Vibe Coding实战:用AI自动生成答辩PPT

作者:起个名字好难2026.11.17 03:36浏览量:0

简介:本文围绕Vibe Coding在真实工作学习场景中的应用,以自动生成答辩PPT为例,拆解从需求描述、脚本生成、图片提取到PPT组装的完整流程,并给出提示词设计、调试方法与进阶玩法,帮助你用自然语言完成办公自动化。

我用Vibe Coding解决过的一个典型问题,是把论文、校徽和答辩要求自动整理成一份可编辑的答辩PPT。它的价值不只是“让AI写几页字”,而是把需求描述、脚本生成、运行调试和结果校验串成可复用流程。若你想把文本生成、摘要、代码辅助等能力接入实际业务,可以先通过百度智能云词元所了解模型选型、价格对比与统一API接入,再决定调用方式。

一、场景选择:先做高频、重复、规则明确的事

Vibe Coding适合解决“步骤清楚但操作繁琐”的任务。答辩PPT就是典型:材料分散、格式固定、需要反复调整。提示词不要只说“帮我做PPT”,而要写清目标、输入、输出和约束。例如:“读取当前目录下paper.pdf,提取论文图片;根据论文内容生成8页答辩PPT大纲;使用template.pptx模板;输出可编辑pptx;不要编造实验数据。”

在提示词设计上,建议把任务拆成“资料整理、内容生成、版式输出”三层。这样模型更容易理解,也方便后续调试。

二、准备工作:目录、模板与依赖

建议新建Defense_PPT文件夹,放入:

  • template.pptx:学校或学院提供的空白模板;
  • paper.pdf:论文原文;
  • logo.png:校徽或标识;
  • extract_images.py:图片提取脚本;
  • make_ppt.py:PPT生成脚本。

安装依赖:

  1. pip install pymupdf python-pptx

三、第一步:从PDF中提取图片

很多论文写作时没有单独保存图片,答辩时才发现图都在PDF里。可以让模型生成一个脚本,把图片按尺寸过滤后导出。

  1. # extract_images.py
  2. import fitz
  3. from pathlib import Path
  4. pdf_path = Path("paper.pdf")
  5. out_dir = Path("figures")
  6. out_dir.mkdir(exist_ok=True)
  7. doc = fitz.open(pdf_path)
  8. count = 0
  9. for page_num in range(len(doc)):
  10. page = doc.load_page(page_num)
  11. images = page.get_images(full=True)
  12. for img_index, img in enumerate(images, start=1):
  13. xref = img
  14. base_image = doc.extract_image(xref)
  15. image_bytes = base_image["image"]
  16. image_ext = base_image["ext"]
  17. # 用Pixmap获取尺寸,过滤小图标
  18. pix = fitz.Pixmap(doc, xref)
  19. if pix.width < 200 or pix.height < 200:
  20. continue
  21. count += 1
  22. out_path = out_dir / f"fig_{count}.{image_ext}"
  23. out_path.write_bytes(image_bytes)
  24. print(f"提取完成,共保存 {count} 张图片到 {out_dir}")

运行:

  1. python extract_images.py

这一步的关键是“过滤小图标”。如果不过滤,logo、项目符号、装饰线都可能混进去,后面插入PPT会很麻烦。

四、第二步:生成答辩PPT大纲

图片准备好后,可以让大模型基于论文内容生成大纲。为了避免模型胡说,提示词里要要求“只依据论文内容”“输出结构化字段”。

示例提示词:

  1. 你是学术答辩PPT助手。请阅读paper.pdf,生成一份8页答辩PPT大纲。
  2. 要求:
  3. 1. 包含标题页、研究背景、研究问题、方法、实验、结果、结论、致谢;
  4. 2. 每页给出标题和3个以内要点;
  5. 3. 标注建议插入的图片编号,如fig_1;
  6. 4. 不要编造论文中不存在的数据;
  7. 5. 输出JSON,字段为pages,每页包含title、bullets、image_hint。

如果要把这个能力接入产品,可以在模型选型阶段借助词元所模型服务对比不同模型在长文本理解、结构化输出和调用成本上的差异,后续再通过OpenAPI调用应用并进行代码调试。

五、第三步:把大纲变成PPT

拿到outline.json后,可以用python-pptx生成基础版式。下面是一个简化示例:

  1. import json
  2. from pptx import Presentation
  3. from pptx.util import Inches, Pt
  4. with open("outline.json", "r", encoding="utf-8") as f:
  5. outline = json.load(f)
  6. prs = Presentation("template.pptx")
  7. for page in outline["pages"]:
  8. slide = prs.slides.add_slide(prs.slide_layouts[1])
  9. slide.shapes.title.text = page["title"]
  10. body = slide.placeholders[1]
  11. text_frame = body.text_frame
  12. text_frame.clear()
  13. for bullet in page["bullets"]:
  14. p = text_frame.add_paragraph()
  15. p.text = bullet
  16. p.font.size = Pt(20)
  17. prs.save("Defense_PPT.pptx")

如果模板版式复杂,可以先用“标题和内容”版式生成初稿,再人工调整母版、字体和配色。python-pptx适合批量生成和结构化填充,不适合一次性完成所有复杂动画。

六、第四步:插入图片与人工校验

图片插入可以按image_hint字段匹配:

  1. from pptx.util import Inches
  2. slide = prs.slides.add_slide(prs.slide_layouts[5])
  3. slide.shapes.title.text = "实验结果"
  4. slide.shapes.add_picture("figures/fig_1.png", Inches(1), Inches(1.5), width=Inches(6))

生成后一定要人工检查:

  • 论文数据是否准确;
  • 图片是否清晰、是否重复;
  • 模板字体是否被替换;
  • 页脚、页码、校徽是否完整;
  • 是否存在敏感或未公开信息。

Vibe Coding不是“无人值守”,而是把重复劳动交给脚本,把判断权留给人。对于复杂应用,可以把任务拆成多个Agent:一个负责内容提取,一个负责版式生成,一个负责质量检查,这种多Agent协同思路更适合长程任务和多轮修改。

七、可以延伸的新玩法

  1. 会议纪要转汇报PPT :把会议转写文本输入模型,生成“结论、风险、待办、负责人”四页汇报。
  2. 多篇论文自动综述 :批量读取PDF,抽取研究问题、方法、数据集和结论,形成对比表。
  3. 周报自动生成 :从Git提交、任务看板或聊天记录中提炼进展,生成固定格式周报。
  4. 企业知识库问答 :把制度文档分段入库,用户提问后先检索相关片段,再由模型总结回答,并保留来源依据。
  5. 课程/培训材料生成 :根据教学大纲自动生成课件、测验题和讲解备注。

八、注意事项

  • 隐私优先 :未公开论文、公司内部资料不要随意上传到不可信服务。
  • 版权合规 :校徽、模板、图片要确认使用范围。
  • 提示词版本化 :保存每次提示词和输出,方便复现。
  • 成本控制 :长文本、图片识别和多轮生成都会增加调用成本,建议先做小样本验证,再扩大规模。

总体来看,Vibe Coding最适合从“小而具体”的场景开始:先做一个能跑通的脚本,再逐步加入模板、数据库、API和多Agent能力。答辩PPT只是一个入口,真正有价值的是把自然语言变成可重复执行的自动化流程。