PPT 做得像模板,不一定是提示词写得差

你可能遇到过这种情况。

把一份会议纪要丢给 AI，让它做成汇报。封面还行，第二页开始，标题字号忽大忽小。图表的数字对不上原文。最后一页甚至出现材料里没有的结论。

这时候，很多人的第一反应是继续改提示词：更专业一点，更有设计感一点，像某某咨询公司一点。改到最后，提示词比会议纪要还长，PPT 还是不稳。

问题常常不在“形容词不够多”。做一套 PPT，本来就是两件事。先决定讲什么，再决定每个字和图放在哪儿。让一个模型一次把这两件事都做完，它很容易顾此失彼。

IBM Research 做 Palette 时，干脆把这两件事拆开了。

第一步叫 designer。它不画 PPT，只写一份中间稿。每页要讲的内容、采用的布局、颜色和字体，都写进去。它还要说明为什么这一页用图表，为什么另一页删掉一段话。

第二步叫 coder。它拿着这份中间稿，一页一页写代码。标题放在什么位置，图表多宽，卡片之间留多少空白，都在这一层处理。每页可以并行做，互相不会把布局改乱。

这份中间稿很关键。人看得懂，想改也容易。比如你觉得第三页信息太多，可以直接把它改成“一个结论加一张图”，不用整套 PPT 重新生成。

Palette 用的是一个 20B 的开源权重模型。这个数字只说明模型规模，不代表它能自动做出好看的汇报。真正让结果稳定的，还有后面那一圈检查。

研究团队先合成了约 1000 套 deck，约 10000 页。每个例子不只保存最终页面，还保存了做选择的理由。比如四个季度的收入数据，重点是看趋势，就用柱状图；如果重点是查每个季度的准确数字，表格更合适。

这和普通的“喂几张好看的 PPT”不一样。模型学到的不是某一页长什么样，而是遇到类似材料时，为什么要这样排。

但训练完也没结束。

Palette 每做完一页，都会把它真正渲染出来。系统检查标题有没有跑出边框，两个图形有没有压在一起，文字颜色会不会和背景混掉。检查出问题后，另一个模型负责改代码。

这里有个小细节，很像做软件测试：修完不算完。只有重新检查后确实变好了，修复才会替换原页面。否则保留旧版本。

这个流程在 131 套 PresentBench 测试里，平均多拿了 3.5 分。Palette 在 Economics 和 Education 两个领域排名第一，三类任务平均分是 59.7，NotebookLM 是 60.8。它没有在所有场景第一，尤其是需要讲故事、靠演讲节奏取胜的 Talk 类任务，排在第三。

这个结果其实挺有意思。模型大小当然有用，但“生成后有人检查”也会直接改变成品。很多 PPT 的问题，不是模型完全不会做，而是它从来没有看到渲染后的页面，也没有机会根据页面结果返工。

自己做 PPT 时，可以先把任务分成三轮。

第一轮只让 AI 处理内容。

把材料整理成每页一个中心意思。让它标出数据来源。材料里没有的数字，先留空。别急着让它配图、加金句。

第二轮处理布局。

让 AI 为每页指定一种版式。标题、正文、图表、备注分别占多大空间，也写出来。你可以直接规定“这一页只能放一个结论和一张图”，它就不容易把所有内容都塞进来。

第三轮才检查成品。

把 PPT 转成图片，或者逐页截图。让 AI 专门找四类问题：文字是否溢出，元素是否重叠，数字是否和原材料一致，是否出现材料没有说过的话。发现一处，改一处，再看截图。

如果你使用的是带代码输出的工具，还可以把检查写成规则。标题框不能超出页面，字号不能小于某个值，图表里的数字必须能在输入材料里找到。规则不漂亮，但比“再高级一点”更容易执行。

Palette 还有一个细节值得留意。它不是只靠提示词要求模型“不要编造”。研究团队发现，提示词加得更多，效果并没有跟着变好；把参考 deck 修好，模型反而更容易学对。模型会照着眼前的参考物走，胜过听一长串规矩。

这也解释了为什么同一款工具，别人做出来像样，你做出来却像培训机构模板。对方可能给了完整的品牌字体、颜色、几页真实样板，还把不合格的页面退回去改。你只说了一句“做得高级一点”，模型当然只能拿自己的默认风格来填空。

对小团队来说，最省事的办法不是立刻换模型。先找两三份真正满意的旧 PPT，把每页为什么这样排写出来。再把检查动作固定下来。封面能不能过，只是一关；后面的数字、引用和页面边界，才是最后会不会返工的地方。

Palette 的页面排名和它的研究条件，不能直接变成你的办公成绩。你手里的材料、模板、字体和检查工具，都可能不一样。可以先拿一份已经做过的汇报跑一遍。看它在哪一页开始乱，再决定要补参考样板，还是补检查规则。

AI大模型API服务：pcore.ai，通过统一、标准的接口协议接入海量模型。承载 AI 应用，高效管理数字资产，连接未来。