痛点分析

1. 传统PPT制作在技术文档场景下的时间消耗
   一份 30 页的技术汇报，往往要经历“需求澄清→资料搜集→文案撰写→配图→排版→评审→返工”七步。以我的经验，平均一页纯人工耗时 15 分钟，整份材料就要 7.5 小时。如果领导临时加需求，比如“把微服务架构图换成 Serverless 版本”，光找素材+重画就要再花 2 小时。时间被切碎，开发节奏直接被打断。

2. 多版本迭代时的内容同步问题
   技术方案每周都在变，PPT 却像“化石”——一旦定稿就很难改。维护 N 个版本时，最怕“复制来源不一致”。去年我们团队就踩过坑：V2.0 把 QPS 峰值从 8k 改成 12k，结果宣讲用的 V2.1 忘了同步，现场被客户质疑数据造假，场面一度尴尬。

3. 可视化元素与技术术语的排版挑战
   架构图、序列图、表格、代码截图混排，格式全靠手调。字体、对齐、色值稍有差池，整套母版就“崩”。更难受的是，技术人普遍不擅长“像素级”排版，时间花下去，效果依旧“直男审美”。

技术方案对比

1. ChatGPT + python-pptx

   • 优点：全脚本化，可版本控制；Prompt 一改，全量页面秒级重出；架构图用 Mermaid 文本生成，再转 PNG 插入，风格统一。
   • 缺点：需要写代码，入门门槛比 VBA 高；复杂动画支持弱。

2. PowerPoint VBA

   • 优点：原生运行，动画、母版、图表都能玩；录制宏即可上手。
   • 缺点：跨平台差，macOS 常报错；代码可维护性低，版本管理难；无法利用大模型生成“语义级”内容，只能做“填空”。

3. 为什么选 Markdown 做中间格式
   Markdown 是“纯文本+轻量标记”，天然适合 Git Diff；ChatGPT 输出 Markdown 稳定，不会给你整花里胡哨的样式；最后再转 PPTX，就能把“内容”与“样式”彻底解耦，实现“换一次模板，全站换新衣”。

核心实现

1. 用 python-pptx 创建基础模板
   先画一个“技术汇报母版”，定义好封面、目录、两栏正文、架构图、代码页五类版式，把字体、配色、页眉页脚锁死。代码里只留“内容占位符 ID”，后续脚本按 ID 塞数据，样式不乱。

2. Prompt 工程规范
   给 ChatGPT 的 System Prompt 要“狠”——让它把自己当成“技术文档工程师”。必须遵守：

   • 层级用 ## 开头，最多三级；
   • 列表用 - ，禁止出现 *；
   • 架构图段落以 ````mermaid` 开头；
   • 中英文混排时，数字与单位间留空格；
   • 输出纯 Markdown，不要带“以下是生成的内容”这类废话。
     这样后端解析时，用正则就能精准提取，无需 NLP 花活。

3. JSON → PPTX 的转换逻辑
   ChatGPT 返回 Markdown 后，先用 markdown2 库转 HTML，再用自定义解析器把标题、段落、代码块、Mermaid 图分别映射到 JSON Schema：
   {type: "slide", layout: "two_col", title: "xxx", bullets: ["...", "..."], diagram: "mermaid_code"}
   最后遍历 JSON，调用 python-pptx 的 add_slide() 批量写入。时间复杂度 O(n)，n 为幻灯片数量；空间复杂度 O(1)，只保留当前页 DOM。

代码示例

1. API 调用封装类（含重试）

import openai, tenacity, logging

class ChatGPT:
    def __init__(self, key, base_url=None):
        openai.api_key = key
        if base_url:
            openai.api_base = base_url

    @tenacity.retry(stop=tenacity.stop_after_attempt(3),
                    wait=tenacity.wait_exponential(multiplier=1, min=4, max=10))
    def ask(self, prompt: str, system: str) -> str:
        logging.info("Requesting ChatGPT...")
        rsp = openai.ChatCompletion.create(
            model="gpt-4-turbo",
            messages=[{"role": "system", "content": system},
                      {"role": "user", "content": prompt}],
            temperature=0.2
        )
        return rsp.choices[0].message.content

