pic-ppt 是做什麼的?
以生圖為主,忠實重構使用者提供的 PPT 效果圖。預設一張圖對應一頁,交付 .pptx:底圖、各個線框、小圖和圖示是分開的圖片物件,文字是原生可編輯文字框。圖片可單獨移動、替換及縮放,不宣稱它們的內部線條可編輯。
核心約定
- 遵循使用者指定順序:先底圖,再逐個線框,再逐個小圖/圖示,最後文字排版與合成。可以在開始時識別文字和位置,但先完成底圖再製作前景素材。
- 保持原圖的構圖、層級、顏色分佈、元素位置、文字內容和頁面比例。高清重繪改善清晰度與邊緣品質,不自行改版或增加裝飾。
- 常見矩形框、圓角框、科技邊框、線框插圖等同樣透過生圖重繪,不因形狀簡單就改用 PPT 原生形狀、SVG 或程式繪圖拼出來。
- 不把整張效果圖當作最終底圖再疊一層文字;底圖必須真正去除將被獨立重建的前景與文字,避免雙影。
- 不將整頁重繪成一張圖片充當成品,不把全部前景合併成一張透明圖。每個獨立元素對應獨立圖片物件。
- 已有清晰輸入時直接開始,不增加大綱、風格、試做頁等確認環節。只對影響內容準確性且無法從輸入解決的問題請求釐清,其他可獨立完成的部分繼續做。
工具與檔案
- 使用當前環境的
imagegen技能和內建image_gen工具處理補底、摳圖和高清重繪;使用者明確指定其他可用生圖技能時按其選擇。即使通用生圖指南建議簡單線框用向量,本任務也遵循使用者要求使用生圖。 - 查閱當次工具定義。對本地參考圖先用影像檢視工具檢查,再按工具支援的方式傳入實際參考圖。僅在提示詞中寫本地檔案路徑不等於傳入圖片。
- 每個不同素材獨立生成並檢查。對透明線框和摳出的圖示明確設定
transparent_background: true;完整底圖通常使用false。生成多個素材不等於授權切換付費 API 或 CLI。 - 生圖失敗時按實際問題修正重試。若目前方式不可用,說明具體障礙;不偷偷用 PPT 形狀或整頁截圖替代。其他 API/CLI 回退遵循對應工具授權規則。
- 開始實際 PPT 排版前讀取當前
presentations技能和其所需的實作說明;需要執行時期依賴時呼叫load_workspace_dependencies。本技能規定重構方式,不硬編碼隨版本變化的排版 API。 - 原圖保持不變。中間素材與記錄放在工作目錄,最終 PPT 及預覽放在當次任務的交付目錄。將選中的生圖結果儲存到工作目錄,再嵌入 PPT;不能只保留暫時連結或外鏈。
0. 觀察與拆解
查看原圖,確定有效幻燈片區域,排除截圖中的軟體工具列與外部留白。沒有其他尺寸要求時,保持該區域的長寬比,不預設強制 16:9。
建立內部元素清單,記錄:元素編號、類型、原圖座標框、遮擋順序、輸出素材路徑;文字還記錄原文、換行、字體風格、字號估計、對齊、顏色與局部強調。座標統一以有效幻燈片區域為基準。
分清四類:
| 類別 | 處理方式 |
|---|---|
| 整頁底色、背景紋理、背景光場 | 合併為一張無字底圖 |
| 獨立線框、邊框、裝飾線與裝飾箭頭 | 每個獨立元素一張透明圖片 |
| 小插圖、照片、圖示 | 每個獨立元素一張高清圖片;需要摳出的部分透明 |
| 標題、正文、框內文字、圖註與可辨識標籤 | 原生可編輯文字框 |
若某幅圖帶有標籤,把可辨識標籤計入文字層,重繪圖形時去除這些文字。不要將框內文字一起烘焙進線框素材。
1. 先提取底圖
用原圖作為編輯參考,去除所有需要單獨重建的文字、線框、小圖和圖示,補全它們遮擋的背景。保留原有背景的色相、漸變方向、紋理尺度、亮暗分區和光源位置。
被遮擋區域無法從單張圖真實恢復,按周圍背景連續補全;不要聲稱提取到了原始隱藏圖層。不能用大塊純色遮蓋複雜紋理,也不能留下文字輪廓、框線殘影或前景的重複光暈。
底圖檢查通過後再開始線框。生圖提示詞見 references/asset-prompts.md。
2. 逐個高清重繪線框
