🌐 中文 · English
Humanize PPT
「模板库能把一个概念铺成十几页好看的 HTML；可你要站着讲完的，是能推着观众一页页往前走的那条线。」
为演讲而生的 PPT 系统。 好看的模板满大街都是，缺的是把它讲出来的那条线。Humanize 干的是模板库不管的活：先用 AST（观众状态转移）把资料编成一条线，每翻一页都让观众多懂一点；该上画面的页，配真图、SVG 图表、Remotion 视频；渲染完再跑演讲体检，把「只能看、不能讲」的页挑出来。最终可以是保留 HTML 视觉的演讲模式，也可以是带 speaker notes、逐元素可编辑的原生 PPTX。整套 deck 仍由下游原生渲染——它把每页画好看，Humanize 让它能上台讲。
30 秒装上 · 一句话用起来 · 看效果 · 它解决什么 · 演讲体检 · 视觉增强 · 风格画廊 · 英文路径 · AST 理论
30 秒装上
让你的 Agent（Codex / Claude Code / Hermes 等）装上 Humanize PPT —— 最简单的是直接把 GitHub 链接发给它：
请安装 Humanize PPT Skill：https://github.com/LearnPrompt/humanize-ppt
或者用 npx 一行：
npx skills add LearnPrompt/humanize-ppt -g
Claude Code 用户也可以走 plugin marketplace（自动更新）：
/plugin marketplace add LearnPrompt/humanize-ppt
/plugin install humanize-ppt
跑通全流程，建议把这套下游 skill 一起装上（Humanize 出大纲和决定，它们负责渲染和出素材）：
Remotion 怎么搭配（一点实战经验）：默认用 remotion-video-production 统筹流程，写代码时搭 remotion-best-practices 防不稳定写法（乱用 CSS / Tailwind animation、资源路径错误这类坑）；字幕、图表、3D、批量模板、自动渲染管线这种复杂工程再补 remotion-video-toolkit。
一句话给 Agent：「把 humanize-ppt 和要用的下游 skill（HTML 路线选 guizang/frontend-slides/beautiful-html-templates；原生 PowerPoint 选 ppt-master）装上；配图再加 baoyu-image-gen，视频再加 Remotion。」
一句话用起来
装好之后，一条话把全流程跑完，复制发给 Agent：
用 humanize-ppt 把这份材料做成中文演讲 PPT：先出 AST 大纲和每页意图，
按大纲调 guizang-ppt-skill 原生渲染，配图用 baoyu-image-gen、视频用 remotion，
渲染完跑一遍演讲体检告诉我哪几页只能看不能讲，最后出演讲模式。
英文把「中文 + guizang-ppt-skill」换成「英文 + frontend-slides 或 beautiful-html-templates」即可。CLI 参数、分阶段控制、回灌命令这些都收在下方 进阶用法，新手不用看。
要的是 PowerPoint 里逐元素可编辑的原生 .pptx，改成：「用 humanize-ppt 先定 AST，再调 ppt-master 原生渲染，最后把 PPTX 回灌演讲体检。」Humanize 会生成 ppt-master-production-prompt.md，PPT Master 仍保留自己的强制确认门和原生导出流程。
看效果
v1.1：PPT Master 原生可编辑，中文和英文走同一条正式路径
▲ 两份真实的 PPT Master 原生导出使用相同 5 页语义契约、相同设计确认门和相同演讲体检标准；中文采用 Memphis Pop，英文采用 Risograph Zine，证明同一条原生路径可以做出真正不同的视觉语言。文字、形状、关系图、speaker notes 与转场都保留在 PowerPoint 里。英文路线从 v1.0 起已经是 full support，v1.1 新增的是 PPT Master 原生可编辑 PPTX 路径，不是重新补一条英文路径。查看双语验证记录。
风格画廊：出大纲前，下游真渲 4 张封面让你挑
▲ 同一份《AI 工具更新，不只是功能清单》的 4 张封面，guizang-ppt-skill 真渲——墨水经典 / 牛皮纸 / 靛蓝瓷（Style A）+ 瑞士克莱因蓝（Style B）。Humanize 出 spec/command，封面归下游渲。
视觉增强：配图、视频都是真产出，会动
▲ 左：hero 配图，baoyu-image-gen 走本地 Codex CLI 真出图（gpt-image，无需 API key，仰拍人物叠在产品背景上）。右：逐页说明视频，真 Remotion 渲染的 mp4（这里转成 GIF 所以你能看到它动）。逐槽记录见 产出记录。
▲ 放进 PPT 里长这样：配图作整页封面、大号非衬线标题压在上面（左）；说明视频嵌进内容页（右）。素材归下游产，Humanize 决定哪页要、放哪、配多大。
演讲体检：把被遮挡的字自动揪出来
| 体检前：页码徽章吃掉正文 |
体检后：每个字都拿得出口 |
 |
 |
