獨(dú)一份！帶動(dòng)效的 PPT 生成 Agent！使用教學(xué)&創(chuàng)作思路

前幾天做了一個(gè)用 Nano Banana Pro 生成 PPT 的 Claude Code Skills。

但其實(shí)我一直想做的是實(shí)現(xiàn)一個(gè)現(xiàn)在都沒(méi)有 Agent 產(chǎn)品實(shí)現(xiàn)的能力。

為生成的 PPT 加上演示動(dòng)畫，畢竟一個(gè)炫酷的 PPT 怎么能沒(méi)有演示動(dòng)畫呢。

經(jīng)過(guò)一天吭哧癟肚跟 Claude Code 的激烈討論，我終于搞定了，先看演示：

增加了動(dòng)效之后的 PPT 看起來(lái)直接提升了一個(gè)檔次，想象一下你在給甲方講內(nèi)容或者是一些公開(kāi)的分享上掏出這么一手，然后說(shuō)這都是 AI 做的，誰(shuí)還能不相信你是 AI 專家。

介紹一下更新后的 PPT 生成 Skills 能力：

現(xiàn)在生成 PPT 的時(shí)候會(huì)詢問(wèn)你是否要生成視頻轉(zhuǎn)場(chǎng)，如果你選擇生成的話他就會(huì)幫你導(dǎo)出一份圖片的演示和視頻演示。

其中視頻演示包含兩個(gè)部分，首先是一個(gè)寫好的網(wǎng)頁(yè)，方便你直接播放和演示，這里我還做了設(shè)計(jì)。

1. 1.他只有在切換頁(yè)面的時(shí)候才會(huì)播放轉(zhuǎn)場(chǎng)視頻，然后就會(huì)替換為靜態(tài)圖片，方便你講解。
2. 2.在首頁(yè)我專門做了無(wú)限循環(huán)的視頻設(shè)計(jì)，我們?cè)谝恍┕_(kāi)場(chǎng)合演講經(jīng)常要等人或者提前準(zhǔn)備，這個(gè)時(shí)候 PPT 封面會(huì)一直是動(dòng)態(tài)的，吸引大家的目光。

在這個(gè)演示頁(yè)面，你點(diǎn)擊空格就會(huì)開(kāi)始播放演示視頻，鍵盤的左右鍵可以切換上一頁(yè)和下一頁(yè)。

另外的話這個(gè) Skills 也會(huì)幫你導(dǎo)出一個(gè)完整的演示視頻，方便裝逼，你分享的時(shí)候可以直接發(fā)視頻。

這玩意怎么用

這是一個(gè)用在 Claude Code 或者 OpenCode 這類 CLI 工具的 Skills，所以我們首先需要安裝。

我已經(jīng)把項(xiàng)目開(kāi)源了，里面有 Claude Code 幫我寫的非常詳細(xì)的安裝指南。

順便夸一下 Claude Code 寫的這個(gè) Readme 清晰而且詳細(xì)，我自己寫不知道得寫到啥時(shí)候。

項(xiàng)目地址：https://github.com/op7418/NanoBanana-PPT-Skills

這里我們只講怎么安裝為 Skills ，其他的安裝方式可以去上面項(xiàng)目?jī)?nèi)容中查看。

在安裝前我們需要簡(jiǎn)單做一些準(zhǔn)備，準(zhǔn)備一可靈和谷歌的 API。

首先就是谷歌的 API，主要用于使用 NanoBanana Pro 模型生成圖片。

可以去 AI Studio 獲取（https://aistudio.google.com/api-keys），這里你的 API 需要開(kāi)啟付費(fèi)，免費(fèi)的無(wú)法調(diào)用 Nano Banana Pro 模型。

然后是可靈的 API 這里主要用于給 PPT 生成轉(zhuǎn)場(chǎng)動(dòng)畫視頻，我用的國(guó)內(nèi)的版本。

你可以在這里充值（https://klingai.com/cn/dev/pricing?scrollTo=video），建議先用那個(gè) 69 塊錢的體驗(yàn)包，這個(gè)并發(fā)只有 3 我已經(jīng)在代碼里面做了處理。

然后我們就可以在這里獲取到需要的可靈 API 了（https://app.klingai.com/cn/dev/api-key）。

這里創(chuàng)建的時(shí)候會(huì)產(chǎn)生兩個(gè) Key 我們都需要。

安裝方式也很簡(jiǎn)單，如果你已經(jīng)裝了 ClaudeCode 或者 OpenCode 這類支持 Skills 的 CLI 的話，直接把下面提示詞發(fā)給他們就行。

