md：S1/S2 创建、审阅和修改逐页内容稿时读取；提供深度判断、反例和内容自检，不以字数或字段齐全替代语义审阅。
• material-reading.md：S1 阅读论文或长篇报告/政策时按需读取，审阅机制解释、实验口径、实施关系与来源冲突。
• speaker-notes.md：有可选讲稿的 S5/S6 或仅修改讲稿时读取；保留演讲备注、核对实际 PPTX，按需导出独立讲稿。
• style-options.md：仅 S3 生成、修正和验收四套缩略图总览时读取。
• page-spec.md：仅 S5/S6 创建或更新 Page Spec 时读取。
• workflow-updates.md：仅用户改需求、交付后修改或跨版本恢复时读取。
• models.md：S3/S5 生图，以及 S6 需要背景清理/主体分离时读取。
• reconstruction.md 与 scene-format.md：仅 S6 读取。
• evaluation.md：仅质量回归、版本发布或需要可复跑评分卡时读取。
• chart-reliability.md：S5 定量图表检查、有限修复或完整评测时读取；包括几何观察与精确水平条形区域兜底。
• validate_page_spec.py：验证内容确认、页序、稳定 ID、画布边界和图片交付状态。
• overlay_text.py：仅作为 Step 2 图片页的准确文字兜底。
• build_image_ppt.py：仅用于 Step 2 图片版合并。
• render_deck.py：渲染 PPTX 全部页面，生成逐页 PNG、总览和可选基准图对照；自动选择可用的 PowerPoint 或 LibreOffice/Poppler 后端。
• audit_page_content.py：比对看图或 OCR 的逐页文字观察记录与 Page Spec，并拒绝复用图片哈希已变化的旧记录。
• plan_deck_update.py：修改前保存已批准页面和参考图哈希，修改后规划需重做、复查或可复用的页面；不自动更改批准状态。
• evaluate_delivery.py：汇总内容、视觉和可编辑性证据，拒绝旧版渲染或复核记录，产出交付评分卡。