把幻灯片截图重建为可编辑 PowerPoint

关于这个 Skill

Image to Editable PPT 是采用 MIT 许可的 Agent Skill，用于重建已有幻灯片画面。配套 editppt Python 工具会归一化输入、测量文字、依据对象清单构建页面，并组装校验后的 .pptx。文字、简单形状和普通表格可编辑；照片与复杂插画保留为独立图片素材。单页可由主 Agent 本地处理，多页需要页面工作 Agent。

为什么推荐

适合已有幻灯片画面、需要修改文字或布局的场景。复杂插画仍作为独立图片；还原质量、耗时和图片服务成本取决于源页面。

适合用来做什么

• 修改只有截图或生成图片的幻灯片文字与布局。
• 把按顺序提供的多张图片或扫描 PDF 转为多页 PowerPoint。
• 重建图片版 PPTX，并逐页保留原有演讲备注。

重建流程

1. 准备输入

   将图片、PDF 或图片版 PPTX 归一化到独立任务目录，提取已有备注并生成文字位置提示。

2. 重建页面对象

   单页本地认领，多页分派页面工作 Agent；依据测量坐标重建可编辑文字与形状，将复杂视觉元素拆为独立图片。

3. 校验并组装

   对照对象清单校验各页，再按源文件顺序组装最终演示文稿，检查页数、素材、文字覆盖及备注映射。

Skill 执行指令editppt CLI 与安装

实际输出

交付最终 .pptx，并保留包含页面对象清单、预览图、校验报告及任务摘要的目录。可编辑对象由对象清单重建；工作流明确拒绝在整页原图上覆盖可编辑文字作为替代。

上游说明与示例Skill 执行指令

安装与发起转换

安装完整 image-to-editable-ppt 目录后开启新的 Agent 会话。首次运行时，Agent 检查 editppt，并按需配置 OCR 或图片 API。选择具备当前输入所需文件、命令、图片与工作 Agent 能力的宿主。

1. 在 Codex 转换单张图片

   附加图片或提供本地路径。

   $image-to-editable-ppt 把这张幻灯片图片转为可编辑 PowerPoint，保留原文和布局，并报告校验结果。

2. 转换多页文档

   多页输入需使用支持工作 Agent 的宿主。

   $image-to-editable-ppt 把 <path-to-deck.pdf> 转成可编辑 PPTX，保留页面顺序。

上游说明与示例editppt CLI 与安装

可编辑性与质量边界

工作流用于重建已有画面，不负责根据大纲编写新演示文稿。复杂插画、照片与纹理通常保留为可移动图片，内部组件不保证可编辑。支持普通原生表格，但斜线表头、单元格内图片等存在限制。

可能存在轻微偏移或视觉差异。上游作者说明此流程耗时且消耗较多 Token；文字或布局要求精确时应对照源图检查。MIT 适用于 Skill 代码，模型订阅、图片 API 与 OCR 服务各自有使用条款和限制。

上游说明与示例MIT 许可证

使用前需要了解

• 需要 Python 3.10+ 及完整 Skill 目录，包括 CLI、提示词和参考文件。Agent 安装配套 editppt CLI 并检查依赖。
• Agent 需能读写本地文件和执行命令；多页输入还需工作 Agent／子 Agent 分派，单页可本地执行。
• 复杂视觉重建优先使用内置图片生成／编辑工具，再按条件使用 Codex OAuth 或已配置的 OpenAI 兼容图片 API。可用性、订阅额度和 API 费用依服务而定。
• 建议配置百度 AI Studio Token 使用 PaddleOCR-VL，识别文字并测量位置。未配置时，离线检测只测量文字几何信息，不识别内容。

支持的 Agent