這里需要注意的是你需要將提示詞中的三個(gè) API Key 改為你自己的，剛才我們都已經(jīng)獲取到了。

請(qǐng)幫我將 NanoBanana PPT Skills 安裝為 Claude Code Skill：

 1. 創(chuàng)建 Skill 目錄：
   mkdir -p ~/.claude/skills/ppt-generator

 2. 克隆項(xiàng)目到 Skill 目錄：
   git clone https://github.com/op7418/NanoBanana-PPT-Skills.git ~/.claude/skills/ppt-generator

 3. 進(jìn)入目錄并安裝依賴：
   cd ~/.claude/skills/ppt-generator
   python3 -m venv venv
   source venv/bin/activate
   pip install google-genai pillow python-dotenv

 4. 配置 API 密鑰：
   cp .env.example .env

    然后編輯 .env 文件，填入我的 API 密鑰：
   GEMINI_API_KEY=YOUR_GEMINI_API_KEY
   KLING_ACCESS_KEY=YOUR_KLING_ACCESS_KEY
   KLING_SECRET_KEY=YOUR_KLING_SECRET_KEY

 5. 驗(yàn)證安裝：
   python3 generate_ppt.py --help

 完成后，告訴我如何在 Claude Code 中使用這個(gè) Skill。

 我的 API 密鑰：
- GEMINI_API_KEY: YOUR_GEMINI_API_KEY_HERE
- KLING_ACCESS_KEY: YOUR_KLING_ACCESS_KEY_HERE (可選)
- KLING_SECRET_KEY: YOUR_KLING_SECRET_KEY_HERE (可選)

安裝的時(shí)候建議開(kāi)啟 Plan 模式，這樣出問(wèn)題的幾率會(huì)小點(diǎn)，同時(shí)如果安裝過(guò)程中，出問(wèn)題就讓他自己修復(fù)就好。

Plan 的開(kāi)啟方式是按兩次 Shift+ Tab 鍵。

安裝完成之后我們就可以使用了，首先需要將你想要生成 PPT 的文檔放到一個(gè)文件夾里面去，當(dāng)然你也可以沒(méi)有文檔先讓他調(diào)用搜索工具幫你寫一個(gè)。

然后在這個(gè)文件夾里面啟動(dòng) Claude Code 。

這里順便推薦我的另一個(gè)開(kāi)源項(xiàng)目 Claude-Start（https://github.com/op7418/ai-claude-start），可以快速切換 Claude Code 的模型提供商，方便你快速更換模型，實(shí)現(xiàn)多個(gè) Claude Code 窗口用不同的模型啟動(dòng)。

啟動(dòng)了 Claude Code 之后我們就可以直接跟他說(shuō)了，簡(jiǎn)單來(lái)說(shuō)就是“調(diào)用 Skills 將當(dāng)前文件夾下的 XXX 文檔生成 PPT”。

Skills 啟動(dòng)之后就會(huì)有一系列的選項(xiàng)讓你選擇，比如你要生成幾頁(yè)的 PPT、只生成圖片還是要帶動(dòng)效視頻、圖片分辨率是多少，通過(guò)鍵盤的方向鍵正常選擇就可以，之后就是一路回車等待就可以了，全程不需要交互。

生成之后他會(huì)自動(dòng)保存所有的 PPT 圖片并且給你一個(gè)用來(lái)演示 PPT 的網(wǎng)頁(yè)，你可以通過(guò)鍵盤在瀏覽器控制 PPT 的播放。

我的創(chuàng)作思路

剛開(kāi)始的 Skills 創(chuàng)建方法在上篇內(nèi)容基本上已經(jīng)說(shuō)過(guò)了，那部分直到生成圖片的部分還不是很復(fù)雜。

簡(jiǎn)單來(lái)說(shuō)就是準(zhǔn)備好所有的上下文文件，比如圖片生成的提示詞、Nano Banana Pro 的 API 文檔以及你的 API Key 然后在那個(gè)文件夾打開(kāi)跟 Claude Code 說(shuō)你想要根據(jù)這些內(nèi)容創(chuàng)建一個(gè) Skills ，讓他創(chuàng)建計(jì)劃然后你審批繼續(xù)就行。

