Gpt Image2 Ppt Skills

--- name: gpt-image2-ppt description: Generate visually striking PPT slides via OpenAI's gpt-image-2 -- 10 curated styles (Spatial Glass / Tech Blue / Editorial Mono / Dark Aurora / Risograph / Wabi / Swiss Grid / Hand Sketch / Y2K Chrome / Retro Vector) plus a template-clone mode that mimics any user-supplied .pptx; ships an HTML viewer and a 16:9 .pptx. Use when the user asks to make a presentation, slides, deck, pitch deck, investor PPT, magazine-style PPT, or 做一份 PPT / 生成幻灯片 / 用 gpt-image 生成 PPT / 按这个模板生成 PPT. --- # gpt-image2-ppt -- 用 gpt-image-2 生成 PPT 把一份 markdown 大纲（或 `slides_plan.json`）+ 一种视觉风格，直接喂给 OpenAI 官方 Images API（`gpt-image-2`），逐页出图，最后拼成一个键盘可翻页的 HTML viewer + 16:9 .pptx。 ## 十种内置风格 | 风格 ID | 一句话定位 | 适用场景 | | --- | --- | --- | | `gradient-glass` | Apple Vision OS / Spatial Glass | AI 产品发布、技术分享、创意提案 | | `clean-tech-blue` | Stripe / Linear 级蓝白 | 融资路演、商业计划书、企业战略 | | `vector-illustration` | 复古矢量插画 + 黑描边 | 教育培训、品牌故事、社区分享 | | `editorial-mono` | Kinfolk / Monocle 编辑设计 | 品牌发布、文化访谈、读书分享 | | `dark-aurora` | Linear / Vercel 深色霓虹 | AI 产品、开发者工具、技术分享 | | `risograph` | Riso 双套色印刷 + 网点纹理 | 创意工作室、文创品牌、独立 zine | | `japanese-wabi` | 无印 / 原研哉式侘寂 | 茶道、生活方式、奢侈品、文化讲座 | | `swiss-grid` | Bauhaus / Vignelli 国际主义网格 | 学术报告、博物馆展陈、严肃汇报 | | `hand-sketch` | Sketchnote / 白板手绘 | 工作坊、产品 brainstorming、培训 | | `y2k-chrome` | Y2K 千禧液态金属 + 蝴蝶贴纸 | 潮牌、文娱、品牌联名、Z 世代营销 | > 风格选择原则：技术类首选 `dark-aurora` / `gradient-glass`，商务类首选 `clean-tech-blue` / `editorial-mono`，文化生活类首选 `japanese-wabi` / `vector-illustration`，潮文娱类首选 `risograph` / `y2k-chrome`，学术类首选 `swiss-grid`，工作坊与早期创意类首选 `hand-sketch`。 ## 模板克隆模式 直接给 skill 一个 .pptx 模板，后续所有页都仿这个模板。 ```bash # 一行：自动渲染 + vision 抽风格 + 出图。本机有 LibreOffice 或 docker 镜像即可 python3 scripts/generate_ppt.py \ --plan slides_plan.json \ --template-pptx ./company-template.pptx \ --template-strict ``` `--template-strict` 表示每页都把模板对应页作为 image reference 喂给 gpt-image-2，仿真度最高。 ### 模板渲染：本机不需要操作 PowerPoint skill 自带 `render_template.py`，把 .pptx 自动渲染成每页 PNG，存到 `<cwd>/template_renders/<stem>/page-NN.png`。 后端按优先级自动挑： 1. 本机 `libreoffice` / `soffice` 命令（最快） 2. 本机 docker + `linuxserver/libreoffice` 镜像（首次拉 ~2.5GB） 3. PDF -> PNG 走 `pymupdf`（已在 requirements）；没装就用 `pdf2image` + poppler 如果两种 LibreOffice 都没有，会让用户手动从 PowerPoint/Keynote/WPS 导出每页 PNG，命名 `page-01.png` 起按字典序对应页码。 跑 `generate_ppt.py --template-pptx ...