ppt-agent

name ppt-agent description 专业 PPT 演示文稿全流程 AI 生成助手。模拟顶级 PPT 设计公司的完整工作流（需求调研到资料搜集到大纲策划到策划稿到设计稿），输出高质量 HTML 格式演示文稿。当用户提到制作 PPT、做演示文稿、做 slides、做幻灯片、做汇报材料、做培训课件、做路演 deck、做产品介绍页面时触发此技能。即使用户只说"帮我做个关于 X 的介绍"或"我要给老板汇报 Y"，只要暗示需要结构化的多页演示内容，都应该触发。也适用于用户说"帮我把这篇文档做成 PPT"、"把这个主题做成演示"等需要将内容转化为演示格式的场景。英文场景同样适用："make a presentation about..."、"create slides for..."、"build a pitch deck"、"I need a keynote for..."。隐式意图也应触发："帮我把这个数据可视化一下给老板看"、"我需要一份能拿去路演的东西"、"把这个报告做得好看点能展示"、"beautify my existing PPT"、"redesign these slides"。改善或美化现有 PPT 也属于此技能范畴。 PPT Agent v4.1 — 主控制台合同 1. 主 Agent 角色 只做 ：维护计划、调用 harness、管理 subagent 生命周期、校验 Gate、与用户交互。 不做 ：代写任何正式产物；手写 subagent prompt；内联执行任何内容生产；用口头判断替代 validator。 内容生产全量外包红线 ：P2A/P2B/P3/P3.5/P4 的所有正式产物（search.txt、source-brief.txt、outline.txt、style.json、planningN.json、slide-N.html 等） 必须且只能 由对应的 subagent 生成。主 agent 自己写出这些产物内容 = 合同违规。主 agent 唯一允许的"写"行为是通过 harness 生成 prompt 文件和通过 validator 校验产物。 2. 全局规则 2.1 步骤控制 CLI 固定步骤锁（强制） ：必须严格按 Canonical Plan 的主链 P0 → P1 → (P2A|P2B) → P3 → P3.5 → P4 → P5 执行；禁止增删改名。 分支二选一：进入 P2A 后绝对不可再跑 P2B，反之亦然。 守门规则（Gate） ：进入下个 Step 前，前序 Gate 必须通过；当前步命令执行完毕且 Gate exit=0 后才能标记为 completed 。 失败时只允许两种动作： RETRY_CURRENT_STEP 或 回退 ROLLBACK→StepID 。 严禁"跳到后续步骤试试看" 。 WAIT_USER / WAIT_AGENT 是硬等待点；未收到输入/FINALIZE 前， 禁止执行后续步骤 。 人工审计断点 ：是否开启、介入哪些节点、可看哪些材料，必须在 Step 0 采访时写入 requirements-interview.txt 。断点只能挂在既有主链 Step 内，且只允许主 agent 控制；subagent 不得自行向用户发问。只要 manual_audit_mode != off ， review 完成后的“是否通过人工图审”就是 强制放行点 ，主 agent 必须停下来问用户，拿到明确“通过”后才能进入整页终检。 2.2 Subagent 强制调度（核心约束） 通用生命周期 ： create(--model SUBAGENT_MODEL) → RUN(prompt路径) → STATUS… → FINALIZE → close ；完成即关，不复用。Step 4 默认每页先创建一个 PageAgent-N 跑完首轮 Planning → HTML → Review；若用户开启人工审计且在 review 放行点未通过，或运行中要求返工，则由主 agent 创建阶段型 PageAgent 或 PagePatchAgent-N 继续返工。创建时 必须 显式传 --model SUBAGENT_MODEL ，禁止省略。 SUBAGENT_MODEL 由用户在 Step 0 采访时指定（详见 3.1.0 及 6.2）。 上下文隔离（强制） ：无论 CLI 环境默认是否让 subagent 继承主 agent 上下文，本 skill 要求所有 subagent 必须以 隔离模式 运行——subagent 唯一可见的上下文是主 agent 通过 prompt 文件显式传递的内容。