关于AIPPT的各种常见问题说明

[pipipi-pikachu]

首先说明，PPTist本质上是一个纯前端的Web幻灯片编辑/演示项目，AI生成PPT只是PPTist众多功能中的一个小功能点而已，并不是本项目的核心。你不应该把现在的PPTist当作AIPPT工具。

AIPPT的后台服务

所谓PPTist的后台只有两个很简单的大模型服务转发接口：AI主题生成PPT大纲、AI大纲生成PPT内容。可以简单认为：我为了跟风AI，特地搭建了一个后台，这个后台也只有两个简单的AI问答结果转发。

两个接口的工作就是：告诉接入的第三方AI大模型你要干嘛，AI返回结果后原样返回前端，没了，就是这么简单，只是简单的AI问答结果转发而已，没有其他任何业务逻辑（若有认真查看过代码就会发现，所有的数据处理和模板替换等核心逻辑全部是在前端开源的）。

因此，虽然没有提供后端参考代码，只要有最基础的web后端开发经验，就能自己轻松实现。

---

想把AI后台服务改用XXX方式实现可以吗？更换大模型可以吗？

当然，但你必须花上一点点时间，自己部署一个后台服务，无论是本地部署模型也好，接入AI大模型服务商的API也好，怎么实现不重要，用什么语言框架也不重要，能够让他返回约定的数据格式即可。对PPTist来说都是一样的，只管调用接口，返回格式正确就行。

---

返回要求的格式是什么样的？如何让AI返回要求的格式？

生成流程分为两个步骤：

1. 生成大纲，markdown格式，数据样例可以在/public/mocks/AIPPT_Outline.md或浏览器控制台网络面板中查看，
2. 生成最终的结构化数据，JSON格式，数据样例可以在/public/mocks/AIPPT.json或浏览器控制台网络面板中查看。

你需要自己理解这些结构，并告知AI：“一个PPT有哪些类型的页面，每种页面包含哪些内容...等等”，过程中你可以提出你自己的要求，最终加上一个返回示例数据，并让他严格按照示例格式输出即可。

---

AIPPT的模板从哪里来？

模板是自己制作的，具体制作方式见：https://github.com/pipipi-pikachu/PPTist/blob/master/doc/AIPPT.md

---

生成的PPT样式单一、内容空洞

样式单一是因为模板少，预置了几个只是为了满足大家完整体验流程，你可以自己制作补充模板。

内容空洞（甚至会出现结构错误）是受限于大模型的能力，现在接入的是免费/低价模型，与主流大模型相比，能力非常弱，有条件的自己更换为可商用级别的大模型即可。其次可以自己扩展生成的工作流，以实现更丰富的输出。（PPTist仓库本身不会去做这些，因为成本很高，个人无法承担）

---

非模板式 AIPPT

市面上的 AIPPT 形式有很多（web 应用），最常见的有：

• 模板式（本项目使用）：由AI生成结构化文字内容，填入预置好的模板中，质量稳定（下限高、上限底），易编辑；
• 图片式：由生图模型直接产出页面，画面最精美，但修改困难；
• HTML/SVG式：直接生成可渲染的 HTML/SVG 代码，可进行一定程度的文字修改；

然而随着 AI 能力的提升，它已经能够直接生成你要的目标数据，以本项目为例：提供一份 PPTist 数据 Schema 规范文档，给出详细具体的设计规划，AI 就能够生成出直接可用的 PPTist 原生数据，相比模板式上限更高，换句话说，如果你需要基于 PPTist 制作一个 AIPPT 平台，我觉得这是可以考虑的一条路径。

但是，这种方式对模型能力要求极高，搭建成本也极大，故不会提供线上使用途径，有需要也请自己实现。

个人已尝试，使用Claude Opus 4.6+、gpt-5.5+、gemini-3.1-pro都能产出不错的结果，更弱的模型还达不到可用的状态。

[alphaply]

下面是我个人随便搓的langchain 以及 fastapi的简易实现方式：

from langchain.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_openai import ChatOpenAI

# 记得配置好相关的环境变量
template = """你是用户的PPT大纲生成助手，请根据下列主题生成章节结构。

输出格式为：
# PPT标题（只有一个）
## 章的名字
### 节的名字
- 内容1
- 内容2
- 内容3
### 节的名字
- xxxxx
- xxxxx
- xxxxx
### 节的名字
- xxxxx
- xxxxx
- xxxxx

这是生成要求：{require}\n
这是生成的语言要求：{language}
"""
prompt = PromptTemplate.from_template(template)


def build_outline_chain(model_name: str = "gpt-4o-mini"):
    llm = ChatOpenAI(temperature=0.7, model=model_name)
    return prompt | llm | StrOutputParser()


ppt_content_template = """
你是一个专业的PPT内容生成助手，请根据给定的大纲内容，生成完整的PPT页面内容结构。

页面类型包括：
- 封面页："cover"
- 目录页："contents"
- 内容页："content"
- 过渡页："transition"
- 结束页："end"

输出格式要求如下：
- 每一页为一个独立 JSON 对象
- 每个 JSON 对象写在**同一行**
- 页面之间用两个换行符分隔
- 不要添加任何注释或解释说明

示例格式（注意每个 JSON 占一行）：

{{"type": "cover", "data": {{ "title": "接口相关内容介绍", "text": "了解接口定义、设计与实现要点" }}}}

{{"type": "contents", "data": {{ "items": ["接口定义概述", "接口分类详情", "接口设计原则"] }}}}

{{"type": "transition", "data": {{ "title": "接口定义", "text": "开始介绍接口的基本含义" }}}}

{{"type": "content", "data": {{ "title": "接口定义", "items": [ {{ "title": "基本概念", "text": "接口是系统中模块通信的协议" }}, {{ "title": "作用", "text": "促进模块解耦，提高系统灵活性" }} ] }}}}

