Menu
幻灯片/PPT生成器。支持从学术PDF文献自动提取图表并生成汇报PPT。前置一次性素材收集，之后全程自主执行，不打断用户。学术文献模式使用故事线驱动的python-pptx原生渲染。v4.1新增图表矢量重绘：从栅格图中用AI提取数据点，matplotlib重绘为真矢量SVG。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | slide-gen |
| version | 4.1.0 |
| description | 幻灯片/PPT生成器。支持从学术PDF文献自动提取图表并生成汇报PPT。前置一次性素材收集，之后全程自主执行，不打断用户。学术文献模式使用故事线驱动的python-pptx原生渲染。v4.1新增图表矢量重绘：从栅格图中用AI提取数据点，matplotlib重绘为真矢量SVG。 |
| triggers | ["生成PPT / 做幻灯片 / slide gen / 制作幻灯片","按这个风格生成 / 分析PPT风格","create slides / make a presentation / slide deck","从文献生成PPT / 文献总结PPT / 学术汇报"] |
| neighbors | ["academic-figure-engine（提供图表素材）"] |
用户请求: $ARGUMENTS
前置收集，自主执行。 在 Intake 阶段一次性收齐所有素材，之后不再打断用户，直到交付 PPTX。只有两种情况才中断：① 文件路径不存在等硬性阻塞；② Intake 遗漏了无法合理推断的关键信息。
判断触发消息是否已包含足够信息：
Intake 要收集的信息：
| 项目 | 说明 | 缺失时的处理 |
|---|---|---|
| 内容来源 | ① 粘贴文字/大纲，或 ② PDF 文献路径（单文件或文件夹） | 必须有，唯一必问项 |
| 风格 | 参考图片/PPT 或风格描述（如"学术风""临床指南"） | 缺失 → 有PDF默认 academic-light，否则按内容推断 |
| 受众 | 目标读者类型 | 缺失 → 根据内容推断 |
| 语言 | 中文/英文/其他 | 缺失 → 跟随内容语言 |
| 页数 | 预期总页数 | 缺失 → 按内容/文献数量自动计算 |
Intake 提问格式（一次性，简洁）：
我需要以下信息来生成幻灯片：
1. **内容**：请提供 ① 主题大纲/文字，或 ② PDF文献路径（单文件路径 或 文件夹路径均可）
2. **风格**（可选）：学术汇报/临床指南/深色科技？留空我来推断
3. **页数**（可选）：留空自动计算
收到回复后 → 进入 Phase 0.5（有PDF）或 Phase 1（无PDF），不再询问。
所有知识类内容的灵魂是故事线——无论输出形式是 PPT、论文、博客还是公众号，底层无差别。
PPT 是演讲的视觉辅助，不是文档。人脑有语言通道（听/读文字）和视觉通道（看图像）两个并行通道，同一通道无法并行——所以 PPT 文字越少越好，不是因为美观，是认知机制决定的。
学术听众不是来被说服的，是来评估证据是否支持结论的。每张 slide 的核心问题不是"我要放什么内容"，而是：这个逻辑节点上，最关键的关系是什么？
人类读论文：线性阅读 → 内化理解 → 故事线自然浮现 → 表达
AI 没有内化能力，但有人类没有的优势：同时读取全文所有叙事信号。
论文作者已经把故事线编码进去了——摘要是压缩的故事线，Discussion 是作者在说"这意味着什么"，"Importantly…""We found…""This suggests…" 是作者自己标注的叙事高潮。
AI 的任务不是"理解"论文，而是解码作者已编码的叙事锚点，将其显式化为故事线文档，再从故事线生长出 slides。
PDF
↓ 解码叙事锚点
故事线文档（5个节点）
↓ 每个节点回答3个问题
Slide 规格计划
↓ python-pptx 原生渲染
PPTX
| 内容关系 | 布局形态 |
|---|---|
| 单一核心图（空间型，如脑图） | 全版大图 + 顶部一句结论 |
| 数据图 + 次级统计 | 主图居中 + 两侧数据注解卡片 |
| 两组对比 | 左右对称 |
| 流程/方法 | 横向箭头链 / 圆形闭环 |
| 多 panel 图 + 结论 | 图居中 + 侧边效应量卡片 |
| 三个并列发现 | 三栏卡片 |
布局由内容逻辑关系推导，不是套模板。
学术汇报幻灯片背景必须用白色（投影仪清晰度 + 专业感）。
| 区域 | 颜色 | 说明 |
|---|---|---|
| 标题栏 | #1A2E4A Navy | 唯一允许深色的区域 |
| 引用栏 | #008C8C Teal | 底部细条 |
| 卡片背景 | #FFFFFF 白 / #F0F6F6 极淡青 | 绝不用深色背景 |
| 卡片顶条/竖条 | Navy 或 Teal | 区分左右语义 |
| 大数字/标题 | Navy | 主视觉 |
| 标签/分类 | Teal | 次视觉 |
| 说明文字 | #666666 灰 | 辅助 |
| 禁止 | 橙色等第三色 | 只用 Navy + Teal 双色系 |
tf.word_wrap = False（防止 % 等短字符被挤到第二行）import os
from pathlib import Path
def collect_pdfs(input_path: str) -> list[Path]:
"""单文件 or 文件夹均可"""
p = Path(input_path).expanduser()
if p.is_file() and p.suffix.lower() == ".pdf":
return [p]
elif p.is_dir():
return sorted(p.glob("*.pdf"))
else:
raise FileNotFoundError(f"路径不存在或非PDF: {input_path}")
这一步是学术 PPT 的核心。不只提取元数据，要解码作者已编码的叙事锚点。
作者在论文里留下了故事线信号：摘要（压缩故事线）、引言末段（研究问题）、Discussion 开头（核心主张）、"Importantly/We found/This suggests"（叙事高潮标记）。AI 的任务是找到这些锚点，构建显式故事线文档。
import fitz # PyMuPDF
