现在的模型已经能很快生成大纲和文案，但一份真正要交给老师、客户或管理层的演示，不只是一组文字卡片。它必须回答：这个数字从哪里来？为什么这一页用图表而不是列表？改一页会不会动到别的页？导出的 PowerPoint 还能不能编辑？任务中断后能不能继续？

映章是我为这些问题做的一套本地优先的 AI 演示工作台：读懂 PDF、Word、Excel、PPT 材料，规划叙事，逐页生成多个候选，自动做质量检查，最后交付 HTML、PDF、原生可编辑 PPTX 和讲解视频。

映章的目标不是替人“按一下生成 PPT”，而是把演示生产拆成一条可追踪、可检查、可恢复的流水线：模型负责提议，确定性程序守住事实与版式的底线。

这篇文章按“能做什么 → 一次完整流程 → 每一块怎么实现 → 开发中踩过的坑”的顺序写。截图来自一次真实运行：材料是一家虚构公司“青禾仓配”的 Word 运营报告和 Excel 季度指标表，模型接的是本机一个返回预写内容的模拟接口，界面、规则校验、渲染、评分和导出全部是映章自己的真实结果。

项目地址：GitHub · yingzhang-ai-ppt

项目 现状
当前版本 v0.2.0（首个公开版本 v0.1.0 发布于 2026-09-13）
技术栈 FastAPI + SQLAlchemy + SQLite（WAL）· React 19 + TypeScript · Playwright Chromium · PptxGenJS + python-pptx
代码 后端 Python 约 2.4 万行，前端约 5.6 千行，演示引擎约 3.2 千行
测试 后端 300 项、演示引擎 61 项、前端 25 项全部通过；四类基准门禁通过
跨格式保真度 导出的 PPTX 经 LibreOffice 渲染后与 HTML 预览逐页比对，平均 98.7–99.5（旧导出器 81.6–86.9）
交付格式 HTML、PDF、原生可编辑 PPTX、讲解视频（MP4 + SRT）

一、为什么做映章

多数 AI PPT 工具擅长“一句话出十页”。可一旦材料里有真实数字、口径限制和交付要求，问题就来了。

常见 AI PPT 生成器 映章
事实来源 模型自由发挥，数字难追溯 数字、结论、表格绑定到原文位置，材料里没有的数字会被拦截
版式决策 一套模板从头用到尾 按页面角色和数据形态选版式，每页多个真实渲染的候选
交付格式 常是图片或难编辑的文本框 图表、表格、流程图输出为 PowerPoint 原生对象
长任务 中断后从头再来 有界节点 + 持久化快照，可取消、可恢复、单页重做
质量 看起来没问题就交付 溢出、重叠、对比度、证据覆盖统一检查，正式导出前必须通过门禁
数据 上传到第三方平台 项目、凭据和个人偏好默认只留在本机

二、功能一览

  • 新建演示：一句话要求 + 可选的多份材料，15 类演示类型（毕业答辩、商业计划、经营复盘、产品发布、教学课件……），6～60 页；
  • 模型配置：填任意 OpenAI 兼容接口的地址和 Key，自动发现模型、实测验证；针对 10B 以内的小模型有专门的分段策略；
  • 材料解析：PDF、Word、Excel/CSV、PPTX、Markdown、网页、图片，按章节、表格、图注结构化，可逐章核对；
  • 证据约束：每页绑定来源，模型写出材料里不存在的数字会被拦下；
  • 分步确认：可以先确认大纲、再确认 3 页代表样张、最后生成全稿；
  • 多候选版式：每页 3～6 个真实渲染的候选，带分数，选中后锁定；
  • 编辑：对象级编辑、只重做当前页、框选局部修改，每次保存生成新版本，可对比和回滚；
  • 质量门禁：五维专业审计 + 视觉反思 + 无障碍检查，正式导出前必须通过；
  • 研究级评测：PPTEval 式内容 / 设计 / 连贯三维评分，“只凭页面能答对多少材料问题”的信息保留测验；
  • 交付：HTML、PDF、原生可编辑 PPTX（8 类原生图表、原生表格、带出处的演讲备注）、讲解视频；
  • Agent 集成：无 SDK 依赖的 MCP 服务器和 Agent Skill，可以让 Claude Code、Codex、Cursor 直接调用；
  • 部署：Windows 双击 启动映章.exe，或者 Docker 一键起。

