Claude PPTX Skill实战测评：基于Boris实践生成AI PPT的可行性与优化

AI编写代码已渐成常态，但让AI制作一份得体的PPT，对许多人来说仍是痛点。随着Anthropic发布Agent Skills功能，其官方的PPTX Skill示例宣称能让Claude具备生成专业演示文稿的能力。这究竟是终结PPT噩梦的利器，还是另一个“看上去很美”的试验品？本文将从代码层面拆解这个Skill，带你经历一次从“翻车”到“魔改”的完整探索，并横向对比市面上其他AI工具的表现。

深度拆解：PPTX Skill 的核心工作机制

在人机协作中，Prompt的质量直接决定了AI产出的上限。Agent Skills的本质，正是可复用的、系统化的Prompt工程。要真正用好PPTX Skill，我们有必要深入理解其内部逻辑。

PPTX Skill是Anthropic为展示Agent Skills能力而发布的官方示例。其 SKILL.md 文件定义了三种核心能力：无模板创建演示文稿、基于模板创建演示文稿，以及编辑现有演示文稿。

本文聚焦于“无模板创建”这一最具挑战性的场景。其预设的工作流包含四个关键步骤：

1. 根据用户提供的内容，设计演示文稿的结构与视觉方案。
2. 为每一张幻灯片生成对应的、符合规范的HTML文件。
3. 使用转换脚本，将所有的HTML文件合并转换成一个完整的PPTX演示文稿。
4. 将生成的演示文稿转换为缩略图，通过视觉验证每张幻灯片的布局与设计。

随着大模型能力的进化，生成美观的HTML已非难事。PPTX Skill在 SKILL.md 中为AI提供了详尽的设计指导，包括如何根据内容匹配主题与配色方案，为图表、背景等元素设定具体规则，并优先推荐使用双栏或全幻灯片布局。

我将Skill中提供的18个配色方案转换成了可视化的卡片，你可以在生成演示文稿时直接指定使用某套配色。

然而，将HTML精准还原为PPTX格式，目前尚无通用的完美方案。为确保样式转换的准确性，PPTX Skill在 html2pptx.md 中预设了极为严格的约束条件，例如：

• 文本约束：所有文本必须包裹在特定的 <p>, <h1> 等标签内；禁止使用手动输入的项目符号，必须使用 <ul> 或 <ol> 列表。
• 样式约束：背景、边框、阴影等样式仅允许应用于DIV元素，不能直接用于文本；禁止使用CSS渐变。
• 布局验证：内容绝对不能溢出body边界，底部必须预留足够边距。

Skill要求AI严格遵循这些约束来生成HTML，随后调用 html2pptx.js 脚本进行转换。该脚本内置了严格的校验逻辑，一旦失败便会返回明确的错误信息，从而驱动AI进行自我修正。最后，Skill还要求AI使用 thumbnail.py 脚本生成演示文稿的缩略图，通过视觉方式进行二次验证，这为整个工作流提供了重要的自我纠错能力。

简而言之，PPTX Skill融合了精心设计的提示词、严谨的工程化转换流程以及视觉验证机制。相比其他工具“抽奖”式的生成质量，它更像是一项系统工程。但实际测试结果，却与预期相去甚远。

实战踩坑与“魔改”优化

为了贴近真实工作场景，我选择将一篇关于Claude Code最佳实践的博客文章——《Claude Code 之父 Boris 的 9 条实战技巧》 作为生成PPT的原始材料。

前期准备与环境搭建

SKILL.md 文档末尾列出了所需的依赖，并标注“应该已经安装”。但这显然是从专业开发者视角出发的假设，普通用户的环境通常不具备这些条件。此外，运行过程会产生大量HTML、图片等中间文件，因此建立一个独立的项目目录至关重要。

