我是正太，一名大学生，喜欢研究计算机技术。这篇文章记录我把一份 28 页的党政风答辩 PPT 从零做到交付的全过程，重点放在技术选型、踩过的坑和最后沉淀下来的那套东西。

一、先看约束，约束决定选型

这份稿子是学院团日活动的成果汇报答辩稿。接手时它有三条硬约束，后面所有的技术取舍都是被它们逼出来的：

1. 交付物必须是原生 .pptx。要拷到答辩电脑上用 PowerPoint 打开，而且稿子随时可能被改，所以要能当场改字。这一条直接排除了 HTML 网页幻灯片和整页图片式 PPT 两条路线。

2. 素材在微信里。活动文案、照片、审稿意见全散在聊天记录和文件里，得先把它读出来。

3. 排版规范是别人定的。字体、对齐、装饰都有明确要求，而且被打回过好几轮。

我一开始的直觉是"装个现成的 PPT skill"。翻了一圈 X 和 GitHub 上的推荐，结论是：没一个适合。那些工具大多是两种思路——输出 HTML 演示，或者整页生成图片再拼成 PPT。前者在答辩电脑上打不开，后者改不了字。

所以选型定下来：python-pptx 改文件 + LibreOffice 渲染核对 + 脚本验收。

二、第一关不是排版，是「把微信聊天记录读出来」

我原本以为重活是排版。真正卡住的是数据获取。

目标是读出与某个联系人的全部聊天记录，要文字、图片和文件。试过并失败的路子，按顺序列一下，给后来者省点时间：

最后能走通的方案特别笨：屏幕录制权限 + 人工滚动 + 定时截屏 + OCR。用户手动一屏一屏往下翻，程序每 0.6–1.2 秒截一帧，最后一共 627 帧，用 Vision OCR（zh-Hans）识别后去重拼接。

这套方案的工程成本值得记一笔：

• 627 帧截图，分布在 9 个临时目录里

• 5 批 OCR 批处理，产出 4 份文本

• 约 40 次整图查看（人工核对渲染页和批注截图）

• 后续还有 26 轮全片渲染核对（每轮 = pptx→pdf + pdf→png）

结论：这一整轮里最大的 token 开销不在"改 PPT"，而在"把非结构化的聊天数据读出来"。 如果一开始就知道要这么做，我会先把预算和方案定在这件事上，而不是先去做版式。

三、排版真正的难点是「量」，不是「审美」

进入排版之后，被反复打回的问题里，绝大部分不是"不好看"，而是几何量错了。四个典型案例：

1. 字体：必须连主题字体一起改

第一轮用了 macOS 自带的字体，到 Windows 上被替换，中文和数字变成两套。第二轮改成微软雅黑——只改了正文 run，没改主题字体，文件里 ppt/theme/theme1.xml 的 majorFont/minorFont 还是 Calibri，另外还有 27 处 +mn-* 引用和 12 处 Arial。第三轮才把主题字体和残留一起清干净。

规则：改字体要同时改三处——每个 run 的 a:latin/a:ea/a:cs、主题的 majorFont/minorFont、以及所有残留的显式字体声明。

2. 装饰角标插进了页脚 0.22 英寸

页面底部左右各有一个 L 形装饰角标。肉眼看上去只是"有点怪"。量出来才发现：它的横笔在 6.60 英寸，竖笔从 6.60 一直伸到 7.28 英寸，而页脚红条从 7.06 英寸开始。也就是说，它插进页脚 0.22 英寸。

这类问题看是看不出来的。量一次就明白。

3. 四宫格填不满，是物理上填不满

四张照片排 2×2，摆完左右各空出一大块。量出来：那四张照片的宽高比决定了行高上限是 2.6 英寸，横向最多占 7 英寸左右。版心宽 11.93 英寸，剩下的空间不是排版没排好，是几何上填不满。

解决办法是换思路：用浅色底衬把空白收掉，而不是继续缩图片或者硬塞装饰。

4. 行内间距全篇只允许一个取值

图片间距只要出现 0.12、0.15、0.2 三种取值，整页就会显得乱。最后定死：同一行等高、顶边对齐、间距统一 0.15 英寸，整行撑满版心（左右 0.70–12.63 英寸），撑不满时左右边距必须相等。