▲ 真实案例（2026-06-13 英文 deck）：静态扫描通过，截图逐页复核发现页码徽章遮挡 9 页正文，观众看到的是「uires confirmation.」这样的断句。自动揪出来、出修复指令，复检通过——不用你再跟 Codex 一页页数。逐轮记录 · 在线翻完整 deck
演讲模式：渲染好的 deck 里按 S 切到演讲台
▲ 在渲染好的 deck 里按 S 切到演讲模式：左边当前页放大 + 计时器，右边是这一页的演讲稿和提词（cues）、下一页预览、整场页目录。Humanize 现在会先用 slide_plan.json + speaker_intent.md 自产一个基础 presenter-shell.html；如果下游 deck 已经渲染好，guizang / Neo-Grid 这类下游原生 console 还能接管更完整的舞台视图。
它解决什么
我做过不少演讲。每次想用那些好看的 HTML PPT skill，都会撞到同一个问题：它们更适合做概念展示——一个简单概念也能给你铺成十几页，可一场一个半小时的演讲，撑死也就三十多页。好看的外壳跑在了内容密度前面，页是漂亮的，话是接不上的。
Humanize PPT 就是来补这个缺口的。它不抢模板库「渲染得好看」的活，它管的是把好看变成能讲：
- AST 大纲——每翻一页，观众多懂一点。 AST = Audience-State-Transfer（观众状态转移）。我把 70 多篇 TED 演讲喂给 AI，让它总结出观众是怎么被一页页带着走的。Humanize 用这套理论把资料编成一条线：每一页切过去，都该推动观众理解某个概念，而不是堆信息。
- 视觉增强——该有画面的页，配上真东西。 逐页决定要不要图、要不要 SVG 图表、要不要视频，写进计划交给下游：配图走
baoyu-image-gen（本地 Codex CLI，无需 key），视频走 Remotion，数据图表用确定性 SVG。中文（guizang）和英文路径都配齐了配图能力。
- 自动演讲体检——别再人肉找翻车页。 以前一页字被徽章盖住，我得跟 Codex 来回对话、让它顺着找第几页，很烦。不如渲染完 QA 一次性自动扫完，直接给出哪页、什么问题、怎么改。
- 演讲模式——交付的是能上台的东西。 有人感、有演讲稿、知道每页的状态切换，同时保留 HTML 那份好看。
边界很清楚：最终好看的整套 deck，由下游 renderer 原生渲染，Humanize 不抄它的模板、不在渲染后的 HTML 或 PPTX 上动手。Humanize 编排整场演讲，下游画每一页。
如果你是在 WorkBuddy 里看到 humanize-ppt-team，它不是另一个单体 PPT 生成器，而是把 Humanize 的 AST / 媒体决策 / 渲染交接 / 演讲体检拆成多 Agent 团队形态。定位对比见：WorkBuddy Team vs Humanize PPT。
演讲体检：把「只能看、不能讲」的页揪出来
先说清楚什么叫失败的页：一页只有几个字、没把意思说完；或者这页没完成它该完成的观众状态转移，听众看完状态没从 A 到 B。这样的页不该存在。HTML 的花样容易让人沉迷，做出一页里什么都没说的 deck——那只适合看，不适合讲。
体检对的不是美观，是大纲：拿渲染结果逐页跟大纲核差异。失败模式目录在 references/qa-failure-modes.md（English），每条都写了「观众视角会看到什么」。静态扫描盖不到的（文字溢出、徽章遮挡、WebGL 封面静态截图捕获不到等），目录里如实标了「测不出的失败类」，靠截图复核兜底——宁空不摆拍。
视觉增强：配图、图表、视频都是真产出
Humanize 逐页决定要不要图 / SVG 图表 / 视频，写进 slide_plan.json 的 media 槽（带 asset_path + prompt_hint），下游照着把真实文件产到那个路径。配图用什么生成器是热插拔的，推荐：
- 配图：
baoyu-image-gen 走本地 Codex CLI（--provider codex-cli，用已登录的 ChatGPT 订阅，不用 OPENAI_API_KEY）。氛围 / 概念 / hero 图用它出，又好看又省 key；数据、指标、流程这类带精确文字数字的图留确定性 SVG（图像模型会糊字）。
- 视频：Remotion 渲染
duration_s 秒的确定性循环（无旁白）。
- 图表：确定性内联 SVG / HTML，零依赖零外呼。
v0.9 实测把一份 deck 的 8 个媒体槽逐个填成真资产（产出记录）：codex 真出 hero 图 + 2 支真 Remotion mp4 + 真截图 + 确定性 SVG，证明媒体槽是真任务、各类生成器都接得上。
风格画廊：出大纲前，先比 4 张封面
别让人盲选风格。HTML renderer 的 --style-gallery 在出大纲前停下，为渲染器出 ≥4 个封面候选，每个候选交给下游真渲，再拼 style_gallery.html 供选。PPT Master 已有带真实预览的三阶段 Confirm UI，--renderer ppt-master --style-gallery 会委托给它的原生 style gate，不重复造四个投机项目。规格见 references/style-gallery-spec.md 与 PPT Master bridge。
演讲大纲预览：渲染之前，先看一眼观众状态弧