重试策略用指数退避，防止企业代理网瞬断导致任务失败。

2. 动态生成架构图占位符

from pptx.util import Inches

def insert_mermaid(slide, mermaid_code: str):
    # 1. 调用 mermaid-cli 生成高清 PNG
    png_path = mermaid_to_png(mermaid_code)
    # 2. 找到版式里叫“Diagram”的占位符
    for shape in slide.shapes:
        if shape.name == "Diagram":
            left, top, width, height = shape.left, shape.top, shape.width, shape.height
            slide.shapes._spTree.remove(shape._element)  # 删除旧框
            slide.shapes.add_picture(png_path, left, top, width, height)
            break

把 Mermaid 当文本维护，Diff 友好；渲染时机延后到构建阶段，保证“内容”与“图”同源。

3. 异常与日志
   所有 add_slide() 操作包 try/except，捕获 ValueError 时记录堆栈并跳过该页，保证“单页失败不炸掉全稿”。日志用 logging 的 TimedRotatingFileHandler，按天切文件，方便 CI 审计。

生产级考量

1. 长文本分页连贯性
   当单页子弹超过 6 条或代码行数 >25 时，自动触发“分页”：

   • 先按“语义段”切（正则拆 ## 标题）；
   • 若仍超长，则按“字符数”硬切，并在下一页顶部加“续上页”提示，保证听众不迷航。

2. API 调用频次控制
   企业账号默认 TPM 10k。用 asyncio.Semaphore(5) 做并发限流；同时把“章节”缓存到 Redis，48 小时内同一标题不再重复请求，节省额度。

3. 敏感信息过滤
   在 Prompt 里加负例：“禁止输出密码、密钥、手机号”。返回后再用正则二次扫描，命中则替换成 [REDACTED]，并告警到飞书群，满足安全合规。

避坑指南

1. 字体跨平台
   公司 CI 字体是“思源黑体”，Linux 构建机默认没有。Dockerfile 里加一句
   RUN apt-get install -y fonts-noto-cjk
   并在 python-pptx 里指定 pptx.enum.text.MSOTEXTFAR-EAST_THEME_FONT，防止 Windows 播放机打开后回退成宋体，排版瞬间崩。

2. 中文排版
   python-pptx 对中文段落的“首行缩进”支持很怪，得用 paragraph.level = 1 变相实现；另外文本框宽度最好留 2mm 余量，否则“等宽字符+英文混排”时，最后一字会被强制换行，导致视觉参差不齐。

3. 异步状态管理
   用 Celery 跑异步任务时，把“生成 PPTX”拆成两步：

   • 步骤 A：ChatGPT → Markdown（返回 task_id）；
   • 步骤 B：Markdown → PPTX。
     前端轮询 /status/<task_id>，失败可精准重试步骤 B，避免重复消耗 GPT 额度。

核心流程图

graph TD
    A[需求文本] -->|Prompt| B(ChatGPT API)
    B --> C[Markdown]
    C --> D{解析器}
    D -->|JSON| E[模板引擎]
    E --> F[python-pptx]
    F --> G[PPTX文件]
    G --> H[CI存储/飞书交付]

延伸思考

1. 如果未来要支持“多语言同步输出”，你会如何设计 Prompt 与模板，使得一份源文本可同时生成中英双语幻灯片，且版式不乱？
2. 当架构图超过 50 个节点时，Mermaid 渲染性能下降，你是否考虑将图拆分并用 Graphviz 做分布式布局？
3. 对于“对话式”汇报场景，如何让 ChatGPT 根据听众实时提问，动态插入新幻灯片，同时保持页码与目录自动更新？

——

把上述脚本接进 Jenkins 后，我们组的技术汇报从原来 2 天压缩到 2 小时，效率提升约 80%。如果你也想体验“写代码出 PPT”的爽感，不妨到火山引擎的从0打造个人豆包实时通话AI动手实验逛一逛。虽然实验主打的是语音对话，但里面关于 Prompt 工程、异步任务拆分的思路，和本文的自动化生成套路如出一辙，我跟着做了一遍，很多设计可以直接搬过来用。小白也能顺顺当当跑通，剩下的就是尽情发挥想象力，把你的下一个 PPT 交给 AI 吧。