一句话做出杂志级PPT！我的Agent Skill是怎么设计的？

一、全文速览图

前阵子接了一个线下培训项目，两天一夜。准备课件的时候我意识到一个问题：PPT的量太大了。两天的内容加起来上百页，每页都要有设计感。手工做的话，光PPT就得花好几天。

所以我给Claude Code写了一个专门做PPT的Skill。

这个培训PPT我肯定没法完整分享出来，给大家展示个测试场景吧。很多人做PPT都是为了辅助演讲或培训，所以我选了一个典型的知识讲解场景：给大学生讲清楚期货和期权。先让Claude Code写了一份两三千字的演讲稿，然后打了一句话：「帮我根据演讲稿做一个辅助的PPT」。

然后就去倒了杯咖啡。回来的时候，13页PPT已经生成好了，而且是两个版本——一个是可以在Keynote里继续编辑文字的Neo-Brutalism风格，另一个是用我个人形象生成的学习漫画风格，每一页都是完整的AI插画。

Skill这个概念我写过好几次了——去年10月Skills刚发布的时候写过一篇，今年1月skills.sh商店上线又写了一篇。简单说，Skill就是一个SOP能力包——你把做某件事的完整流程、参考知识、执行脚本打包在一起，AI以后每次做这件事都按同一套标准来。

今天这篇，我把这个PPT Skill的设计思路完整拆给你看。一是你可以直接拿去用，二是你看完之后，应该能自己设计类似的东西。

二、它能做什么

先说结果。

这个Skill支持两条制作路径。第一条是HTML转PPT，AI用代码生成每一页幻灯片，最后组装成.pptx文件。生成的PPT里所有文字都可以在Keynote或PowerPoint里直接编辑，中文渲染也是完美的。适合商务汇报、需要反复修改的场景。

第二条是全AI视觉，每一页都用Nano Banana Pro（Gemini的图片生成能力）直接生成一张完整的插画。视觉效果好很多，但文字不能后期编辑，中文偶尔会有小错误。适合演讲、发布会这种不需要改文字的场景。

Path A HTML可编辑版的PPT

Path B AI漫画版的PPT

两条路径可以同时跑。我那次就是让它并行生成的，HTML版和AI版各13页，总共不到20分钟。

然后是风格。现在内置了17种设计风格，从Snoopy漫画、浮世绘、敦煌壁画这种艺术感强的，到纽约时报杂志风、麦肯锡风这种商务感强的，都有。AI会根据你的主题自动推荐三个最合适的，你选一个就行。

还有一个我觉得挺有意思的功能：个人形象融入。你可以把自己的照片传给它，它会根据选定的风格生成一套角色设定图。之后每次做PPT，里面的人物都是你自己的形象。这样做出来的东西跟别人用同一个工具生成的完全不一样，有辨识度。

三、Skill里装了什么

其实这个Skill的文件结构，跟上次那个数据分析Skill是一样的思路，就四样东西：

SKILL.md——核心指令文件，大概200行。定义了整个工作流：从确认协作模式、梳理内容、选择风格、到构建页面、组装PPTX，一共五步。每一步该做什么、有什么检查点、用户需要确认什么，都写清楚了。

references/——知识库，有5个参考文件。17种风格的完整参数（配色、排版、构图规范、提示词模板）都在这里。还有设计运动到风格的映射关系——比如用户说「我想要那种复古的感觉」，AI能知道这对应的是苏联构成主义或者复古广告风。

scripts/——执行脚本，3个。一个是generate_image.py，调用Gemini API生成图片；一个是html2pptx.js，把HTML页面转成可编辑的PPTX；还有一个create_slides.py，把图片拼成全屏PPTX。

assets/——视觉资产。17种风格各有一张样例图，既用来给用户看效果，也用来给AI做风格参照（垫图）。还有一个character文件夹，放你的个人形象。

这四样东西的分工其实很清晰：SKILL.md管流程，references管知识，scripts管执行，assets管素材。缺哪个都不完整。

如果只有SKILL.md没有references，AI做设计决策的时候就没有依据，「好看」全凭它自己理解。如果只有references没有scripts，AI知道该怎么做，但做不了——它会告诉你「你应该用什么工具去生成」，而不是直接帮你生成。