v0.7 起 Humanize 有了自己的可截图工作底稿（不是 deck）：观众状态转移图。输入 slide_plan.json，输出一页零依赖 HTML——每页一行「页号 → 观众进入状态 → 本页意图 → 离开状态」，顶部一条状态弧。渲染之前 5 分钟看穿哪页在原地踏步。
演讲模式
收尾交付的是能上台的演讲，不是一摞静态页：有逐页演讲稿、知道状态切换、保留 HTML 的好看。Humanize 会基于 slide_plan.json + speaker_intent.md 直接产出 outputs/presenter/presenter-shell.html，即使下游 deck 还没渲染也能先讲。下游模板库仍然可以在最终 deck 里提供更完整的原生 presenter console；Humanize owns「每页该讲什么」，模板库 owns「最终舞台怎么渲」。
进阶用法
CLI 参数、分阶段控制、风格选择、fix prompt 细节（新手可全部跳过）
Brief 模式（默认）
python3 scripts/humanize_ppt.py \
--source examples/01-ai-tool-update/source.md \
--out .humanize-ppt-runs/ai-tool-update \
--title "AI 工具更新，不只是功能清单" \
--renderer guizang --guizang-style A --guizang-theme ink-classic
得到 guizang-production-prompt.md，交给 guizang-ppt-skill 原生渲染。英文路线把 --renderer 换成 frontend-slides 或 beautiful-html-templates。
原生可编辑 PPTX：
python3 scripts/humanize_ppt.py \
--source examples/01-ai-tool-update/source.md \
--out .humanize-ppt-runs/ai-tool-update-pptx \
--title "AI 工具更新，不只是功能清单" \
--renderer ppt-master \
--ppt-master-transition fade
得到 ppt-master-production-prompt.md + ppt-master-source.md。给 raw .pptx 模板时追加 --ppt-master-template <template.pptx>，会确定性进入 PPT Master 的 native template-fill-pptx，不会误走 SVG template 路线。
Humanize 会自动探测 Python 3.10+ 并把已验证解释器写进 handoff；需要固定环境时用 --ppt-master-python <python>。这台机系统 python3 仍可能是 3.9，不能只看命令名。
风格画廊（出大纲前的封面选择门）
python3 scripts/humanize_ppt.py --source examples/01-ai-tool-update/source.md \
--out .humanize-ppt-runs/ai-tool-update --title "AI 工具更新，不只是功能清单" \
--renderer guizang --style-gallery
得到 style_gallery.html（封面选择器）+ style_gallery_plan.json + 每候选一条「只渲封面」命令。--gallery-count 默认 4、最小 4。
演讲体检（拿到渲染产物后）
python3 scripts/humanize_ppt.py --qa-from <rendered.html> \
--out <之前的 out 目录> --renderer guizang --guizang-style A --max-qa-iterations 3
得到 qa_report.md / fix_prompt.md / qa_iteration.json，3 轮封顶，不收敛标 needs-human。fix_prompt.md 是给下游 skill 的修复指令，转给它重渲，不要在 Humanize 里后处理 HTML。
PPT Master 产物把 <rendered.html> 换成 <native-deck.pptx>、renderer 换成 ppt-master。体检会检查 OOXML 包、页数、可编辑对象、speaker notes、AST 漂移、关系和转场；视觉遮挡仍由 PPT Master 自己的 SVG/浏览器 gate 负责。
配图 / 视频 / 大纲预览
# 配图：本地 Codex CLI，无需 key
bun ~/.agents/skills/baoyu-image-gen/scripts/main.ts \
--prompt "..." --image assets/s01-image.png --provider codex-cli --ar 16:9
# 大纲预览（观众状态转移图）
python3 scripts/preview_outline_html.py \
--slide-plan <out>/slide_plan.json --out <out>/preview-outline.html --title "标题"
