AI 本可无所不能，然后它遇上了 PowerPoint

原文：https://every.to/also-true-for-humans/ai-could-do-anything-then-it-met-powerpoint

作为一名咨询顾问，我大量时间都花在 PowerPoint 上。驱动决策的从来不是数据，而是叙事。无论你爱它还是恨它，在发光的屏幕上展示幻灯片，是我们这个时代最接近祖先围坐在篝火旁讲故事的方式。

我职业生涯早期做的幻灯片刻意保持丑陋，以此证明我的想法足够好——不需要花哨的排版来打动别人。但如果你在金融或咨询行业，这种态度撑不了多久。

客户会把任何对细节的忽视视为你不可信的信号。分析师们通宵达旦地把幻灯片做到像素级完美，因为用错字体或 logo 就可能丢掉工作。Every 咨询业务负责人 Natalia Quintero 刚入职几周就深刻体会到了这一点：一家公司的高管因为颜色不匹配直接否决了她团队做的演示文稿。他的逻辑是——如果颜色都这么马虎，那数字肯定也好不到哪去。

我们虽不是高盛或麦肯锡，但在 Every，我们同样需要通过演示文稿传达专业能力。与此同时，如果我们自己都不使用 AI 来辅助工作，就很难成为一个有说服力的 AI 赋能合作伙伴（AI enablement partner）。挑战在于，AI 生成的幻灯片往往无法讲出有力的故事——而这种叙事连贯性的缺失，和马虎的设计传达出同样的信号：你不够在乎细节，以至于没花精力去打磨。

接下来，就是我们尝试用 AI 打造完美 PowerPoint 的故事。我们从 Claude 和 Codex 的 PowerPoint 技能入手，但两者都无法自动化产出我们所需的质量水平。于是我们自己造了一个。如果你制作的演示文稿数量足够多——或者你的质量标准同样高——这条路也许值得你走一遍。

Claude 很接近，但无法搞定每一单

我二月份加入 Every 时，我们的咨询团队仍然在 Figma 里手工制作所有幻灯片——每周大约两到三套。我做的第一件事，就是让 Claude Code 为一个即将到来的演示创建 PowerPoint 幻灯片。

结果不太妙：

Mike 第一次尝试用 Claude 创建 PowerPoint，结果并不理想。（所有图片由 Mike Taylor 提供。）

为了让 Claude 能真正处理 PowerPoint，Anthropic（Claude 的开发公司）投入了大量精力创建了官方 pptx 技能。单靠一份 Markdown 文件是搞不定的。它的技能文件夹包含 59 个文件，其中 16 个是用于与 PowerPoint 交互的 Python 脚本。skill.md 文件本身超过 4000 词，参考文件还额外增加了约 3000 词。

Claude 从零开始构建幻灯片的能力出人意料地好——不是因为它懂 PowerPoint，而是因为幻灯片本质上是一个布局问题。在页面上排列文本块、图片和形状，正是 HTML（超文本标记语言）的设计初衷，而 Claude 写 HTML 写得非常流畅。因此，它能够排出一套精致的幻灯片并直接交给你用于演示，效果比市面上任何专门的 AI 幻灯片制作工具都好。

但一旦你使用公司模板，它就开始失控了。匹配现有设计和写作风格对 AI 来说是一项艰巨的任务，因为它需要空间感知能力、叙事结构、研究深度、设计美学和良好的品味——而这些都是人类目前仍占优势的领域。要制作一份经过深入研究的演示文稿，你需要喂给 Claude 大量材料，而你提供的所有内容都会消耗它的上下文窗口（context window）——即一次对话中模型能够读取的文本量。当堆砌超过 200,000 个 token（约 150,000 词）时，你就会遭遇上下文腐烂（context rot）：模型开始混乱并犯低级错误。此外，微软的 .pptx 文件格式从来没有为 AI 代理（agents）设计过——它混乱、token 利用效率低下，且难以被可靠地操控。

一套 AI 生成的幻灯片如果正确率达到 80%，往往比完全不用 AI 更糟糕。审查一个看起来光鲜的演示文稿以找出隐藏的错误，比你自己从头构建一个正确的版本更难，而且人们往往会过度信任 AI 的输出。在我们追求完美 PowerPoint 的过程中，我们发现自动化只有在缺陷率接近零的时候才算真正有价值。达到这个标准是可能的——但前提是你需要在编写、测试和编排 skill.md 文件上付出极其巨大的努力。

Anthropic 的技能在更新或编辑旧幻灯片方面也表现不佳。因为 .pptx 文件存储为 XML（可扩展标记语言），而 Claude 接受的训练中 HTML 数据比 XML 数据多出数百万倍，导致模型很难在脑海中渲染它正在处理的内容。它无法可靠地预测文本会在哪里换行，图片会在哪里重叠，因此它在做修改时根本看不到幻灯片的效果。

用超级代理来驯服幻灯片

我们的高级应用 AI 工程师 Nityesh Agarwal 接下了解决这个 PowerPoint 难题的挑战。他改造了 Anthropic 的 PowerPoint 技能，增加了几个关键特性，并将其集成到我们的 AI 助手 Claudie 中。