对于macOS用户，可参考以下步骤搭建环境：

# 1. 创建项目目录
mkdir pptx-project && cd pptx-project

# 2. 初始化 npm
npm init -y

# 3. 安装核心依赖
npm install pptxgenjs playwright react-icons react react-dom sharp

# 4. 安装 Playwright 浏览器
npx playwright install

# 5. 通过 Homebrew 安装其他工具（原文的apt-get适用于Linux）
brew install --cask libreoffice
brew install poppler

# 6. 安装 markitdown (用于转换)
pip install "markitdown[pptx]"

首次尝试：问题重重

我分别使用了 Claude Code + DeepSeek-V3.2 和 Vscode Github Copilot Chat + Claude Sonnet 4.5 两种组合进行测试。提示词为：“根据 file:Claude Code 之父 Boris 的 9 条实战技巧.md 文档，分析Boris的9条技巧，生成Claude Code最佳实践的演示文稿（PPTX)”。

• DeepSeek-V3.2：耗时近25分钟，结果完全不可用。其行为多处违背规范：未阐述设计方案；在 html2pptx.js 校验失败后，竟擅自跳过脚本，直接调用PptxGenJS API；未正确处理渐变和图标；未生成验证缩略图。
• Claude Sonnet 4.5：耗时20分钟，结果稍好但远不及格。虽然提取了内容，但排版简陋，且因脚本校验失败导致了超过40次的反复迭代！

对比发现，Claude模型至少会阐述方案并尝试生成缩略图，而DeepSeek则完全“放飞自我”。两者共同的核心问题在于：html2pptx.js 脚本校验始终失败，错误提示集中在“内容溢出”和“底部边距不足”。这意味着模型设计的幻灯片高度超出了脚本允许的安全范围，它未能严格遵循 html2pptx.md 中的约束。 为了通过校验，模型在修复过程中大幅简化了HTML，严重牺牲了视觉效果。

此外，thumbnail.py 脚本生成的缩略图清晰度极差，使得基于缩略图的视觉验证形同虚设。

根因分析：Skill 文档的设计缺陷

仔细研读 SKILL.md 后，我发现了几个关键问题：

1. 文档冗长且结构混乱：文档长达484行，接近Anthropic官方最佳实践中建议的500行上限。它没有目录，且将三种场景的工作流混杂在一起，违反了“渐进式披露”和“按需加载”原则。
2. 工作流步骤存在误导：在“无模板生成”场景中，文档要求模型先阅读 html2pptx.md 规范，再进行设计。这导致设计内容的上下文干扰了模型对约束条件的记忆和理解。更合理的流程应是：先设计内容，再阅读规范并立即生成HTML。
3. 设计原则“水土不服”：原文档的设计原则完全针对英文环境，直接套用中文会出现诸多问题，如强制使用英文字体导致中文回退显示异常、强调“全大写标题”对中文无意义、推荐的英文字号对比在中文场景下正文过小等。

针对性优化方案

针对上述缺陷，我进行了如下“魔改”：

1. 精简文档：直接删除 SKILL.md 中“使用模板”和“编辑”两个场景的提示词，大幅缩减上下文长度。
2. 调整结构：将“工作流步骤”部分移至文档开头，“设计原则”之前，让模型能优先遵循正确的执行路径。
3. 修正流程：在工作流中明确增加“第一步：设计演示文稿内容”，确保模型先完成内容构思，再接触 html2pptx.md 的约束。
4. 本地化设计原则：修改字体、字号、标题等规则，使其符合中文排版习惯。
5. 优化缩略图脚本：修改 thumbnail.py，提高输出图片的尺寸和DPI，生成更清晰的缩略图以支持有效验证。

二次挑战：初见成效

除了优化Skill文件，我还基于40多次的失败迭代，总结出一份“HTML2PPTX安全尺寸规范”文档，在对话初期就提供给模型，明确告知其布局限制。

同时，我优化了初始提示词：“分析Boris的9条技巧，使用pptx Skill生成Claude Code最佳实践的演示文稿（PPTX），务必遵循 html2pptx.md 文档中的约束，了解所有验证规则（特别是底部边距要求），然后再开始设计HTML。严格遵守HTML2PPTX安全尺寸规范文档来设计页面布局。”

