Imagem PPT — Fluxo de Trabalho para Converter Material Textual em PPT Editável (Metodologia Geral)
Visão Geral
Esta skill fornece um fluxo de trabalho completo em três etapas para converter livros em PDF, artigos, relatórios e outros materiais textuais em apresentações PowerPoint belas e editáveis. O fluxo de trabalho é originário de um tutorial da comunidade Xiaoheihe (autor: Jogador 22186848), com referência à abordagem de criação de PPT acadêmico do YouTuber chinês "Yi Wang Wu Qian He Jing", e foi generalizado para se adequar a diversos cenários como apresentações em sala de aula, compartilhamento de livros, reuniões de grupo, apresentações de projetos e pitchs de competições.
Ambiente de execução fortemente recomendado: Codex + GPT-Image 2.0. O Codex é responsável pela leitura de documentos, orquestração do fluxo e montagem/restauração do PPTX (shell + python-pptx, tudo em um). O GPT-Image 2.0 é responsável por desenhar páginas de PPT com estilo consistente e texto preciso. O "modelo de geração de imagem image2" mencionado nos prompts das Etapas 1 e 2 corresponde ao GPT-Image 2.0 no ambiente Codex, ao modelo de imagem nativo no ambiente GPT/ChatGPT, e deve ser substituído pela ferramenta de geração de imagem realmente utilizada em outros ambientes.
Independente de plataforma: O núcleo desta metodologia são três prompts + três etapas, que podem ser utilizados em qualquer assistente de IA com capacidades de "leitura de documentos, geração de imagens e saída de arquivos" (Codex, ChatGPT/GPT, Claude, Kimi, Doubao, WorkBuddy, Tongyi, etc.). Durante a execução, basta mapear as capacidades genéricas mencionadas no texto para a ferramenta de IA que você está usando atualmente.
Os três prompts principais estão armazenados em references/prompts.md e são referenciados em cada etapa.
Árvore de Decisão do Fluxo de Trabalho
Usuário insere material textual (PDF / Livro / Artigo / Relatório / Texto simples)
│
▼
┌──────────────┐
│ Etapa 1 │ Extração de Conteúdo + Design de Estilo
│ Compreender │ → Extrair conteúdo principal
│ Gerar 4 │ → Gerar 4 imagens de pré-visualização de estilo
│ prévias │
└──────┬───────┘
│ Usuário seleciona um estilo
▼
┌──────────────┐
│ Etapa 2 │ Geração de PPT Baseado em Imagem
│ Gerar │ → Gerar imagens página por página conforme estilo
│ imagens │ selecionado
│ página a │ → Combinar em .pptx para download
│ página │
│ Combinar em │
│ PPTX │
└──────┬───────┘
│ Obtém PPT baseado em imagem (não editável)
▼
┌──────────────┐
│ Etapa 3 │ Restauração para Formato Editável
│ Desmontar e │ → Camada de imagem + Camada de texto editável
│ restaurar │ → Produzir PPTX editável
│ página a │
│ página │
│ Produzir │
│ PPTX │
│ editável │
└──────────────┘
Etapa 1: Extração de Conteúdo e Design de Estilo
Objetivo
Ler e compreender profundamente o material de origem, extrair o conteúdo principal e, simultaneamente, gerar quatro miniaturas de pré-visualização de PPT em estilos diferentes para o usuário escolher.
Passos de Execução
- Ler o material de origem: Ler o PDF/documento fornecido pelo usuário. Para documentos longos, ler em segmentos e resumir os pontos-chave.
- Extrair o esboço do conteúdo: Extrair os seguintes elementos do material:
- Antecedentes do autor, contexto da obra
- Estrutura do livro/texto completo
- Principais pontos de vista, capítulos importantes
- Casos típicos, frases clássicas
- Significado prático e insights da leitura
- Obter estilo de referência: Perguntar ao usuário se possui alguma imagem de modelo de PPT de referência. Se sim, analisar o esquema de cores, fontes e layout da imagem.
- Gerar quatro pré-visualizações de estilo: Usar a capacidade de geração de imagens da IA para gerar quatro imagens de pré-visualização de PPT em estilos diferentes (semelhante ao layout de visualização de slides) de acordo com o Prompt 1 em
references/prompts.md. As quatro opções devem ter a mesma estrutura de conteúdo, mas diferir em cores de tema, layout e estilo visual. - Pausar e aguardar a seleção do usuário: Exibir as quatro imagens de pré-visualização e pedir ao usuário que escolha um dos estilos.