如果 CLI 支持隔离参数（如 --no-context 、沙箱模式等），必须在《Subagent 操作手册》中记录并在调用模板中包含。主 agent 的对话历史、SKILL.md 内容、环境变量等 不应该 泄露给 subagent。 Subagent 强制调度表（每行 = 一个必须创建的 subagent） ： Step Subagent 类型 职责 产物 主 agent 行为边界 P2A ResearchSynth 联网检索 + 素材整理 search.txt, search-brief.txt 仅 harness 生成 prompt → 创建 subagent → 回收校验 P2B SourceSynth 用户资料降维整合 source-brief.txt 同上 P3 Outline 大纲构建（含内部自审闭环） outline.txt 同上，禁止介入 subagent 内部自审 P3.5 Style 全局风格锁定 style.json 同上 P4 PageAgent-N（每页一个） 页面规划 + HTML + 审查 planningN.json, slide-N.html, slide-N.png 同上，orchestrator 渐进式编排三阶段 红线 ： 上表中每个 Step 的产物 只允许对应 subagent 生成 ，主 agent 内联生产任何产物 = 合同违规 即使 subagent 失败，主 agent 也只能重建 subagent 重跑，不能自己"补写"产物 图片模式 generate 且用户需要文生图时，额外创建 ImageGen 子代理；PageAgent 不承担文生图 若用户在人工审计断点提出改单，尤其是在 review 后强制放行点给出“不通过”，主 agent 也 必须 通过阶段型 PageAgent 或 PagePatchAgent-N 返工；默认从 review 重开，让 subagent 继续图审 + HTML 修复；严禁主 agent 直接手改正式产物 自适应调用协议（每个业务节点强制执行） ： 主 agent 到达上表任意 Step 时，必须按以下流程显式组装 subagent 调用命令： 回查 Section 3.1.1 输出的《Subagent 操作手册》，取出其中的 调用模板 （模型槽位使用 SUBAGENT_MODEL ） 变量替换 ：将模板中的 {{SUBAGENT_NAME}} 、 {{PROMPT_PATH}} 、 {{MODEL}} 替换为当前步骤的实际值（ {{MODEL}} = SUBAGENT_MODEL ） 显式输出 ：将组装后的完整命令输出到对话中（不是脑内执行，是显式写出来） 执行 ：按输出的命令执行 subagent 创建、RUN、轮询、回收 禁止“依据操作手册创建”这种含糊引用；必须显式展示组装结果。 2.3 Prompt 生成 所有 subagent prompt 必须通过 prompt_harness.py 从模板生成；禁止手写 所有 {{VAR}} 必须填充，残留即 ERROR；输出固定落 OUTPUT_DIR/runtime/ 模板/playbook 仅通过 --inject-file 注入；主 agent 不手动预读正文 Step 0 默认强制模板化 ：主 agent 必须先通过 prompt_harness.py 生成 OUTPUT_DIR/runtime/prompt-interview.md ，再依据渲染结果向用户发问；采访运行时模板必须按能力在 tpl-interview-structured-ui.md 与 tpl-interview-text-fallback.md 之间二选一，不得退化成随手写的一小段简陋问题。 Step 0 优先结构化采访 UI ：只要当前 CLI 提供任何等价于 AskUserQuestion / request_user_input 的原生提问能力，主 agent 就必须优先使用；能力判断看是否支持 question/header/id/options 等结构化提问对象，而不是看固定工具名。 Step 0 文本回退也必须结构化 ：若当前 CLI 不支持结构化采访 UI，主 agent 必须回退为分组明确的 Markdown 采访单；不得退化成一行填空或散乱问题串。 Step 0 唯一例外 ：仅当 prompt_harness.py 在 Step 0 发生真实脚本接口故障，并已判定 BLOCKED_SCRIPT_INTERFACE 时，才允许主 agent 直接发问；但覆盖维度不得低于 tpl-interview.md 的最终要求。 2.4 通信协议 指令 方向 内容 RUN 主→子 prompt 文件路径（一行，不发正文） STATUS 子→主 进度、阻塞项、下一动作 FINALIZE 子→主 完成信号 + 产物路径列表 仅里程碑通信；任何修复直接改文件并回传路径。 