1. 为什么“A+B模式”是当前AI做PPT的最优解
先把结论摆在前面：单纯让一个大模型从头到尾生成一份PPT，结果往往能用但不够好看；单纯套一个现成模板，又缺乏内容针对性。真正跑通的路子，是把工作拆成两段——A段负责“想清楚”，B段负责“做漂亮”。A段用大模型完成内容架构、逻辑梳理和文案打磨，B段用模板引擎或设计工具完成视觉呈现和排版落地。这两段各司其职，中间用一个结构化的中间产物（通常是Markdown大纲或JSON结构）来衔接。
我最初也是图省事，直接把需求丢给大模型，让它“帮我生成一份关于XX的PPT”。结果出来的东西，文字堆砌严重，一页塞了七八百字，配色全靠它随机发挥，图表更是想都别想。后来我换了个思路：把大模型当成一个内容策划+文案撰写的角色，而不是设计师。它擅长的是逻辑组织、信息提炼、语言表达，不擅长的是像素级排版、色彩搭配、字体层级。硬让它干不擅长的事，出来的东西自然四不像。
A+B模式的核心逻辑其实很简单：让专业的工具干专业的事。A段的大模型负责把“说什么”搞定，B段的工具负责把“怎么说”落地。中间那个衔接层，就是整个流程的命门。我试过直接让大模型输出HTML，也试过让它输出VBA代码去操作PPT，最后发现最稳的还是结构化文本+模板映射这条路。原因在于：结构化文本（比如Markdown）对大模型来说生成难度低、可控性强，而模板映射对设计工具来说解析成本低、还原度高。两边都舒服，中间就不容易出岔子。
还有一个容易被忽略的点：token用量。如果你让大模型一次性生成整份PPT的所有内容，token消耗是巨大的，而且一旦中间某页不满意，重新生成的成本很高。A+B模式天然支持分段处理——你可以先让A段生成大纲，确认后再逐页生成详细内容，最后统一交给B段渲染。这样每次调用的token量可控，修改也灵活。我实测下来，同样一份20页的PPT，分段处理的token消耗比一次性生成少了将近40%，而且质量明显更稳定。
适合谁来用这套方法？我的判断是：所有需要频繁做PPT但又不是专业设计师的人。产品经理、咨询顾问、高校教师、创业公司创始人，甚至学生做答辩PPT，都能从中受益。你不需要会PS，不需要懂配色理论，只需要把需求说清楚，剩下的交给A和B两个环节去配合。下面我把整个流程拆开，一步步讲清楚每个环节怎么做、为什么这么做、哪里容易踩坑。
2. A段：用大模型把内容骨架搭扎实
2.1 需求拆解：先想清楚再动手
很多人用大模型做PPT，上来就是一句“帮我做个关于XX的PPT”。这就好比你去餐厅跟厨师说“给我做点好吃的”，出来的东西大概率不合胃口。A段的第一步，是把需求拆解成受众、场景、时长、核心信息四个维度。
受众决定了语言风格和内容深度。给高管汇报，重点放在结论和决策建议上，数据要精炼；给技术团队分享，原理和实现细节要到位，可以放代码片段和架构图。场景决定了PPT的节奏和视觉风格。大会演讲需要大字号、少文字、强视觉冲击；内部培训可以信息密度高一些，方便会后查阅。时长直接决定页数——一般来说，演讲类每页1-2分钟，培训类每页3-5分钟。一份30分钟的演讲，正文页控制在15-20页比较合适，加上封面、目录、结尾，总共22-25页。核心信息则是你希望观众离开后记住的那三句话，所有内容都要围绕这三句话展开。
我通常会用这样一段提示词来启动A段：
你是一位资深的内容策划顾问。我需要制作一份PPT，请先帮我梳理需求。 背景信息： - 主题：[填写主题] - 受众：[填写受众，如公司高管/技术团队/客户] - 场景：[填写场景，如季度汇报/产品发布/培训] - 时长：[填写时长，如20分钟] - 核心信息：[填写你希望观众记住的3个要点] - 已有素材：[填写你手头有的数据、案例、参考链接] 请先不要生成PPT内容，而是帮我： 1. 确认上述信息是否完整，有哪些需要补充 2. 建议整体内容结构（分几个部分，每部分大概几页） 3. 指出我可能遗漏的关键信息这段提示词的关键在于最后一句“先不要生成PPT内容”。很多人忽略了这个约束，结果大模型直接开始输出内容，你还没来得及确认方向，它已经跑偏了。先让它帮你梳理需求，确认结构，再进入下一步，能省掉大量返工时间。