` 时如果省略 `--template-images` 会自动调一次渲染；也可以手动先跑一次： ```bash python3 scripts/render_template.py company-template.pptx # -> <cwd>/template_renders/company_template/page-01.png ... page-NN.png ``` ### 仿模板的两层缓存 | 资料 | 路径 | 用途 | | --- | --- | --- | | 模板每页 PNG | `<cwd>/template_renders/<stem>/page-NN.png` | LibreOffice 一次渲染长期复用 | | Vision 风格分析 | `<cwd>/template_cache/<sha256>.json` | gemini-3.1-pro-preview 一次分析长期复用 | | 生成产物 | `<cwd>/outputs/<timestamp>/` | 每次新跑都新目录 | 三者都在调用者 cwd 下，与项目自然同进退；建议把 `template_renders/`、`template_cache/`、`outputs/` 加进项目的 `.gitignore`。 **vision 模型(让 agent 自己判断要不要配)**： - **如果当前运行本 skill 的 agent 自己就是多模态的**（Claude Code 走 Claude Opus/Sonnet 等多模态 SKU、codex 走 GPT 多模态 SKU 等），**压根不用外挂 vision 模型**：直接让 agent 自己 `Read` `template_renders/<stem>/page-*.png`，一次把风格抽出来写进 `template_cache/<sha256>.json` 即可(schema 见 `template_analyzer.py`)。这是默认路径,不需要配 `VISION_*`。 - **只有 agent 本身是纯文本模型**(或你想强制用某个更强的 vision 做模板分析)，才去配 `VISION_*` 让 `template_analyzer.py` 走一个独立的 OpenAI 兼容多模态 chat completions 端点(Gemini / GPT / Claude 任选,不内置 default)。 vision 分析与图片生成的 `gpt-image-2` 永远解耦——换 vision provider 不影响出图路径。 ## 安装 ```bash git clone git@github.com:JuneYaooo/gpt-image2-ppt-skills.git cd gpt-image2-ppt-skills bash install_as_skill.sh --target claude # Claude Code # 或 bash install_as_skill.sh --target codex # Codex # 仅当你走 API 直连模式时，再编辑对应目录下的 .env 填入 API_KEY ``` ## 必需的环境变量 ```bash OPENAI_BASE_URL=https://api.openai.com # 或任意 OpenAI 兼容中转站 OPENAI_API_KEY=sk-... GPT_IMAGE_MODEL_NAME=gpt-image-2 GPT_IMAGE_QUALITY=high # low / medium / high / auto # 可选：模板克隆模式的 vision 分析 backend。 # 默认让调用本 skill 的 agent 自己看图（多模态 Claude Code / 多模态 codex 皆可）, # 只有 agent 本身是纯文本模型时才需要外挂下面这组。 # 不内置默认 endpoint，请填你自己信任的服务,否则就别填。 # VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1 # VISION_API_KEY=sk-... # VISION_MODEL_NAME=gemini-3.1-pro-preview # 或 gpt-4o / claude-3.5-sonnet 等任意多模态 SKU ``` > **安全提示**：脚本只从 `<script_dir>/.env`、`~/.codex/skills/.../.env`、`~/.claude/skills/.../.env`、`~/skills/.../.env` 与显式 `GPT_IMAGE2_PPT_ENV` 加载凭据，**不会**向上递归读取项目目录里的 `.env`，避免误吃无关密钥。 ## 如果你就是 Codex agent（原生 image_generation 出图 — 推荐） **如果你自己就是 Codex**（正在运行本 skill 的 agent 就是 Codex CLI / Codex TUI），你自带 `image_generation` tool 和 ChatGPT 登录态。此时**不要**跑 `generate_ppt.py`，直接用原生工具完成整个 pipeline——零依赖、零 API Key、零套娃。 ### 如何判断 你能访问 `image_generation` tool，并且不需要手动配 `OPENAI_API_KEY` 就能出图——满足这两个条件就走原生路径。 ### 出图流程（Codex 原生路径） **1. 准备 slides 数据** 如果还没有 `slides_plan.json`，先按下面「生成流程」第 2-3 步写 `slides_plan.md` → `python3 scripts/md_to_plan.py ...` 转 json。 **2. 读风格模板** 读 `styles/<id>.md`，取 `## 基础提示词模板` section 作为 base prompt。 **3. 