精读 · 直播回看

AI PPT 专题:从 word 到 PPT,AI 办公的终极方案 · 深蒸馏(录像转写版)

直播回看 · 2026-09-18 | 已深蒸馏 6 / 59 | 5 组 · 5 表 · 一次读完
来源:原视频 | howie.serious | 2026-09-18 直播 | 1 小时 42 分 / 2.76 万字(录像转写)| 旧文字稿版已作废
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_6aac99aee4b0694c5c0b5225/4
阅读路径:这场表面讲 PPT,实际讲「一切交付物的可视化」和一条更硬的纪律(砂锅大法)。第一组用五条路线的对比给你坐标系,第二组是本场最值钱的东西——design system,一次投入、终身复用;第三组是完整操作链(含先做 deep research 再出稿的细节);第四组把话题拔到「瓶颈转移」;第五组「砂锅大法」是全场最可以直接抄的纪律,建议先读那一组。
一句话结论:做 PPT 这件事的路线之争已经结束——终局不是「让 AI 画一张看起来像 PPT 的图」,是「把审美压缩成一个 design system,让 AI 按系统产出原生可编辑文件」;由此一切操作层面的交付物价值归零,瓶颈整体转移到人的理解,而理解的形态是「几万个概念 + 几十万个连接」。

第一组 · 判断:五条路线,只剩下一条

从「像 PPT 的图片」到「原生 PPTX」

1.1 五条路线的对照

他把过去四年试过的方案排了一遍,这是全场最有用的坐标系:

路线代表产物致命问题
① 多模态生图Nano Banana Pro(2025.12 最火)一张「长得像 PPT」的图片整图重绘,改一个字都要重画;质量由厂商决定
② HTML 即 PPTAnthropic 压 coding 路线(2024 末)网页,看起来像 PPT「HTML is new PPT」,改起来要懂代码
③ AI 进 OfficeChatGPT for Word / PowerPoint 插件在原软件里改受插件能力限制,做不了复杂版式
④ 让 AI 操作 OfficeMCP / Computer Use 直接点本机 Office原生文件慢、脆弱,一步错全错
⑤ 原生交付(终局)Claude docs / slides / design / design system(2026-09-17 上线)原生 PPTX、原生网页,每个元素可编辑目前只有 Anthropic 做得最好
1.2 一个反向教训:Nano Banana Pro 为什么变差

他现场对比了去年 12 月和今年的同一套图:去年生成的质量还不错,今年分辨率低、细节差,即使用 4K 版本也不行——而他的账号是 200 美金的 Ultra。

他的归因很直接:Google 在这条路线上不再投入算力,因为「没人给它交钱,飞轮效应没了」。「你没有办法把控多模态模型的质量,因为那个模型本身降智了,或者公司本身改换路线了。」

这条教训比结论重要:选路线时,要选那个「厂商有商业动机持续投入」的路线。coding 是 Anthropic 的死磕方向(连 Sora 那种流量都不追),所以这条线上的产物会持续变好。

1.3 为什么终局是这一条

他给的判据很朴素:产物跟我们人类做的方式一样——原生 PPTX、原生网页,每个元素都能改,改完还是原生的。「它让人只负责内容,视觉表达全交给 agent。」

原文在说什么

这一段的价值不在「推荐某个工具」,而在于给出了一条选择标准:看产物是不是原生可编辑、看厂商有没有动机持续投入。按这两条,前面四条路线都会被排除。

关键概念
对你的实际应用

你现在做晨报/午报 HTML,走的其实就是「路线②+⑤」的混合:report_html.py 生成原生 HTML,样式写死在脚本里。按他的标准,下一步该做的是把样式抽出来变成一份 kb/design-system.md(配色、字号、间距、卡片、浮卡组件),脚本只引用 token。这样同一份内容换主题(深色/浅色、手机/大屏)只需换设计系统,不用改渲染代码。

第二组 · 关键物:Design System

一次投入,终身复用

2.1 它到底是什么

他把 design system 拆成六个可枚举的层,并强调「我不读,我只用」:

层内容举例
颜色label 1–4 级、背景、分组、tint、link苹果的语义色体系
字体Large Title / Title / Headline / Body / Callout / Footnote / Caption层级与字重
间距4 / 8 / 12 像素栅格一切留白由此推导
圆角小/中/大/超大 + Capsule组件形态
阴影层级与模糊半径卡片浮起感
组件Alert、Badge、Button、Card、Input、Sheet、Sidebar、Tab、Switch、图表样式具体到每个交互元素
2.2 怎么得到一套(两种方法,都只要几秒)
2.3 怎么用

一句话切换:「你用我的 AI 内参设计系统,重做这份 PPT。」同一份内容,换设计系统就换风格——他现场用苹果 iOS 26 风格和 AI 内参风格各做了一遍。

覆盖面是全场景的:PPT、网站、App、iOS、安卓、海报、详情页、头图、甚至图表的配色。「你有好的设计系统,它可以同时用来设计网站、App、安卓、iOS。」

2.4 为什么它值钱

他自己的旧做法是:做一个 Keynote 模板,几十上百页版式(一级标题、二级标题、分栏、带表格、一张图、两张图、全图),字体版式配色全定死,每次做 PPT 就在模板上改,持续迭代。

