codex-ppt-skill：用编程 Agent 打造图像主导的 PPT
codex-ppt-skill 是一个开源 skill，它将你的编程 Agent 与 GPT-Image-2 结合，打造图像主导的 PowerPoint 演示——每一页都是一张精心设计的图像，而不是一串要点列表。本文讲清它是什么、什么时候「图像优先」的幻灯片才是正确选择、如何使用、坦诚剖析其取舍，以及 Agent-Native Design Workspace 从何处接手。
"编程 Agent 能做出好看的幻灯片吗？"这个问题，大多数时候是靠基于 HTML 的 skill 来回答的——它们把幻灯片渲染成网页。codex-ppt-skill 走的是另一条路：它把一个图像模型交给 Agent，让它把每一页幻灯片当作一张图来设计。最终得到的是一套每一页都是渲染图像的演示——封面美术、全出血视觉、直接烙进构图里的大字号——而不是可编辑的文本框。
这是一份关于这套思路的简短而诚实的指南：codex-ppt-skill 是什么、"图像优先的幻灯片"到底意味着什么、什么时候它才是正确选择、如何安装与驱动它、没人明说的取舍（基于图像的演示不是可编辑的文字）、它与其他 Claude PPT skill 相比如何，以及当一套一次性演示不是全部工作时，设计工作空间从何处接手。
codex-ppt-skill 是什么
codex-ppt-skill（3.4k★，MIT）是一个编程 Agent skill，它把你的 Agent 与图像生成——具体来说是 GPT-Image-2——配对起来，产出图像主导的 PowerPoint 演示。Agent 不再去排布文字和形状，而是为每一页写一段美术指导，并把它作为一张设计好的图像生成出来。它是为 OpenAI Codex 打造的，遵循标准的编程 Agent skill 模式：你把它安装进 Agent 的 skill 目录，描述这套演示，然后让它运行。如果你想在安装前先看看输出风格，这里有一个在线主页。
HTML 幻灯片 skill 为干净、可编辑的网页做优化，而 codex-ppt-skill 为视觉丰富度做优化。它在以封面见长、追求强冲击力的演示上大放异彩——发布会演示、主题演讲开场、路演叙事，任何"画面本身就是重点"的场合。
图像优先的幻灯片（GPT-Image-2）——它是什么意思，什么时候合适
图像优先的幻灯片正如其字面意思：整页幻灯片就是一张生成的图像。Agent 不会把标题、副标题和要点列表作为彼此独立的对象摆放，而是构图出一张单一的图像，其中版式、图像和排版由 GPT-Image-2 一起渲染完成。你得到的是一套开箱即看上去经过美术指导的演示，看不到任何模板拼接的接缝。
对合适的任务，这是实打实的优势；对不合适的任务，则是实打实的局限：
- 当视觉即信息时，它是对的。封面、章节分隔、高光时刻、氛围浓烈的叙事、以品牌见长的路演演示。当"做得惊艳"胜过"改起来方便"时，图像优先胜出。
- 当内容密集或多变时，它是错的。数据表格、冗长的议程、你会逐行修改的演示，或者任何下周需要有人重新敲一遍的东西。烙进图里的文字是文字的一张照片，而不是你能编辑的文字。
如果你的大多数幻灯片都是你会不断改动的文字，那么 HTML 幻灯片 skill 或一个可编辑输出的工具更合适。如果你的演示成败全系于视觉，那么图像优先就是你选择这个 skill 的全部理由。
如何使用
流程遵循编程 Agent skill 惯常的形态：
- 安装 skill——把 codex-ppt-skill 克隆或添加到你的编程 Agent 的 skill 目录里（仓库里有安装步骤）。自备你的模型 key，包括用于图像生成的 GPT-Image-2 访问权限。
- 描述这套演示——给 Agent 提示词，说明主题、受众、语气和大致页数，再加上视觉方向（美术风格、色彩氛围、封面处理）。图像优先的演示会因具体的美术指导而回报你更好的结果。
- 让它生成——Agent 为每一页写一段构图，并逐页通过 GPT-Image-2 渲染。
- 迭代——用大白话提要求（"把封面做得更暗、更有电影感"、"用一张产品特写重新生成第 3 页"）。因为幻灯片就是图像，迭代意味着重新渲染，而不是微调文本框。
- 导出——把这些图像组装成一套 PowerPoint 演示用于演讲。
诚实提醒
在你把一套演示托付给这套工作流之前，有两件事要记住：
- 基于图像意味着不是可编辑的文字。每一页都是一张渲染出来的图，所以你没法点进某一页去改一个错别字或重排一个段落——你要重新给提示词并重新生成。这对一套惊艳的一次性演示来说没问题，但对一份你要长期维护的文档来说很痛苦。它还意味着你对确切的文字位置只有有限的精细控制；由模型来决定。
- MIT 许可证。codex-ppt-skill 采用 MIT 许可证，因此使用和嵌入都很宽松——没有 copyleft 的附带条款。你持续的成本在于模型用量：在图像密集的演示上，GPT-Image-2 的生成会累积起来，所以要为渲染定价，而不只是为安装定价。
