重建、自檢、修正循環(huán)image-to-editable-ppt-skill的對(duì)象級(jí)重建設(shè)計(jì)理念深度解讀【免費(fèi)下載鏈接】image-to-editable-ppt-skillCodex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.項(xiàng)目地址: https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skillimage-to-editable-ppt-skill 是一個(gè)把幻燈片圖片、PDF 和圖片版 PPT 重建為對(duì)象級(jí)可編輯 PPT 的 AI skill。它的核心不是「OCR 識(shí)別完貼回去」而是一套完整的「重建 → 自檢 → 修正」閉環(huán)每一頁(yè)被拆成文字、形狀、視覺(jué)資產(chǎn)三類對(duì)象分別還原為原生文本框、PPT 形狀或獨(dú)立圖片再對(duì)照源圖逐項(xiàng)自檢不合格就在頁(yè)面內(nèi)修正直到通過(guò)確定性校驗(yàn)。下面帶你拆解這套設(shè)計(jì)理念。一、為什么是對(duì)象級(jí)重建一頁(yè)拆成三類對(duì)象看到「圖片轉(zhuǎn) PPT」很多人的第一反應(yīng)是OCR 提取文字再把原圖貼回去。但那樣的產(chǎn)物只能整頁(yè)移動(dòng)——改一個(gè)字就得重畫(huà)整張圖。image-to-editable-ppt-skill 選擇了另一條路認(rèn)為一頁(yè)幻燈片里不同對(duì)象的價(jià)值并不相同于是分三類分別重建對(duì)象類型重建為編輯粒度可讀文字原生文本框 / 表格單元格直接改字、改字號(hào)、改顏色簡(jiǎn)單幾何矩形、線條、箭頭PowerPoint 形狀移動(dòng)、縮放、改樣式復(fù)雜視覺(jué)照片、圖標(biāo)、手繪裝飾獨(dú)立圖片資產(chǎn)帶來(lái)源記錄整體移動(dòng)或替換關(guān)鍵在于第三種照片、插畫(huà)不會(huì)被硬拆成形狀而是被分離成帶來(lái)源記錄的獨(dú)立圖片資產(chǎn)——至少能在 PowerPoint 里整體挪動(dòng)和替換而普通表格、圖表、流程圖則優(yōu)先重建為原生表格和結(jié)構(gòu)對(duì)象。這種「能編輯的變對(duì)象、拆不動(dòng)的變資產(chǎn)」的混合策略是整個(gè)對(duì)象級(jí)重建的地基詳見(jiàn) docs/design.md。二、重建三步曲先定來(lái)源再落對(duì)象每一頁(yè)重建前skill 先要求建立完整的「頁(yè)面盤(pán)點(diǎn)」全部可讀文字、背景類型、前景視覺(jué)對(duì)象、公式、圓角幾何然后按固定順序走三步見(jiàn) page-decision-tree.md背景識(shí)別與修復(fù)——先判斷背景能否用原生對(duì)象直接重建純色、漸變、卡片底板還是需要圖片編輯「先去掉前景、再修補(bǔ)背景」前景資產(chǎn)分離——所有非文字的視覺(jué)對(duì)象圖標(biāo)、照片、貼紙、手繪線必須走圖片編輯的素材板流程分離出來(lái)明確禁止用原生形狀近似、或直接裁切源圖冒充原生元素重建——最后才把文字位置與字號(hào)來(lái)自 OCR 實(shí)測(cè)值、形狀、表格落進(jìn)頁(yè)面。順序?yàn)槭裁床荒軄y因?yàn)槿绻戎亟ㄎ淖帧笇儆?logo 或截圖里的文字」就會(huì)被錯(cuò)誤鎖進(jìn)文本框后面所有修正都是返工。這個(gè)「先定來(lái)源、再落對(duì)象」的決策順序是防「虛假進(jìn)展」的第一道防線。三、核心閉環(huán)重建 → 自檢 → 修正一頁(yè)可能迭代多輪 這是項(xiàng)目設(shè)計(jì)理念的核心也是它費(fèi) token 的根源。每頁(yè)的重建者page worker必須執(zhí)行這個(gè)循環(huán)重建 → 確定性構(gòu)建頁(yè)面 生成原圖/預(yù)覽對(duì)比圖 → 對(duì)照源圖逐項(xiàng)自檢 → 頁(yè)面內(nèi)修正 → 只復(fù)驗(yàn)受影響對(duì)象 → 通過(guò)后停止自檢清單非常具體干凈背景有沒(méi)有「鬼影」和模糊塊、分離出的資產(chǎn)有沒(méi)有粘連或缺筆畫(huà)、文字有沒(méi)有裁切或字號(hào)比源圖明顯偏大、卡片圓角是否與源圖一致、同一個(gè)對(duì)象有沒(méi)有「圖片層出現(xiàn)一次、原生對(duì)象又出現(xiàn)一次」——全是硬性檢查項(xiàng)。最有設(shè)計(jì)感的是 Fix versus Warning 的分界線分離資產(chǎn)的細(xì)小毛邊、輕微抗鋸齒差異可以記為「已記錄的 warning」交付不死磕完美但資產(chǎn)缺失、文字字號(hào)錯(cuò)位、圓角分類錯(cuò)誤這類結(jié)構(gòu)性問(wèn)題必須在當(dāng)前頁(yè)修好絕不允許流到下一步。這個(gè)「小瑕疵記錄、大問(wèn)題必修」的規(guī)則讓循環(huán)能高效收斂而不失守質(zhì)量。