三、一次完整的使用流程

配模型

在“模型配置”里填接口地址和 Key，点“测试连接并获取模型”，程序请求 GET {base}/models 列出能用的模型；点“验证模型并保存”，它会真的发一次“回复 OK”的短请求，验证通过才保存。所以列表里没出现的模型 ID 也能手动填，能跑通就能用。保存后规划、材料分析、页面编写、修复、研究五个角色自动指向这个模型；语音合成和向量检索是可选能力，单独配置。Key 存进系统 keyring，不进数据库。

模型配置：先发现、再实测，验证通过才保存（截图里的接口是本机模拟服务）

新建演示、上传材料

界面上只有标题、“你希望怎样制作”、材料、演示类型和页数；受众、时长、目标、语气、品牌和视觉方案都折叠在“受众、语气与视觉”里，不填也能开始。

新建演示：一句要求加几份材料就能开始，受众和目标是可选的专业简报

这次的输入：标题“青禾仓配年度运营复盘”，要求“根据材料做年度经营复盘，结论先行，图表优先”，上传一份 docx 和一份 xlsx，类型选“项目复盘 / 经营复盘”，10 页，受众“公司管理层与各仓负责人”，视觉方案“数据咨询”。

点“开始智能生成”后，后台依次完成：解析两份材料 → 建立全稿策略 → 分 3 批规划（每批 4 页）→ 规则校验 → 每页 4～6 个候选渲染打分 → 选版 → 视觉复核 → 组装。整个过程大约半分钟（模拟接口是秒回的，这个时间基本是浏览器渲染耗时）。

核对材料读得对不对

“材料读取情况”里能逐章展开，看每一章被读成了什么、哪些表格和数字进了索引。这次 Word 解析出 6 章 1 张表，Excel 解析出 2 张表。

材料读取情况：解析结果逐章可核对，页面内容始终以原文为依据

确认大纲：看系统拦下了什么

如果选择分步确认，页面列表就是大纲。为了演示拦截，我故意让模拟接口在第 9 页写了一句材料里没有的“预计 2026 年订单量将突破 230 万单”。系统记录了“出现事实白名单之外的数字”，这句话没有进入页面；横幅里显示“10 页中 8 页直接采用 · 2 页已修正 · 0 页使用内置规划”。

分步模式下的大纲：第 9 页提示“已自动修正 1 处模型提议”，越界数字（这里是故意写进模拟输出的）被规则拦下

确认大纲后先生成 3 页代表样张，确认样张再生成全稿。这两道门在 MCP 里也生效：Agent 调用时会收到同样的“请先确认大纲与代表样张”，不能替用户跳过。

挑版式

工作台是三栏：左边页面列表，中间画布，右边检查器（内容 / 版式 / 质量 / 版本）。第 3 页“订单量逐季走高”有 4 个候选：图表聚焦 98 分（已选）、表格强调 94、指标总览 94、完整内容 89。选中的版式会同步到 HTML、PDF 和 PPTX，后台重跑不会覆盖。

第 3 页的版式候选：每页多个真实渲染的候选，分数来自浏览器实测

同一页四个候选的大图和分项分：几何、可读、内容匹配、层级、节奏

框选修改

在画布上拖一个框，写一句要求，只改框里的对象。我在第 10 页框住产能要点，写“改成柱状图”，结果提示“已修改：页面版式，已保存为版本 2”——但生成的是表格，不是柱状图。原因是这组数据里混了一行没有数值的限制说明（“成本数据未含总部分摊，不与同行财报直接比较”），图表选择器判定它不适合画图。这正是设计意图：用户的要求是提议，数据形态是底线。