def extract_story_line(pdf_path: Path) -> dict:
"""
从全文提取故事线文档（5个节点）。
策略：读摘要+引言+Discussion全文，找作者自己写的叙事锚点。
"""
doc = fitz.open(pdf_path)
# 提取全文（不只首页）
full_text = ""
for page in doc:
full_text += page.get_text("text")
prompt = f"""你是学术论文分析专家。请从以下论文全文中，找出作者自己写的叙事锚点（如"Importantly","We found","This suggests","Crucially"等关键句），构建故事线文档。
输出严格JSON格式：
{{
"title": "论文完整标题",
"authors": "第一作者 et al.",
"journal": "期刊名",
"year": "年份",
"doi": "DOI（如有）",
"story_line": {{
"tension": {{
"statement": "这个领域存在什么裂缝/未解决问题（≤60字，中文）",
"source_quote": "论文原文对应句子（英文，≤100字）"
}},
"method": {{
"statement": "用什么方法回答这个问题，为什么合适（≤60字，中文）",
"source_quote": "论文原文对应句子（英文，≤80字）"
}},
"key_evidence": [
{{
"statement": "最关键发现，含具体数据（≤60字，中文）",
"source_quote": "论文原文叙事高潮句（英文）",
"figure": "对应Figure编号，如Figure 3",
"effect_size": "效应量或统计值，如η²p=0.68"
}}
],
"conclusion": {{
"statement": "作者最终主张（≤60字，中文）",
"source_quote": "Discussion中的主张原句（英文，≤100字）"
}},
"significance": {{
"statement": "改变了对什么的认知（≤60字，中文）",
"source_quote": "论文原文对应句子（英文，≤80字）"
}}
}},
"all_figures": [
{{"number": "Figure 1", "caption": "原文图注（英文，≤80字）"}}
]
}}
只输出JSON，不要其他内容。
论文全文：
{full_text[:15000]}"""
resp = gemini_text(prompt)
story = json.loads(resp)
story["file"] = str(pdf_path)
return story
输出示例（Jiang et al. 2026）：
{
"story_line": {
"tension": {
"statement": "ADHD干预通常需要高频率课时，低频设计是否同样有效尚未验证",
"source_quote": "Traditional NCT programs typically require 3-5 sessions weekly..."
},
"key_evidence": [{
"statement": "笔迹构建问题显著改善，全文最大效应量",
"figure": "Figure 5",
"effect_size": "η²p = 0.68, p < 0.001"
}]
}
}
def extract_figures(pdf_path: Path, out_dir: Path, paper_id: str) -> list[dict]:
"""
提取PDF中所有图表（图片+caption），保存为PNG。
策略：扫描每页，找到独立图片块（宽>页宽30%，高>页高15%），裁剪保存。
"""
doc = fitz.open(pdf_path)
figures = []
fig_idx = 0
for page_num, page in enumerate(doc):
page_dict = page.get_text("dict")
page_w, page_h = page.rect.width, page.rect.height
# 提取页面中的图片对象
img_list = page.get_images(full=True)
for img_info in img_list:
xref = img_info[0]
rects = page.get_image_rects(xref)
if not rects:
continue
rect = rects[0]
# 过滤太小的图（Logo、图标等）
if rect.width < page_w * 0.25 or rect.height < page_h * 0.12:
continue
# 裁剪图片区域（向下多取80px以包含caption）
clip = fitz.Rect(rect.x0, rect.y0, rect.x1, min(rect.y1 + 80, page_h))
mat = fitz.Matrix(2, 2) # 2x 分辨率
pix = page.get_pixmap(matrix=mat, clip=clip)
fig_idx += 1
fname = f"{paper_id}_fig{fig_idx:02d}_p{page_num+1}.png"
fpath = out_dir / fname
pix.save(str(fpath))
# 用 Gemini vision 生成图说
caption = gemini_describe_figure(str(fpath))
figures.append({
"path": str(fpath),
"paper_id": paper_id,
"page": page_num + 1,
"caption_ai": caption,
})
return figures
# figures_manifest.yaml — 自动生成，勿手动编辑
papers:
- paper_id: "p1"
file: "/path/to/paper1.pdf"
title: "Cognitive Load and AI Decision Support"
first_author: "Zhang"
journal: "Nat. Neurosci."