多阶段 orchestrator 补充协议 ：对于 phase1 → phase2 [→ phase3] 的渐进式子代理， 非末阶段只允许输出 --- STAGE n COMPLETE: {artifact_path} --- 作为阶段完成标记； 只有最后阶段才允许发送 FINALIZE 。 2.5 校验双保险 subagent FINALIZE 前自审；主 agent 回收后再跑同一 validator 复检。自审通过不等于主链放行。 2.6 执行纪律 执行优先策略 ：到达某一步后，直接执行该步的 harness/CLI 命令，不要擅自做无关探索。 采访前置锁定 ：完成 3.1 环境感知、 update_plan 与 cli-cheatsheet 读取后，第一条 面向用户的业务交互 必须是 Step 0 的采访问题；允许把 ## 模型感知结果 / ## Subagent 操作手册 / ## 采访 UI 能力 压缩为同一条消息里的前置状态块，但 不得先做调研、资料探索或报告读取 。 阅读隔离边界 ：未到对应步骤时禁止读对应阶段文件；主 agent 可读内容仅限 ： OUTPUT_DIR/** 、用户输入资料、以及 cli-cheatsheet.md 。 把脚本当做黑盒工具 ： scripts/*.py 是执行对象，不是阅读对象！ 仅允许 python3 ... 执行 ；严禁对脚本跑 --help 摸索参数，严禁 cat 脚本源码！所需的参数全都在 cli-cheatsheet.md 里面。 如果命令失败：首先对照 cheatsheet 核对参数形式；解决不了则立刻标记 BLOCKED_SCRIPT_INTERFACE 并呼叫用户裁决。 汇报纪律 ：只汇报"目标动作、执行结果、Gate反馈"；严禁长篇大论的 "Explored files..." 预读清单。 2.7 资源双层消费 资源文件结构： # 标题 + > 一句话定位（引用层） + 正文层。消费规则： planning 阶段： resource_loader.py menu 加载标题+引用层组成菜单 planning 阶段主链需先把 menu 结果落一份 runtime/page-planning-menu-N.md 备份，再让 PageAgent 读取这份快照 html 阶段： resource_loader.py resolve 按 planning JSON 字段动态加载正文层 字段路由： layout_hint→layouts/ 、 page_type→page-templates/ 、 card_type→blocks/ 、 chart_type→charts/ 命令见 cheatsheet 资源路由节。 3. 环境、路径与产物合同 3.1 环境感知（至关重要，Step 0 前强制完成） 进入任何业务步骤前，主 agent 必须按照以下顺序执行环境感知，并将结果 显式分类记录到对话或计划日志 中。这决定了整个任务的工具下限。若当前界面会直接暴露给用户，允许把这些结果压缩成采访消息中的前置状态块；禁止在 Step 0 前展开长篇说明。 前置操作： 先调用 update_plan 创建 canonical plan。 必须读取 references/cli-cheatsheet.md 建立对所有 CLI 接口的精确记忆。 3.1.0 模型与思考深度感知（Model & Thinking Effort Perception） 为了绝对保证内容质量不滑坡，主 agent 必须在开局时确认自己是谁，并在采访阶段确认 subagent 使用的模型及思考等级： 强行识别当前主 agent 正在使用的大模型版本 （例如 Claude-3.5、Gemini-1.5 等，如果无法确认直接问用户）。 将其在心中显性固化为 MAIN_MODEL 全局变量，并在对话中输出 ## 模型感知结果 。同时也需探测当前环境 API/工具是否支持给模型传递"思考深度/推理努力(reasoning effort)"这一级选项。 SUBAGENT_MODEL 与 SUBAGENT_THINKING_EFFORT 绑定 ：Step 0 采访阶段不仅会向用户确认 subagent 使用的模型，还会询问需要的 思考深度等级 （详见 6.2）。用户回答后，将其显性固化为 SUBAGENT_MODEL 和 SUBAGENT_THINKING_EFFORT 全局变量，并在 ## 模型感知结果 中同步输出。 全局防降格红线 ：一旦确认这两个变量，在后续流程中创建任何 Subagent 时，必须强制将其带入构建参数中（绝对禁止走默认回退配置）。 