最大的改进来自于采用“蓝图先行”的方法。Claudie 不再直接生成最终幻灯片，而是首先制定一个需要哪些幻灯片的计划，并为每一页撰写详细的视觉指导说明。它依赖两项输入：基于 Granola（一款笔记工具）记录的客户电话笔记生成的议程表，以及列出会议主要叙事要点的目录。然后 Claudie 会在 Slack 里等待我批准后再继续。这个“人机协作”（human-in-the-loop）流程多次帮我们避免了把大量 token 浪费在过于浅薄、无法用于演示的幻灯片上。由于议程输入详细列出了事件顺序和每个主题的要点，它几乎从不遗漏幻灯片。

当时，幻灯片准备工作占了我大约 80% 的工作量，我正全国各地跑，每周为我们的客户举办三到四场关于 AI 应用与实施的研讨会。没有 AI 我没法做幻灯片，因为实在没时间全手动完成。有了 Claudie 和她新的 PowerPoint 技能，我可以跳上飞机，等落地时幻灯片已经做好了——运行在纽约办公室一台 Mac Mini 上的 Claudie，即使我离线也能继续工作。入住酒店后，我只需进行手动修改，就可以准备好第二天的演示。我们还为 Claudie 构建了更多技能：将电话笔记综合整理为每次研讨会的议程，为新项目起草提案，以及为参与者设计当天要完成的练习。

为了制作符合 Every 希腊-罗马-波普艺术品牌风格的图片，我们给 Claudie 配备了一项由 GPT Image 2 驱动的图片生成技能，并将其作为幻灯片制作流程中一个独立步骤嵌入。今年四月，我们在技能上的积累与 Opus 4.7 模型版本的发布叠加，产出了我迄今见过 AI 做出来的最好的幻灯片之一。

今年四月我见过 AI 生成的最佳幻灯片，Opus 4.7 使之成为可能。

相信我，它并不完美。Opus 决定自创一套新的品牌风格，因为它觉得我们的不够好。（我其实更喜欢 Opus 的风格，但从技术上说它并没有按照我的指示做。）Claudie 给出初稿后，我们往往需要多达 40 轮反复迭代才能得到最终成品，而且每套幻灯片我仍然需要再花一两个小时手动调整。

最大的工作幸福感提升，在于我可以“设定好就忘掉”——在会议前通过 Slack 向 Claudie 发出请求，然后在开始下一个会议前给她反馈即可。

但 Claudie 的产出仍有一些完全无法使用的情况。当材料特别复杂或陌生时，演示文稿只是浮于表面，并遗漏了重要的洞察。比如为一场关于 OpenAI 编排库 Symphony 的半天研讨会做准备时，我只用了 Claudie 制作的少数几张幻灯片，然后熬夜到凌晨两点亲自完善了整个方案。当赌注足够高时，我就会认怂。我们第一次在一家十亿美元级公司的高管外出会议上向全体最高管理层展示时，幻灯片是我纯手工做的。

不过，到四月中旬时，情况开始好转。我们的幻灯片逐渐做到了符合品牌风格，并且只需半小时即可修正到位，而过去从头制作一套则需要三个多小时。

造 25 套幻灯片，不出一个错

到四月底，在内部对数十套幻灯片进行了压力测试后，我们有足够的信心将这套工作流对外输出。我们的第一个客户，其团队每周大约制作 25 套销售幻灯片——在这种规模下，将这项工作自动化能够把他们解放出来从事更高价值的任务，比如业务拓展。但这些幻灯片是用在严肃的销售洽谈中的，一处错误就可能损害与潜在客户之间的信任。

一开始，我从 Nityesh 现有的蓝图优先方案入手，尝试通过 Claude Code 进行“氛围编程”（vibe coding），使其适配客户的模板。Claude 复制了我们已有的 PowerPoint 技能，阅读了客户的客户洞察电话记录，然后重写了现有技能以匹配客户的风格和要求。我让 Claude 用客户提供的两个简报运行新技能，并将其输出与客户实际演示过的幻灯片进行对比，以发现任何差异。这个过程我们重复了八次。每一轮，Claude 都会对发现的问题提出修复方案，直到它自信地宣称自己的版本比客户的原始版本更好。

然后我打开了其中一套幻灯片。简直惨不忍睹。

幻灯片顺序错乱。文字重叠。好几张员工头像甚至标错了名字。当我询问原因时，Claude 承认它根本没有真正看过这些演示文稿。相反，它编写了一套评估指标——即检查特定修改是否已被正确纳入幻灯片的代码。但这些代码只验证内容，而不检查视觉效果，因此完全遗漏了布局错误等问题。

我集中精力，清空日程，开始逐个排查问题，对 Claude 进行微观管理。这个过程花了三周时间和多轮客户评审。最终构建出一个由 24 项技能组合而成的插件，分 11 个不同阶段运行，由 18 个 Python 脚本提供支撑。算下来，生成一套幻灯片要花费 2890 万 token 和 62 美元。以下是最终插件结构的示意（已匿名化、通用化处理）：