Notas de Adaptação
- Codex (Recomendado): Usar a capacidade de leitura de documentos para extrair o conteúdo e, em seguida, chamar a geração de imagens (fortemente recomendado GPT-Image 2.0) para gerar as imagens de pré-visualização. O "modelo de geração de imagem image2" no Prompt 1 corresponde ao GPT-Image 2.0.
- IA com capacidade nativa de geração de imagens (ex.: GPT): Enviar o PDF do material de origem + a imagem de estilo de referência + o Prompt 1 diretamente. A IA chamará seu modelo de imagem para gerar as pré-visualizações.
- IA que gera imagens por meio de ferramentas externas (ex.: Claude, WorkBuddy): Primeiro, usar a capacidade de leitura de documentos para extrair o conteúdo e, em seguida, chamar a ferramenta de geração de imagens disponível para gerar as pré-visualizações. O "modelo de geração de imagem image2" no Prompt 1 deve ser substituído pela ferramenta de geração de imagens realmente utilizada.
Etapa 2: Gerar o PPT Completo Baseado em Imagem
Objetivo
Com base no estilo selecionado pelo usuário, gerar imagens de página de PPT completas, uma por uma, e combiná-las em um arquivo .pptx para download.
Passos de Execução
- Confirmar a escolha do estilo: Registrar o número do estilo selecionado pelo usuário na Etapa 1.
- Gerar imagens página por página: Com base no modelo de estilo selecionado e no esboço de conteúdo extraído na Etapa 1, gerar imagens de página de PPT uma por uma. Cada página deve destacar uma ideia central, evitando grandes blocos de texto.
- Combinar em PPTX: Incorporar todas as imagens de página em ordem em slides 16:9 para gerar um arquivo .pptx (pode ser feito com um gerador de PPT, script python-pptx ou a capacidade de saída de arquivo nativa da IA).
- Entregar o arquivo: Entregar o arquivo .pptx gerado ao usuário.
Notas de Adaptação
- Codex (Recomendado): Chamar a geração de imagens (fortemente recomendado GPT-Image 2.0) em loop para desenhar cada página e, em seguida, usar um script python-pptx para combinar em .pptx. O "modelo de geração de imagem image2" no Prompt 2 corresponde ao GPT-Image 2.0.
- IA com capacidade nativa de geração de imagens (ex.: GPT): Enviar o Prompt 2 (veja
references/prompts.md). A IA gerará as páginas uma por uma e as combinará automaticamente em um pptx. - IA que gera imagens por meio de ferramentas externas: Orquestrar manualmente — primeiro, chamar a ferramenta de geração de imagens em loop para gerar a imagem de cada página e, em seguida, usar um gerador de PPT ou script python-pptx para combinar. Observe que algumas IAs só podem chamar uma ferramenta por turno de conversa, sendo necessário dividir a geração de todas as páginas em várias rodadas.
Observações Importantes
- Uma única chamada de geração de imagem geralmente produz apenas uma imagem. PPTs com várias páginas exigem chamadas em loop.
- Ordem de geração sugerida: Capa → Índice → Páginas de conteúdo → Página de resumo → Página de agradecimentos.
- Ao gerar cada página, o prompt deve incluir: descrição do estilo selecionado + pontos de conteúdo específicos da página + informações do número da página.
Etapa 3: Restaurar o PPT Baseado em Imagem para PPTX Editável
Objetivo
Restaurar o PPT baseado em imagem produzido na Etapa 2 (cada página é uma imagem inteira, não editável) para um arquivo PPTX editável, preservando a qualidade visual e tornando o texto principal editável.
Passos de Execução
- Processar página por página: Processar cada página do PPT baseado em imagem individualmente, processando no máximo 1-3 páginas por vez para evitar degradação na qualidade da separação.
- Identificar a estrutura da página: Analisar cada imagem de página e dividir o conteúdo em duas camadas:
- Camada de ativos visuais complexos: Logotipos, pessoas, ilustrações, imagens 3D, fundos complexos, gráficos complexos, etc. → Recortar/extrair como imagens de alta definição para incorporar.
- Camada de informação editável: Títulos, subtítulos, texto do corpo, frases de destaque, números-chave, texto de caixas de conclusão, números de página, etc. → Reconstruir usando caixas de texto nativas do PPT.