构造每页 prompt** 参考 `generate_ppt.py` 的 `generate_prompt()` 逻辑，核心规则： - 封面（cover/slide 1）：标题/副标题为视觉焦点 - 数据页（data/最后一页）：突出关键数字、对比或结论 - 内容页（content/其余页）：按层级、对齐、留白结构化呈现 - **所有文字必须简体中文**，字体用思源黑体/苹方，严禁草书/艺术字 - **16:9 横版宽屏**（landscape, widescreen），prompt 里明确说"宽度明显大于高度、绝对不要方图" ```text {style 基础提示词模板} --- 现在请生成本组中的【{封面页/内容页/数据页}】，{对应 hint} 本页要呈现的内容如下（请按本风格美学重新设计版式）： {slide content} 【强制语言与字体要求】 1. 所有文字必须使用简体中文，严禁英文（专有名词除外） 2. 中文字体使用思源黑体或苹方，严禁草书、艺术字 3. 标题粗体，正文常规，字号对比清晰 【画面比例 — 强制】16:9 横版宽屏 (landscape, widescreen)，宽度明显大于高度，绝对不要方图或竖图。 ``` **4. 调 image_generation tool 出图** 对每页调你的 `image_generation` tool： - `prompt`: 上面拼好的完整 prompt - `output_format`: `png` - 将返回的图片保存到 `outputs/<timestamp>/images/slide-NN.png`（NN 为两位页码） 可以并发（建议 ≤4 并发，避免限流）。 **5. 生成 HTML viewer** 读 `templates/viewer.html`，把 `/* IMAGE_LIST_PLACEHOLDER */` 替换为 `'images/slide-01.png', 'images/slide-02.png', ...`，写到 `outputs/<timestamp>/index.html`。 **6. 打包 PPTX（可选）** ```bash python3 -c " from pptx import Presentation from pptx.util import Inches prs = Presentation() prs.slide_width = Inches(13.333) prs.slide_height = Inches(7.5) blank = prs.slide_layouts[6] import os, glob for p in sorted(glob.glob('outputs/<timestamp>/images/slide-*.png')): slide = prs.slides.add_slide(blank) slide.shapes.add_picture(p, 0, 0, width=prs.slide_width, height=prs.slide_height) prs.save('outputs/<timestamp>/<title>.pptx') print('done') " ``` ### 模板克隆模式（Codex 原生路径） 你自己就是多模态 agent——直接 `Read` 模板每页 PNG 抽取视觉风格，写到 `template_cache/<sha256>.json`（schema 见 `template_analyzer.py` 里的 `TemplateProfile`），然后按上面流程出图时把对应模板页作为 reference image 传给 `image_generation` tool。 **不需要配 `VISION_*`**——你就是 vision。 ### 与下面「--backend codex」的区别 | | 原生路径（本节） | --backend codex | |---|---|---| | 适用场景 | **你就是** Codex agent | 你是 Claude Code / 其他 agent，借用本机 codex CLI | | 调用方式 | 直接调 `image_generation` tool | spawn `codex exec --full-auto` 子进程 | | 出图层数 | 1 层 | 2 层（agent → python → codex exec） | | 速度 | 几秒/张 | 30-60s/张 | | 可靠性 | tool 参数精确 | 自然语言 relay，偶发失败 | | 需要 API Key | 不需要 | 不需要 | --- ## 可选：走 codex CLI 出图（--backend codex，非 Codex caller 用） > **如果你就是 Codex agent，不要走这条路——用上一节的「原生路径」代替。** 当你用 Claude Code / OpenClaw / 其他 agent 运行本 skill，但本机装了 codex CLI 且已登录（`codex login`），可以借用它的凭据出图，省掉配 `OPENAI_API_KEY`： ```bash python3 scripts/generate_ppt.py --plan slides_plan.json --style styles/editorial-mono.md --backend codex ``` 默认后端仍是 `openai`（直调 API，快、并发稳、每页 3-10s）。`--backend codex` 是逃生口，适合"只跑 1-2 张图试水、不想配 key"的场景。 **Tradeoffs**： - ✅ 不需要在本 skill 配 `OPENAI_API_KEY` - ⚠️ 慢：每页多一层 agent loop，单页 30-60s+，10 页可能 5-10 分钟 - ⚠️ 计费不变：gpt-image-2 是按图计费，不在 ChatGPT 订阅内，codex 只是代你刷额度 - ⚠️ 可控性差：aspect_ratio / quality / reference_image 靠自然语言指令让 codex 转发，偶发失败 相关 env（都可选）： ```bash CODEX_CMD="codex exec --full-auto" # 覆盖 codex 调用方式（默认这串） CODEX_IMAGE_MODEL=gpt-image-2 # 传给 codex 的目标模型 CODEX_TIMEOUT_SECS=900 # 单页超时 GPT_IMAGE_BACKEND=codex # 不想每次敲 --backend 就设这个 ``` 模板克隆的 vision 分析同理——当 caller agent 自己是多模态时（Claude Code / 多模态 codex），可以直接 `Read` 模板 PNG 抽取风格，不用配 `VISION_*`；只有 caller agent 是纯文本模型时才需要外挂 vision provider。 ## 生成流程（内置风格） **先 md 后 json**：md 给人看、方便 diff / review / 改文案；json 由 md 派生，喂给 `generate_ppt.py`，标为 generated，不手改。 1. 用户给一份大纲 / 已有的 slides_plan.json 2. Claude 按下面 md 规范写一份 `slides_plan.md`，与用户确认文案： ````markdown --- title: MediWise Health Suite 商业计划书 --- ## 1. [cover] MediWise Health Suite 副标题：家庭健康管理智能平台 年份：2026 ## 2. [content] 市场痛点：健康管理的两类割裂 痛点一：高频无深度 ... ## 6. [data] 效率对比：使用 MediWise 前后 ... ```` - h2 格式：`## N. [page_type, layout=layout-05] 本页标题行` - `N.` 可省（按出现顺序自动编号）；`[page_type]` 可省（默认 `content`）；`layout=` 只在模板克隆模式需要 - `page_type`: `cover` / `content` / `data` - h2 标题行 → json 里 `content` 的第一行；下面的正文 → 正文 3. 用户 OK 后，转 json： ```bash python3 scripts/md_to_plan.py slides_plan.md -o slides_plan.json ``` 4. 选风格：从上面 10 套里挑一个，对应 `styles/<id>.md` 5. 调脚本： ```bash python3 scripts/generate_ppt.py --plan slides_plan.json --style styles/editorial-mono.md ``` 6. 产物在 `<cwd>/outputs/<timestamp>/`： - `images/slide-XX.png` -- 每页 PNG（16:9，1536x1024） - `index.html` -- HTML viewer，方向键翻页、空格自动播放、ESC 全屏 - `prompts.json` -- 每页用到的完整 prompt（便于复盘 / 二次微调） - `<title>.pptx` -- 16:9 整页填充图片的 .pptx，分享 / 投影直接用 ## 生成流程（模板克隆） 1. **拿到模板 .pptx**（用户提供 / 内部模板库 / 网络下载） 2. **（可选）先单独渲染并人工挑选**----大模板（>15 页）建议先 `python3 scripts/render_template.py xxx.pptx`，再从 `template_renders/<stem>/` 里挑 8-12 张代表页复制到 `template_renders/<stem>_curated/`，供 vision 分析。页数越精，layout 命中越准 3. **生成 slides_plan.md → 转 slides_plan.json**（见内置风格流程第 2-3 步）。每页 `slide_number` / `page_type` (`cover` / `content` / `data` / 等) / `content`；想精准对位时在 h2 里加 `layout=layout-NN`（NN = 模板第 N 页 / 你期望对应的模板页编号） 4. **跑 generate_ppt.py**： ```bash python3 scripts/generate_ppt.py \ --plan slides_plan.json \ --template-pptx xxx.pptx \ --template-images template_renders/xxx_curated \ --template-strict --slides 1 ``` 先 `--slides 1` 出封面冒烟，效果 OK 再跑全量 5. **告知用户产物路径** ### 模板页面挑选 / 复用原则 **核心原则：尽量做到 1 page : 1 layout**----同一份 deck 里每个 slide 用不同的模板页作 reference，观众会觉得每页都是新内容；如果同一个独特 layout 出现 2-3 次，观众下意识会想"为什么又是这页"。 vision 分析时会给每个 layout 标 `reuse_friendly`： | reuse_friendly | 典型 layout | 多次使用的代价 | | --- | --- | --- | | `false`（不可复用，(!) 