一个定制 PowerPoint 技能的最终结构，每生成一套幻灯片成本为 62 美元。

技能可以连接到其他技能。这正是编排得以实现的基础：每个技能可以传递接力棒给下一个，从而将它们串成一个完整的工作流。Claude 完成一项任务后，便运行你指定的下一个技能。以下是对此技能工作流的拆解：

• 输入： 一份简报（主题、受众、目标）和一个知识库（内部数据、文档、来源）。

• 第一阶段：模板准备 ——定义蓝图（幻灯片类型、章节、流程），并清理或标准化布局、样式和品牌元素。

• 第二阶段：框架设定 ——定义受众和成功标准，然后对关键问题和假设进行深入研究。

• 第三阶段：研究与决策（顺序执行） ——一个按顺序运行的六步链条：识别主题、评估选项、细分细节、分析影响、综合洞察、映射关联。

• 第四阶段：内容研究（并行执行） ——将深度研究拆分为多个内容板块（A 至 N）同时进行。

• 第五、六阶段（并行执行）： 幻灯片开头部分（标题、议程、关键信息、开场白）与主体部分（详细分析、数据/证据、附录）同步构建。

• 第七阶段：叙事润色 ——撰写故事线、过渡段落和核心启示，将内容串联起来。

• 第八阶段：视觉素材 ——创建图表、示意图、图标和信息图。

• 第九阶段：组装 ——将内容填入模板，并检查流程与一致性。

• 第十阶段：审核 ——对逻辑、准确性、设计进行质量检查，并纳入利益相关者反馈（允许反馈后回到“组装”阶段重新调整）。

• 第十一阶段：交付物准备 ——打包最终幻灯片，并附上注释、推演逻辑和资料来源。

• 输出： 三样交付物：精修过的幻灯片文件、一份交付说明文档和一个素材库。

我们一块块地构建出能够独立运作的体系。每出现一个问题，我们就把它剥离成一个独立技能，并用 A/B 测试反复验证直到问题消失。当模型查到错误的信息源时，我们重写技能，引导它去人类会查找的地方。当幻灯片标题太泛泛时，我们提供能体现客户所偏好的风格的示例。当正确的字体颜色在组装阶段丢失时，Claude 编写了一个脚本让那部分过程更具确定性。我们无需每次跑完整个流程（一次将近一个小时），而是能够隔离问题、解决它，然后继续前进。

这种程度的复杂度和投入对绝大多数组织并非必需，但在我们这个案例中是必要的。即便投入如此之大，解决方案仍不完美，但如今我们客户的团队成员已经能用一个下午产出 10 套幻灯片。

别急着炒掉你的分析师

正如我们的 AI 幻灯片实验所揭示的，用 AI 完全自动化幻灯片制作对大多数人来说并不划算。大多数客户的规模还不足以支撑合理的技能优化和质量控制。除非你每月要制作数百套形态相似的演示文稿，否则大概率不值得。自动化你所能自动化的部分，然后等待下一代模型发布，或者等别人发布更好的插件或工具。

换个角度，你可以从 PowerPoint 的复杂性中抽身，转向使用 Claude 更擅长的 HTML。Every 咨询团队的另外一位同事就选择了这条路，制作交互式 HTML、CSS 和 JS 幻灯片。这个前端幻灯片库可以帮助你达成类似的效果。也有像 Gamma 这样以 AI 为先的幻灯片制作工具，但你也会被锁定在它们的系统中。Nityesh 最终解决了我们的 PowerPoint 难题，利用我们对 Fable 的早期访问权限，构建了开源工具 Hands on Deck，它能让 Claude 对现有 PowerPoint 模板进行精准编辑，错误率大幅降低。

但别急着炒掉你的分析师。根据我们的经验，用 AI 自动化反而带来更多工作，而非更少，因为现在你每周能向五倍的潜在客户做方案演示，或把研讨会数量从两场增加到四场。

回报是巨大的。从制作幻灯片中解放出的时间，让我能参加更多销售电话、协助制作提案，并为高管外出会议的每位参与者设计定制化练习。我的修改速度也远比手工操作快得多：当客户在研讨会前一天晚上十点发来一份修订版简报时，Claudie 在一夜之间就更新了整套幻灯片。放在以前，我们得推迟会议才能做好准备。

编写幻灯片制作技能并让它们协同工作，这是一项持续性的工作——即便如此，产出的质量也完全取决于我们给它的输入质量。为了让 Claudie 产出值得演示的洞察，我们必须先和客户交流，向她口述我们的经验，把运行过的实验截图和用过的工具喂给她。然后我还得微观管理整个演示流程，直到叙事能够立得住。

事实是，制作幻灯片最困难的部分从来不是像素级的排版细节，而是有值得演示的内容。而这部分，仍然需要你我。

核心启示：AI 在高度标准化任务上的自动化潜力巨大，但追求完美质量所需的定制化与纠错成本往往被低估；真正无法被取代的，始终是值得呈现的洞见本身。