year: "2024"
key_finding: "AI辅助决策在高认知负荷条件下可将错误率降低34%"
figures:
- path: "slide-deck/{slug}/figs/p1_fig01_p3.png"
caption_ai: "实验组与对照组在认知负荷测试中的箱线图对比"
- path: "slide-deck/{slug}/figs/p1_fig02_p5.png"
caption_ai: "fMRI激活图显示前额叶皮层差异"
- paper_id: "p2"
...
进度提示（实时输出）：
解析文献中...
✅ paper1.pdf → 标题已提取，找到 3 张图
✅ paper2.pdf → 标题已提取，找到 2 张图
共 2 篇文献，5 张图表 → 生成大纲中...
优先级：
slide_style.jsonacademic-light风格映射（关键词 → 预设）：
| 用户说的 | 预设 |
|---|---|
| 学术/研究/神经/医学/科学/汇报 | academic-light |
| 脑影像/神经科学/fMRI/深色 | academic-dark |
| 指南/临床/培训/教学 | clinical-guide |
| 技术/架构/系统/数据分析 | blueprint |
| 商务/商业/投资 | corporate |
| 简洁/极简/高管 | minimal |
| 科技/双语 | intuition-machine |
| 默认 | blueprint |
有PDF文献时：
纯文字内容时：
| 内容长度 | 推荐页数 |
|---|---|
| < 1000字 | 6–10页 |
| 1000–3000字 | 10–18页 |
| > 3000字 | 15–25页 |
从内容提取主题，生成 slug（2–4词，kebab-case）。
检查 slide-deck/{slug}/ 是否已存在：
{slug}-backup-{timestamp}，继续生成 YAML 格式大纲，保存为 slide-deck/{slug}/outline.yaml。
有PDF文献时的标准页面结构（每篇文献）：
# 文献发现页：文字精简，结论突出
- id: 3
type: lit-finding
paper_id: "p1"
visual: "白底简洁布局，左侧竖条accent色，右侧核心数字大字显示"
labels:
- "Zhang et al., Nat. Neurosci. 2024"
- "AI辅助决策降低错误率34%"
- "n=120, p<0.001"
citation: "Zhang et al. (2024) Nature Neuroscience"
speaker_notes: "这篇来自Nature Neuroscience的研究..."
# 文献图表页：图大、字少、来源清晰
- id: 4
type: lit-figure
paper_id: "p1"
visual: "白底，顶部细标题栏，图占70%版面，底部文献来源"
labels:
- "认知负荷条件下的错误率对比"
figures:
- path: "slide-deck/{slug}/figs/p1_fig01_p3.png"
caption: "实验组与对照组箱线图（p<0.001）"
citation: "Zhang et al. (2024) Nat. Neurosci."
speaker_notes: "左图显示..."
幻灯片类型（v3.0新增）：
| 类型 | 适用 | 核心策略 |
|---|---|---|
cover | 封面/致谢 | 装饰背景 + 大标题（≤15字） |
concept | 概念可视化 | 视觉隐喻 + 关键词标签（≤20字） |
flow | 流程/框架 | 图标节点 + 箭头连接（≤20字） |
figure | 用户提供的图表 | AI画框 + PIL合成（labels≤15字） |
lit-finding | 文献核心发现 | 精简结论 + 统计数字突出 + 底部来源 |
lit-figure | 文献图表展示 | 图占70%版面 + 标题 + 底部来源 |
summary | 总结/结论 | 要点列表 + 视觉收尾（≤20字） |
文字预算（每张）：
每张幻灯片生成一个 prompt 文件，保存到 slide-deck/{slug}/prompts/NN-slide-{name}.md。
Prompt 构建：
ASPECT = (
"CRITICAL: Generate this image in 16:9 widescreen aspect ratio "
"(landscape, width ≈ 1.78× height). Do NOT generate square image.\n\n"
)
STYLE_PREFIXES = {
"academic-light": (
"A 16:9 widescreen academic presentation slide. "
"Clean white background (#FFFFFF). Deep navy text (#1A2B4A). "
"Left accent bar in teal (#007A8A, 8px wide, full height). "
"Title area at top (height ~12%), main content in center. "
"Bottom 10% of slide: plain white, completely empty — no text, no lines, no decoration. "
"Minimal text, precise and professional."
