AI PPT skill 到底哪家好?6个Al PPT横向对比skill技能 用AI制作PPT 你必须收藏这6个skill

QUOTE

客户在微信上说「整体不错，第二页那个标题帮我改短一点」，你怎么办。

AI 做 PPT 的 skill 这两年冒出来一堆。挑的时候大多数人看两个指标：星数多少，样例好不好看。这两个指标有个共同问题，它们描述的是「生成那一刻」，描述不了「交出去之后」。

真正决定你返工几次的，是另一个问题：这份 PPT 交出去以后，改字的人是谁。

客户自己在 PowerPoint 里改，你得给他原生 .pptx。你自己在电脑上守着改，HTML 幻灯片随便挑。选错类型，痛苦从交付那天才开始。

我按这个标准把这 6 个跑了一遍，顺手核了 GitHub 上的真实数据。有几个数字和流传的说法对不上。

本文看点

数据核对时间 2026 年 10 月 17 日，来源是 GitHub 仓库接口。星数第一名和最后一名差 168.9 倍。

这是全文最有用的一句话：6 个里只有 PPT Master 和萝卜 PPT 输出原生 .pptx。

其余四个交出去的都是 HTML 文件。HTML 的美术上限确实高，动效、字体、布局都能放开做，代价是客户想在 PowerPoint 里改一个字，要么自己懂点前端，要么让 AI 重跑一遍。重跑这件事最折磨人的地方在于，你没法保证它只改那一个字。

所以选型的第一步，先问客户一句：这份东西你之后要自己改吗。样例往后排。

要，就只看前两个。不要，再看星数和风格。

PPT Master，63157 星，MIT，Python 写的，仓库 135 MB。

它的做法是每一页先让模型画成 SVG，再转成 PowerPoint 原生格式。转完之后形状、文字、公式都能直接改，加个参数还能导出带真数据的图表，右键就有「编辑数据」这一项。

星数高不是它最值得看的地方。真正难做的是母版：它可以从你给的参考里提炼出真正的母版，在 PowerPoint 里改一下母版，所有页面跟着一起变。这一条很多号称「可编辑」的工具做不到，它们只是把文字塞进了文本框，母版页是空的。

实操坑有两条。它默认流程会先跟你确认模板、比例、页数，再开始动手，赶时间可以开快速模式一口气跑完，代价是中途断了不能续。另外它对模型能力敏感，作者自己的推荐是 Claude 或 Kimi K3，本地要装 Python 3.10 以上，配图可以接生图模型，什么都不配也能从开放图库搜图。

这个项目建库时间是 2026 年 10 月 8 日，核数据那天是 10 月 17 日，满打满算 9 天，374 星，MIT，Python。

它解决的是一个很具体的场景：手上有一份内容没问题、就是长得朴素的旧 PPT，想让它照着某张图换身衣服，一个字都别动。

实现上它把「不乱改」做成了脚本能查的规矩。原稿每一段文字先存一份，美化完逐页核对，少一行就报错，直接点名是哪一页、哪一句。装不下的内容在写大纲阶段就拦住，每个版式都标了容量，比如漏斗最多 5 层、每层说明不超过 26 个字，超了就自动换一个装得下的版式。

还有一个细节值得抄走：原稿里用公式编辑器打的公式，在 LibreOffice 里打开可能是空白，它会把这类公式转成普通文字公式，换什么软件都看得到，也能直接改字。

萝卜 PPT 的工作方式值得单独说，因为它把「生成」和「美化」拆成了两条路，中间靠三份文件串起来：deck.json 存每页内容，style.json 存风格，plan.json 存版式规划。生成路线是先写稿再进这套流程，美化路线是先解析原稿再进同一套流程。

这个拆分解决的是一个实际问题：内容决策和视觉决策的返工成本不一样。内容要改，回到 deck.json；风格要换，只动 style.json。两条路共用一套设计引擎，所以你换风格不用重新生成内容。

它交付前还有一步五维自评：先查丢字、溢出、字压页脚、对比度、强调色用量这些硬伤，再把能数出来的证据列成表，从统一、层级、细节、传达、节奏五个方面给自己打分，要修的修完再交。

从零生成时它还会先写一份只有标题的稿子让你确认，每页标题是一句结论，带口播备注。这份稿子的作用是让你在花时间排版之前先改结构，结构定了再出图，比出完图再改结构省一半时间。

坑：原稿里公式特别多的话，先确认它转出来的文字公式在客户那边打得开。LibreOffice 对公式编辑器格式的支持本来就残缺，这一步换成任何工具都得做。

这是我自己核数据时发现的问题。

AGPL-3.0 和 MIT 的区别在于「网络交互也算分发」。你把 skill 改了一遍，然后放到公司内部系统里给同事用，同事通过网络访问到了改动后的版本，这种情况下 AGPL 要求你把改动开源。MIT 没有这个要求。