{{"type": "end"}}


请根据以下信息生成 PPT 内容：

语言：{language}
大纲内容：{content}
"""

ppt_content_prompt = PromptTemplate.from_template(ppt_content_template)


def build_ppt_content_chain(model_name: str = "gpt-4o-mini"):
    llm = ChatOpenAI(temperature=0.7, model=model_name)
    return ppt_content_prompt | llm | StrOutputParser()

下面是路由的实现方式：
仅供参考，因为本人对于前端不熟悉，所以生成PPT具体内容的实现方式是 先等着全部生成完成。
然后再SSE一页一页返回。这样操作才能让前端解析，如果token的sse，前端则解析失败。

class PPTOutlineRequest(BaseModel):
    model: str = Field('gpt-4o-mini', description="使用的模型名称，例如 gpt-4o 或 gpt-4o-mini")
    language: str = Field(..., description="生成内容的语言，例如 中文、English")
    require: str = Field(..., max_length=50, description="生成的要求，不超过50字")
    stream: bool = True


@router.post("/generate_ppt_outline_sse")
async def generate_ppt_outline_stream(request: PPTOutlineRequest):
    chain = build_outline_chain(request.model)

    async def token_stream():
        async for chunk in chain.astream({
            "require": request.require,
            "language": request.language
        }):
            yield chunk

    return StreamingResponse(token_stream(), media_type="text/event-stream")


class PPTContentRequest(BaseModel):
    model: str = Field('gpt-4o-mini', description="使用的模型名称，例如 gpt-4o 或 gpt-4o-mini")
    language: str = Field(..., description="生成内容的语言，例如 中文、English")
    content: str = Field(..., description="生成的要求，不超过50字")
    stream: bool = True

@router.post("/generate_ppt_content_sse")
async def generate_ppt_content_stream(request: PPTContentRequest):
    chain = build_ppt_content_chain(request.model)

    # 一次性生成所有内容
    full_output: str = await chain.ainvoke({
        "language": request.language,
        "content": request.content
    })

    # 解析为每一页（一个 JSON 一行，空行分隔）
    lines = [line.strip() for line in full_output.strip().split("\n") if line.strip()]

    async def stream_pages():
        for line in lines:
            yield line + "\n\n"
            await asyncio.sleep(1)

    return StreamingResponse(stream_pages(), media_type="text/event-stream")

[wobure123]

哪个大佬搓一个aippt-backend 项目咯，可以自定义baseurl，model等，然后做一个mcp可以操作前端元素，这个业务需求应该不小呀

[x15025776151]

@pipipi-pikachu 这么改就好了诶。
@app.post("/tools/aippt")
async def generate_ppt_content_stream(request: PPTContentRequest):
chain = build_ppt_content_chain(request.model)

async def page_stream():
    buffer = ""
    async for chunk in chain.astream({
        "language": request.language,
        "content": request.content
    }):
        buffer += chunk
        # 检查缓冲区中是否包含完整的页面分隔符 "\n\n"
        while "\n\n" in buffer:
            page_content, separator, rest_of_buffer = buffer.partition("\n\n")
            if page_content.strip():  # 确保不是由多个换行符产生的空内容
                yield page_content  # 流式返回一个完整的页面JSON字符串
            buffer = rest_of_buffer
    
    # 处理流结束后缓冲区中剩余的最后一部分内容（如果LLM输出末尾没有 \n\n）
    if buffer.strip():
        yield buffer.strip()

return StreamingResponse(page_stream(), media_type="text/event-stream")

[wobure123]

哪个大佬搓一个aippt-backend 项目咯，可以自定义baseurl，model等，然后做一个mcp可以操作前端元素，这个业务需求应该不小呀

我自己fork了大佬的仓库，借鉴上面的讨论，糊了一个自定义的aippt_backend进项目 https://github.com/wobure123/PPTist，可以接openai compatible 的模型，newapi等。

[alphaply]

@pipipi-pikachu 这么改就好了诶。 @app.post("/tools/aippt") async def generate_ppt_content_stream(request: PPTContentRequest): chain = build_ppt_content_chain(request.model)

async def page_stream():
    buffer = ""
    async for chunk in chain.astream({
        "language": request.language,
        "content": request.content
    }):
        buffer += chunk
        # 检查缓冲区中是否包含完整的页面分隔符 "\n\n"
        while "\n\n" in buffer:
            page_content, separator, rest_of_buffer = buffer.partition("\n\n")
            if page_content.strip():  # 确保不是由多个换行符产生的空内容
                yield page_content  # 流式返回一个完整的页面JSON字符串
            buffer = rest_of_buffer
    
    # 处理流结束后缓冲区中剩余的最后一部分内容（如果LLM输出末尾没有 \n\n）
    if buffer.strip():
        yield buffer.strip()

return StreamingResponse(page_stream(), media_type="text/event-stream")

是的，不过接受token的SSE其实应该是前端的活🤪hhhh

[lilei-John]

后端demo可以开放看下吗

[lijian6494189]

非常好 我写了个后端 改了下前端 成功实现了AI生成PPT

[liees]

非常好 我写了个后端 改了下前端 成功实现了AI生成PPT
老铁, 可以给看看嘛

[yudan215]

后端参考代码在哪可以参考

[l2440129492-byte]

哪个大佬搓一个aippt-backend 项目咯，可以自定义baseurl，model等，然后做一个mcp可以操作前端元素，这个业务需求应该不小呀

我自己fork了大佬的仓库，借鉴上面的讨论，糊了一个自定义的aippt_backend进项目 https://github.com/wobure123/PPTist，可以接openai compatible 的模型，newapi等。

大佬我用您这个一直加载走不动是什么问题