codex-ppt-skill 对比其他 Claude PPT skill
不同的 skill 为不同的"完成"定义做优化。下面是 codex-ppt-skill 相对常见替代方案的位置：
| 工具 | 输出 | 许可证 | 最适合 |
|---|---|---|---|
| codex-ppt-skill | 基于图像的 PPTX（GPT-Image-2） | MIT | 视觉化、以封面见长的演示，每一页都是设计好的美术图 |
| frontend-slides | HTML 网页幻灯片 | MIT | web 原生演示、可编辑标记、完整 CSS 控制 |
| dashiAI | 浏览器可编辑的演示 | AGPL-3.0 | 非开发者也能微调的输出 |
| Open Design | 对着设计系统生成的可编辑演示 | Apache-2.0 | 符合品牌调性、可编辑、且存在于真正工作空间里的演示 |
没有唯一的赢家——这取决于你想要图像优先的冲击力（codex-ppt-skill）、可编辑的网页标记（frontend-slides）、一套非开发者也能调整的演示（dashiAI），还是与你其余设计工作契合的、品牌一致的输出（Open Design）。想看完整全景，参见 Claude PPT skill 指南，并对比 frontend-slides 和 ppt-master 这些同类。
Open Design 的位置
codex-ppt-skill 非常适合直接从你的终端里拉出一套图像密集的演示。但一个 skill 是一段一次性的脚本——它不会把你的品牌带到不同项目之间，不会让输出在一个真正的工作空间里保持可编辑，也不会让一套演示与你其余的设计工作协同起来。
Open Design 是 skill 之上的那一层：一个开源（Apache-2.0）、本地优先、自备 key 的 Agent-Native Design Workspace，它独立于你已经在用的任何编程 Agent 之外。你描述一套演示；Agent 就对着一套设计系统生成一份可编辑的，因此它符合品牌调性，而不是每次都从一个全新的样子开始——而且 Open Design 在它的插件库里提供了第一方的演示模板。如果你已经在用编程 Agent 做幻灯片，看看 Open Design 如何与 Claude Code 协作。当你想快速得到一套惊艳的、图像优先的演示时，用 codex-ppt-skill；当这套演示必须符合品牌调性、可编辑，并且是一个更大整体的一部分时，去找一个工作空间。
常见问题
codex-ppt-skill 是什么？它是一个开源（MIT）的编程 Agent skill，把你的 Agent 与 GPT-Image-2 配对，构建图像主导的 PowerPoint 演示——每一页都是一张设计好的图像，而不是要点列表。它是为 OpenAI Codex 打造的，运行在标准的 skill 模式里。
它和 frontend-slides 或其他 Claude PPT skill 有什么不同？大多数 PPT skill 把幻灯片渲染成可编辑的 HTML 或形状。codex-ppt-skill 把每一页渲染成一张生成的图像，用可编辑性换取视觉丰富度。当演示的冲击力来自视觉、而非来自你会不断修改的文字时，它是最佳选择。
codex-ppt-skill 生成的幻灯片可编辑吗？作为文字不可编辑。每一页都是一张渲染出来的图像，所以你通过重新给提示词并重新生成来修改它，而不是编辑文本框。如果你需要逐行编辑，请改用 HTML 幻灯片 skill 或一个可编辑输出的工具。
codex-ppt-skill 免费吗？这个 skill 采用 MIT 许可证，可免费使用。你真正的成本在于模型用量——在图像密集的演示上，GPT-Image-2 的生成会累积起来——再加上你自己的 API key。
我什么时候该改用设计工作空间？当这套演示必须对着一套设计系统保持品牌调性、保持可编辑，并且与你其余的设计工作放在一起时。那正是像 Open Design 这样的 agent-native 工作空间从一个一次性 skill 手中接过来的地方。
结语
codex-ppt-skill 是当你想直接从终端里得到一套视觉丰富、以封面见长的演示，并且乐于让每一页都是一张设计好的图像而非可编辑文字时，值得选用的 skill。它采用 MIT 许可证、为编程 Agent 打造、由 GPT-Image-2 驱动——对高冲击力的一次性演示是一个干净利落的选择。而当这套演示反过来需要符合品牌调性、可编辑、并成为一项更大的设计工作的一部分时，那正是一个 Agent-Native Design Workspace 接手的时刻：你的 Agent、你的文件，从提示词到交付的演示。