给客户做商业交付前，这一栏比星数重要。乙方最容易踩的场景是：接了单，改了两个模板，交付完客户说「顺手帮我们挂到内网」，这时候 AGPL 的约束才开始生效。

星数排第二的 Frontend Slides，最后一次提交是 2026 年 6 月 23 日。核数据那天是 10 月 17 日，中间将近四个月没有动静。

它本身是好东西：内置 12 套预设，另有一套更激进的备选，也能把现成的 PPT 转成 HTML，想留文件可以导出 PDF，动画会丢。它最实用的设计是先出三个风格预览让你挑，挑中哪个就照着做完整套，三个预览分别是稳妥的、大胆的、不按常理出牌的，基本能覆盖你自己都说不清的那点审美。交付物是一个双击就能打开的 HTML 文件，不装 npm 不构建，想分享还能一键部署到免费托管，甩个链接过去。

但「四个月没提交」和「30815 星」放在一起，说明的是另一件事：这个项目的热度来自过去的积累，不代表现在还有人修 bug。

一个判断项目活性的土办法，看未关闭 issue 和星数的比值。

星数越高、issue 越少，通常说明作者关得快，或者问题都被吸收进了 FAQ。Frontend Slides 的 71 个未关闭 issue 是这六个里最多的，配合四个月未提交，倾向很明显。萝卜 PPT 比值偏高是正常的，9 天的新仓库，issue 还没开始积累。

Guizang PPT Skill，28132 星，AGPL-3.0，HTML。两套视觉体系，电子杂志风拿来讲故事讲观点，瑞士国际主义风拿来讲产品和数据，配色是预设好的，不需要你自己填。开始动手前它会拿 7 个问题把需求问清楚，风格、观众、时长、手上有什么素材、要不要配图都会问到。做完还会照着检查清单自查一遍，再跑脚本测溢出和间距。

它的局限作者也写了：不适合大表格、培训课件和多人协作。有截图的话默认不会重画，只会放进内置背景里重新构图。演讲者模式有，计时器、激光笔、标注都在。顺手还能出公众号头图、小红书封面、视频号封面。

HTML PPT Studio，8721 星，MIT。仓库描述写的是 24 个主题、31 个版式、20 多种动画，流传的「36 个主题 47 种动画」和描述对不上，我按仓库描述的来。它真正好用的是演讲者模式，按 S 弹出独立窗口，当前页、下一页、逐字稿、计时器四张卡片可以随便拖。逐字稿建议每页 150 到 300 字，写提示信号，别写成照念的稿子。

它的坑是字体从 Google Fonts 加载，断网时会退回系统字体，现场演示前先断网试一次。它是纯静态的 HTML，没有 Agent 也能跑一行脚本起一份新的。

Dashi PPT Skill，9628 星，AGPL-3.0。把每一页都做成浏览器里的编辑器，右边控制台拉滑块就能增减模块、换配色、换版式，文字点上去直接改，改完能导出可编辑 PPTX。SWOT、波特五力这些分析框架有现成版式，偏咨询风。图表一句话就能在雷达图、桑基图、甘特图之间来回切。国产 Agent 的适配是它的一个特色。

它的推送停在 2026 年 9 月 12 日，比 Frontend Slides 新，但也是一个多月前。

有一篇横评最后说了实话：其他五个都是首次安装首次运行，他自己的那个是本地反复调测过的，有相关记忆，所以出来的效果更好。

这句话比整篇横评都值钱。它说明了一件事：skill 类工具的效果，安装次数和调测记忆占的权重很高。

「同一条提示词、同一个模型，第一次跑和调过二十次跑，出来的不是同一个东西。」

所以你看任何 skill 横评，都要先问一句：参评项目是统一条件跑的，还是作者顺手挑的。这个信息通常藏在最后一段，而最后一段往往没人看。

六个跑完，我的结论是：工具能管住丢字、溢出、字号乱这些看得见的毛病，管不了每页标题能不能串成一个故事。

判断方法很土：把你这份 PPT 每一页的标题单独拎出来，按顺序读一遍。读下来像个连贯的故事，大概率讲得住；读下来像一堆名词，模型再强也救不回来。

另外一个容易忽略的变量是模型本身。同一个 skill 换不同模型，出图质感和排版稳定性差得很明显，国产模型之间也不一样。想要稳定好看，先把模型定下来，再挑 skill。

最后一条提醒：任何横评也替代不了你自己跑一次。装一个，拿你手上真实的一份旧 PPT 试，二十分钟就能知道它对不对你的路。

文中所有仓库数据来自 GitHub 仓库接口，核对时间 2026 年 10 月 17 日。星数、许可、issue 数为当日快照，会随时间变化。