2.2 大纲生成：让逻辑链条清晰可见
需求确认后，进入大纲生成阶段。大纲是整份PPT的骨架，骨架歪了，后面怎么填肉都别扭。我一般要求大模型输出三级大纲：一级是章节，二级是每页的核心观点，三级是支撑该观点的论据或数据。
这里有个技巧：要求大模型为每一页标注“信息类型”。信息类型分为几种：概念解释、数据展示、流程说明、对比分析、案例佐证、结论建议。不同类型对应不同的视觉呈现方式——概念解释适合图文结合，数据展示适合图表，流程说明适合流程图，对比分析适合表格。提前标注好，B段渲染时就能自动匹配模板。
我常用的提示词模板是这样的：
基于刚才确认的需求，请生成PPT大纲。 要求： 1. 输出三级大纲：章节 → 页面核心观点 → 支撑论据 2. 每页标注信息类型（概念解释/数据展示/流程说明/对比分析/案例佐证/结论建议） 3. 每页预估字数控制在80-150字，避免文字堆砌 4. 标注哪些页面需要配图或图表，并说明图表类型 5. 总页数控制在[填写页数]页以内 输出格式： ## 章节一：[章节名称] ### 第1页：[页面标题] - 核心观点：[一句话] - 支撑论据：[2-3个要点] - 信息类型：[类型] - 视觉建议：[配图/图表/纯文字]这个模板跑出来的大纲，结构清晰，而且每一页的视觉方向都提前定了。我试过不做信息类型标注，结果B段渲染时全靠猜，出来的东西风格混乱。加上这一层标注，后面省心很多。
2.3 内容填充：逐页打磨文案
大纲确认后，就可以逐页生成详细内容了。这里不建议一次性生成所有页，而是分章节生成。原因有两个：一是token用量可控，二是每生成完一个章节你可以检查一下质量，有问题及时调整，避免全部生成完再大改。
内容填充阶段有几个硬性要求：每页文字不超过150字，每页只讲一个核心观点，数据必须标注来源。这三条看起来简单，但大模型默认行为是“尽可能多写”，你不约束它，它就会把一页塞满。我通常会在提示词里加一句：“如果内容超过150字，请拆分成两页，不要压缩字号或删减关键信息。”
还有一个细节：要求大模型为每页生成“演讲备注”。PPT上的文字是给观众看的，演讲备注是给你自己看的。备注里可以放完整的论述逻辑、过渡语句、可能被问到的问题。这样你演讲时不会忘词，PPT本身又保持简洁。我一般要求备注字数在200-300字之间，足够覆盖2分钟的讲解。
2.4 文案优化：让语言更有力量
内容生成完后，还有一步容易被跳过：文案优化。大模型生成的文字往往偏书面、偏冗长，直接放到PPT上会显得沉闷。我通常会再做一轮优化，重点做三件事：删虚词、改短句、加节奏。
删虚词就是去掉“进行”“通过”“对于”“关于”这类没有实际意义的词。“对数据进行分析”改成“分析数据”，“通过对比发现”改成“对比发现”。改短句就是把长句拆成短句，PPT上的文字要像标语一样，一眼能扫完。加节奏就是让每页的要点数量一致、字数相近，视觉上更整齐。
我常用的优化提示词：
请对以下PPT页面文案进行优化： [粘贴原始文案] 优化要求： 1. 删除所有虚词和冗余表达 2. 每句话不超过20字 3. 每页要点数量控制在3-5个 4. 保持原意不变，但语言更有力量感 5. 如果有数据，把数据放在句首或句尾，中间用短句支撑这一轮优化下来，文案质量会有明显提升。我对比过优化前后的版本，同样的内容，优化后的版本在演讲时观众的注意力明显更集中。
3. B段：用模板引擎把内容变成视觉成品
3.1 工具选型：为什么我最终选了这套组合
B段的工具选择很多，我试过直接让大模型输出HTML然后截图，试过用Python操作PPT库，也试过各种在线PPT生成工具。最后稳定下来的组合是：Markdown结构化内容 + 模板映射引擎 + 手动微调。
为什么不用大模型直接生成PPT文件？因为大模型对PPT文件格式的理解不够精确，生成的XML经常出现兼容性问题，打开后排版错乱。为什么不用在线工具一键生成？因为在线工具的模板库有限，而且内容映射逻辑是黑盒，你没法控制哪段文字放到哪个位置。Markdown+模板映射的好处是：内容与样式分离，你可以随时换模板而不影响内容，也可以随时改内容而不影响样式。
