gpt-image2-ppt

name gpt-image2-ppt description Generate visually striking PPT slides via OpenAI's gpt-image-2 -- use any style in styles/<collection>/STYLE_ID.md or mimic a user-supplied .pptx template; outputs high-res slide PNGs and a 16:9 .pptx. Use when the user asks to make a presentation, slides, deck, pitch deck, investor PPT, magazine-style PPT, or 做一份 PPT / 生成幻灯片 / 用 gpt-image 生成 PPT / 按这个模板生成 PPT. gpt-image2-ppt -- 用 gpt-image-2 生成 PPT 把一份 markdown 大纲（或 slides_plan.json ）+ 一种视觉风格，直接喂给 OpenAI 官方 Images API（ gpt-image-2 ），逐页出图，最后打包成 16:9 .pptx。 可用风格 风格 ID 一句话定位 适用场景 gradient-glass Apple Vision OS / Spatial Glass AI 产品发布、技术分享、创意提案 clean-tech-blue Stripe / Linear 级蓝白 融资路演、商业计划书、企业战略 vector-illustration 复古矢量插画 + 黑描边 教育培训、品牌故事、社区分享 editorial-mono Kinfolk / Monocle 编辑设计 品牌发布、文化访谈、读书分享 dark-aurora Linear / Vercel 深色霓虹 AI 产品、开发者工具、技术分享 risograph Riso 双套色印刷 + 网点纹理 创意工作室、文创品牌、独立 zine japanese-wabi 无印 / 原研哉式侘寂 茶道、生活方式、奢侈品、文化讲座 swiss-grid Bauhaus / Vignelli 国际主义网格 学术报告、博物馆展陈、严肃汇报 hand-sketch Sketchnote / 白板手绘 工作坊、产品 brainstorming、培训 y2k-chrome Y2K 千禧液态金属 + 蝴蝶贴纸 潮牌、文娱、品牌联名、Z 世代营销 abstract-art-showcase 黑白极简、艺术展览感、超大字体和抽象画面并置 艺术策展、作品集、品牌调性展示 coal-industry-business-company-profile 工业棕黑、粗重标题、结构线和硬朗图标 能源、制造业、重资产公司介绍 college-candy-aesthetics-infographics 糖果色、校园感、圆润信息图和轻快装饰 教育、校园活动、轻量数据科普 creative-agency 创意机构气质、强视觉拼贴、鲜明版式节奏 Agency 提案、品牌方案、创意汇报 culinary-innovation 餐饮创新感、食材摄影、暖色块和杂志式排版 餐饮品牌、食品创新、菜单/新品发布 data-science-consulting 数据咨询蓝灰、模块化布局、图表和技术感信息层级 数据分析、AI 咨询、企业数字化 mindfulness-in-the-classroom-breathing-techniques 柔和心理健康配色、留白、圆角块和安静插画感 心理健康、课堂活动、呼吸训练课程 mind-maps-workshop-professional 专业工作坊风、思维导图节点、清晰流程结构 培训工作坊、方法论、团队共创 meeting-agenda 会议议程感、干净网格、强信息分组和商务标题 例会、项目同步、管理层汇报 investment-company-business-plan 投资机构质感、深浅对比、稳重商务版式 投资计划、基金介绍、商业计划书 indigenous-cultures 文化纹样、自然色、手工质感和叙事型构图 文化课程、历史主题、公益教育 health-disparities-and-social-determinants-of-health-doctor-of-philosophy-phd-in-health-behavior-and-health-education 公共健康学术风、理性网格、柔和医疗色和论文感层级 医学论文答辩、公共健康报告、教育研究 geometric-duotone-thesis 双色几何、论文答辩感、斜切图形和强标题 学术答辩、研究报告、章节型内容 geometric-clinical-case 几何医疗风、冷静配色、病例卡片和清晰分栏 临床病例、医疗培训、诊疗汇报 geometric-business 商务几何块、稳健蓝绿调、简洁图表语言 商业计划、团队汇报、产品策略 formal-lavender-portfolio 淡紫正式感、作品集留白、优雅细线和柔和版式 个人作品集、设计简历、专业展示 flowery 花卉装饰、柔和色块、浪漫但有秩序的排版 生活方式、女性品牌、活动介绍 first-impressions 第一印象主题、强封面视觉、人物/标题的戏剧化关系 面试培训、个人品牌、沟通课程 final-year-project-thesis-defense 毕业设计答辩、学院派网格、清晰章节与数据页 毕业答辩、项目结题、研究展示 fashion-business-consulting-toolkit-aesthetic 时尚咨询感、高级拼贴、杂志排版和中性色 时尚商业、品牌咨询、趋势报告 economic-impact-of-coronavirus 经济影响报告风、严肃信息图、冷静色彩和数据叙事 宏观经济、政策分析、风险报告 eco-green-business-plan 鼠尾草绿、自然材质摄影、环保商务与极简分屏 可持续商业、环保品牌、健康生活方式 所有可用风格都统一放在 styles/ 下并按来源分组，使用方式完全相同： initial/ 收录初始 10 套， featured/ 收录精选 22 套， xiamulingzi/ 收录设计师 @夏目玲子 提供的 233 套。