),
"academic-dark": (
"A 16:9 widescreen neuroscience presentation slide. "
"Dark navy background (#0D1B2A). Electric blue accents (#00D4FF). "
"White text (#F0F4F8). Figure-dominant layout. "
"Citation text in light gray at bottom-right corner. "
"High contrast, suitable for brain imaging and fMRI data."
),
"clinical-guide": (
"A 16:9 widescreen clinical guideline slide. "
"White background (#FAFAFA). Forest green header bar (#2E7D4F). "
"Clean sans-serif typography. Multi-column layout for key points. "
"Structured, hierarchical, minimal decoration. "
"Citation at bottom in small gray text."
),
"intuition-machine": (
"A 16:9 slide in Intuition Machine style: "
"dark navy background (#0D1B2A), electric blue accents (#00D4FF), "
"clean geometric shapes, technical grid overlay, academic bilingual style."
),
"blueprint": (
"A 16:9 blueprint-style slide: subtle grid background (#E8EEF5), "
"navy blue (#1A3A5C) text, technical line drawings, engineering aesthetic."
),
"corporate": (
"A 16:9 professional corporate slide: clean white background, "
"navy/gold scheme, geometric shapes, professional sans-serif typography."
),
"minimal": (
"A 16:9 minimal slide: pure white background, single accent color, "
"generous whitespace, one key visual, executive style."
),
"chalkboard": (
"A 16:9 chalkboard slide: dark green textured background, "
"white chalk-style text and drawings, warm educational feel."
),
}
def build_prompt(style: str, slide: dict, custom_prefix: str = None) -> str:
prefix = custom_prefix or STYLE_PREFIXES.get(style, STYLE_PREFIXES["blueprint"])
parts = [ASPECT, prefix, f"\nVisual scene: {slide['visual']}"]
if slide.get('labels'):
parts.append("\nText labels (MUST appear, exact characters):")
for lbl in slide['labels']:
parts.append(f' - "{lbl}"')
# lit-figure / figure 类型：中间留空给真实图表
if slide.get('type') in ('figure', 'lit-figure'):
parts.append(
"\nIMPORTANT: Center 65% of slide height COMPLETELY EMPTY "
"(pure white, absolutely NO drawings, illustrations, or patterns). "
"Only the title label at top is allowed."
)
# ✅ 全局 citation 禁令：Gemini 不负责任何 citation 渲染
# citation 统一由 burn_citation() 用 PIL 烧录，此处禁止 Gemini 添加
parts.append(
"\nAll text: Simplified Chinese (except author names, journal names, statistics). "
"Write ONLY the exact text labels listed above."
"\nSTRICT RULE: Do NOT add any citation, reference, footnote, source line, "
"acknowledgement, or author credit anywhere on the slide. "
"Bottom 10% must be plain white with zero text."
)
return "\n".join(parts)
from pathlib import Path
from google import genai
from google.genai import types
import json
def load_api_key() -> str:
env = Path("~/.openclaw/credentials/.env").expanduser()
for line in env.read_text().splitlines():
if line.startswith("GOOGLE_GENAI_KEY="):
return line.split("=", 1)[1].strip().strip('"')
raise RuntimeError("GOOGLE_GENAI_KEY not found")
def gemini_text(prompt: str) -> str:
"""文字任务用 flash，节省成本"""
client = genai.Client(api_key=load_api_key())
resp = client.models.generate_content(
model="gemini-2.0-flash",
contents=prompt,
)
return resp.text
def gemini_describe_figure(image_path: str) -> str:
"""用 Gemini vision 描述图表内容（中文一句话）"""
client = genai.Client(api_key=load_api_key())
with open(image_path, "rb") as f:
img_bytes = f.read()
resp = client.models.generate_content(