框选局部修改：框住哪块就只改哪块

修改结果：因为数据里有无数值的说明行，系统选了表格而不是柱状图，并存为新版本

过质量门禁

初稿得分 88/A。我又手动把第 3 页标题改成“四季度达 50.3 万单”，因为“50.3 万”和原文的口径（表头“订单量（万单）”加单元格 50.3）对不上，质量立刻被拦成 69/C；改回去以后 89/A，正式导出放行。没通过门禁时，只能导出“检查草稿 PPTX”。

质量门禁：五维专业审计、语义覆盖、视觉反思、视觉成熟度和无障碍，正式导出前必须通过

“研究级评测”给出 PPTEval 式三维分：内容 4.9、设计 4.5、连贯 5.0；信息保留测验从材料里出了 18 道题，只凭页面文字作答，保留率 72.2%，并列出了没进入演示的事实（比如“Q3 准时履约率 95.8%”），方便决定要不要补一页。

研究级评测：用论文同款指标量化“讲到了多少材料”

导出

最后导出 PPTX（65 KB）、HTML、PDF（10 页）和讲解视频。把 PPTX 用 LibreOffice 渲染出来和 HTML 候选逐页比对，这份 10 页演示平均一致度 97.3，最低 92.0。

左边是 HTML 预览，右边是导出的 PPTX 经 LibreOffice 渲染：先量再画，两边共用同一份版面

解开 PPTX 能看到：10 页全部走场景导出；第 3、7 页是原生折线图，内嵌 Excel 数据表，在 PowerPoint 里可以直接改数据；第 10 页是原生表格；每页都有演讲备注，末尾附 [Sources] 内容来源：青禾仓配_季度指标.xlsx · S001。

PPTX 里是原生图表、原生表格和带出处的备注，不是截图

四、整体架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
React 创作工作台（apps/web）
  ├─ 新建 / 材料 / 大纲
  ├─ 页面候选 / 画布 / 框选编辑
  └─ 质量 / 评测 / 导出
             ↓ 同源 API
FastAPI 领域服务（apps/api）
  ├─ documents · sources · intelligence     解析、检索、证据
  ├─ presentation_intelligence              规划、版式、框选、视觉评审
  ├─ workflows · jobs                       有界节点、任务持久化、事件流
  ├─ validation · evaluation                质量门禁、PPTEval、问答测验
  └─ delivery_media · providers · security  视频、模型网关、凭据
             ↓
演示引擎（packages/presentation-engine，Node）
  └─ 候选 HTML → Chromium 截图与测量 → 评分 → 场景 → PPTX
             ↓
SQLite / 本地产物 / Chromium / PPTX

五、每一块是怎么做的

材料解析：提取到文字不等于读懂了文件

入口是 documents/parser.py，各格式分开处理：

  • PDF 用 PyMuPDF 读文字层和坐标，按章节编号、字号和标题关键词切分；表格先用 find_tables() 恢复单元格，失败再按对齐的数字行规则恢复；位图按距离匹配“图 3-1 / 表 4-2”这类图注；目录页和页码被过滤掉；
  • 扫描件和图片可以接本机 Tesseract（中英文，每份 PDF 最多识别 20 页），结果标记为待核对，也不会被当成可靠的表格数据；
  • Word 按原文顺序读取，正文、表格和图片不再分离，保留标题路径、表格归属和图注；
  • Excel / CSV 逐表读取，保留百分比、日期和空白的含义，每张表最多 10000 行，公式没有缓存值时会提示；
  • PPTX 用 python-pptx 读取。

每个章节还会打上语义角色（背景 / 方法 / 实验 / 结论……）和重要度权重（有指标 +0.22，方法和数据类 +0.18），结果存为 source-model.json，同时登记来源编号 S001、S002……

