技能介绍

要解决的问题

从一份文档到一套能直接放映的 PPT，中间要经历提炼要点、排版、配图、调间距等大量重复劳动。传统做法要么手动完成，要么让 AI 只输出大纲再自己填充，成品质量不稳定。这个技能把「文档 → PPT 成品」整条链路自动化：不是给你 Markdown 大纲让你自己排版，而是直接产出 16:9 的 PPT 图片，甚至能带上页面之间的转场视频。

工作流程

技能的核心是一条多阶段流水线：

文档分析：读取用户提供的文档路径或直接文本，按页数范围（5 页、5-10 页、10-15 页、20-25 页）智能规划每一页的内容结构，生成 slides_plan.json 规划文件。
图片生成：调用 Nano Banana Pro（gemini-3-pro-image-preview）逐页生成 PPT 图片，支持 2K 与 4K 分辨率。
风格系统：内置渐变毛玻璃（gradient-glass.md）和矢量插画（vector-illustration.md）两种风格，也可以在 styles/ 目录添加自定义 .md 风格文件。
转场视频（可选）：Claude Code 会分析相邻页面图片的视觉差异，为每对相邻图片生成精准的视频提示词，再用可灵 AI 生成 5 秒转场片段，最后由 FFmpeg 统一合成 24fps、1920x1080 的完整视频。

适用边界

图片生成是必需的，需要配置 GEMINI_API_KEY；视频相关功能需要额外的可灵 AI 密钥，且依赖 FFmpeg 与 Python 视频依赖。
生成速度约为 30 秒/页（2K）、60 秒/页（4K），一段转场视频 30-60 秒，完整视频合成约 5-10 秒，适合批量产出而非实时预览。
视频提示词会刻意考虑文字稳定性，避免视频模型把文字渲染模糊，但仍建议在正式场合人工复核。
输入文档的结构越清晰，规划出的页面内容质量越高；超长或无结构的文本可能需要先人工整理。