model="gemini-2.0-flash",
contents=[
types.Part.from_bytes(data=img_bytes, mime_type="image/png"),
"用一句话描述这张学术图表的核心内容（中文，≤40字）"
],
)
return resp.text.strip()
# 备用通道（官方 Key 失效时）
FALLBACK = {
"env_key": "AICODECAT_GEMINI_API_KEY",
"base_url": "https://aicode.cat",
"model": "gemini-2.0-flash-preview-image-generation",
}
def generate_slide(prompt: str, output_path: str) -> bool:
"""生成图片，失败自动重试一次"""
client = genai.Client(api_key=load_api_key())
for attempt in range(2):
try:
resp = client.models.generate_content(
model="gemini-2.0-flash-preview-image-generation",
contents=prompt,
config=types.GenerateContentConfig(
response_modalities=["IMAGE", "TEXT"],
temperature=0.7,
),
)
for cand in resp.candidates or []:
for part in cand.content.parts or []:
inline = getattr(part, "inline_data", None)
if inline and getattr(inline, "data", None):
with open(output_path, "wb") as f:
f.write(inline.data)
ensure_16_9(output_path)
return True
except Exception:
if attempt == 1:
return False
return False
from PIL import Image
def ensure_16_9(path: str, bg=(248, 249, 250)):
img = Image.open(path).convert("RGB")
w, h = img.size
if abs(w/h - 16/9) < 0.05:
return
if abs(w/h - 1.0) < 0.1:
target_h = int(w * 9 / 16)
img = img.crop((0, (h - target_h)//2, w, (h + target_h)//2))
else:
new_w = int(h * 16 / 9)
canvas = Image.new("RGB", (max(new_w, w), h), bg)
canvas.paste(img, ((max(new_w, w) - w)//2, 0))
img = canvas
img.save(path, quality=95)
from PIL import Image, ImageDraw, ImageFont
# ✅ 设计原则：citation 完全由 PIL 控制，Gemini prompt 里不出现任何 citation 指令
# 这样杜绝 Gemini 幻觉添加虚假引用，且来源文字 100% 准确
def _citation_font(size: int = 20):
candidates = [
"/System/Library/Fonts/STHeiti Light.ttc",
"/System/Library/Fonts/PingFang.ttc",
"/System/Library/Fonts/Supplemental/Arial.ttf",
]
for path in candidates:
try:
return ImageFont.truetype(path, size)
except Exception:
continue
return ImageFont.load_default()
def burn_citation(img_path: str, citation: str, out_path: str):
"""
用 PIL 把真实 citation 文字烧录到幻灯片右下角。
先用白色矩形覆盖底部区域（清除 Gemini 可能留下的任何文字），
再写入正确来源。适用于所有幻灯片类型。
"""
img = Image.open(img_path).convert("RGB")
W, H = img.size
draw = ImageDraw.Draw(img)
font = _citation_font(int(H * 0.023))
bbox = draw.textbbox((0, 0), citation, font=font)
text_w = bbox[2] - bbox[0]
text_h = bbox[3] - bbox[1]
pad = 8
# 白色矩形覆盖底部右侧（防止 Gemini 幻觉残留）
draw.rectangle([W - text_w - 30 - pad, H - text_h - 14 - pad, W - 2, H - 2],
fill=(255, 255, 255))
draw.text((W - 22, H - 14), citation, fill=(120, 120, 120), font=font, anchor="rb")
img.save(out_path, quality=95)
def composite_figures(frame_path: str, figures: list, output_path: str):
"""
将真实图表合成到 AI 生成的画框中。
注意：不在此函数处理 citation，由 burn_citation 单独调用。
"""
frame = Image.open(frame_path).convert("RGB")
W, H = frame.size
TITLE_BOTTOM = int(H * 0.13)
CITATION_TOP = int(H * 0.88)
FIG_Y = TITLE_BOTTOM + 4
FIG_H = CITATION_TOP - FIG_Y - 8
draw = ImageDraw.Draw(frame)
# ✅ 硬编码白色，不用 frame.getpixel()，避免 Gemini 深色帧污染图表区
draw.rectangle([0, TITLE_BOTTOM, W, CITATION_TOP], fill=(255, 255, 255))
def fit(img, mw, mh):
r = min(mw/img.width, mh/img.height)
return img.resize((int(img.width*r), int(img.height*r)), Image.LANCZOS)
paths = [f["path"] for f in figures if Path(f["path"]).exists()]
if len(paths) == 1:
fig = fit(Image.open(paths[0]).convert("RGB"), W-60, FIG_H)
frame.paste(fig, ((W-fig.width)//2, FIG_Y+(FIG_H-fig.height)//2))