上圖中每個(gè)文本框、圖標(biāo)、連線都是可獨(dú)立選中的對(duì)象——這些選擇手柄就是閉環(huán)跑完的「可編輯性證據(jù)」整頁(yè)貼圖是永遠(yuǎn)做不出來(lái)的。修正環(huán)節(jié)還遵循一份恢復(fù)契約先讀上次驗(yàn)證失敗的原因、復(fù)用已核驗(yàn)的資產(chǎn)、只修受影響的部分不做整頁(yè)推倒重來(lái)見(jiàn) page-worker.md。四、確定性校驗(yàn)機(jī)器把關(guān)杜絕虛假進(jìn)展 ?AI 自檢是「視覺(jué)」的項(xiàng)目又設(shè)了一道「結(jié)構(gòu)」的硬閘——由manifest.json驅(qū)動(dòng)的確定性校驗(yàn)editppt page validate把頁(yè)面構(gòu)建產(chǎn)物與 manifest 比對(duì)檢查定位對(duì)象是否都有源圖像素坐標(biāo)、文字是否真實(shí)可見(jiàn)的原生文本、每張圖片是否都有來(lái)源記錄editppt run record只有validation.json頂層passed: true的頁(yè)面才能進(jìn)入recorded狀態(tài)同時(shí)記錄產(chǎn)物哈希防止后段被「動(dòng)手腳」editppt run finalize按頁(yè)順序組裝整套 PPT再校驗(yàn)包結(jié)構(gòu)、頁(yè)數(shù)、媒體關(guān)系、資產(chǎn)哈希、備注哈希以及頁(yè)面是否違規(guī)使用「整頁(yè)原圖 文字覆蓋」的偷懶模式。校驗(yàn)實(shí)現(xiàn)見(jiàn) validate_pptx.py字段契約定義在 manifest-schema.md。雙閘的價(jià)值在于AI 覺(jué)得「看起來(lái)對(duì)」但結(jié)構(gòu)不過(guò)照樣被攔結(jié)構(gòu)過(guò)了但對(duì)象來(lái)源違規(guī)同樣不算數(shù)——這就是對(duì)「虛假進(jìn)展」的最終回答。五、多頁(yè)并行重建狀態(tài)留痕進(jìn)度隨時(shí)可查多頁(yè)輸入由主 agent 按并發(fā)槽位默認(rèn) 6 個(gè)分派給 page worker 并行重建每頁(yè)獨(dú)立工作目錄中間產(chǎn)物全部留痕output/image-to-editable-ppt/{job-id}/ ├── deck_manifest.json # 整套 deck 的頁(yè)面清單 ├── page_jobs.json # 每頁(yè)分派與完成狀態(tài) └── pages/page_001/ ├── source.png # 歸一化后的頁(yè)面源圖 ├── manifest.json # 對(duì)象級(jí)重建描述唯一事實(shí)來(lái)源 └── validation.json # 本頁(yè)校驗(yàn)結(jié)果頁(yè)面狀態(tài)機(jī)嚴(yán)格為pending → dispatched → recorded → accepted每次流轉(zhuǎn)只能由editppt命令推進(jìn)不允許手寫(xiě)狀態(tài)文件卡住的頁(yè)面可reset回pending重新分派主 agent 只讀狀態(tài)、不越界干涉頁(yè)面內(nèi)部。完整流程參見(jiàn) docs/workflow.md。六、代價(jià)與適用人群token 貴但改不動(dòng)的復(fù)刻沒(méi)有意義成本要說(shuō)透因?yàn)槊宽?yè)可能自檢修正多輪把圖片版 PPT 轉(zhuǎn)成可編輯 PPT 的消耗通常是直接生成這套圖片 PPT 的2-3 倍單頁(yè)復(fù)原可能超過(guò) 10 分鐘詳見(jiàn) docs/faq.md。因此項(xiàng)目把邊界劃得很清楚適合用需要逐字、逐元素修改現(xiàn)有幻燈片——把圖片版 PPT、PDF 匯報(bào)材料變成可編輯初稿不適合用只想要幾張好看圖片、或從大綱生成全新 PPT 的場(chǎng)景有更輕量的做法。七、快速上手一句話觸發(fā)可編輯 PPT 重建 安裝 skill 后在 Codex 中粘貼一張幻燈片圖片發(fā)一句指令即可$image-to-editable-ppt 把這張圖片轉(zhuǎn)成可編輯 PPT。之后 OCR 文字校正、逐頁(yè)并行重建、自檢修正、最終組裝與校驗(yàn)全部自動(dòng)完成你最終拿到的是一份文字、形狀、圖片資產(chǎn)都能單獨(dú)選中編輯的.pptx。延伸閱讀SKILL.md執(zhí)行規(guī)則與四階段工作流· page-decision-tree.md頁(yè)面對(duì)象決策樹(shù)全文· README.md完整功能清單【免費(fèi)下載鏈接】image-to-editable-ppt-skillCodex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.項(xiàng)目地址: https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skill創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考