PPTAgent 實測：開源 AI 工具，自動將文件轉換為精美 PPT

PPT 製作的三大痛點，每個上班族都經歷過

每週一的部門例會、季末的 OKR 報告、專案交付前的客戶演示——這些場景有一個共同的噩夢：做 PPT。

根據 2026 年 Microsoft Work Trend Index 報告，知識工作者平均每週花費 3.2 小時在簡報製作上，其中 60% 的時間用於排版調整而非內容創作。更殘酷的現實是：

1. 內容提煉耗時：從 50 頁技術文件中提煉出 15 頁精華，需要反覆閱讀、歸納、重組
2. 排版設計門檻高：配色、對齊、圖文比例——非設計師很難做出「能看」的投影片
3. 重複勞動嚴重：每次報告都是「找範本→填內容→調格式」的死循環

市面上不缺 PPT 工具，但真正能理解文件內容並自動生成結構化簡報的開源方案，直到 PPTAgent 出現才填補了這個空白。

PPTAgent 是什麼：不只是「文件轉 PPT」

PPTAgent 是由中國科學院計算技術研究所（ICIP-CAS）開源的 AI 簡報生成框架，GitHub 已收穫 4,900+ Stars。它不是簡單的範本填充工具，而是一個多智能體協作系統（Agentic Framework），能夠：

• 深度理解文件：解析 PDF、Word、Excel 等格式，自動提取核心論點與數據
• 反思式生成：透過 Research → Design → Reflect 的迭代循環，持續優化輸出品質
• 圖文混排：自動調用文生圖模型生成配圖，或從文件中提取圖表
• 多格式匯出：支援 PPTX 原生格式和 HTML 投影片

文件輸入 → Research Agent（內容研究）→ Design Agent（視覺設計）→ 反思優化 → PPTX 輸出

2025 年 8 月，PPTAgent 論文被 EMNLP 2025 接收；2026 年 4 月，其微調模型 DeepPresenter 被 ACL 2026 接收——這是學術界對這套方法論的雙重認可。

核心功能矩陣：PPTAgent 能做什麼

三種執行模式

1. CLI 模式（個人使用推薦）

# 安裝
uv tool install pptagent

# 互動式設定精靈
pptagent onboard

# 一句話生成 PPT
pptagent generate "Q4 季度報告" -o report.pptx

# 帶附件生成
pptagent generate "技術方案評審" \
  -f architecture.pdf \
  -f benchmark.xlsx \
  -p "10-15" \
  -o tech-review.pptx

2. Docker Compose（伺服器部署）

docker pull forceless/deeppresenter-sandbox
docker pull forceless/deeppresenter-host
docker tag forceless/deeppresenter-sandbox deeppresenter-sandbox
docker tag forceless/deeppresenter-host deeppresenter-host

docker compose up -d
# 存取 http://localhost:7861

3. 原始碼建置（開發者模式）

git clone https://github.com/icip-cas/PPTAgent.git
cd PPTAgent
uv pip install -e .
playwright install-deps && playwright install chromium
npm install --prefix deeppresenter/html2pptx
python webui.py

技術架構深度解析

PPTAgent 的核心設計理念是**「反思式生成」**（Reflective Generation）——不是一次性輸出，而是透過多輪迭代逼近最佳結果。

多智能體協作流程

┌─────────────────────────────────────────────────┐
│                  AgentLoop.run()                 │
├─────────────────────────────────────────────────┤
│                                                 │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │ Research │───▶│  Design  │───▶│ Reflect  │  │
│  │  Agent   │    │  Agent   │    │  Loop    │  │
│  └──────────┘    └──────────┘    └──────────┘  │
│       │               │               │        │
│       ▼               ▼               ▼        │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐  │
│  │  Web     │    │  HTML    │    │  品質    │  │
│  │  Search  │    │  Render  │    │  評估    │  │
│  │  arXiv   │    │  PPTX    │    │  修正    │  │
│  └──────────┘    └──────────┘    └──────────┘  │
│                                                 │
└─────────────────────────────────────────────────┘

Research Agent 負責內容層：解析輸入文件，必要時連網搜尋補充背景知識，生成結構化的「研究報告」（manuscript）。它支援上下文管理，當文件過長時自動摺疊早期內容（context_folding: true），避免超出模型上下文視窗。

Design Agent 負責視覺層：根據內容類型（技術報告/產品介紹/教學課件）選擇合適的版式，生成 HTML 投影片程式碼，再透過 Playwright 渲染為圖片或直接轉換為 PPTX。

Reflection Loop 是品質保障的關鍵：系統會評估生成內容的完整性、邏輯性和視覺一致性，發現問題後自動觸發修正，最多迭代 10 輪（MAX_SUBAGENT_TURNS）。