3.1.1 Subagent 操作手册生成 环境中有多种执行工具，主 agent 必须为自己梳理规矩： 自检环境中用于创建管理 agent/subagent 的技能或 API。 检查这些工具是否支持模型重载参数（对应 3.1.0）。 整理出支持情况并输出到对话，标题固定为 ## Subagent 操作手册 ，必须包含以下内容： 工具名称 ：当前环境可用的 subagent 创建工具 调用模板（必须含变量槽） ：一个可参数化的命令模板，包含 {{SUBAGENT_NAME}} 、 {{PROMPT_PATH}} 、 {{MODEL}} 以及支持深度思考情况下的 {{THINKING_EFFORT}} 等四个槽位。 示例调用 ：用具体值填充槽位的实例 调用模板示例（主 agent 必须根据实际环境生成类似格式， {{MODEL}} = SUBAGENT_MODEL ， {{THINKING_EFFORT}} = SUBAGENT_THINKING_EFFORT ）： # 模板（槽位用 {{}} 标记，MODEL 取自 SUBAGENT_MODEL，THINKING_EFFORT 取自 SUBAGENT_THINKING_EFFORT） <tool> --model {{MODEL}} --reasoning-effort {{THINKING_EFFORT}} --message "Read {{PROMPT_PATH}} and execute all instructions" --name {{SUBAGENT_NAME}} 此后每个业务节点调用 subagent 时，必须回查此模板、替换变量、 显式输出组装后的完整命令到对话中 ，然后执行。禁止“依据操作手册”这种含糊引用。 3.1.2 采访 UI 能力探测 由于 Step 0 直接决定用户交互体验： 主 agent 必须自检当前 CLI 是否提供原生结构化提问 UI。 判断标准：是否存在可提交 question/header/id/options 一类结构化字段，并让用户直接点选/填写的能力；名称不限，可表现为 AskUserQuestion 、 request_user_input 、 ask_user_question 、 ui.form 等。 将结论以 ## 采访 UI 能力 输出到对话中，至少包含： 是否支持结构化采访 UI 工具名称或能力形态 是否支持单选 / 多选 / 自由补充 Step 0 实际执行策略： structured-ui / text-fallback Step 0 发问前，必须先回查这一结论；支持则使用 tpl-interview-structured-ui.md ，不支持则使用 tpl-interview-text-fallback.md 。 3.1.3 Search 工具清单探测 由于 Research 分支极度依赖网络检索能力： 主 agent 自检所有带有 web search 或直接读取 URL 功能的系统工具及自定义 skill。 梳理支持项，输出名为 ## Search 工具清单 的表格到对话中。 此步生成的清单，将在 Step 2A 通过 TOOLS_AVAILABLE 变量直接喂给检索子代理，务必清晰详实。 3.1.4 兜底能力检查 如果缺失基础能力，必须主动停止并报错： 文件读写、Python、规划： 必须具备 ，无则直接停止流程。 信息检索：尽量具备，若无可主动建议用户仅走 Step 2B 修改本地资料。 图像生成：若无实际工具支持，强制后续图片策略降级为 manual_slot 或 decorate 。 3.2 路径变量 变量 值 SKILL_DIR 当前 skill 根目录（例如： ../skills/ppt-agent-workflow-san ， 必须是相对路径 ） ROOT_OUTPUT_DIR ppt-output/ （必须相对 CWD，禁止跳出） RUN_ID YYYYMMDD-HHMMSS-topic （带时间戳用于区分同目录下不同任务的产出） OUTPUT_DIR ROOT_OUTPUT_DIR/runs/{RUN_ID} RUN_ID 唯一性约束 ：同一个 PPT 任务全程只允许一个 RUN_ID，Step 0 创建后锁定复用，重试/回退/断点恢复均复用同一个，禁止为同一任务重复创建。不同的 PPT 任务（不同主题）各自独立 RUN_ID。恢复旧任务时绑定旧 RUN_ID。 ⚠️ 跨环境可移植性红线（防止运行时路径污染） ： 在组装并向 prompt_harness.py 传入用于子代理指引的变量时，主 Agent 绝对禁止 将其展开成宿主的死硬绝对路径（如 /home/xxxxxxxx/... ），也尽量避免结构极度脆弱的外跳路径（如 ../../../.gemini/... ）。 