顺带一提图片处理的四个典型 bug，都是这一轮踩出来的：

四、验收清单：把"我觉得对齐了"变成脚本

每次改完我都跑一遍这几项，全部是脚本判定的，不靠肉眼：

1. 页数 == 期望值（check_office.py --count N 期望 verdict: pass）

2. 每张图：显示宽高比 == 源图宽高比（0 张变形）

3. 每张图：不越界（版心 0.70–12.63，上 1.19，下 6.70）

4. 行内间距取值集合 == {0.15}

5. 旧装饰残留 == 0（按几何 + 颜色签名匹配）

6. run 级字体取值集合 == {微软雅黑}；主题 majorFont/minorFont 的 latin/ea/cs 同样是微软雅黑

7. 与源版逐形状比对：差异条数 == 预期的改动条数

第 7 项最有用。它保证"只改了该改的地方"——插页之后能确认除页码外没有别的页被动过。

渲染核对用 LibreOffice：

# pptx → PDF（本机没有微软雅黑，报 missingFonts 是正常的，只能判断版式）
node "$LOCLI" convert --input deck.pptx --output out.pdf
# PDF → 逐页 PNG
pdftoppm -png -r 90 -f 1 -l 26 out.pdf pages/p

注意一个坑：直接对 pptx 渲染会得到空白页，必须先转 PDF 再渲染。

五、把它沉淀成可复用的东西

这一轮最有价值的产出不是那份 PPT，是三样东西：

1. 一套排版规范（写成能执行的规则）

不是"注意对齐"这种话，而是可检验的条目：

• 全篇字体微软雅黑，含主题字体

• 行内间距只允许 0.15 英寸一种取值

• 图片显示比例必须等于原图比例

• 底部不放任何装饰（量过：正文最深 6.82 英寸，页脚从 7.06 英寸开始，中间只剩 0.24 英寸）

• 被否掉的装饰不要再用（飘带、星簇、竖排标语都试过，都被否了）

最后一条特别有用——它记的是负面清单。正面规则告诉 AI 该做什么，负面清单告诉它别再犯同一个错。

2. 一套空白模板

从最终稿抽出 10 个版式页（封面、目录、数据概览、三种活动页、亮点页、成果页、总结页、尾页），内容全清掉，只留版式和装饰，删掉图片的位置用浅色底衬标出来。

做法上有个小技巧：删幻灯片和图片时，除了删形状，还要 drop_rel 掉对应的关系，否则部件会一直躺在包里。27MB 的稿子这样能压到 98KB，非常适合放进模板仓。

3. 一个 Codex skill

把上面两样东西打包成 skill，别人复制一句话给 AI 就能装上：

安装这个 Skill：https://github.com/jiaojiezhiguang/dangzheng-ppt

目录结构：

dangzheng-ppt/
├── SKILL.md                  入口：什么时候用、硬性规范、工作流
├── assets/                   版式预览图
└── references/
    ├── style-spec.md         精确到 0.01 英寸的坐标、色值、字号
    ├── layout-rules.md       图片四条硬规则、文字容量优先级、装饰放置
    ├── toolchain.md          运行时路径、渲染命令、七项验收清单、八个踩过的坑
    └── materials.md          素材库结构，以及"接手前先扫目录找新增"的流程

六、八个踩过的坑（技术向）

1. 边遍历 slide.shapes 边把元素移到 spTree 末尾，同一个 shape 会被匹配两次（正文曾被写了两遍）。要改位置就先取好目标，或先快照列表。

2. 同一位置常有底层纯色形状（红底框与文字框叠放），按坐标找文本框会先命中没文字的那个，赋值静默失败。找文本框要跳过空文字的。

3. python-pptx 新增形状会盖在既有形状之上。先加底色再加文字会遮住文字——加完底色要把文字框元素移到 spTree 末尾；反过来给图片铺底衬，就插到索引 2 压到最底层。

4. 图片的白框要在重排之前建立映射，重排后再贴合，否则框留在旧位置露白。

5. 形状几何用 Emu(x).inches；判断"同一行"用 round(top, 1) 分组。

6. 插页会让后面所有页码错位，插完要顺延页码。这属于必须的连带改动，交付时要主动说明。

7. 删幻灯片要同时 drop_rel 它的 rId，否则幻灯片部件仍留在包里。

8. 只裁截图顶部状态栏时，把下面那行返回键/更多按钮一起裁掉，留着两个手机按钮比不裁更难看。

七、一些数据

八、最后

这件事最大的收获不是"AI 帮我做了 PPT"，而是：把每一次被否掉的原因，变成一条能执行的规则，写进文件里。

规则留在对话里，下次还得重新说一遍；写进 skill，下次它就直接照着做。

仓库在这里，MIT 协议，欢迎提 issue：https://github.com/jiaojiezhiguang/dangzheng-ppt

我是正太，一名大学生，喜欢研究计算机技术。如果这篇对你有用，欢迎到公众号找我聊聊。

微信扫码关注「小公子不才」