逐個定位並引用原圖中的線框,輸出一個完整獨立素材。明確原有輪廓、缺口、轉角、雙線關係、比例、邊緣裝飾及主色;只重繪該物件,去掉文字及周圍元素。
重點控制:
- 光線均勻:同一段連續線條的亮度與線寬穩定,左右/上下視覺平衡,無意外爆亮點、局部過曝、暗斷口;原圖明確存在的漸變或重點高光可以保留。
- 分佈勻稱:重複刻度、節點、角部細節和邊距有規律,保持原圖設計的對稱或不對稱關係,不強行把非對稱構圖改成對稱。
- 融入整頁:色相、光暈強度、銳度與底圖協調,不產生白邊、黑邊或貼紙感。不要為了「高清」放大光效或增加螢光色。
- 真實透明:儲存帶真實 Alpha 通道的 PNG,框外透明;原圖為空心的內部也透明,原有半透明面板填充則保留為合理透明度。保留柔和的半透明光暈,不把光暈切成硬邊。
- 留出光暈空間:生成畫布覆蓋完整外輪廓和發光外擴,不能在圖片邊緣突然截斷。透明留白不作為可見框體定位的依據。
每個不同線框單獨處理。完全相同、只重複出現的線框可複用已通過檢查的同一素材,但在 PPT 中仍是一個獨立圖片物件;比例或裝飾不同的線框分別生成,不拉伸同一圖片湊形。
3. 逐個高清重繪小圖和圖示
逐個以原圖中的小圖/icon 為參考,保留主體身份、輪廓、數量、方向、視角、色彩與相對細節位置,重繪到適合最終放置尺寸的清晰度。
- 孤立圖示/物體輸出透明 PNG,完整照片保留原有矩形畫幅與背景,除非原圖本來就是摳圖。
- 不改變箭頭方向、部件數量、連接關係等有意義的結構。含可辨識文字的圖先拆出文字,圖形和文字分別重建。
- 對真實數據圖、實驗圖、品牌標誌,重繪不得改變數據、證據細節或標誌結構。無法保證忠實時保留原圖並明確記錄該項例外,不把生成的細節冒充原始資訊。
- 根據實際佔位設定目標解析度;優先讓素材在最終預覽尺寸下不需放大,條件允許時預留約 2 倍像素。僅放大原圖不算高清重繪,不把工具未提供的解析度稱為 4K。
逐個在目標底圖上檢查效果;確認後放到清單中的原圖位置。
4. 還原可編輯文字
按原文逐塊建立原生文字框,保留原圖中的文字內容、層級、行序與顏色分佈,不擅自潤飾、刪字或更改數字。OCR 只作初稿,必須對照原圖校讀。
- 標題、正文、圖註、數字、單位以及線框內標籤都應能直接點選和修改。
- 同一行不同顏色或粗細的字使用原生富文字片段;需要獨立定位時可拆成多個文字框,不將文字轉成 PNG、SVG 或輪廓。
- 字體優先使用原字體;無法確定或缺失時選擇已安裝的近似字體,重點匹配字重、字寬、行高。校對上下標、希臘字母、化學式和數學符號。
- 在原圖對應位置匹配字號、行距、段距、文字框內邊距與對齊。不要依靠自動縮小把文字擠進錯誤尺寸的框,不為追求大號字改動原版式。
- 含字圖片不能留著原字再疊加可編輯字。去字後的素材與文字框組合後不應出現雙字、殘影或錯位。
- 遇到實在無法辨識的字,先完成其他部分並只詢問對應片段;不要猜出看似確定的內容。若使用者要求先交付,列明未解決的文字,不聲稱所有文字已準確重建。
5. 組裝、檢查與交付
組裝前及驗收時讀取 references/layout-and-checks.md,處理座標映射、透明邊距和原生文字驗證。
按原圖遮擋順序放置圖片及文字,通常為底圖、線框/插圖、文字。給物件起清楚的名字,例如 BG_01、FRAME_01、ICON_01、TEXT_01;避免整頁鎖成無法點選的大組。
匯出 PPTX 後渲染成圖,與原圖按相同比例檢查整頁和局部,修正背景殘影、框位偏差、光暈、圖示尺度、錯字、行距及溢出。檢查 PNG 的實際透明通道及 PPT 中的原生文字;僅「看起來像透明」或「存在幾個文字框」不等於完成。
預設交付最終 .pptx 和一張渲染預覽。文字可編輯;圖片層可獨立移動、替換和縮放。只有使用者要求時才額外交付素材包或內部檢查記錄。簡短說明影響使用的真實限制,不宣稱像素級一致、全部向量可編輯或已經在未使用過的軟體中驗證。