强警告） | 封面、3 个具名角色插画页、独特场景图（雪山/广播塔/复古收音机）、5 步骤 zigzag 各步独有图标、novelty 数据中央装置 | 视觉重复非常明显，观众会困惑 | | `true`（可复用，但仍建议错开，(i) 弱提示） | 纯文字、卡片网格、通用列表、章节小节标题 | 不致命，但平白浪费模板里的其它好版式 | Claude 在搭 plan 时的执行策略： 1. **优先把模板里 N 个不同 layout 分配给 N 页 slide**（N 不够就在 SKILL 里看 reuse_friendly=true 的部分挑能复用的） 2. **如果 plan 里某页内容结构非常相似（比如多个"5 步骤流程"），先尝试改写内容用不同 layout 表达**（4 步骤 + 5 步骤分别用不同流程页），而不是同一个 zigzag 用两次 3. **冒烟跑完后，看 `Layout 复用检测` 那段输出**：(!) 必须改，(i) 看情况改；改 plan 里相应 slide 的 `layout_id` 即可 4. **看完 cache JSON 选 layout**：`cat <cwd>/template_cache/<sha256>.json | jq '.layouts[] | {id, page_type, reuse_friendly, summary}'` 一眼看清模板有哪些版式可挑 `generate_ppt.py` 在派发任务前会自动跑一次复用检测，把警告打到终端，不阻塞执行。 ## Skill 调用规范 当用户说"做一份 PPT" / "生成幻灯片"时： 1. **先问三件事**（不要直接动手）： - 内容 / 页数 / 观众是谁？ - 风格偏好？按"十种内置风格"表的场景类目映射推荐 1-2 个；**或者用户上传自己的 .pptx 模板**（走 `--template-pptx`，自动渲染） - 是否需要单页测试一张图先看效果（`--slides 1`） 2. **先写 slides_plan.md** 给用户确认文案（md 是 source of truth，人审阅友好） 3. **转 slides_plan.json**：`python3 scripts/md_to_plan.py slides_plan.md -o slides_plan.json`（json 标为 generated，不手改；要改文案回到 md 改再转） 4. **跑 generate_ppt.py**，先 `--slides 1` 出封面冒烟，效果 OK 再跑全量 5. **告知用户产物路径**，让他在浏览器打开 `outputs/<timestamp>/index.html` 或者 `<title>.pptx` ## 仅生成部分页 ```bash python3 scripts/generate_ppt.py --plan my_plan.json --style styles/dark-aurora.md --slides 1,3,5 ``` 跑过的页有同名 PNG 时会自动跳过，方便逐页迭代。 ## 文件结构 ``` gpt-image2-ppt-skills/ |---- SKILL.md # 本文件（Claude Code skill 入口） |---- AGENTS.md # codex / aider / cursor 等 agent 的薄索引，指向本文件 |---- README.md # 项目说明 |---- scripts/ # 所有 Python 脚本 | |---- generate_ppt.py # 主入口（CLI） | |---- md_to_plan.py # slides_plan.md -> slides_plan.json 转换器（CLI） | |---- render_template.py # PPTX -> 每页 PNG 的辅助脚本（CLI + library） | |---- image_generator.py # gpt-image-2 wrapper（支持 reference image，openai backend） | |---- codex_backend.py # 可选：走 codex CLI 出图（--backend codex） | \---- template_analyzer.py # PPT 模板剖析器（vision + 缓存） |---- styles/ # 10 套内置风格 | |---- gradient-glass.md dark-aurora.md | |---- clean-tech-blue.md risograph.md | |---- vector-illustration.md japanese-wabi.md | |---- editorial-mono.md swiss-grid.md | |---- hand-sketch.md y2k-chrome.md |---- templates/viewer.html # HTML viewer 模板 |---- docs/README.en.md # 英文 README |---- install_as_skill.sh # 一键安装到 ~/.claude/skills/ |---- requirements.txt # requests + python-dotenv + python-pptx + jsonschema + pymupdf \---- .env.example ``` 调用时产生的运行时目录都在 `<cwd>` 下： ``` <your-project>/ |---- template_renders/<stem>/page-NN.png # PPTX 渲染（render_template.py） |---- template_cache/<sha256>.json # vision 风格分析缓存 \---- outputs/<timestamp>/ # 每次生成产物 ``` ## License Apache License 2.0.

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本