这一层最大的教训是：提取到文字，不等于理解了文件。 Word 里的表格如果离开所在章节，数字就失去了上下文；Excel 的百分比若被当作小数，比较口径就会改变；长文只截取开头，真正重要的结论和局限可能永远进不了页面。比如源表里“新方案 / 准确率 89.6% / 耗时空白”，现在会保留成“新方案：准确率 89.6%；耗时：未提供”——缺失值不会变成零，也不会为了画柱状图把百分比和秒放在同一个坐标轴上。

检索：长文不能只读开头

intelligence/bm25.py 是纯 Python 的 Okapi BM25（k1 = 1.5，b = 0.75）。中文按字符二元组切词，数字连同小数点和百分号作为一个整词，所以 89.6% 只会命中同一个数值。配了向量模型时，retrieval.py 用 RRF（k = 60）融合 BM25 和向量两路排名，再叠加结构加分：重要标题 +4、含指标 +2、首尾段落 +2。拼上下文时先保证每份材料至少有一段进来，再分配剩余预算。

证据约束：模型写的数字必须在白名单里

这是映章最核心的一块，分三道防线：

  1. 白名单进提示词：规划时每页带固定的来源引用和证据绑定（F0001……），以及本批的事实白名单，提示词明确要求“不得增删页面、改变位置、发明数字”；
  2. 逐条校验模型提议（intelligence/proposal_validator.py）：第 1 页必须是封面、最后一页负责收束；页面角色必须在该演示类型允许的范围内；不存在的证据编号直接删除；抽出的数字必须在白名单里；标题重复或近似重复（相似度 ≥ 0.82）会被替换；标题不超过 44 字、结论不超过 120 字。能修的修，修不了或问题太多的整页回退到内置规划，每条决定都记录下来，界面上可见；
  3. 对象—指标—数值三元关系校验（content_claims.py）：只查“数字在不在原文里”是不够的。早期复现过一个问题：把“方案 A 准确率 71.2%、方案 B 89.6%”对调，两个数字都在原文里，照样通过。现在会校验“哪个对象的哪个指标是多少”，对调会被判为 metric-binding-mismatch。

精确出处、讲解要点和过渡语进入演讲备注，观众看到的页脚保持干净。开放网络素材也不是搜到就用：图片要登记作者、许可、来源链接和替代文本，许可不明的不能进入最终页面。

规划：15 类演示契约 + 小模型分段协作

每类演示有一组“页面契约”（intelligence/contract_library.py），每条写明页面角色、本页唯一的沟通任务、关键词和目标。比如学术答辩按“背景—方法—实验”分阶段，商业计划书有 16 条契约。

模型调用分三段：先用一次调用建立策略记忆（受众、沟通目标、中心命题、3～5 个章节目标）；再分批写页，每批带上一批的工作记忆和已用标题；最后做一次一致性复核，只允许改标题和结论，不能新增数字。模型失败时由内置规划补位。

分批的大小由模型能力决定。我自己主要用的是硅基流动上的 Qwen3-8B、GLM-4-9B 这类免费小模型，所以 small_model.py 会从模型 ID 里识别参数量，自动选择策略：

策略 条件 每批页数 上下文 输出上限 温度
rules-only 没配模型 纯规则 – – –
tiny ≤ 10B 3 7600 2600 0.14
compact ≤ 30B 或识别不出 4 13000 3600 0.17
capable > 30B 7 22000 5200 0.2

只有 capable 档的模型才被允许建议视觉类型。这张表背后是开发中的一次方向调整，下文第六节会讲。

多候选渲染与评分：生成代码不等于画面成立

演示引擎（Node）为每页按版式规划顺序、角色默认版式和参考稿学到的版式生成若干候选，再加一个兜底的“完整内容”，逐个写成 HTML、在 Chromium 里截图并测量，然后打分：

维度 权重 维度 权重
几何 16% 留白 9%
可读 14% 对齐 8%
层级 12% 视觉证据 7%
语义 12% 规划吻合 6%
内容匹配 11% 风格 / 全稿节奏 3% / 2%

