AI 做的 PPT 永远在念稿——不是你不会用 Gamma，是演示文稿的品控规则它没装

去年我用 AI 工具做季度汇报的 PPT，给了我 28 页幻灯片，每页都是大段大段的项目总结，箭头、配色、图标排得整整齐齐。结果我打开看了一遍，关掉，自己重做了一份。

不是因为 AI 做得丑。是因为它做的东西根本不能拿来演讲。

每页塞 200 字，演讲的时候我要么照着念（念 PPT 谁不会？），要么凭记忆重新组织（那要 PPT 何用？）。每页一个主题，但没有任何视觉锚点。整份 PPT 看上去专业，实际上是把一份 Word 文档分页显示——这不叫演示文稿，这叫带配色的阅读材料。

这不是 Gamma 的问题，也不是哪个 PPT 工具的问题。问题在底层：AI 没有被教过"什么叫一份能用的演示文稿"。sharp-presentation 这个模块就是为这个场景设计的。

AI 生成的演示文稿，问题出在哪

演示文稿和文档是两种完全不同的媒介。文档假设读者会自己阅读，允许长段落、复杂结构、充分展开。演示文稿是给演讲者用的——讲者站/坐在屏幕前，按页推进，每页停留几十秒到一两分钟，听众只用眼睛和耳朵接收信息，没有回头翻的余地。

这套媒介特性决定了演示文稿的品控标准跟文档完全不同。AI 不区分这两种场景，所以它默认用文档的逻辑做演示文稿，输出必然灾难。

灾难一：文字墙。一页 200 字，讲 30 秒。每秒 7 个字——比正常语速还快，听众根本反应不过来。而且这种密度下，字其实没人看，全部信息只能靠讲者口头补充。PPT 沦为提词器。

灾难二：要点过密。8 个 bullet point 排在一页里，每点 10-20 字。讲者要么挑两个讲剩下的完全略过（"略过"本身就是个信号，说明这页有问题），要么快速念完（变成念稿）。

灾难三：没有视觉锚点。满页都是文字，没有任何图表、流程图、对比表、关键数据。听众除了听讲者念，没有第二个信息通道，听错一句话就丢了整个逻辑线。

灾难四：逻辑线藏在标题里。演示文稿的核心不是"每页放什么"，是"下一页接上一页什么"。AI 生成的 PPT 每页都是独立的小报告，页与页之间没有"所以"、"但是"、"然后"这种承接关系。讲者讲到第三页时，听众已经忘了第一页要论证什么。

灾难五：总结页等于放话页。"项目进展顺利，下季度继续推进"——这种话写出来是废话，说出来是空话。AI 特别喜欢用这种"虚词密度极高"的话填最后一页，因为它的训练数据里这种话到处都是。

prompt 改不好的真正原因

很多团队发现 AI 做的 PPT 不能用，第一反应是改 prompt："请每页少放点字""请加图表""请用清晰的逻辑"。

这种改法刚开始有效。改到第 3 次就会反弹——"请用清晰的逻辑"对 AI 来说是个不可执行的指令。"清晰"是什么标准？是金字塔结构？是时间线？是 MECE？AI 拿不到这些信息，只能按训练数据里"看起来清晰的 PPT"模仿——而训练数据里 90% 的 PPT 也不清晰。

更根本的问题：演示文稿的质量标准是反直觉的。"内容越多越好"是文档的逻辑，"越少越好"才是演示文稿的逻辑。AI 的训练数据里，PPT 样本普遍违反这个原则，你告诉它"少放点字"它也不确定要少到什么程度。

这就是 sharp-skills 的核心判断：你不应该让 AI 学会"什么是好的 PPT"，你应该让 AI 明确知道"什么是绝对不能做的 PPT"。把禁忌编码成规则，每次生成自动校验，比 prompt 里塞十条要求有效十倍。

sharp-presentation 的核心规则

sharp-presentation 是 sharp-skills 六个品控模块之一，专门约束 AI 生成的演示文稿质量。它的规则设计原则不是"教 AI 怎么做"，而是"列清单告诉 AI 哪些反模式绝对不能犯"。

规则按 MUST/SHOULD/MAY 三级分层，跟 sharp-api-design、sharp-tech-writing 保持一致。

MUST 规则（硬约束，违反直接判定不合格）：

MUST: 单页文字量不超过 60 字（标题除外） MUST: 单页 bullet point 数量不超过 5 条 MUST: 演示文稿必须有清晰的叙事主线（时间线/问题-方案-结果/对比论证） MUST: 关键数据必须用图表展示，禁止纯文字罗列 MUST: 每页必须有"视觉锚点"（图表/图示/对比/关键数字突出） MUST: 总结页必须包含具体行动项或决策点，禁止"未来继续努力"这类话术

SHOULD 规则（推荐实践）：

SHOULD: 关键页（开场/转折/总结）使用全图或大幅图表 SHOULD: 数据图表必须标注数据来源和单位 SHOULD: 颜色方案不超过 3 种主色，对比度足够 SHOULD: 演讲者备注包含每页的关键讲解点 SHOULD: 演示时长按"每页 1-2 分钟"规划，幻灯片张数 = 时长(分钟) ± 20%

MAY 规则（可选增强）：

MAY: 适当使用动画指引注意力 MAY: 关键术语在首次出现时给出定义 MAY: 在过渡页使用"所以...但是...然后..."承接句

这套规则有一个特点：MUST 规则里有 4 条是"绝对数量"的硬指标——60 字、5 条 bullet、必须图表、必须视觉锚点。这些不是品味问题，是物理可量化的标准，AI 没有发挥空间。SHOULD 和 MAY 留给创意发挥。