elif len(paths) == 2:
hw = (W - 80) // 2
for i, p in enumerate(paths):
fig = fit(Image.open(p).convert("RGB"), hw, FIG_H)
x = 20 + i*(hw+40) + (hw-fig.width)//2
frame.paste(fig, (x, FIG_Y+(FIG_H-fig.height)//2))
frame.save(output_path, quality=95)
Phase 4 执行顺序（每张幻灯片）：
# Step A：Gemini 生成背景图（prompt 里绝对不含任何 citation 指令）
ok = gemini_image(prompt, raw_path)
# Step B：figure/lit-figure 类型 → 合成真实图表（白色填充区）
if slide_type in ("lit-figure", "figure") and slide.figures:
composite_figures(raw_path, slide.figures, final_path)
# Step C：有 citation 的所有幻灯片 → PIL 烧录文献来源（覆盖 Gemini 可能的任何文字）
if slide.citation:
burn_citation(final_path, slide.citation, final_path)
逐张生成，实时输出（不等用户）：
生成中... [3/12] 认知负荷对比图（文献图合成）✅
生成中... [4/12] Zhang et al. 核心发现页 ✅
from pptx import Presentation
from pptx.util import Inches
import os
def assemble_pptx(image_paths: list, output_path: str):
prs = Presentation()
prs.slide_width = Inches(13.333)
prs.slide_height = Inches(7.5)
blank = prs.slide_layouts[6]
for p in image_paths:
if p and os.path.exists(p):
s = prs.slides.add_slide(blank)
s.shapes.add_picture(p, 0, 0, prs.slide_width, prs.slide_height)
prs.save(output_path)
✅ 完成！
主题：[topic] 风格：[preset]
文献：[N篇，共M张图表已提取]
位置：slide-deck/{slug}/
共 N 张：01-cover / 02-... / ... / NN-back-cover
PPTX：slide-deck/{slug}/{slug}.pptx
大纲：slide-deck/{slug}/outline.yaml
文献图表：slide-deck/{slug}/figs/
如需调整某张，告诉我页码，我重新生成。
触发条件：输入是学术 PDF 文献（单篇或多篇）。
此模式不调用 Gemini 生图，直接用 python-pptx 构建矢量化幻灯片。优势：精确控制布局、文字不溢出、颜色一致、无 AI 幻觉。
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.dml.color import RGBColor
from pptx.enum.text import PP_ALIGN
from PIL import Image
# 色彩常量（双色系，不扩展）
C_NAVY = RGBColor(0x1A, 0x2E, 0x4A)
C_TEAL = RGBColor(0x00, 0x8C, 0x8C)
C_WHITE = RGBColor(0xFF, 0xFF, 0xFF)
C_GRAY = RGBColor(0x66, 0x66, 0x66)
C_LIGHT = RGBColor(0xF0, 0xF6, 0xF6) # 卡片背景
C_LGRAY = RGBColor(0xCC, 0xCC, 0xCC) # 次要元素
def R(slide, x, y, w, h, color):
"""添加填充矩形（无边框）"""
s = slide.shapes.add_shape(1, x, y, w, h)
s.fill.solid(); s.fill.fore_color.rgb = color
s.line.fill.background()
def T(slide, text, x, y, w, h, sz=12, bold=False,
color=C_NAVY, align=PP_ALIGN.CENTER,
italic=False, wrap=True):
"""添加文字框，wrap=False 防止短标签换行"""
tb = slide.shapes.add_textbox(x, y, w, h)
tf = tb.text_frame
tf.word_wrap = wrap # 数值标签必须设 wrap=False
p = tf.paragraphs[0]; p.alignment = align
r = p.add_run(); r.text = text
r.font.size = Pt(sz); r.font.bold = bold
r.font.italic = italic; r.font.color.rgb = color
def crop_figure_caption(img_path: str, out_path: str, keep_ratio: float = 0.67) -> tuple:
"""
裁掉图片底部的英文 caption，只保留 panels + 图例。
keep_ratio：保留顶部百分比（默认67%，含图例行）。
返回裁切后的 (width_px, height_px)。
"""
img = Image.open(img_path)
w, h = img.size
crop_h = int(h * keep_ratio)
cropped = img.crop((0, 0, w, crop_h))
cropped.save(out_path)
return w, crop_h
def fit_image(img_w_px, img_h_px, max_w_in, max_h_in, slide_w_in=13.333):
"""
计算图片在 slide 中的最优尺寸和居中位置。
返回 (fw, fh, fx, fy) 单位 EMU。
"""
max_w = Inches(max_w_in)
max_h = Inches(max_h_in)
ratio = min(max_w / img_w_px, max_h / img_h_px)
fw = int(img_w_px * ratio)
fh = int(img_h_px * ratio)
fx = int((Inches(slide_w_in) - fw) / 2)
return fw, fh, fx
当图片宽高比 < 2.0（如四 panel 2×2 图）时，两侧会有留白。用次级证据卡片填充：
def render_side_cards(slide, story_line, fig_top, fig_bottom, fig_left_x, fig_right_x):
"""
左侧：专注/过程类指标（对应图的左半 panels）