目录索引见 styles/README.md ；精选风格封面展示见 docs/distilled-styles.md 。 风格选择原则：先根据内容场景在 styles/ 里选择最贴近的一套。技术类可优先看 dark-aurora / gradient-glass / data-science-consulting ，商务类可优先看 clean-tech-blue / editorial-mono / eco-green-business-plan / investment-company-business-plan ，文化生活类可优先看 japanese-wabi / vector-illustration / culinary-innovation / flowery ，学术类可优先看 swiss-grid / geometric-duotone-thesis / final-year-project-thesis-defense ，工作坊与培训类可优先看 hand-sketch / mind-maps-workshop-professional / mindfulness-in-the-classroom-breathing-techniques 。 场景 recipes（可选起步模板） examples/ 不是新的 skill，也不是运行时必须输入；它是当前 skill 的场景起步模板库，用来在用户只给出模糊需求时，帮助 agent 更快写出第一版 slides_plan.md 。 触发规则： 用户已经提供完整大纲 / 完整 slides_plan.md / 完整 slides_plan.json 时，不要套 recipe，直接按用户内容走生成流程。 用户只说“做一份产品发布 PPT / 融资路演 / 周报 / 课程课件 / 论文答辩 / 读书分享”等常见场景，且没有给清晰页结构时，先查看 examples/ 是否有匹配 recipe。 recipe 只作为结构参考：读取 examples/<id>/recipe.md 了解场景、推荐风格和注意事项，再参考 examples/<id>/slides_plan.md 的页序结构，改写成用户自己的主题与内容。 不要把示例里的虚构产品、公司、项目、数据直接当成用户成品；必须替换为用户提供的信息，或明确标注为占位内容并等待用户确认。 如果用户给了真实图片、logo、截图、论文图表或产品 UI，仍按“外部真实图片贴入”规则处理；recipe 只负责内容结构，不替代素材保真流程。 当前内置 recipes： 用户场景 recipe 目录 推荐风格 产品发布、新功能发布、AI 产品介绍 examples/product-launch/ gradient-glass 融资路演、商业计划书、投资人汇报 examples/investor-pitch/ clean-tech-blue 项目周报、月报、例会同步 examples/weekly-report/ meeting-agenda 课程课件、培训、知识科普 examples/courseware/ vector-illustration 论文答辩、毕设答辩、结题展示 examples/thesis-defense/ final-year-project-thesis-defense 读书分享、文化访谈、观点分享 examples/book-sharing/ editorial-mono 使用方式： 判断用户需求是否命中某个 recipe。 读取对应 recipe.md 和 slides_plan.md 。 基于用户主题改写一份新的 slides_plan.md ，不要直接改 recipe 源文件。 与用户确认页数、每页标题和关键内容。 用户确认后再执行 md_to_plan.py 转 json，并继续下面的指定风格或模板克隆流程。 内置风格的 layout bank sidecar（唯一运行格式） 内置风格采用“MD 给人看，JSON 给机器用”的双文件结构： styles/<collection>/<style-id>.md # 风格说明、设计令牌、基础提示词 styles/<collection>/<style-id>.layouts.json # 必需；每页 layout bank，供自动分配页面形态 generate_ppt.py 会把同名 .layouts.json 作为无 reference image 的 RuntimeProfile 使用：通过 assign_layouts() 分配不同 layout，把 visual_signature / content_capacity / best_for / avoid_for / variation_tags 写入 prompt，并把命中的 layout 精简信息写入 metadata.json 。 当前所有 styles/**/*.md 都必须配套同目录、同名的 .layouts.json 。只有 Markdown、缺少 sidecar 的旧风格会在出图前直接报错，不再静默走旧 Prompt；先把它迁移为配对格式。以后蒸馏公开模板或新增内置风格时，必须同时产出 JSON sidecar；不要把多页 layout 只压缩进单个 MD 的“布局系统”文字段落。 