这也是Skill跟普通Prompt最大的区别。Prompt是一段对话，Skill是一个工作系统。

三、设计时踩过的坑

说几个我做这个Skill时遇到的问题，可能对你有参考价值。

第一个，HTML转PPT比想象中难。我一开始以为写个HTML页面，截图塞进PPT就行了。但这样做出来的PPT里全是图片，文字不能编辑。要做到真正可编辑，需要把HTML里的每个元素解析出来，转成PPTX里的文本框和形状。

这个转换有一堆限制：所有文字必须用p或h1-h6标签包裹，不能裸放在div里；p标签不能有背景色和边框（这些只能放在div上）；不支持CSS渐变；不支持table元素。

我写了一个html2pptx.js脚本专门处理这件事，前后调了很多轮才把这些约束都踩明白。现在这些约束都写在了references/prompt-templates.md里，AI生成HTML的时候会自动遵守。

第二个，AI生成图片时风格一致性是个大问题。如果你每次都从文字prompt开始生成，即使描述得再详细，13页PPT出来风格也会飘。解决办法是用垫图——每次生成图片的时候，把风格样例图作为参考图传进去。这样AI会强制保持跟参考图一致的视觉风格。

同样的道理也用在个人形象上。我先生成一张角色设定图（三个表情的设定稿），之后每一页生成的时候都把这张设定图传进去，人物特征就不会跑。

第三个，关于风格推荐。我一开始做了5种风格，觉得够用了。后来发现，「专业极简」这种暗色底大留白的风格，AI生成出来效果很差——因为画面里缺乏视觉元素，AI不知道该画什么。反而是漫画、插画类的风格效果好很多，因为有明确的视觉语言。

所以现在17种风格里，排在前面的基本都是插画类的。商务极简类的我推荐走HTML路径，用代码精确控制排版，不依赖AI生成图片。

四、怎么用它设计自己的Skill

其实回头看，做一个Skill的思路挺简单的：

找到一个你反复在做的事情。每周都要做、流程相对固定、有明确产出的那种。做PPT、写周报、分析数据、做代码审查，都算。

然后把你做这件事的流程写出来。不是写给人看的流程文档，是写给AI看的执行指令。每一步该做什么，做完了交给用户确认还是直接往下走，都要明确。

接下来整理你的知识。你做这件事的时候，脑子里有哪些「隐性知识」？比如我做PPT的时候知道哪些风格适合什么场景，知道漫画风比极简风AI生成效果更好——这些东西，你不写出来AI永远不知道。放进references里，AI就能复用。

最后看看有没有可以脚本化的动作。把HTML转PPT、调用API生成图片、上传图片到图床——这些确定性的操作，写成脚本放在scripts里，AI就能直接执行，而不是告诉你「你应该怎么做」。

我觉得这个思路其实跟管理团队差不多。你不会每次都口头跟新人讲一遍流程、讲一遍标准、讲一遍工具在哪里。你会写SOP、整理知识库、准备好工具。Skill就是你给AI准备的这套东西。

五、怎么获取

这个PPT Skill我打包好了。

你可以到这里下载我的PPT生成skill「Huashu-Slides」：https://my.feishu.cn/wiki/Odn6w73bEiZRZykPargcOSANnDc?from=from_copylink

拿到之后，把整个文件夹丢到你的Cursor或Claude Code项目的.claude/skills/目录下就能用了。

有一个注意事项：如果你要用AI生成路径（就是那个Nano Banana Pro漫画风格），需要自己去Google AI Studio申请一个Gemini API Key。生成图片会消耗API额度。如果没有API Key，直接用HTML路径也完全可以，效果也不差。

说起来，我去年10月写过一篇文章，当时说的是：以前你得懂Prompt Engineering，现在你只需要懂你的业务。

几个月过去，我觉得这个判断依然成立。而且门槛还在继续降——skills.sh上已经有不少人在用别人打包好的Skill了，你甚至不需要自己写，直接装上就能用。

但如果你愿意花点时间自己设计，做出来的东西一定更贴合你的需求。毕竟没有人比你更了解你自己的工作流程。

欢迎关注作者微信公众号：「花叔」