右侧：主要效应量 + 样本信息（对应图的右半 panels 或核心发现）
每侧分三区：上（次级数据）/ 中（主卡片）/ 下（协议或可信度锚点）
"""
CW = Inches(1.95)
LX = Inches(0.1)
RX = Inches(13.333) - Inches(2.13)
fig_h = fig_bottom - fig_top
TOP_H = Inches(1.25)
MID_H = Inches(2.5)
BOT_H = Inches(1.2)
GAP = Inches(0.07)
top_y = fig_top
mid_y = fig_top + TOP_H + GAP
bot_y = fig_bottom - BOT_H
# 所有卡片：白底 + 顶条（左侧用Teal，右侧用Navy）
# 参见附录C参考模板的完整实现
学术 PDF 中嵌入的图通常是压缩 JPEG（92KB，约 1357×810px）——放大到 16:9 slide 时会明显模糊。矢量重绘从根本上解决这个问题：用 AI 读取图中的数据点，再用 matplotlib 完整重画为真矢量图（SVG）。
import fitz
def check_figure_type(pdf_path: str, page_num: int) -> str:
"""返回 'vector' 或 'raster'"""
doc = fitz.open(pdf_path)
page = doc[page_num]
drawings = page.get_drawings()
images = page.get_images(full=True)
# 只有 1 个 drawing（边框）且有嵌入 JPEG → 栅格
if len(drawings) <= 2 and images:
xref = images[0][0]
base = doc.extract_image(xref)
return f"raster ({base['ext']}, {base['width']}x{base['height']}, {len(base['image'])//1024}KB)"
return "vector"
from llm_router import call
import base64, json
def extract_figure_data(img_path: str) -> dict:
"""
用视觉模型读取折线图/柱状图的数据点。
返回严格 JSON，含各子图的均值和误差棒。
"""
with open(img_path, "rb") as f:
img_b64 = base64.b64encode(f.read()).decode()
prompt = """图是学术论文的多子图折线图（a/b/c/d）。
请精确读取每个子图的：标题、Y轴标签、Y轴范围、每条线每个时间点的均值和误差棒上下界。
只返回JSON，格式：
{"a":{"title":"...","y_label":"...","y_min":...,"y_max":...,
"ctrl_mean":[p,m,po],"ctrl_upper":[p,m,po],"ctrl_lower":[p,m,po],
"int_mean":[p,m,po],"int_upper":[p,m,po],"int_lower":[p,m,po]},
"b":{...},"c":{...},"d":{...}}"""
messages = [{"role": "user", "content": [
{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}},
{"type": "text", "text": prompt}
]}]
text, _ = call.chat(messages, model="google_pro/gemini-2.5-flash", max_tokens=4000)
if "```" in text:
text = [p for p in text.split("```") if p.strip().startswith("{")][0]
return json.loads(text.strip())
精度验证：Pre-intervention 值必须用论文 Table 2 的精确基线数据校正；Mid/Post 值来自图像读取（误差约 ±3-5%，趋势方向 100% 正确）。
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
def redraw_figure_vector(data: dict, out_png: str, out_svg: str,
x_labels=None, c_ctrl="#4472C4", c_int="#C00000"):
"""
从提取的数据字典重绘多 panel 折线图为真矢量。
data: extract_figure_data() 的返回值
"""
if x_labels is None:
x_labels = ["Pre-\nintervention", "Mid-\nintervention", "Post-\nintervention"]
plt.rcParams.update({
'font.family': 'Arial', 'font.size': 10,
'axes.spines.top': False, 'axes.spines.right': False,
'axes.linewidth': 1.0,
})
panels = list(data.keys()) # ['a', 'b', 'c', 'd']
n_rows = (len(panels) + 1) // 2
fig, axes = plt.subplots(n_rows, 2, figsize=(9, 3*n_rows), constrained_layout=True)
axes_flat = axes.flatten() if n_rows > 1 else list(axes)
for ax, key in zip(axes_flat, panels):
d = data[key]
xpts = list(range(len(d["ctrl_mean"])))
cm = np.array(d["ctrl_mean"])
cu = np.array(d["ctrl_upper"]) - cm
cd = cm - np.array(d["ctrl_lower"])
im = np.array(d["int_mean"])
iu = np.array(d["int_upper"]) - im
id_ = im - np.array(d["int_lower"])
ax.errorbar(xpts, cm, yerr=[cd, cu], color=c_ctrl, marker='o',
markersize=5, linewidth=1.5, capsize=4, label='Control group')
ax.errorbar(xpts, im, yerr=[id_, iu], color=c_int, marker='s',
markersize=5, linewidth=1.5, capsize=4, label='Intervention group')
ax.set_xlim(-0.4, len(xpts) - 0.6)
ax.set_ylim(d["y_min"], d["y_max"])
ax.set_xticks(xpts)
ax.set_xticklabels(x_labels[:len(xpts)], fontsize=9)