统一 RuntimeProfile 运行内核 严格模板克隆和结构化 style sidecar 都先编译成同一种 RuntimeProfile，再统一经过 assign_layouts() 、页面 Profile 附着、prompt 编译和 metadata 记录。入口适配器只保留必要差异： template-clone ：来自 --template-profile 或模板 vision 分析；layout 可携带 reference_image ，只有 --template-strict 才实际传入生图。 distilled-style ：来自 <style>.md + <style>.layouts.json ；使用内容路由和多布局，不依赖原模板图片。 RuntimeProfile 统一记录 source_kind 、固定的 prompt_strategy=layout-fields 、 layouts 和 capabilities （routing / evidence / reference / portability）。优先级固定为：有效模板 Profile > style RuntimeProfile；模板分析没有 layouts 时必须真正回退到结构化 style，而不是只打印提示。运行时不再包含 legacy-freeform 或 synthetic layout 分支。 模板克隆模式 直接给 skill 一个 .pptx 模板，后续所有页都仿这个模板。 # 一行：自动渲染 + 模板分析 + 出图。需本机有可用 PPTX 渲染后端 python3 scripts/generate_ppt.py \ --plan slides_plan.json \ --template-pptx ./company-template.pptx \ --template-strict --template-strict 表示每页都把模板对应页作为 image reference 喂给 gpt-image-2，仿真度最高。 模板渲染：本机不需要操作 PowerPoint skill 自带 render_template.py ，把 .pptx 自动渲染成每页 PNG，存到 <cwd>/template_renders/<stem>/page-NN.png 。 Agent 前置检查（模板克隆时必须做） 在跑任何 --template-pptx 命令之前，你必须先检查本机是否有可用 PPTX 渲染后端。 检查方式： 首选：在 skill 目录运行 python3 scripts/render_template.py --check 。它会验证后端是否真的可执行，而不是只看路径是否存在。 macOS：优先检查 /Applications/Keynote.app 且 AppleScript 可执行；否则检查 libreoffice --version || soffice --version Windows：优先检查本机 PowerPoint COM 可启动；否则检查 libreoffice --version / soffice --version Linux / 兼容层：检查 libreoffice --version || soffice --version ，不要只用 which 注意：鸿蒙 / Termux / 容器 / 特殊架构环境可能看起来像 Linux，但不能假设 Linux aarch64 的 LibreOffice 二进制可运行；必须以 render_template.py --check 或 soffice --version 的实际执行结果为准。不要把 aspose-slides 当默认兜底，它在很多移动/特殊 Python 环境没有可安装 wheel。 如果都没有可用后端，先告知用户模板渲染需要安装可执行的 LibreOffice，或让用户在桌面端手动把模板每页导出为 page-01.png 、 page-02.png 后通过 --template-images 传入。可选安装命令： 平台 安装命令 Windows winget install LibreOffice.LibreOffice macOS brew install --cask libreoffice Linux (Debian/Ubuntu) sudo apt-get install -y libreoffice Linux (Fedora/RHEL) sudo dnf install -y libreoffice Linux (Arch) sudo pacman -S --noconfirm libreoffice-fresh 装完再次检查，确认存在可用渲染后端再继续后续流程。 注意：Windows 上 winget 是 Win10/11 自带，会弹 UAC 确认框，需要用户点确认；macOS 上 brew 需要先安装 Homebrew。 render_template.py 的渲染后端按优先级自动挑： Windows ：PowerPoint COM（本机有 Office 时优先，直出 PNG，跳过 PDF 步骤）> LibreOffice macOS ：Keynote AppleScript（本机有 Keynote 时优先，直出 PNG）> LibreOffice Linux / 兼容层 ：通过 --version 探测确认可运行的 LibreOffice / soffice 命令 PDF -> PNG 走 pymupdf （已在 requirements）；没装就用 pdf2image + poppler 跑 generate_ppt.py --template-pptx ... 