# 演示 GIF（把工作底稿录成动图）
python3 scripts/record_demo_gif.py --source examples/01-ai-tool-update/source.md \
--title "标题" --out docs/showcase/demo.gif --covers-dir <真渲封面目录>
触发方式
- 「用 humanize-ppt 把这份资料做成演讲 PPT」
- 「先出 AST 大纲和逐页素材决定，再调 guizang 渲染」
- 「帮我盯一下渲染出来的 PPT 有没有翻车 / 给这份 deck 做演讲体检」
- 「告诉我哪几页只能看不能讲」「这页 Hero 背景看不见，出修复指令」
- 「把这份老 PPT 重新编排成人愿意听的结构」
只想要一页漂亮模板、不需要大纲和体检时，直接用渲染类 skill 即可。要的是「观众听完状态有变化、每页都拿得出口去讲」时，再加上 Humanize。
能力
- AST 大纲：把资料转成观众、状态转移、页面意图和讲述节奏，每翻一页推动理解。
- 视觉增强：逐页决定图 / SVG / 视频，下游用 baoyu-image-gen（配图）/ Remotion（视频）/ 确定性 SVG（图表）真产出。
- 风格画廊：出大纲前出 ≥4 个封面候选，下游各渲一张，零依赖选择器供挑。
- 演讲大纲预览：从
slide_plan.json 生成观众状态转移图，渲染前先看状态弧。
- 演讲体检：渲染后逐页核对大纲差异，扫失败模式，写 fix prompt 给下游重渲，3 轮封顶。
- 演讲模式：基于
slide_plan.json + speaker_intent.md 自产 presenter-shell.html，无需等下游 deck 渲染完就能先跑；下游模板库的原生 presenter console 可以在最终 deck 里提供更完整的舞台视图。
它和同类有什么不同
|
直接用模板库 Skill |
Humanize PPT |
| 起点 |
资料直接进模板 |
先问观众是谁、看完要变成什么状态（AST） |
| 密度 |
一个概念铺成十几页好看的页 |
编成一条能讲的线，每页推动状态转移 |
| 素材 |
模板自带什么用什么 |
逐页决定要不要图/SVG/视频，写进计划交下游产 |
| 渲染 |
自己渲染 |
交给下游模板库原生渲染，零模仿 |
| 质量 |
渲染完即交付 |
自动演讲体检逐页核对，3 轮，写 fix prompt |
一句话：模板库负责「渲染得好看」，Humanize 负责「能讲、有人盯、能上台」。它们是上下游，不是竞品。
已验证的下游路径
Humanize 的 brief 是普通 markdown + JSON，谁都能读，所以它既能接 HTML PPT skill，也能接原生 PPTX workflow：
| 渲染器 |
状态 |
已验证的 |
guizang-ppt-skill（中文） |
全链路 |
brief + 演讲体检都在真实渲染产物上验证过；失败模式目录有 7 条 guizang 专属规则 |
beautiful-html-templates（英文） |
全链路 |
brief 出口 + 2026-06-13 在真实 Neo-Grid deck 上跑完演讲体检（发现页码徽章遮挡 9 页 → 修复 → 复检通过，记录） |
frontend-slides（英文） |
全链路 |
brief 出口 + 2026-06-17 在真实 5 页 deck 上跑完演讲体检（扫描 pass + 负向对照证伪 + 截图复核，记录） |
ppt-master（原生 PPTX） |
全链路 |
main SVG + raw template-fill 两条真实链路；main route 10 页、399 个可编辑容器，template-fill 5 页、199 个可编辑容器且通过 office 打开/渲染；两条均完成 notes、Fade transition 与 Humanize PPTX 回检（记录） |
英文和中文现在都是 full：brief 出口可用 + 演讲体检在真实产物上验证过 + 配图能力配齐 + 渲染器专属失败模式已沉淀。guizang 有 7 条 Style A/B 专属规则；英文两条新增 5 条静态规则，覆盖横向溢出、低对比度、英文断词噪声、字体契约缺失和图片 alt 缺失。截图复核仍然保留，用来抓静态扫描看不见的遮挡、裁切和视觉错位。
为什么是 AST
- Audience：观众是谁，知道什么，抗拒什么。
- State：看之前什么状态，看完该变成什么状态。
- Transfer：每一页如何推动这次状态转移。
PPT 不只是信息容器，而是观众状态改变器。
详见 AST 理论、SPEC.md（引擎技术规格）、v1.1 PPT Master 版本说明、v1.0 版本说明。
安全边界
- 不抄、不 post-process 下游 Skill 渲染好的 HTML/PPTX，渲染问题永远写成 fix prompt 交回下游改；
- 全流程本地脚本，零 API、零 Key（配图走本地 Codex CLI 订阅），不外发任何资料内容；
- 演讲体检 3 轮不收敛即停手标
needs-human，不无限重试；
- 不把私有路径、账号、凭据写进 brief 和示例。
Reference
License
MIT
评论