「现在最新的方案,其实就跟我们自己人类做 PPT 是一样的。」区别只是——以前维护这套模板「特别费脑子」,现在提取和维护的成本近乎零。

原文在说什么

这一组是全场的方法核心。他不是在讲「AI 能生成 PPT」,而是在讲审美的可迁移性:把一种视觉风格压缩成一套参数,就能无限次复用到任何交付物上。这也解释了他为什么反复说「你只要看一两本设计常识的书,有基本审美判断就够了」——判断力归人,执行归 agent。

关键概念
对你的实际应用

这是你今天可以直接动手的一件事,而且比做任何新功能都划算:把 report_html.py 里写死的样式(K 线浮卡的配色、字号、圆角、卡片阴影、涨跌色)抽成 kb/design-system.md,格式照他那六层写。产出之后,晨报、午报、深蒸馏 HTML、知识库导出物四类产物可以共用一套视觉语言——现在它们其实是四种风格。

第三组 · 实操:从一句话到原生 PPTX

完整链路与三个附加场景

3.1 主链路
  1. 一句话:「做一份 PPT,主题是 X,大概 20 页」;
  2. 它反问几个问题确认;
  3. 出稿(网页版可编辑);
  4. 任何位置 @Claude 直接改;
  5. 下载为 PPTX / PDF / Markdown。
3.2 提质量的关键一步:先 deep research

他给了一个明显更好的做法:先让模型对主题做 deep research,产出一两万字的报告,再把报告丢给 slides。区别在于内容来源——不指定内容时,它是从网上搜来组织的;指定报告后,它是基于你上传的深度材料在写。

3.3 三个附加场景
场景工具说明
Word / 论文排版docs低频高要求(学术排版、复杂格式)最适合交给它;可导出 docx/md/pdf
动态演示(artifacts)artifacts本质是可交互网页:几何题分步演示、两枚硬币绕圈、等比数列求和推导、化学反应过程
设计与图表Figma(MCP)+ Mermaid / JambotFigma 里做海报、详情页、头图;图表出可编辑的原生 diagram

他还给了一条很实用的判断:看一个 AI 做的软件,如果 UI 一看就是「AI 味」(GPT 前端那套配色字体),那它后面大概率也是 slop——「连 UI 都没搞定」。

原文在说什么

这一段是操作层,但有个隐含观点值得记:artifacts 不是玩具。他说 PPT 的本源就是二战时情报人员手工画图给领导看,本质是「可视化」;现在可视化这件事从人工变成可编程,所有「讲不清楚」的抽象东西都能变成可交互演示。这是能力边界的扩张,不是效率优化。

关键概念
对你的实际应用

你可以直接验证这条链路:拿今天这两篇深蒸馏的 md,让模型按「先 deep research 再出 slides」的顺序做一份 10 页汇报,看和直接出稿差多少。更实用的是 artifacts 那条——你的 K 线浮卡已经是「可交互演示」,但只服务于报告;如果把它做成独立的 artifacts,孩子看几何题、你看板块轮动,都能用同一套交互。

第四组 · 道:瓶颈转移到「理解」的具体形态

概念与连接

4.1 操作层价值归零

他的表述很重:「一切白领工作,只要是在电脑里做的操作层面的事,就完全应该由 agent 来做,人来去做这件事简直是对这个时代的侮辱。」

对应的结论:PPT 别人收五千还是收一万,价值都等于零——「因为 AI 一分钟搞定」。

4.2 那价值去哪了
层内容是否可替代
操作排版、配图、套模板、改格式完全可替代
审美什么是美、什么是 slop人的判断,AI 可执行但不可替代判断
理解概念 + 概念之间的连接不可替代,且需要长期积累
创造idea、品味、判断力不可替代

他给了一个可量化的说法:自己现在有 12000 多个概念、40000 多个连接,「你后面理解任何新模型、新 harness、新 agent、新技术的时候,跟别人不是一个 level」。

4.3 为什么学习突然「有回报」了

他讲了一段很实在的话:过去在公司里,学和不学跟旁边的人没区别,「终身学习可能就是一个终身傻叉」;现在不一样——「你多掌握一个概念,它立刻能兑现成价值创造」。「早上知道一个东西,中午这个东西已经变成产品了。」

原文在说什么

这一段是他整套方法论的落点:如果操作层归零,那么唯一值得投入的就是「理解」。而理解的形态被他讲得很具体——不是「懂了」,是「有多少概念、概念之间有多少条边」。这也解释了他为什么反复要求记概念笔记。

关键概念
对你的实际应用

这条和你手上的知识库直接相关:kb/ 现在是主题长文,概念之间没有边。按他的说法,你缺的正是「概念 + 连接」这个结构。今天可以起个头——建 kb/概念/ 目录,先写五个:design system、原生交付物、artifacts、m3u8、subagent,每个四条(是什么/为什么/怎么用/边界),末尾链回出处。