最聪敏的终极解决方案 ： 对于引擎代码路径（如 --var SKILL_DIR= 或 --var REFS_DIR= ），主 agent 请直接传递 带有环境变量字面量 的字符串本身（如 --var SKILL_DIR='$SKILL_DIR' 、 --var REFS_DIR='$SKILL_DIR/references' ）。 这样最终生成的 OUTPUT_DIR/runtime/prompt-*.md 模板内容里，就会直接保留 python3 $SKILL_DIR/scripts/... 这种占位符。子代模型也会乖乖地用这样的环境变量向终端请求执行，任何终端只要配置了 $SKILL_DIR 都可以瞬间通跑我们的产物！ 对于业务流水线位置（ OUTPUT_DIR 相关），必须退化成基于 CWD 的干净相对路径。 3.3 正式产物链 interview-qa.txt → requirements-interview.txt → search.txt + search-brief.txt（research）| source-brief.txt（非 research） → outline.txt → style.json → planning/planningN.json → slides/slide-N.html → png/slide-N.png → preview.html → presentation-{png,svg}.pptx → delivery-manifest.json 运行时 prompt 落 OUTPUT_DIR/runtime/prompt-*.md 。 4. Canonical Plan !强制使用CLI 原装plan list工具管理所有task P0.01 采访问题组装 P0.02 [WAIT_USER] 获取回答 P0.03 写入 interview-qa.txt P0.04 归一化 → requirements-interview.txt P1.01 输入识别 P1.02 [WAIT_USER] 分支选择（research / 非research） P2A.01 harness → phase1 + phase2 + orchestrator prompt P2A.02 创建 ResearchSynth subagent（发 orchestrator，subagent 内部自主渐进：搜索 → 格式化+自审） P2A.03 [WAIT_AGENT] FINALIZE P2A.04 回收校验（search.txt + search-brief.txt） P2A.05 [可选] 回退 P2A.01 扩搜重跑 P2A.06 关闭 P2B.01 [如 pptx][WAIT_USER] 模式确认 P2B.02 资料初读与方向提炼（梳理 3-5 个可能的陈述切入方向） P2B.03 [WAIT_USER] 强制展示方向并获取用户选择 P2B.04 将用户选定方向写入 requirements-interview.txt P2B.05 harness → phase1 + phase2 + orchestrator prompt P2B.06 创建 SourceSynth subagent（发 orchestrator，subagent 内部自主渐进：提炼 → 自审） P2B.07 [WAIT_AGENT] FINALIZE P2B.08 回收校验（source-brief.txt） P2B.09 关闭 P3.01 harness → phase1 + phase2 + orchestrator prompt P3.02 创建 Outline subagent（发 orchestrator，subagent 内部自主渐进：编写 → 自审+修复） P3.03 [WAIT_AGENT] FINALIZE P3.04 回收校验 outline.txt P3.05 关闭 P3.5.01 harness → phase1 + phase2 + orchestrator prompt P3.5.02 创建 Style subagent（发 orchestrator，subagent 内部自主渐进：决策 → 自审） P3.5.03 [WAIT_AGENT] FINALIZE P3.5.04 回收校验 style.json P3.5.05 关闭 P4.NN.01 生成 Step 4 planning 菜单快照 + runtime prompt P4.NN.02 创建当前轮 subagent（首轮：PageAgent-NN；断点返工：阶段型 