全稿节奏分用来防止整套都是同一种版式：deckRhythm = max(48, 100 − 同版式重复×16 − 同家族重复×7 − 与上一页同家族×18)。早期出现过“候选名字不同、画面实际一样”的伪多样性，后来才引入版式家族和节奏惩罚。

候选要成为“安全候选”，几何 ≥ 80、可读 ≥ 78、内容匹配 ≥ 62，且没有溢出、裁切、缺图、缺内容。选择的优先级是：用户锁定的选择 > 规划推荐且安全 > 最高分的安全候选 > 兜底。

视觉反思与质量门禁

visual_critic.py 检查溢出、字太小、层级弱、失衡、重复、低对比度、难看的换行和语义不匹配；配了视觉模型就交给它评审，否则用确定性规则。修复是有边界的，只改出问题的地方，不碰用户已确认的选择。

validation/quality.py 有约 40 个检查码，比如文字密度、占位标题、重复内容、无依据的指标、指标绑定不一致、缺证据绑定、事实页用了生图、缺结论、版式单调。专业审计分五维：演示基础、视觉设计、内容完整、事实正确、材料忠实。正式导出前必须通过。

任务系统：长流程必须能取消、恢复和追踪

生成整套演示是长任务。jobs/ 把任务存储（SQLite 完整快照）、执行器（asyncio）和事件总线拆成独立契约。默认同时跑 2 个任务、排队上限 6，单任务内同时渲染 2 页。

工作流节点（workflows/bounded.py）都声明 Pydantic 输入输出、基于规范化输入的 SHA-256 幂等键、最大重试次数、可重试异常白名单和产物路径。整稿流程是 source_ready → evidence_gate → render_candidates → visual_gate → targeted_repair → assemble → delivery_gate，单页失败只影响那一页。“恢复任务”不是重新猜一遍模型当时在做什么，而是复用已完成且仍然有效的节点。

前端先读快照、再订阅 SSE 事件流，首帧带完整快照，每 15 秒一次心跳，断线自动退回轮询。页面、对象和画布写入都带修订号，拒绝过期写入。

框选修改：不调用模型

RegionEditLayer.tsx 把用户拖出的矩形换算到 1280×720 的场景坐标，和这个候选的 scene.json 里每个节点的包围盒求交，定位到标题、结论、要点或主视觉对象。指令用规则解析（“三步 / 时间线 / 流程 / 架构 / 柱状 / 表格 / 对比……”映射到对应版式），这一步不调用模型，所以又快又可预测。

场景驱动导出：先量，再画

v0.1 时最顽固的问题是：网页预览很好看，导出的 PPTX 却走样。 原因很直接，旧导出器按版式手写坐标，HTML 和 PPTX 实际上是两套各自维护的排版。

v0.2 换了思路：每个候选在 Chromium 里渲染时，额外记录一层“导出场景”——背景、边框、圆角、阴影、渐变、带样式的文字段、图片、表格、图表模型和矢量图标，按绘制顺序排列，连 CSS 伪元素也先实体化再测量。导出时按 1280 px = 13.333 in 把这层场景编译成 PowerPoint 原生文本框、形状、表格和图表。

回退是逐页的：场景缺失或渲染指纹过期就现场重测；文字覆盖或图片定位校验失败，只有那一页退回旧编译器，原因写进 *.export.json。四类基准（学术、商业、数据、产品）的平均一致度从 81.6–86.9 提升到 98.7–99.5，这个数字可以用仓库里的脚本复现。

每次导出都是独立的版本化文件，记录 SHA-256 和内容指纹；页面改过之后，旧导出不能再下载。还修过一个只在真实 PowerPoint 里才暴露的问题：Python 标准库改写幻灯片 XML 时会把 p14、mc 这些命名空间前缀改名，而 mc:Ignorable="p14" 是按前缀名引用的，前缀一改就对不上，PowerPoint 打开时提示修复。现在改用保留原前缀的 lxml，并加了回归测试。