ax.set_ylabel(d["y_label"], fontsize=10)
ax.set_title(d["title"], fontsize=10, loc='left', pad=4)
# 子图标签 a) b) c) d)
ax.text(-0.12, 1.04, f"{key})", transform=ax.transAxes,
fontsize=11, fontweight='bold', va='top')
ax.yaxis.grid(True, linestyle='--', alpha=0.4, linewidth=0.6, color='gray')
ax.set_axisbelow(True)
handles, lbls = axes_flat[-1].get_legend_handles_labels()
fig.legend(handles, lbls, loc='lower center', ncol=2, fontsize=9,
frameon=False, bbox_to_anchor=(0.5, -0.04))
fig.savefig(out_svg, format='svg', bbox_inches='tight', dpi=300)
fig.savefig(out_png, format='png', bbox_inches='tight', dpi=300)
plt.close()
# 1. 提取原始嵌入图
img_path = "/tmp/fig5_original.jpeg"
doc.extract_image(xref) # 保存原始 JPEG
# 2. AI 读取数据点（可选：用 Table 2 校正 Pre 基线值）
fig_data = extract_figure_data(img_path)
# 3. 矢量重绘（SVG 无限缩放，PNG 300dpi 备用）
redraw_figure_vector(fig_data, "/tmp/fig5_vector.png", "/tmp/fig5_vector.svg")
# 4. 嵌入 slide（用 PNG 版本，对应 fit_image 函数）
fit_image(slide, "/tmp/fig5_vector.png", FIG_X, FIG_Y, FIG_W, FIG_H)
注意：适用于折线图、带误差棒的点图。柱状图需调整
ax.bar()渲染逻辑。
| 类型 | 渲染策略 |
|---|---|
cover | 深蓝顶栏 + 完整标题（自动换行）+ teal 底栏 + DOI |
tension | 白底 + 大字陈述问题 + teal 方法信息卡 |
method | 全版方法流程图（论文 Figure 1）+ 标题 |
results-card | 标题栏 + 主图（裁切版）+ 侧边6卡片 + 概要句 + 引用栏 |
conclusion | 三栏卡片（每栏一条结论）+ 大字主张 |
summary | teal标题栏 + 序号要点列表（均匀分布） |
基于 Jiang et al. (2026) 学术汇报的第一张参考 slide（results-card 类型）
生成脚本：/tmp/nat_adhd_slide_v10_final.pptx（2026-04-15 矢量重绘版验证通过）
布局规格：
关键技术规范：
wrap=False，textbox 宽度 ≥ 实际文字宽 + 0.15"int(ih * 0.67) 保留图例行，int(ih * 0.585) 只保留 panels/slide-gen paper.pdf # 单篇文献 → 总结PPT
/slide-gen ~/papers/ # 文件夹批量文献 → 总结PPT
/slide-gen content.md # 纯文字内容 → 完整流程
/slide-gen content.md --style academic-dark # 指定风格
/slide-gen content.md --slides 12 # 指定页数
/slide-gen content.md --outline-only # 只生成大纲
/slide-gen slide-deck/topic/ --images-only # 从现有 prompts/ 重新生图
/slide-gen slide-deck/topic/ --regenerate 3 # 只重新生成第3张
import subprocess, fitz, os
def pptx_to_frames(pptx_path: str, out_dir="/tmp/pptx_frames", n=5) -> list:
os.makedirs(out_dir, exist_ok=True)
subprocess.run(
["libreoffice", "--headless", "--convert-to", "pdf", "--outdir", out_dir, pptx_path],
check=True
)
pdf = os.path.join(out_dir, os.path.basename(pptx_path).replace(".pptx", ".pdf"))
doc = fitz.open(pdf)
paths = []
for i, page in enumerate(doc[:n]):
p = os.path.join(out_dir, f"frame_{i+1:03d}.png")
page.get_pixmap(matrix=fitz.Matrix(2, 2)).save(p)
paths.append(p)
return paths
分析这张演示幻灯片的视觉风格，输出 JSON：
{
"background": {"type": "solid|gradient|dark|paper|whiteboard", "description": "英文"},
"typography": {"style": "clean_sans|serif|handwritten|technical", "description": "英文"},
"color_palette": {"primary_text": "#hex", "accent_1": "#hex", "background_base": "#hex"},
"atmosphere": "academic|corporate|educational|dark_tech|playful",
"prompt_prefix": "A 16:9 widescreen presentation slide. [100词内英文，描述视觉风格和氛围，不描述文字排版]"
}
只输出 JSON。
分析结果保存为 slide-deck/{slug}/slide_style.json，后续所有页面使用其 prompt_prefix 替代预设前缀。
slide-deck/{topic-slug}/
├── source.md （纯文字模式）
├── figures_manifest.yaml （PDF文献模式，自动生成）
├── outline.yaml
├── slide_style.json （风格提取时存在）
├── figs/ （从PDF提取的原始图表）
│ ├── p1_fig01_p3.png
│ └── p2_fig01_p4.png
├── prompts/
│ ├── 01-slide-cover.md
│ └── 02-slide-{name}.md
├── 01-slide-cover.png
├── 02-slide-{name}.png
└── {topic-slug}.pptx