具体来说，我用的流程是：A段输出的Markdown大纲和内容，经过一个简单的解析脚本，转换成JSON结构，然后映射到PPT模板的占位符上。这个解析脚本不复杂，核心逻辑就是识别标题层级、列表、表格、图片标记，然后对应到模板的标题框、内容框、表格框、图片框。我用Python写了一个大概200行的脚本，跑一次能处理整份PPT，效率比手动复制粘贴高太多了。
如果你不想写代码，也有替代方案：用支持Markdown导入的PPT工具。现在不少在线PPT工具支持直接粘贴Markdown然后自动排版，效果也不错。但缺点是模板选择受限，而且导出后往往需要手动调整。我的建议是：如果你做PPT的频率不高，用现成工具就够了；如果每周都要做，花点时间搭一套自己的模板映射流程，长期看省的时间非常可观。
3.2 模板设计：少即是多的排版原则
模板设计这块，我踩过的坑最多。一开始总想把模板做得“丰富”，加各种装饰元素、渐变背景、阴影效果，结果出来的PPT花里胡哨，观众注意力全被装饰吸走了。后来我回归极简：白底、黑字、一个主色、一个辅助色，最多再加一个强调色。字体只用两种：标题一种，正文一种。字号层级控制在四级以内。
具体参数我一般这样设：标题32-36pt，一级正文24-28pt，二级正文18-22pt，注释14-16pt。行距1.2-1.5倍，段间距是行距的0.5倍。页边距上下左右各留2-3厘米，保证内容不贴边。这些参数不是拍脑袋定的，而是根据投影仪观看距离反推的——一般会议室投影，观众距离屏幕3-8米，字号低于18pt后排就看不清了。
配色方面，我通常从品牌色或主题色出发，用在线配色工具生成一套配色方案。主色用于标题和重点强调，辅助色用于图表和次要信息，背景色保持白色或极浅的灰色。这里有个经验：颜色不要超过三种，超过三种就很难保持视觉一致性。如果实在需要更多颜色，用同色系的深浅变化，而不是引入新色相。
3.3 内容映射：把文字放到正确的位置
内容映射是B段的核心环节。A段输出的Markdown结构，需要精确对应到模板的各个占位符。我一般会在模板里预定义好这些占位符：{{title}}、{{subtitle}}、{{content}}、{{table}}、{{image}}、{{notes}}。解析脚本读取Markdown后，按规则填充这些占位符。
规则设计有几个要点：标题层级对应页面层级，一级标题对应章节封面，二级标题对应内容页标题，三级标题对应内容页的子标题。列表对应内容框，有序列表和无序列表都映射到内容框，但有序列表会自动加编号。表格对应表格框，Markdown表格直接转换成PPT表格，保留表头和行列结构。图片标记对应图片框，Markdown里的会被解析成图片占位符，路径可以是本地文件也可以是网络链接。
这里有个容易出问题的地方：文字长度超出占位符容量。PPT的文本框是固定大小的，文字太多会溢出或者自动缩小字号。我的处理方式是：在解析脚本里加一个检查逻辑，如果某页文字超过预设阈值（比如200字），就自动拆分成两页，而不是硬塞。这个逻辑写起来不复杂，但能避免很多排版事故。
3.4 视觉增强：图表和配图的自动化处理
纯文字的PPT再简洁也显得单调，适当的图表和配图能大幅提升信息传达效率。B段可以集成一些自动化图表生成工具，比如用Python的matplotlib或plotly根据数据生成图表图片，然后插入到PPT对应位置。配图方面，可以用免费的图库API搜索关键词，自动下载相关图片。
但这里要克制：图表和配图是为内容服务的，不是为了好看而好看。我见过太多PPT，每页都塞一张无关的装饰图，反而分散注意力。我的原则是：数据页必须配图表，概念页可以配示意图，纯文字页不强行配图。图表类型也要匹配数据关系——趋势用折线图，对比用柱状图，占比用饼图，关联用散点图。这些规则可以写进解析脚本，根据A段标注的信息类型自动选择。
4. 实操全流程：从零到一做一份完整PPT
4.1 环境准备与工具清单
在开始之前，先把工具链准备好。我目前用的组合是：
| 工具 | 用途 | 备注 |
|---|---|---|
| 大模型对话界面 | A段内容生成 | 任意主流大模型均可 |
