重建、自檢、修正循環(huán)image-to-editable-ppt-skill的對象級重建設計理念深度解讀【免費下載鏈接】image-to-editable-ppt-skillCodex skill for converting slide images, PDFs, and image-based PPTX files into editable PowerPoint decks.項目地址: https://gitcode.com/gh_mirrors/im/image-to-editable-ppt-skillimage-to-editable-ppt-skill 是一個把幻燈片圖片、PDF 和圖片版 PPT 重建為對象級可編輯 PPT 的 AI skill。它的核心不是「OCR 識別完貼回去」而是一套完整的「重建 → 自檢 → 修正」閉環(huán)每一頁被拆成文字、形狀、視覺資產(chǎn)三類對象分別還原為原生文本框、PPT 形狀或獨立圖片再對照源圖逐項自檢不合格就在頁面內(nèi)修正直到通過確定性校驗。下面帶你拆解這套設計理念。一、為什么是對象級重建一頁拆成三類對象看到「圖片轉(zhuǎn) PPT」很多人的第一反應是OCR 提取文字再把原圖貼回去。但那樣的產(chǎn)物只能整頁移動——改一個字就得重畫整張圖。image-to-editable-ppt-skill 選擇了另一條路認為一頁幻燈片里不同對象的價值并不相同于是分三類分別重建對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、改顏色簡單幾何矩形、線條、箭頭PowerPoint 形狀移動、縮放、改樣式復雜視覺照片、圖標、手繪裝飾獨立圖片資產(chǎn)帶來源記錄整體移動或替換關(guān)鍵在于第三種照片、插畫不會被硬拆成形狀而是被分離成帶來源記錄的獨立圖片資產(chǎn)——至少能在 PowerPoint 里整體挪動和替換而普通表格、圖表、流程圖則優(yōu)先重建為原生表格和結(jié)構(gòu)對象。這種「能編輯的變對象、拆不動的變資產(chǎn)」的混合策略是整個對象級重建的地基詳見 docs/design.md。二、重建三步曲先定來源再落對象每一頁重建前skill 先要求建立完整的「頁面盤點」全部可讀文字、背景類型、前景視覺對象、公式、圓角幾何然后按固定順序走三步見 page-decision-tree.md背景識別與修復——先判斷背景能否用原生對象直接重建純色、漸變、卡片底板還是需要圖片編輯「先去掉前景、再修補背景」前景資產(chǎn)分離——所有非文字的視覺對象圖標、照片、貼紙、手繪線必須走圖片編輯的素材板流程分離出來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來自 OCR 實測值、形狀、表格落進頁面。順序為什么不能亂因為如果先重建文字「屬于 logo 或截圖里的文字」就會被錯誤鎖進文本框后面所有修正都是返工。這個「先定來源、再落對象」的決策順序是防「虛假進展」的第一道防線。三、核心閉環(huán)重建 → 自檢 → 修正一頁可能迭代多輪 這是項目設計理念的核心也是它費 token 的根源。每頁的重建者page worker必須執(zhí)行這個循環(huán)重建 → 確定性構(gòu)建頁面 生成原圖/預覽對比圖 → 對照源圖逐項自檢 → 頁面內(nèi)修正 → 只復驗受影響對象 → 通過后停止自檢清單非常具體干凈背景有沒有「鬼影」和模糊塊、分離出的資產(chǎn)有沒有粘連或缺筆畫、文字有沒有裁切或字號比源圖明顯偏大、卡片圓角是否與源圖一致、同一個對象有沒有「圖片層出現(xiàn)一次、原生對象又出現(xiàn)一次」——全是硬性檢查項。最有設計感的是 Fix versus Warning 的分界線分離資產(chǎn)的細小毛邊、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、文字字號錯位、圓角分類錯誤這類結(jié)構(gòu)性問題必須在當前頁修好絕不允許流到下一步。這個「小瑕疵記錄、大問題必修」的規(guī)則讓循環(huán)能高效收斂而不失守質(zhì)量。上圖中每個文本框、圖標、連線都是可獨立選中的對象——這些選擇手柄就是閉環(huán)跑完的「可編輯性證據(jù)」整頁貼圖是永遠做不出來的。修正環(huán)節(jié)還遵循一份恢復契約先讀上次驗證失敗的原因、復用已核驗的資產(chǎn)、只修受影響的部分不做整頁推倒重來見 page-worker.md。四、確定性校驗機器把關(guān)杜絕虛假進展 ?AI 自檢是「視覺」的項目又設了一道「結(jié)構(gòu)」的硬閘——由manifest.json驅(qū)動的確定性校驗editppt page validate把頁面構(gòu)建產(chǎn)物與 manifest 比對檢查定位對象是否都有源圖像素坐標、文字是否真實可見的原生文本、每張圖片是否都有來源記錄editppt run record只有validation.json頂層passed: true的頁面才能進入recorded狀態(tài)同時記錄產(chǎn)物哈希防止后段被「動手腳」editppt run finalize按頁順序組裝整套 PPT再校驗包結(jié)構(gòu)、頁數(shù)、媒體關(guān)系、資產(chǎn)哈希、備注哈希以及頁面是否違規(guī)使用「整頁原圖 文字覆蓋」的偷懶模式。校驗實現(xiàn)見 validate_pptx.py字段契約定義在 manifest-schema.md。雙閘的價值在于AI 覺得「看起來對」但結(jié)構(gòu)不過照樣被攔結(jié)構(gòu)過了但對象來源違規(guī)同樣不算數(shù)——這就是對「虛假進展」的最終回答。五、多頁并行重建狀態(tài)留痕進度隨時可查多頁輸入由主 agent 按并發(fā)槽位默認 6 個分派給 page worker 并行重建每頁獨立工作目錄中間產(chǎn)物全部留痕output/image-to-editable-ppt/{job-id}/ ├── deck_manifest.json # 整套 deck 的頁面清單 ├── page_jobs.json # 每頁分派與完成狀態(tài) └── pages/page_001/ ├── source.png # 歸一化后的頁面源圖 ├── manifest.json # 對象級重建描述唯一事實來源 └── validation.json # 本頁校驗結(jié)果頁面狀態(tài)機嚴格為pending → dispatched → recorded → accepted每次流轉(zhuǎn)只能由editppt命令推進不允許手寫狀態(tài)文件卡住的頁面可reset回pending重新分派主 agent 只讀狀態(tài)、不越界干涉頁面內(nèi)部。完整流程參見 docs/workflow.md。六、代價與適用人群token 貴但改不動的復刻沒有意義成本要說透因為每頁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 倍單頁復原可能超過 10 分鐘詳見 docs/faq.md。因此項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、逐頁并行重建、自檢修正、最終組裝與校驗全部自動完成你最終拿到的是一份文字、形狀、圖片資產(chǎn)都能單獨選中編輯的.pptx。延伸閱讀SKILL.md執(zhí)行規(guī)則與四階段工作流· page-decision-tree.md頁面對象決策樹全文· README.md完整功能清單【免費下載鏈接】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