KeyFrame內部研究專用

AI做PPT零基础终极教程!

木子不写代码·6月22日週一·27 min中文

三句話摘要

完整的用AI製作專業PPT系統教程,從工具安裝到動效設計的全流程實戰演示。 掌握AI製作PPT的核心是先定清楚目的與文案架構,再通過漸進式的AI優化和多層次效果堆疊,用開源工具和已有的智能體額度就能輸出專業美觀的演示稿。 工具選擇與成本考量:Cloud Design綁定Claude生態且額度消耗快,Open Design作為開源替代方案支援任意智能體,用戶可使用既有的智能體額度,避免額外成本與模型限制。

重點整理

重點
  • 1

    工具選擇與成本考量:Cloud Design綁定Claude生態且額度消耗快,Open Design作為開源替代方案支援任意智能體,用戶可使用既有的智能體額度,避免額外成本與模型限制。

  • 2

    文案先行的重要性:在設計前先用AI整理出每頁的結構、標題、副標題和內容,並生成HTML版本進行排版預覽,能大幅降低後期修改複雜度,避免設計完成後才調整導致重做。

  • 3

    設計風格由AI推薦確定:不需自己是設計專家,將文案目的提供給AI,由AI推薦5種適合的視覺風格(如新粗野主義、瑞士國際主義等),並生成參考圖作為設計指引,確保最終效果與預期一致。

  • 4

    漸進式優化與多層次效果堆疊:初稿生成後持續優化,依序添加官方logo素材、AI生圖背景、數據圖表、3D粒子效果、過場動畫等,每層都能增強視覺效果,且所有操作都通過提示詞驅動。

實用技巧與重點

乾貨
  • 工具與環境:
  • Open Design(開源設計軟件)
  • 支持的智能體:Codex、Claude Code、Gemini、Tree Hermes、Agent、Cursor等
  • 安裝方式:GitHub下載客户端,或命令行安裝(如npm install -g @xx/cli)
  • 設計風格示例:
  • 賽博朋克風、瑞士國際主義、新粗野主義、玻璃擬物風、構成主義風
  • 素材與動效技術:
  • Echarts(圖表庫):柱圖、折線圖、散點圖、3D圖表
  • Three.js:3D粒子效果、光線動畫
  • GSAP:各類補間動畫
  • 關鍵提示詞模版:
  • 初期結構化:「生成每頁文字內容和對應HTML版本,勿生成代碼,便於排版預覽」
  • 風格推薦:「基於主題與目的推薦5種藝術風格,附原因說明」
  • 參考圖生成:「按照截圖風格還原設計」
  • 素材下載:「自動判斷適合位置下載品牌logo和產品素材,保持官方原色」
  • 圖表插入:「自行判斷哪些頁面適合加圖表,用Echarts生成」
  • 3D效果:「基於Three.js自行判斷哪些頁面適合加3D粒子,勿強行每頁都加」
  • 編輯功能:
  • 截圖:快速定位問題
  • 注釋:標記具體位置並描述問題
  • 標記:框選需要修改的區域
  • 編輯模式:調整字體、大小、元素尺寸
  • 導出選項對比:
  • PPTX:重新生成,效果下降明顯,不推薦
  • HTML:損失新增圖片和效果
  • PDF/圖片:保留視覺效果但動效丟失
  • 推薦:直接在Open Design中全屏演示

結論

結論

掌握AI製作PPT的核心是先定清楚目的與文案架構,再通過漸進式的AI優化和多層次效果堆疊,用開源工具和已有的智能體額度就能輸出專業美觀的演示稿。

完整解析

詳細

製作AI PPT的核心問題在於:PPT不只是美觀展示,更重要是讓觀眾理解內容並做出決策。因此製作前必須明確目的——你要讓觀眾理解什麼,希望他們得出什麼結論。這是所有後續AI提示的基礎。

首先需要工具準備。Cloud Design雖然功能完整,但成本高且綁定Claude生態。Open Design提供開源替代,本質是一個AI畫布,可配合Codex、Claude Code或任何主流智能體使用。這樣做的優勢是任何模型和智能體都能驅動設計,且可使用既有的智能體額度。安裝流程簡單:在GitHub下載Open Design客户端,選擇本地已安裝的智能體(如Codex或Gemini),或通過命令行新裝一個。

正式開始前,用任何AI網頁對話介面先結構化文案。提示AI生成PPT的業術結構和每頁文字內容,同時輸出HTML版本用於排版預覽。這一步至關重要,因為在設計完成後修改文字和架構會複雜得多。待文字確定後,請AI基於你的主題、目的和文案推薦5種適合的視覺風格(如新粗野主義強調年輕化,玻璃擬物風則顯得高端穩重),並生成對應的參考圖。這些參考圖成為後續設計的指引,確保最終效果與預期一致。

將文字內容、參考圖和需求複製進Open Design,AI會詢問比例、文字保留方式等問題,據此生成第一版PPT。初稿往往與參考圖存在差距,此時利用「智能匹配」功能,將參考圖與生成稿對比,告訴AI差距在哪裡、如何改進,AI會動用所有可用資源進行優化。同時可要求AI從網上下載最適配風格的字體。

接著進行素材補齊。告訴AI掃描所有頁面,判斷哪些位置適合加入品牌logo、產品截圖或瀏覽器素材,並自動下載高清版本嵌入。特別要說明保持官方原色,避免AI擅自改變產品視覺識別。隨後讓AI自行判斷哪些頁面適合插入AI生圖(如背景圖、概念圖),生成圖片並嵌入對應位置。如果智能體支援生圖(如Codex配GPT-4o),可直接完成;否則複製提示詞到專門生圖工具再貼回。

動效層面,先插入Echarts圖表。掃描文案內容自動判斷哪些頁面適合加圖表、用什麼圖表型別、放在何處,避免強行每頁都加。然後利用Three.js添加3D粒子效果和光線動畫,同樣是自動判斷適合位置。由於風格已含豐富的顏色和元素,3D效果應適度加入以免視覺混亂。最後添加過場動畫和微交互(如懸停效果),使整個PPT更生動。

編輯階段使用三種工具:截圖直接複製當前頁面內容到AI對話;注釋標記具體問題位置;標記框選需要修改的區域。進入編輯模式可調整字體、大小和元素尺寸。導出時要謹慎:PPTX會觸發重新生成導致效果下降,HTML會損失新增內容,PDF/圖片會丟失動效。最佳方案是直接在Open Design中全屏演示,臨時需要修改時回到編輯界面調整。

整個流程體現了人機協作的價值:人負責目的、方向、美學判斷,AI負責執行、優化、素材搜索和技術實現。從結構化文案到最終演示,每一步都有明確的提示詞模版,降低使用門檻。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。