PPT 视觉质检与双向修正
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_476accef/pptx-visual-qa。
技能介绍
问题从哪来
大模型改 .pptx 时通常只动 Open XML 或 python-pptx 里的文本,看不到最终排版。常见情况是:XML 里字符串完整,但渲染后文字被裁切、越过圆角矩形/色块边界,或与同套其它页标题对齐不一致。单靠读 shape 文本或改字号,很难和「人眼所见」对齐。
技能怎么做
本技能用 正向看图 + 逆向几何 组成闭环:
- 渲染:
render_slide.py经 WPS(或回退 PowerPoint COM)把指定页导出 PNG,脚本会处理中文路径。 - 逆向清单:
dump_slide.py输出每形状的L/T/W/H、字号、颜色与文本,作为视觉模型的参照——用于判断文字是否超出该形状边界,而不只是「肉眼看整张图」。 - 视觉检查:
vision_check.py结合 PNG 与元素清单,可查溢出、对齐、占位符残留、整体美观等(依赖vision-recognition)。 - 整改回归:按反馈用
python-pptx调字号、框尺寸、段落对齐;改完一批问题再重新渲染验证,循环直到该页无问题。
适用边界
- 环境偏 Windows:
pywin32+ WPS/PPT 渲染;视觉侧需已配置智谱等 vision API。 - 以渲染图 + 形状几何为准,不要假设
python-pptx读到的文本等于屏幕结果。 - 分组形状、改写占位符后应用
shape.name定位,避免仍用旧文本当锚点。
使用场景
- AI 自动生成十数页汇报 PPT 后,需要逐页确认标题是否超出文本框或被裁切
- 圆角矩形/六边形色块上的长标题越过图形边界,要按形状宽度自动缩字号或拆行居中
- 批量替换占位符文案后,要检出仍残留的「点击添加」「输入标题」类模板提示
- 多章节 deck 中某页标题左对齐与其它章节页不一致,需对照渲染图统一段落对齐
适合人员
- 在 Windows 上用 `python-pptx` 维护企业母版、又无法人工逐页肉眼的内部自动化同学
- 让 Agent 批量出稿后必须用视觉回归验收溢出与对齐的演示文稿 / 咨询交付人员
- 已接入 vision-recognition、想把 PNG 质检写进 slide 流水线的技能维护者
- 依赖 WPS COM 导出幻灯片、需要与元素坐标清单联动判界的 PPT 脚本作者