- Restauração de texto: Recriar o texto editável usando caixas de texto nativas do PPT, combinando com a fonte, hierarquia de tamanho, peso, cor, espaçamento entre linhas, espaçamento entre caracteres, alinhamento e posição da imagem original. Se for necessário cobrir o texto da imagem original, primeiro use uma cor de fundo/máscara local para ocultar o texto original e, em seguida, sobreponha a nova caixa de texto para evitar fantasmas.
- Restauração visual: Manter a proporção do layout, o centro visual, a ordem de leitura, o ritmo do espaço em branco, as cores, o contraste e as relações de claro/escuro da imagem original.
- Saída e comparação: Produzir um PPTX editável 16:9 e, simultaneamente, renderizar uma imagem de pré-visualização para comparação com a imagem original. Se houver diferenças significativas, continuar iterando e modificando.
- Instruções de entrega: Após a conclusão, explicar quais elementos foram restaurados como texto editável, quais foram mantidos como imagem e se houve substituição de fontes.
Instruções de Restauração
O prompt completo para restauração página por página está no Prompt 3 em references/prompts.md. Este prompt adota uma estratégia de restauração híbrida de "alta fidelidade visual complexa + texto principal editável".
Notas de Adaptação
- IA com capacidade nativa de desmontagem de imagem (ex.: GPT): Fazer upload do PPT baseado em imagem + enviar o Prompt 3. A funcionalidade de imagem da IA pode desmontar e combinar elementos de camada, produzindo diretamente um PPTX editável.
- Codex (Recomendado):
- Visualizar cada imagem de página, identificar o conteúdo do texto e a estrutura dos elementos visuais.
- Usar bibliotecas de processamento de imagem (ex.: Pillow) para recortar áreas visuais complexas em imagens independentes.
- Usar python-pptx ou pptxgenjs para construir o PPTX: imagem de fundo como base + caixas de texto nativas sobrepostas com texto.
- Processar página por página, 1-3 páginas por vez.
- Combinar todas as páginas no arquivo .pptx final.
- Outras IAs (ex.: Claude, WorkBuddy): Seguir o caminho do Codex descrito acima, substituindo as bibliotecas/ferramentas específicas pelas disponíveis no ambiente atual.
Observações Críticas
- Desmontar uma página de cada vez: Processar no máximo 3 páginas por vez; caso contrário, a separação dos elementos pode não ser ideal.
- Evitar sobreposição dupla: Se a imagem original já contém texto, é obrigatório cobrir o texto original com uma cor de fundo antes de sobrepor a caixa de texto para evitar o efeito fantasma.
- Substituição de fontes: Quando a fonte da imagem original não puder ser identificada, usar Heiti/Source Han Sans/Microsoft YaHei para chinês e a fonte sem serifa/serifada mais próxima disponível para inglês.
- Texto pequeno em áreas visuais complexas: Se a separação individual danificar a qualidade da imagem, pode ser mantido como imagem, mas isso deve ser anotado na explicação final.
Recursos
references/
prompts.md— Os três prompts principais originais (Prompt 1: Extração de Conteúdo e Design de Estilo / Prompt 2: Geração de PPT Baseado em Imagem / Prompt 3: Restauração de PPTX Editável)
Sugestões de Mapeamento de Ferramentas
Durante a execução, selecione a capacidade correspondente com base no ambiente de IA atual:
| Capacidade Genérica | Exemplos de Ferramentas/Skills Disponíveis |
|---|---|
| Leitura de Documentos | Leitor de PDF/documentos integrado, MarkItDown, qualquer capacidade de análise de arquivos |
| Geração de Imagens | Modelo de imagem nativo (ex.: GPT Image), Agnes, Midjourney, Jimeng, Tongyi Wanxiang, etc. |
| Construção de PPTX | Saída de arquivo nativa da IA, python-pptx, pptxgenjs, plugins WPS/Office |
Cenários de Aplicação
| Cenário | Descrição |
|---|---|
| Apresentação de grupo em sala de aula universitária | Compartilhamento de livros, apresentação de trabalhos de curso |
| Reunião de grupo | Apresentação de literatura, apresentação de progresso de pesquisa |
| Apresentação de projeto | Resumo de projeto, demonstração de plano |
| Pitch de competição | Plano de negócios, pitch de projeto |
| Clube do livro | Extração e compartilhamento de conteúdo de livros |