Menü
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。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| 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