8 类原生图表：按数据形态确定性地选

charts.mjs 不让模型决定图表类型，而是按数据形态选：单序列的增量数据用瀑布图；份额加起来是 100 用环形图；季度、年份这类有序标签用折线图；其余类别用柱状图，标签太长换成条形图；两个序列两种单位，有序用柱线组合图、标签多用散点图。HTML 端用 SVG 画，PPTX 端用同一套绘图区布局生成原生图表，所以两边长得一样。配色来自视觉技能的 tokens.json，另有 44 个自绘矢量图标。

视觉技能

内置 9 套视觉技能：学术答辩、数据咨询、编辑叙事、金融研报、政务汇报等。每套由 SKILL.md、skill.json 和 tokens.json 组成，tokens 里声明网格、页边距、栏间距、字号阶梯、主色、密度偏好和装饰母题。技能只改变设计表达，解析、规划和质检始终是内置流程；第三方技能可以通过链接安装，但默认不执行脚本。

讲解视频与 Agent 集成

讲解视频：讲稿依次取页面的讲述意图、演讲要点，都没有就由标题、结论和要点确定性生成；配音调用语音合成接口，没配就按文字长度生成静音片段；ffmpeg 为每页生成参数一致的 H.264/AAC 片段再无损拼接，同时生成 SRT 字幕。这次实测得到一个 1920×1080、240 秒的 MP4。

MCP：integrations/mcp/yingzhang_mcp.py 是一个不依赖 MCP SDK 的 stdio JSON-RPC 服务器，提供 10 个工具（列出项目、创建项目、上传材料、规划大纲、生成全稿、查任务、列页面、改页面、评测、导出）。门禁仍由服务端执行，Agent 收到“请先确认大纲与代表样张”就必须停下来问用户。配套的 Agent Skill 教 Claude Code、Codex 按“启动 → 上传 → 确认大纲 → 确认样张 → 生成 → 复核 → 导出”的顺序工作。

部署

  • Windows：双击 启动映章.exe。它只是一个 38 行 C# 写的启动器，真正的工作在 scripts/start-local.ps1：用 winget 准备 uv、Python 3.12 和 Node LTS，安装锁定的依赖和 Playwright Chromium，构建前端，后台启动服务，打开 http://127.0.0.1:8000；
  • Docker：多阶段构建，内置 Chromium、思源黑体和 ffmpeg，LibreOffice 和 Tesseract 通过构建参数开启；只绑 127.0.0.1，状态都在一个卷里；
  • 默认是本地单用户、免登录；服务只支持单进程，检测到多 worker 会拒绝启动。

六、开发中的几个关键转折

1. 从“让模型自由发挥”到“规则驱动的演示编译器”。 我主要用 30B 以内、尤其是 10B 以内的免费小模型。早期测出来的 25 页答辩里，泛化卡片很多，借来的图也错位。讨论后定下的原则是：规则决定必须做什么、绝不能做什么，模型决定在允许范围内怎样表达得更好。 后来又追问“边界一定要这么硬吗”，方案调整成“硬底线 + 小模型分段协作”：先建全局策略记忆，每 3～4 页规划一次，最后跨段复核——也就是第五节那张策略表和提议校验器的来历。用一句“根据材料制作本科毕业答辩 PPT，内容详细一点”测试，结果正好 12 页，21 个数字声明全部有依据。

2. 公网测试一路踩坑，最后回到本地。 曾经想让朋友在线试用：20 页长任务超过 Cloudflare 等待时间返回 524，前端还把 HTML 错误页原样显示了出来，于是改成后台异步任务、进度持久化，错误页转成中文提示；之后 Quick Tunnel 又出现 530，隧道换协议、换 SSH 通道都不稳定；Cloudflare Workers 和容器部署需要付费方案。最后决定去掉登录，回到本地单用户：项目发到 GitHub，每个人在自己电脑上部署自己的。