时如果省略 --template-images 会自动调一次渲染；也可以手动先跑一次： python3 scripts/render_template.py company-template.pptx # -> <cwd>/template_renders/company_template/page-01.png ... page-NN.png 仿模板的两层缓存 资料 路径 用途 模板每页 PNG <cwd>/template_renders/<stem>/page-NN.png 本机渲染后端一次渲染长期复用 模板风格分析 <cwd>/template_cache/<sha256>.json 或手写 template_profile.json 多模态 agent 自己看图生成；纯文本 agent 才需要外挂 vision 生成产物 <cwd>/outputs/<timestamp>/ 每次新跑都新目录 三者都在调用者 cwd 下，与项目自然同进退；建议把 template_renders/ 、 template_cache/ 、 outputs/ 加进项目的 .gitignore 。 模板看图分析（让 agent 自己判断要不要配 VISION_* ） ： 当前 code agent 本身是多模态模型 （例如 Claude Code 的多模态 Claude、Codex 的多模态 GPT）：不需要额外配置 VISION_* 。agent 直接读取 template_renders/<stem>/page-*.png ，按 template_analyzer.py 的 TemplateProfile 结构生成 template_profile.json ，再用 --template-profile template_profile.json 传给 generate_ppt.py 。如果要配合 --template-strict ，每个 layout 里要写 reference_image （模板 PNG 的绝对路径或可访问路径）。 当前 code agent 是纯文本模型 （例如只接入 DeepSeek 文本模型）：它看不了模板截图，需要额外配置 VISION_BASE_URL / VISION_API_KEY / VISION_MODEL_NAME ，让 template_analyzer.py 调一个独立的 OpenAI 兼容多模态端点做模板分析。 vision 分析与图片生成的 gpt-image-2 永远解耦——换 vision provider 不影响出图路径。 安装 git clone git@github.com:JuneYaooo/gpt-image2-ppt-skills.git cd gpt-image2-ppt-skills bash install_as_skill.sh --target claude # Claude Code # 或 bash install_as_skill.sh --target codex # Codex # API 直连所需密钥优先通过 agent 配置 / 系统环境变量注入 环境变量注入（API 直连时） 不要把本 skill 的密钥写进调用者业务项目根目录的 .env ，也不要为了出图去读取用户项目里的通用 .env 。环境变量建议按 agent 框架的标准方式注入： 通用 / CI / 服务器 ：用系统环境变量、Docker Compose environment / env_file 、Kubernetes Secret、CI Secret 等注入。 Claude Code ：用用户级 ~/.claude/settings.json 或项目级 .claude/settings.local.json 注入环境变量；命令行环境变量优先级最高。 OpenClaw / 自定义 Agent ：用框架配置里的 apiKey / env reference 引用系统环境变量，避免把 key 明文写进项目配置。 本地 standalone CLI fallback ：可以设置 GPT_IMAGE2_PPT_ENV=/path/to/private.env ，或使用 skill 安装目录下的 .env ；这只是备用方式，不是业务项目 .env 。 API 直连需要这些变量： OPENAI_BASE_URL=https://api.openai.com # 或任意 OpenAI 兼容中转站 OPENAI_API_KEY=sk-... GPT_IMAGE_MODEL_NAME=gpt-image-2 GPT_IMAGE_QUALITY=high # low / medium / high / auto # 可选：模板克隆模式的 vision 分析 backend。 # 多模态 agent / 原生 Codex 可自己看图生成 --template-profile，不需要下面这组。 # 只有纯文本 agent（如 DeepSeek 文本模型）才需要外挂下面这组。 # 不内置默认 endpoint，请填你自己信任的服务，否则就别填。 # VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1 # VISION_API_KEY=sk-... # VISION_MODEL_NAME=gemini-3.1-pro-preview # 或 gpt-4o / claude-3.5-sonnet 等任意多模态 SKU 配置优先级固定为：当前进程环境变量 > 平台注入的 gpt-image2-ppt_* 变量 > GPT_IMAGE2_PPT_ENV / skill 目录下的 .env ； JULING_GPT_IMAGE2_* 只作为没有对应 OPENAI_* 配置时的兼容 fallback，不会覆盖显式配置。 