GordenSuperPPTSkills：它先把 PPT 做成图，再拆回可编辑

AI 做 PPT 时，最常见的愿望其实有点互相打架：页面要像设计师做的那样复杂、漂亮、有信息图质感，同时又希望打开 PowerPoint 后还能改文字、挪图标、继续细修。

纯图片页容易好看。模型能一次性把光影、卡片、连接线、图标、强调数字放进同一张画面里，整体感强，第一眼也更像成品。

但图片页的麻烦也很直接：哪怕只想把一个小标题改掉，也可能变成重新出图。反过来，原生 PPT 元素虽然好改，却容易被默认形状、普通图表和规整文本框拖回模板味。

GordenSun/GordenSuperPPTSkills 有意思的地方就在这里。它没有假装一个步骤能同时解决这两件事，而是把流程拆开：先用图片生成能力做出高完成度页面，再把图片页拆成可编辑 PPTX。

这不是更短的路，而是一条更敢折腾的路。它把“好看”和“能改”放在两个阶段里分别处理，再用编排技能把它们接回一条线。

它把一键生成拆成三个可单独使用的技能

仓库 README 一上来就把三块拆得很清楚：GordenImagePPTGen 负责生成图片格式 PPT，GordenImage2PPTX 负责把图片还原成可编辑 PPTX，GordenSuperPPTSkill 则把前两者串起来，按 A 到 B 的顺序跑完整流程。

这个拆分比“万能 PPT Skill”更实在。只想要图片版 PPT，就只跑第一段；手上已经有图片页，只想转成可编辑文件，就跑第二段；没指定功能，只说要一份既好看又能编辑的成品，再交给 Super 编排。

它的自信也来自这种拆法。图片阶段追求高密度、复杂框架和统一配色；还原阶段追求层级拆解、坐标对齐和视觉 QA。两段各有自己的验收证据，不需要互相迁就。

第一段先把页面做得像成品，而不是像模板

GordenImagePPTGen 对“出图”管得很死。SKILL.md 里反复强调，生成图片只能理解为实际调用 imagegen 图像模型，每页都要有真实生成源；不能用 Python、PIL、SVG、HTML、Canvas、matplotlib、PowerPoint shapes 或截图渲染来冒充。

这条规则说明它很怕流程退化。一旦允许代码画一张规整 PNG，再说它是图片型 PPT，这个项目就失去自己的方向了。它要的是模型一次性生成完整页面，而不是把代码绘制的模板换个后缀。

它还要求每页图必须含全部真实文字，不能出占位符或无字模板图。outline.json 只是大纲和画面半成品，真正用于出图的 prompts/NN-*.md 必须把页面文字写满。这里的逻辑很直接：图片 PPT 如果没有真实文字，只是漂亮壳子。

所以第一段的重点不是“更快生成”，而是先把内容做厚，再让每页选不同的复杂框架。房子型架构、Bento 看板、同心圆、鱼骨、漏斗、Hub-Spoke、金字塔这些形式并不是拿来堆装饰的，而是用来承载高信息密度。

第二段承认图片不能直接编辑，于是按层拆回去

GordenImage2PPTX 的思路更像逆向工程。它不是把原图当背景，然后在上面叠几个文本框就完事；那样会出现双重文字，也谈不上真正还原。

它强制四层：背景图、整体框架图、元素图标和文本。背景要复刻成干净背景；框架图要把容器、卡片、分隔线、图表骨架这些非背景非文字的东西提出来；图标和装饰单独用绿幕图生成、抠底、切片；普通文字由 GPT 视觉提取，再写成真文本框。

这里的“可编辑”要读仔细。文字层是真文本框，后续改字比较方便；框架和图标更多是可移动、可替换、可缩放的图片层，并不等于每条线、每个卡片都变成 PowerPoint 原生形状。它追求的是可继续编辑的工程拆层，而不是把整页完全变成原生矢量对象。

这个判断反而让它更可信。因为从一张复杂图片里还原出真正原生的所有图表、线条、卡片和装饰，代价会非常高，也很容易丢样式。把框架保成透明图片层，再把文字做成文本框，是视觉保真和后续修改之间的折中。

它把“别串文件”也写进流程里

这个仓库里有不少看起来很啰嗦的规则，细看都是踩坑后的经验。GordenImage2PPTX 要求每次转换先建唯一 RUN_ROOT，所有背景、框架、图标、layout、QA 和最终 PPTX 都写进这个目录，不能复用工作区固定 editable/01 或 out。

这件事对图片还原很关键。因为每一页都会生成 background.png、frame.png、icons、layout.json、imagegen-assets-manifest.json，一旦目录复用，很容易把上一页或旧任务的素材读进来。文件串了，页面看起来也许还能合成，但结果已经不是这张源图的还原。

它还要求 B2、B3、B4 的图片层都在 imagegen-assets-manifest.json 里登记生成源、prompt 文件、复制路径和后端。manifest 里如果出现 programmatic、PIL、SVG、HTML、Canvas 这类来源，本页转换就算失败。这个项目把“有没有真的按流程生成”也当成产物的一部分。

视觉 QA 才是这条路线的重活

图片转可编辑最难的不是合成 PPTX，而是合成后像不像原图。GordenImage2PPTX 准备了 layout_guard.py、placement_qa.py、visual_compare_qa.py 这类脚本，用来检查坐标契约、源图包围盒、预览对位、并排图、叠图和差异热图。

这说明它很清楚自己的风险：文字位置会漂，图标尺寸会偏，框架层可能和源图有几像素到几十像素的差异。layout_guard 只能证明数学字段一致，不能证明视觉上对了；所以还要看源图框、看预览、看差异图，再回校。

这种流程不会轻。README 甚至提到，图片转可编辑 PPTX 比较费额度，转换一张图片大概会消耗 Plus 订阅 5 小时额度的 10%。这句话其实把项目的现实面摊开了：它不是便宜地把图片贴进 PPT，而是在用多轮视觉生成和检查换一个可继续编辑的结果。

它适合想要豪华效果，又愿意接受工序的人

GordenSuperPPTSkills 的野心很明显：让 AI 先做出图片级完成度，再尽量把这份完成度带回 PPTX 编辑环境。它不是最轻的 PPT 工具，也不是最适合随手做三页普通汇报的工具。

它更适合那些真的在意第一眼效果的人：产品介绍、方案提案、路演页、复杂信息图、需要密集模块和视觉冲击的演示稿。对这类场景，先出图能把设计上限拉高，后面再拆层保留修改空间。

如果只需要普通可编辑 PPT，直接走原生模板路线可能更省心。如果想要的是“先漂亮起来，再尽量可改”，这套三技能串联的价值就出来了。它真正解决的不是 PPT 生成，而是把图片级视觉和后续编辑之间那段麻烦的中间路铺出来。