沙箱隔離機制

PPTAgent 使用 Docker 沙箱執行程式碼生成任務（圖表繪製、資料處理），避免惡意程式碼影響宿主環境。核心設定：

# 沙箱逾時控制
MCP_CONNECT_TIMEOUT: 120  # 連線逾時（秒）
MCP_CALL_TIMEOUT: 1800    # 調用逾時（秒）

# 工具調用限制
MAX_TOOLCALL_PER_TURN: 7  # 每輪最多 7 個工具調用
TOOL_CUTOFF_LEN: 4096     # 工具輸出截斷閾值（字元）

模型設定靈活性

PPTAgent 不綁定特定 LLM 供應商，透過 OpenRouter 或 LiteLLM 支援 100+ 模型：

# config.yaml 範例
research_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "anthropic/claude-sonnet-4.5"
  api_key: "your_key"

design_agent:
  base_url: "https://openrouter.ai/api/v1"
  model: "google/gemini-3-pro-preview"
  api_key: "your_key"

# 也支援 LiteLLM 路由
# research_agent:
#   provider: "litellm"
#   model: "anthropic/claude-sonnet-4-6"
#   api_key: "your_anthropic_key"

官方強烈推薦使用微調模型 DeepPresenter-9B（HuggingFace 可下載），在 PPT 生成任務上顯著優於通用開源模型。

PPTAgent vs Gamma vs Beautiful.ai vs ChatBA：橫向對比

市面上 AI PPT 工具不少，但定位差異很大。以下是 2026 年主流方案的對比：

核心差異總結：

• PPTAgent 是唯一開源方案，資料完全本地化，適合對隱私有要求的企業場景
• PPTAgent 的反思機制是獨家優勢——其他工具都是「一次生成」，PPTAgent 會自我檢查並修正
• Gamma/Beautiful.ai 勝在易用性——打開網頁就能用，無需設定環境
• PPTAgent 的文件理解能力最強——可以直接丟入 50 頁 PDF，自動提煉要點

實戰：從技術文件到簡報 PPT 全流程

下面以一份真實的技術白皮書為例，演示 PPTAgent 的完整工作流程。

第一步：環境準備

# 安裝 uv（Python 套件管理器）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 安裝 PPTAgent
uv tool install pptagent

# 首次設定（互動式精靈，設定 LLM API Key）
pptagent onboard

pptagent onboard 會引導你完成： 1. 選擇 LLM 供應商（OpenRouter/OpenAI/自訂） 2. 填入 API Key 3. 可選設定：Tavily（增強搜尋）、MinerU（增強 PDF 解析）、T2I 模型（增強配圖）

第二步：生成 PPT

# 基礎用法：一句話生成
pptagent generate "介紹 Transformer 架構的核心原理" -o transformer.pptx

# 進階用法：基於文件生成
pptagent generate "請根據附件文件製作技術報告 PPT" \
  -f ~/docs/annual-report-2026.pdf \
  -f ~/data/metrics.xlsx \
  -p "12-18" \
  -o annual-review.pptx

參數說明： - -f：附件路徑，支援 PDF/Word/Excel/Markdown - -p：目標頁數範圍（如 "12-18" 表示 12 到 18 頁） - -o：輸出檔案路徑

第三步：檢視與調整

生成的 PPTX 檔案可以直接用 PowerPoint、WPS 或 Google Slides 開啟編輯。PPTAgent 的輸出特點是：

• 結構清晰：每頁有明確的主題，邏輯遞進
• 圖文匹配：關鍵概念配有自動生成的示意圖或數據圖表
• 風格統一：配色和字型全域一致

如果需要調整，可以修改 prompt 後重新生成，或直接手動編輯 PPTX 檔案。

使用 Web UI

# 原始碼模式下啟動 Web UI
python webui.py

# 或 Docker 模式下
docker compose up -d
# 存取 http://localhost:7861

Web UI 提供視覺化的文件上傳、prompt 編輯和結果預覽功能，適合不熟悉命令列的使用者。

進階用法：自訂範本、批次處理與 API 整合

自訂範本

PPTAgent 支援匯入自訂 PPTX 範本，讓生成的簡報符合企業 VI 規範：

# 將範本放入工作目錄
cp company-template.pptx ~/.cache/deeppresenter/templates/

# 生成時指定範本
pptagent generate "產品介紹" \
  --template company-template.pptx \
  -o product-intro.pptx

範本中的母版版面配置、配色方案、字型設定會被保留，PPTAgent 只填充內容區域。

批次處理

對於需要批次生成 PPT 的場景（如為每篇論文自動生成簡報），可以編寫腳本：

import subprocess
import glob

papers = glob.glob("papers/*.pdf")
for paper in papers:
    output = paper.replace(".pdf", ".pptx").replace("papers/", "presentations/")
    subprocess.run([
        "pptagent", "generate",
        "請根據這篇論文製作 15 分鐘的學術報告 PPT",
        "-f", paper,
        "-p", "15-20",
        "-o", output
    ])
    print(f"Generated: {output}")