安全提示 ：脚本只读取当前进程环境、平台注入的 gpt-image2-ppt_* 变量、显式 GPT_IMAGE2_PPT_ENV ，以及 skill 安装目录下的 .env fallback。脚本 不会 向上递归读取调用者项目目录里的 .env ，避免误吃业务项目密钥。 python3 scripts/render_template.py --check 会执行一个最小真实转换来验证回渲染后端。 如果你就是 Codex agent（原生 image_generation 出图 — 推荐） 如果你自己就是 Codex （正在运行本 skill 的 agent 就是 Codex CLI / Codex TUI），并且当前环境提供 image_generation tool 和 ChatGPT 登录态，此时 不要用 generate_ppt.py 或 --backend codex 负责出图 ，直接用原生工具生成图片，最后只复用本仓库的 md 转换 / PPTX 打包逻辑即可。 关键边界：Python 脚本运行在子进程里，拿不到当前 agent 会话里的原生 tool。 generate_ppt.py --backend codex 能做的只有再启动一个 codex exec 子进程，让另一个 Codex 去出图；它不是“复用当前 Codex 的 image_generation tool”。所以当前 agent 已经能原生出图时，出图动作必须由 agent 本身完成，而不是交给 generate_ppt.py 。 如何判断 你能访问 image_generation tool，并且不需要手动配 OPENAI_API_KEY 就能出图——满足这两个条件就走原生路径。若当前 Codex 会话没有这个 tool，就按普通 agent 处理：走 API 直连、 --backend codex 备用后端，或让用户补齐环境。 出图流程（Codex 原生路径） 1. 准备 slides 数据 如果还没有 slides_plan.json ，先按下面「生成流程」第 2-3 步写 slides_plan.md → python3 scripts/md_to_plan.py ... 转 json。 2. 用统一运行时准备 prompt 不要手工复刻 generate_prompt() 。运行 --prepare-only ，让 API 直连和 Codex 原生路径共享同一个 RuntimeProfile、layout routing 和 prompt compiler： python3 scripts/generate_ppt.py \ --plan slides_plan.json \ --style styles/<collection>/< id >.md \ --prepare-only \ --output outputs/<timestamp> 该命令不调用图片 API，也不打包 PPTX；它会生成 prompts.json 、逐页 prompt 文本和 metadata.json 。只做单页冒烟时同时传 --slides 1 。 3. 读取每页编译结果 从 outputs/<timestamp>/prompts.json 读取每页 prompt 、 reference_image 、 asset_reference_image 和 layout_id 。不要根据 Markdown 重新拼一份 Prompt，否则会绕过结构化 layout bank。 4. 调 image_generation tool 出图 对每页调你的 image_generation tool： prompt : prompts.json 中该页已经编译好的完整 prompt output_format : png 如果记录了 reference_image / asset_reference_image ，按原顺序作为图片 reference 传入 将返回的图片保存到 outputs/<timestamp>/images/slide-NN.png （NN 为两位页码） 可以并发（建议 ≤4 并发，避免限流）。 5. 打包 PPTX 如果本 deck 没有外部真实图片对象，可以用下面的简易整页 PNG 打包。 如果任一页有 external_image / image_overlay / external_image_placeholder 且指向真实图片，不能用这个简易打包片段 ，否则真实图片会被合进整页背景 PNG，用户无法在 PowerPoint 里单独选中拖动。此时必须走 generate_ppt.py 的标准打包逻辑，或在已有 session 中调用 generate_pptx(..., metadata=metadata) ，让真实图片作为独立 picture object 叠在背景上。 python3 -c " from pptx import Presentation from pptx.util import Inches prs = Presentation() prs.slide_width = Inches(13.333) prs.slide_height = Inches(7.5) blank = prs.slide_layouts[6] import os, glob for p in sorted(glob.glob('outputs/<timestamp>/images/slide-*.png')): slide = prs.slides.add_slide(blank) slide.shapes.add_picture(p, 0, 0, width=prs.slide_width, height=prs.slide_height) prs.save('outputs/<timestamp>/<title>.pptx') print('done') "