Gorden 图片转可编辑 PPTX

它解决什么问题

扫描件、截图或导出的图片型 PPT 有一个老问题：文字被烧进像素里，改一个字都要重画整页。直接把整张图塞进 PPT，文字既不可编辑也不可检索；用 PPT 原生形状照着重画，又常常和原图对不上，图表、色块、装饰线还原成本极高。这个技能的目标是把图片页"逆向"成可编辑文档：背景、框架、图标留在图片层，文字单独还原成真文本框。

核心思路：强制四层

每页固定拆成四层，从下到上依次合成：

• 背景图：用 imagegen 复刻干净的背景；
• 框架图：提取除背景、图标、装饰、艺术字、普通文本之外的一切——容器与底色填充、标题条、分隔线、全部图表图形、缎带装饰，形状、大小、位置与原图 1:1 一致；
• 元素图标：框架之外的图标和艺术字单独生成，绿幕抠图后逐个摆放；
• 文字：由 GPT 视觉直接读原图，输出像素级 bbox 与样式，写成可编辑文本框。

框架图默认以整张透明 frame.png 作为一层放入 PPT，可整体移动、替换、缩放；只有用户明确要求拆分时，才按透明连通区域切成可移动部件。

关键流程约束

• 任务隔离：每次转换先建唯一 RUN_ROOT，所有中间产物、manifest、layout、预览和最终 PPTX 都写进去，禁止读写固定目录，防止任务串文件。
• 生成证据硬门禁：每页必须写 imagegen-assets-manifest.json，记录 B2/B3/B4 的真实 imagegen 调用证据。任何用 PPT 原生 shapes 重画、代码绘图或裁原图局部冒充的做法都直接判失败。
• 坐标契约：layout.json 用比例坐标，ref_width/ref_height 必须是源图实际像素，不能拿缩略图测量值混算。
• 视觉 QA 闭环：layout_guard.py 校验数学一致性，placement_qa.py 和 visual_compare_qa.py 生成并排图、叠图与差异热图，由 GPT 视觉核对文字、图标是否真的对位。

适用边界

• 只处理用户提供的当前图片；除非明确要求，不搜索历史输出复用素材。
• 艺术字（渐变、书法体、徽章式排版）归入图标层当图片处理，只有普通字体能直接还原的文字才进文本层。
• 抠图底色默认纯绿，页内含绿时切换为品红等其他底色；激进抠图预设会破坏扁平图的线条与颜色，应避免。
• 多页任务逐页处理，最终汇总成一个 deck.json 一次合成整本。