实测对比：装 vs 没装 sharp-presentation

拿同一个季度汇报主题对比"裸 AI"和"装 sharp-presentation 后"的输出。

裸 AI 生成的版本（页 5 的"项目进展"）：

``` 项目进展

本季度我们成功完成了以下工作： - 完成了用户中心模块的重构 - 优化了订单查询性能 - 推进了支付系统的对接 - 完成了数据中台的基础搭建 - 启动了会员体系的升级 - 完成了运营后台的迭代 - 推进了营销活动的接入 - 完成了客服系统的整合

下季度我们将继续推进各项工作的深入落地， 确保业务目标的全面达成。 ```

11 行文字，8 个 bullet，纯文字罗列。最后一句是典型的"虚话"——"深入落地""全面达成"删掉也不影响意思。这就是 sharp-presentation MUST 规则要堵住的输出。

装 sharp-presentation 后的版本（页 5）：

``` Q3 关键交付：用户中心与订单性能

[柱状图：Q2 vs Q3 关键指标] - 用户中心响应时间：320ms → 95ms（-70%） - 订单查询 QPS：800 → 2,400（+200%） - 客诉率：1.2% → 0.4%（-67%）

下一步：会员体系升级（Q4 重点） ```

5 行不到，1 张图、3 个核心数据、1 个明确的"下一步"。同样 30 秒讲一页，听众能接收到至少 4 个具体信息，而不是 8 个模糊的"完成了"。

这就是品控规则的效果。它不告诉 AI "做得好看点"——它告诉 AI "不许犯那 5 个错"。AI 没了犯错的余地，自然会朝正确的方向收敛。

几个反模式：规则装得不对也会失效

sharp-presentation 的规则不是"装上就好"，装的方式不对同样会让规则失效。

反模式一：把规则塞进 system prompt 就完事。system prompt 里的约束在长上下文里会被稀释——一份 30 页的 PPT 涉及上千 token 的内容，规则在最前面被引用过一次之后，后续每页生成时 AI 几乎"忘记"了规则。必须把规则挂在结构化校验环节，每页生成后做一次 MUST 规则检查，不通过的强制重写。

反模式二：规则写得过于抽象。"MUST: 逻辑清晰"——这就是个无效规则。AI 不知道"清晰"是什么标准。规则必须可量化、可机检。"MUST: 单页不超过 60 字"才是真规则。

反模式三：全是 MAY，没有 MUST。如果你只告诉 AI "建议加图表""建议少放文字"，它会照旧生成 200 字的文字页——因为 MAY 不是约束，是建议。必须至少有 3-5 条 MUST 规则作为底线。

反模式四：规则跟业务脱节。通用演示文稿规则和你的业务汇报是两回事。如果你在做技术架构汇报，必须加一条"MUST: 架构图必须用 4 层以内（前端/网关/服务/数据）"。如果在做季度业务汇报，必须加"MUST: 数字必须含同比/环比"。规则越接近具体业务场景，越能约束 AI 输出符合你团队需要的内容。

跟 taste-skill 怎么配合

sharp-presentation 解决的是"底线问题"——保证 AI 生成的 PPT 不犯低级错误。但底线之上还有"品味问题"——配色、版式、动画节奏、视觉风格，这些 sharp-presentation 不管，也管不了。

这种场景下需要 taste-skill。taste-skill 不是规则清单，是设计偏好集合——告诉 AI "我们公司用莫兰迪色系""动画只用淡入不要弹跳""图表用我们品牌色"。taste-skill 处理主观偏好，sharp-presentation 处理客观标准。

两者关系：sharp-presentation 是骨架（保证 PPT 能用），taste-skill 是皮肤（保证 PPT 好看）。少了 sharp-presentation，皮肤再漂亮，PPT 也不能用。少了 taste-skill，骨架再稳，PPT 也只能算"标准件"。

实战中两者的加载顺序也有讲究。先用 sharp-presentation 生成结构、用 MUST 规则卡死底线，再用 taste-skill 调整视觉风格。如果反过来——先做视觉再卡内容——常常会出现"PPT 很好看但内容稀烂"的情况，因为视觉生成消耗了太多 token，内容阶段被挤占。

安装与使用

sharp-presentation 是 sharp-skills 套件的一部分，跟其他 5 个模块一起发布。安装一行命令：

bash npx skills add https://github.com/zhouhuijia/sharp-skills

支持 7 个主流 AI Agent 平台：Claude Code、Cursor、Codex、Copilot、Windsurf、Aider、WorkBuddy。安装后 sharp-presentation 会作为可选 skill 加载，使用时显式启用即可。

实际使用建议：

• 汇报类 PPT：MUST 规则全开 + taste-skill 配色方案
• 技术分享：MUST + SHOULD 规则全开 + 必须有架构图/流程图
• 对外提案：MUST 规则 + 客户专属 taste-skill（配色、字体、logo）
• 个人笔记类：MUST 规则可以放松（不强求每页图表）

写在最后

PPT 工具越来越强，AI 生成 PPT 的速度越来越快。但"生成得快"和"生成得能用"是两回事。市面上大多数 AI 做的 PPT 不能用，不是因为 AI 笨，是因为没有人把"什么 PPT 能用、什么 PPT 不能用"这条标准编码出来。

sharp-presentation 做的就是这件事。把"演示文稿不能犯的错"列成规则，每次 AI 生成时强制校验。规则不是品味，是底线。底线守住了，剩下的事 AI 自己能做好。

最近在做一个用卡皮巴拉讲设计模式的小程序「爪爪代码冒险记」，23 个模式用漫画 + 答题的方式讲，正在开发中。你要是觉得这类把复杂概念讲明白的内容有意思，搜一下「爪爪代码冒险记」能找到我。