詳細(xì)的可以看我上一篇內(nèi)容：

當(dāng)時(shí)整個(gè)架構(gòu)還是比較簡(jiǎn)單的，加上視頻生成之后我們需要將圖片和視頻一起在網(wǎng)頁(yè)上演示，同時(shí)還需要輸出一個(gè)完整的視頻，這時(shí)候整個(gè)架構(gòu)就比較復(fù)雜了。

我直接讓 Claude Code 幫我畫了個(gè)架構(gòu)圖，我們可以看一下。

整個(gè)流程主要的步驟大概是這樣的：

1. 先查找到用戶輸入的文檔和內(nèi)容對(duì)文檔進(jìn)行分析和內(nèi)規(guī)劃。
2. 然后調(diào)用 PPT 生成模塊和風(fēng)格加載器
3. 基于風(fēng)格加載器和圖片生成模塊指導(dǎo)生成圖片生成需要的提示詞。
4. 調(diào)用 Nano Banana Pro 的 API 生成圖片，同時(shí)監(jiān)控生成過(guò)程
5. 圖片生成完成后調(diào)用首尾幀提示詞和生成圖片為每個(gè)轉(zhuǎn)場(chǎng)生成首尾幀提示詞。
6. 然后調(diào)用可靈 API ，用 Kling-2.6 視頻模型的 Pro 模式生成轉(zhuǎn)場(chǎng)視頻
7. 將生成的視頻和圖片路徑放到演示網(wǎng)頁(yè)的代碼中生成一個(gè)演示網(wǎng)頁(yè)
8. 同時(shí)調(diào)用本的 ffmpeg 將圖片和視頻剪輯成為一個(gè)完整的演示視頻
9. 最后輸出完整視頻和打開(kāi)最后的演示網(wǎng)頁(yè)。

這里比較重要的是在首尾幀提示詞生成的時(shí)候，我設(shè)計(jì)了一個(gè)元提示詞，Claude Code 會(huì)根據(jù)這個(gè)提示詞和生成的圖片來(lái)生成具體的提示詞，這種元提示詞后面會(huì)很有價(jià)值。

其中相對(duì)復(fù)雜的 FFmpeg 視頻合成流程和播放器系統(tǒng)的流程是這樣的。

雖然 FFmpeg 這里只是將圖片和視頻處理成一整個(gè)視頻，但是涉及到的內(nèi)容也很多，比如圖片的時(shí)間控制，圖片和視頻分辨率的對(duì)齊最后的拼接和壓縮。

好了今天內(nèi)容就是這樣了，這次這個(gè)復(fù)雜的 Skills 構(gòu)建我自己也學(xué)到了非常多內(nèi)容，建議大家都試試構(gòu)建一個(gè)自己的 Agent，你就能理解 Agent 構(gòu)建的難點(diǎn)和邏輯到底是什么樣了，也能對(duì)市面上的同類產(chǎn)品有一個(gè)大致的判斷。

我跟 Claude Code 老師也學(xué)到了很多的東西，比如讓他幫我畫流程圖來(lái)解釋整個(gè) Agent 邏輯、API Key 應(yīng)該怎么儲(chǔ)存、讓他幫我生成一個(gè)漂亮的 Readme 頁(yè)面降低入門門檻，甚至學(xué)會(huì)了如何在 GitHub 增加演示視頻。

而且我這個(gè) Skills 基本全是用 Sonnet 4.5 模型生成的基本沒(méi)有調(diào)用 Opus 模型，大概花了 20 美元的 API 費(fèi)用，我覺(jué)得已經(jīng)很強(qiáng)了，畢竟 20 美元你得到了一個(gè)通用的 PPT 生成 Agent。

結(jié)合今天早上 Anthropic 的人說(shuō)他們的 Cowork 這個(gè)功能和現(xiàn)在的 ClaudeCode 基本都是 Claude Code 自己寫的，我感覺(jué) AI Coding 在最近已經(jīng)到了一個(gè)臨界點(diǎn)，他們已經(jīng)開(kāi)始自己指揮自己和自我復(fù)制了。

可能再過(guò)一年，我們回想現(xiàn)在這個(gè)節(jié)點(diǎn)，會(huì)發(fā)現(xiàn)它是一個(gè)非常重要的事件。

感謝各位的閱讀，如果覺(jué)得對(duì)你有幫助的話，可以幫我點(diǎn)個(gè)贊或者喜歡，也可以推薦給你需要的朋友們！