MCP 整合：讓其他 AI Agent 調用 PPTAgent

PPTAgent 提供 MCP Server 模式，可以作為工具被其他 Agent（如 OpenClaw、Hermes）調用：

// mcp.json 設定
{
  "mcpServers": {
    "pptagent": {
      "command": "pptagent-mcp",
      "args": [],
      "env": {
        "DEEPPRESENTER_WORKSPACE_BASE": "~/.cache/deeppresenter"
      }
    }
  }
}

設定後，其他 Agent 可以透過 MCP 協定調用 PPTAgent 的簡報生成能力，實現「對話式 PPT 製作」。

完全離線模式

對於資料敏感場景，PPTAgent 支援完全離線執行：

# config.yaml
offline_mode: true

# 部署本地 PDF 解析（MinerU）
# 部署本地 LLM（如 DeepPresenter-9B GGUF）
# 設定本地 T2I 模型

離線模式下所有處理在本地完成，不發送任何資料到外部服務。

局限性與注意事項

PPTAgent 不是萬能的，以下是當前版本的已知限制：

1. 不支援 Windows 原生環境：Windows 使用者需要使用 WSL（Windows Subsystem for Linux）
2. LLM API 成本：生成一份 15 頁 PPT 大約消耗 50K-100K tokens，使用 GPT-4 級別模型約 $0.5-1.5/次
3. 首次啟動較慢：需要下載 Docker 映像檔（sandbox + host 約 3GB），後續啟動很快
4. 中文排版偶有問題：部分中文字型在 HTML 渲染時可能出現對齊偏差，建議生成後在 PowerPoint 中微調
5. 複雜圖表支援有限：對於高度客製化的資料視覺化（如互動式圖表），仍需手動處理
6. 依賴外部服務可選但推薦：Tavily 搜尋和 MinerU PDF 解析能顯著提升品質，但需要額外 API Key

效能基準

在 M2 MacBook Pro（16GB RAM）上的實測數據：

總結評價

PPTAgent 是目前最強大的開源 AI PPT 生成框架，沒有之一。它的核心優勢在於：

• 學術級方法論：EMNLP 2025 + ACL 2026 雙頂會論文背書
• 反思式生成：不是一次性輸出，而是多輪迭代優化
• 完全開源：MIT 授權，資料本地化，可自由客製
• 生態豐富：CLI/Web UI/MCP Server 三種模式，覆蓋個人到團隊場景

推薦人群： - 需要頻繁製作技術報告的開發者/研究員 - 對資料隱私有要求的企業使用者 - 希望將 PPT 生成整合到 AI 工作流的 Agent 開發者 - 想基於開源方案二次開發的團隊

不推薦人群： - 偶爾做一次 PPT 的一般使用者（Gamma 更簡單） - 需要極致設計感的品牌簡報（仍需專業設計師） - 沒有 LLM API Key 且不願設定的使用者

PPTAgent 代表了 AI PPT 生成的一個新範式：不是替代人類做 PPT，而是理解人類的需求後，自動生成高品質的初稿。你仍然需要審閱和調整，但那些「從 0 到 0.8」的重複勞動，終於可以交給 AI 了。

常見問題（FAQ）

1. PPTAgent 是免費的嗎？

PPTAgent 本身完全免費開源（MIT 授權），但執行時需要 LLM API。使用 OpenRouter 等服務的模型會產生 API 費用，生成一份 15 頁 PPT 約 $0.5-1.5。如果本地部署 DeepPresenter-9B 模型，則可以實現零成本執行（需要足夠的 GPU 記憶體）。

2. PPTAgent 支援哪些語言？

PPTAgent 支援中文和英文的文件解析與 PPT 生成。對於其他語言（日語、韓語等），內容生成基本可用，但排版可能需要手動調整。Web UI 介面支援 21 種語言。

3. 生成的 PPT 品質如何？需要手動修改嗎？

PPTAgent 生成的 PPT 結構和內容品質較高，可以直接用於內部技術分享或初稿。但對於正式的客戶演示或品牌展示，建議在 PowerPoint 中進行微調（調整字型、替換配圖、優化動畫）。反思機制會顯著提升首次生成的品質。

4. 如何在公司內網部署 PPTAgent？

PPTAgent 支援完全離線模式。步驟：1）在有網環境拉取 Docker 映像檔；2）下載 DeepPresenter-9B GGUF 模型到本地；3）部署 MinerU 本地 PDF 解析服務；4）在 config.yaml 中設定 offline_mode: true。所有處理在本地完成，不發送資料到外部。

5. PPTAgent 和 Manus/ChatGPT 的 PPT 功能有什麼區別？

Manus 和 ChatGPT 的 PPT 功能本質上是「文字→PPT」——它們理解你的文字描述然後填充範本。PPTAgent 的核心差異在於：1）深度文件理解——可以直接解析 PDF/Excel 等複雜文件；2）反思機制——生成後自我檢查並修正；3）開源可控——資料不離開本地，模型可替換。