第五组 · 砂锅大法:不理解就不接受

全场最硬的一条纪律

5.1 什么是砂锅大法

「砂锅」= 打破砂锅问到底。对应的是 vibe coding 的反面——「vibe coding 其实就是一直点继续」。

他的原话:

「只要看它这个方案里面有任何一个地方你不理解,你就不要接受这个方案。你就跟它说:这个事很重要,我也是新手,所以我要跟你讨论清楚。我有任何不确定的地方,现在就一条一条说,第一点、第二点、第三点。然后你告诉它你能提供什么 context、你的分析和判断,让它基于这些更新方案;有任何不确定的地方,再来跟我讨论。」
5.2 为什么必须这样

他给了一个很硬的解释:AI 的方案是高度压缩的语言。「AI 为了省 token,加上训练方式与数据分布,它形成的表达是高度压缩的,某种程度像文言文。所以你看不懂是正常的。」

然后是那个让人后背发凉的算术:

每轮偏差200 轮之后
1.01约 7.3 倍
1.05约 17000 倍

原话是:「1.05 的 200 次方,它偏离到哪去了?偏离到沟里去了。」

5.3 他的自陈

「我回看两个月前做的那个,那个时候就是继续继续继续,Codex 继续继续继续。我就觉得这什么玩意儿——数据库八十张表,有必要吗?真相源散落好几个,前端后端一坨。这就是一坨屎山。」

用了砂锅大法之后:「几乎每次都会有一些更新,最终得出来的方案一定是更简洁的、更好的。」

5.4 它跟「理解」的关系

他点明这方法的真正目的:保证你在每一轮都还理解自己的系统。「以后最重要的是人类的理解。你用这种方法做 coding,你能够时刻保证你的理解;这跟你不理解、一直继续继续,是天壤之别。」

副作用是好的:每理解一个概念就产出一条概念笔记,用 agent 干活的过程本身就在学习。

原文在说什么

这一段是全场唯一「反效率」的内容,也是最有长期价值的一条。它直接反驳了「AI 就是让你更快」这个默认假设——快的前提是不跑偏,而跑偏的成本是复利式的。

关键概念
对你的实际应用

这条对你尤其适用,因为你现在的系统已经有这个风险:report_html.py 460 行、receiver.py 一堆钩子、fetch_video.py 的签名取流,这些代码我能写出来,但你未必每一行都理解。按砂锅大法,该做的是:每次改动前,我先把「改什么、为什么、失败会怎样」三条讲清,你确认后再动手——而不是我直接改完给你看结果。这一条可以直接写进 CONTEXT.md 的协作条款。


与在用工作的关联

这场里的什么对应你手上的什么具体怎么用
五条路线,选原生交付 + 有厂商动机的那条report_html.py 生成原生 HTML,样式写死样式抽成 kb/design-system.md,脚本引用 token
Design System 六层(色/字/间距/圆角/阴影/组件)晨报、午报、深蒸馏、知识库四种产物四种风格统一成一套,先写 md 再改渲染器
从代码库提取 design systemreport_html.py 里已有配色与组件让模型读脚本,直接产出第一版 design system
deep research 前置再出稿深蒸馏先在 _deep/ 写 md,再渲染 HTML已是这个顺序,保持
artifacts = 可交互网页K 线浮卡(已有交互)独立成 artifacts,供报告与孩子共用
UI 即质量信号你的 HTML 产物用「像不像 AI 味」自检,再决定是否对外发
瓶颈转移:操作→理解你的活多在操作层(抓取、渲染、发送)每两周留半天,只做「理解」不做「产出」
理解 = 概念 + 连接(12000/40000)kb/ 是长文,无概念库建 kb/概念/,先写 5 个,每个四条
砂锅大法(不理解不接受)我改你的系统时,你未必懂每一行CONTEXT.md 加条款:改动前先说清「改什么/为什么/失败会怎样」
1.05^200 的偏差复利快速堆功能、少重构每两周一次清理节拍,不加新功能

原文:howie.serious《AI PPT 专题:从 word 到 PPT,AI 办公的终极方案》,2026-09-18 直播,1 小时 42 分。本篇由录像转写(mlx-whisper large-v3-turbo,本地)为底稿,替换此前的文字稿版;文字稿约 2.4 万字,录像 2.76 万字,多出的部分主要是五条路线的完整对比、design system 的两种提取方法、以及「砂锅大法」的完整表述。

本篇依据:2.76 万字转写全文逐段核对。Nano Banana Pro 的时间点(2025-12)、Claude docs/slides/design 上线日(2026-09-17/18)、12000 概念 / 40000 连接、1.05^200、八十张表、design system 六层等均照原文。

更正与边界:第五组「砂锅大法」的算术是他口述的量级示意,不是精确测算;其成立前提是「方案会经历很多轮迭代」,一次性小任务不需要这么重。第四组「操作层价值归零」针对的是交付物,不是过程中的判断。

定位:中文深蒸馏,不是译稿也不是逐字摘要。标「对你的实际应用」的部分是我的分析,与原文分开;引用原文处标「原文在说什么」。