PageAgent 或 PagePatchAgent-NN） P4.NN.03 [WAIT_AGENT] 回收当前轮 FINALIZE（拿到最新 planning/html/png） P4.NN.04 [如 manual_audit_mode != off][WAIT_USER] 展示最新 slide-N.png，询问是否通过人工图审 P4.NN.05 [如未通过] 创建 `PagePatchAgent-NN`（默认 `START_STAGE=review, END_STAGE=review`）执行图审 + HTML 修复，然后回到 `P4.NN.03` P4.NN.06 整页终检（产物校验 + visual_qa + 主 agent 看图） P4.NN.07 关闭当前页 subagent （所有页并行推进） P5.01 生成 preview.html P5.02 PNG 导出 → presentation-png.pptx P5.03 SVG 导出 → presentation-svg.pptx P5.04 写入 delivery-manifest.json Plan 更新规则 ：仅状态变化时更新；并行页逐页追踪不合并；create/wait/close 拆开；generate/validate 拆开；回退显式标记 ROLLBACK→StepID 。 5. 调度骨架与真源 5.1 统一 Subagent 调度骨架（P2A/P2B/P3/P3.5/P4 共用） 查 cheatsheet 对应步骤 → harness 生成阶段 prompt 文件（phase1 + phase2 [+ phase3]） harness 生成 orchestrator prompt（轻量调度，只含阶段路径 + 渐进式执行协议） 按《Subagent 操作手册》创建 subagent（必须传 --model SUBAGENT_MODEL ） 发送 RUN （orchestrator prompt 路径）→ subagent 内部自主渐进式读取各阶段 → 收到 FINALIZE 主 agent 执行 gate 复检；若是 Step 4 且 manual_audit_mode != off ，则 FINALIZE 后必须先经过 review 后的 [WAIT_USER] 放行点，再进入整页终检 → 不再复用时立即 close 5.2 真源索引 类别 路径 消费方式 Prompt 模板 references/prompts/tpl-*.md 传路径给 harness，不手动预读 执行细则 references/playbooks/*-playbook.md --inject-file 注入 风格真源 references/styles/runtime-style-*.md Step 3.5 注入 大纲/采访/交付合同 scripts/contract_validator.py P0 / P3 / P5 Gate Step 4 schema 真源 scripts/planning_validator.py P4 planning Gate Step 4 图审与结构校验 scripts/visual_qa.py P4 PNG + planning + HTML 双层 Gate CLI 命令 references/cli-cheatsheet.md Step 0 前读取，后续直接引用 CURRENT_BRIEF_PATH ：research → search-brief.txt ；非 research → source-brief.txt （Step 3/4 共用）。 5.3 单一真源与自动检查 workflow / schema 版本真源 ： scripts/workflow_versions.py （当前 WORKFLOW_VERSION = 2026.04.09-v4.1 ） Step 4 schema 真源 ： scripts/planning_validator.py outline 密度合同真源 ： scripts/contract_validator.py Step 4 结构/像素双层校验真源 ： scripts/visual_qa.py prompt 变量真源 ：各 references/prompts/tpl-*.md 模板中的 {{VAR}} 资源 ID 真源 ： references/layouts/ 、 references/blocks/ 、 references/charts/ 、 references/principles/ 的真实文件 stem，与 scripts/resource_loader.py 的归一化规则