3. 数据库和并发。 并发渲染时进度写入引发过 SQLite 锁冲突；发布启动器后，旧库里有 613 条孤立页面版本和 1691 条孤立候选稿，完整性检查拒绝启动，于是把“先备份再修复”写进了启动脚本；还有一次是规划模型运行期间，技能选择一直占着写事务，12 秒后进度写入失败——修法是不在模型调用期间持有写锁，并让失败的整稿任务可以用原设置重试。

4. 数字校验越做越细。 除了上面提到的指标对调，还修过 1,200 被截成 1、负号丢失、小数被误切、来源编号“S003”被误认成指标、两个不同指标的增幅被拼成一组伪对比。

5. “优化项目，而不是直接修 PPT”。 用一份商业计划书测试时，发现第 2 页的论证逻辑是空的。我的 AI 助手第一反应是直接改那份 PPTX——但我要的是让系统以后能做好这类演示。这才有了商业计划书的 16 条契约，以及跨页表格、合并表头和负数的解析。

6. 参考，但不照搬。 项目早期系统研究过 ai-ppt-generator，吸收了“规划—生成—渲染—评价”的流程思想；v0.2 又对照了 PPT Master、Presenton、PPTAgent、banana-slides、LandPPT 和 dom-to-pptx。几个结论：“测量 DOM 再生成原生对象”是共识方向，dom-to-pptx 和映章思路一致，PPT Master 走 SVG 转 DrawingML；“每页生成一张图”视觉冲击强，但文字和图表无法再编辑，不适合正式交付；证据绑定、提议校验、质量门禁和可复现评测是映章做得比较深的地方。没有照搬的部分同样重要：不把模板数量当成视觉质量，不让模型自由执行外部代码，也不允许一次失败无限重试。

七、版本历程

时间 版本 主要内容
2026-09-04 开发期 证据图谱、有界工作流节点、多候选渲染、HTML / PDF / PPTX 三格式交付
2026-09-06 开发期 材料结构化（Word 原文顺序、PDF 表格恢复、Excel 口径）；“判断与证据”版式
2026-09-13 v0.1.0 首个公开版本；去掉登录回到本地；Windows 启动器
2026-10-19 v0.2.0 场景驱动 PPTX 导出；8 类原生图表；BM25 + 向量检索；研究级评测；框选修改；讲解视频；MCP 与 Agent Skill；Docker

八、当前边界与下一步

  • 格式兼容：跨格式保真度是在 LibreOffice 上测得的，PowerPoint 和 WPS 的字体替换和换行还需要实机验收，这是下一阶段最优先的事；
  • 数字白名单管得偏严：这次运行发现，演示标题里带年份（比如“2025 运营复盘”）而封面页证据里没有这个年份时，封面标题会被换成兜底文案“关键结果”。导航类页面应该放宽；
  • 内置规划不够细：Excel 季度表在没有模型时，“季度指标”页只放了第一季度，需要手动补齐；指标总览候选只放得下 3 张卡片，内容匹配分却仍是满分；
  • 伪多样性没有完全消除：流程类的两个候选画面几乎一样；
  • 无障碍：默认视觉方案还有对比度和字号的提醒项；
  • 视觉上限：自动评分能发现确定性问题，但不能取代人对审美、业务表达和现场讲述的判断。

下一阶段会先收集真实使用中哪些页面反复修改、哪些候选被选中、哪些交付失败，再决定投入方向。比起堆叠功能，这些数据更能告诉系统离“专业”还差在哪里。

项目源码、工程架构、开发报告、测试材料和本地启动说明都在 映章 GitHub 仓库。

系列文章

  1. 基于大模型的移动应用合规检测系统开发记录
  2. 浅梦 AI 助手 Runtime 开发报告：一个本地语音桌面 Agent 的工程化实现
  3. 砚火 InkForge Local 开发报告：从创作困境到本地 AI 长篇生产系统
  4. 映章 YingZhang 开发报告：从材料到可编辑演示的 AI PPT 生产系统
  5. ai-life 开发报告：让 AI 像一个人那样待在你身边（私聊、QQ 群、微信群）