本轮测试仅耗时3分钟即成功生成PPTX，且过程中未出现任何校验错误！这说明优化策略是有效的。不过，最终成品的视觉质量仍只是“勉强及格”。

我注意到“安全尺寸规范”中预留的60pt底部边距可能过于保守，且模型自选的配色不佳。于是我将边距调整为50pt，并强制指定 Sage & Terracotta 配色方案要求重制。这次的结果在视觉上有所提升，但距离“专业”或“精美”仍有明显差距。

结论是： 通过对原生PPTX Skill进行针对性的文档和脚本优化，可以解决其工作流执行失败的问题，但最终生成的内容质量，距离“开箱即用”还有很长的路要走。将内容设计拆分为独立阶段，或许能进一步优化质量，但这需要更复杂的Prompt工程，本次探索暂不深入。

横向评测：AI PPT 生成工具哪家强？

既然经过一番折腾的PPTX Skill只能交出60分的答卷，我便测试了市面上其他几款主流AI演示文稿工具。

最强王者：Manus

上传文档并输入提示词“分析Boris的9条技巧，生成Claude Code最佳实践的演示文稿（PPTX）。”，Manus 1.6 Lite 模型在4分钟内交出了一份85分的答案。其内容和排版逻辑清晰，更令人惊喜的是，它能自动将Boris的推文截图融入PPT，大大增强了说服力。额外加分！

Manus的主要缺点是成本较高。最便宜的套餐月费17美元提供4000积分，而上述任务消耗了142积分。不过，免费用户每日可获得300积分，足以应对日常轻度使用（需科学上网）。

食之无味：NotebookLM

NotebookLM生成了视觉设计最惊艳的“演示文稿”——它本质上是生成一系列图片。其配图质量很高，与内容契合度好。

但成也图片，败也图片。所有文字都被“画”在图片上，细节处模糊甚至结构错乱，且最终仅输出为PDF格式，完全无法进行任何后期编辑，实用性大打折扣。

勉强及格：Gemini Canvas

在Gemini网页端选择 Canvas 模式，输入提示词“分析Boris的9条技巧，生成Claude Code最佳实践的 PPT 。使用16:9 的比例，浅色背景，所有内容必须使用中文。”即可生成。完成后可导出到Google Slides，再下载为PPTX。

我使用Gemini Pro模型测试，产出质量不稳定，需多次尝试。其内容和排版“勉强可用”，但所有图标、图表均被转换为低清晰度图片，且文字被合并其中，二次调整工作量巨大。

（注：缩略图中的字体样式与原始文件有出入，请忽略此细节）

值得期待：Ima

腾讯的Ima近期上线了与Manus类似的“任务模式”，号称能处理复杂任务并自主交付。实测生成一份PPT需要20-40分钟，最终能交付一份60分水平的演示文稿。考虑到该功能尚处内测阶段，其未来迭代值得关注。目前每日可使用5次，通过邀请码可增加次数。

总结与展望

实际上，优化Skill的过程远非文中描述的“发现-分析-解决”这般线性顺畅。这背后是超过二十次的反复试错，耗费了整整一周业余时间的深度探索。

当前的PPTX Skill驾驭门槛依然不低，使用者不仅需要理解Agent Skills的原理，还需具备一定的代码阅读和调试能力。它更像一个为开发者和高阶技术用户准备的“乐高套件”，距离大众化的“一键生成”还有相当距离。

若要问我现在会选择哪个工具来辅助生成PPT？我的答案是Manus。它在质量、速度和可控性之间取得了较好的平衡。当然，对于热衷于折腾、希望深度定制AI工作流的技术爱好者而言，深入研究并优化Claude的PPTX Skill，无疑是探索AI与知识工作流融合的绝佳实践，你也可以在 云栈社区 的智能与数据板块找到更多关于AIGC应用的前沿讨论。这次深入的实践也再次证明，精良的 Prompt工程 是将大模型潜力转化为实际生产力的关键桥梁。