| Python 3.10+ | 解析脚本运行 | 需要安装python-pptx库 |
| python-pptx | 操作PPT文件 | pip install python-pptx |
| Markdown编辑器 | 中间产物编辑 | 任意编辑器均可 |
| 模板文件 | B段视觉载体 | 自己设计或下载 |
| 图表生成库 | 数据可视化 | matplotlib或plotly |
安装python-pptx很简单，一行命令：pip install python-pptx。如果你需要生成图表，再装一个pip install matplotlib。这两个库都很成熟，文档齐全，遇到问题搜一下基本都能解决。
模板文件我建议自己做一个基础版，不用太复杂。新建一个PPT，设置好母版：定义好标题样式、正文样式、配色方案、字体方案。然后保存为.potx模板文件。以后每次做PPT，复制这个模板文件，改内容就行。我自己的模板用了三年，只微调过两次配色，其他都没动过。
4.2 第一步：用A段生成结构化内容
打开大模型对话界面，把前面2.1节的提示词模板填好发过去。等它返回需求确认和结构建议后，你再根据它的建议调整一下，然后发第二条消息让它生成大纲。大纲出来后，逐章确认，没问题就让它逐章生成详细内容。
这一步我一般会花15-20分钟。其中大部分时间花在反复确认和微调上，而不是等大模型输出。很多人急着让大模型一口气生成完，结果出来的东西方向不对，返工更费时间。我的经验是：前期多花5分钟确认，后期省30分钟修改。
生成完的内容，我会粘贴到一个Markdown文件里，按章节整理好。这个Markdown文件就是A段的最终产物，也是B段的输入。文件结构大概长这样：
# 封面 ## 标题：2024年Q3业务复盘 ## 副标题：增长、效率与下一步 ## 汇报人：张三 ## 日期：2024年10月 # 第一章：Q3核心数据回顾 ## 第1页：营收同比增长23% - 核心观点：Q3营收达到1.2亿，同比增长23% - 支撑论据： - 新客户贡献营收3200万，占比27% - 老客户复购营收8800万，占比73% - 信息类型：数据展示 - 视觉建议：柱状图对比Q2和Q3营收 ## 第2页：客户留存率提升至86% ...这个结构清晰、机器可读，后面解析起来很方便。
4.3 第二步：解析Markdown并映射到模板
这一步需要跑解析脚本。脚本的核心逻辑分四步：读取Markdown文件 → 解析成结构化数据 → 加载PPT模板 → 填充内容并保存。
解析部分我用正则表达式匹配标题、列表、表格、图片标记。匹配到一级标题就新建一个章节封面页，匹配到二级标题就新建一个内容页，匹配到列表就填充内容框，匹配到表格就生成表格，匹配到图片标记就插入图片。整个过程大概200行代码，跑一次不到10秒。
这里有个细节：页面顺序要保持一致。Markdown里的顺序就是PPT里的顺序，不要打乱。我试过按信息类型重新排序，结果逻辑链条断了，观众跟不上。PPT的顺序应该跟演讲顺序一致，而不是跟信息类型一致。
填充完内容后，脚本会保存一个新的PPT文件。打开检查一下，大部分页面应该已经就位了，剩下的是微调工作。
4.4 第三步：手动微调与视觉校准
自动生成的PPT不可能100%完美，手动微调是必要的。我一般重点检查这几个地方：文字是否溢出、图片是否变形、图表是否清晰、配色是否一致、页码是否正确。
文字溢出最常见，原因是A段生成的文字比预期多。解决办法有两个：要么删减文字，要么调整文本框大小。我一般优先删减文字，因为PPT上的文字越少越好。删减时保留核心观点和关键数据，删掉解释性语句。
图片变形通常是因为原图比例和占位符比例不一致。解决办法是裁剪图片而不是拉伸。拉伸会让图片失真，裁剪虽然会损失部分画面，但至少保持比例正确。如果裁剪后关键信息丢失，就换一张图。
图表清晰度取决于生成时的分辨率设置。matplotlib默认分辨率是100dpi，投影时可能偏模糊。我一般设成200dpi，文件大小增加不多，但清晰度明显提升。
4.5 第四步：导出与交付检查
微调完成后，导出PPT文件。导出前做最后一次检查：用投影仪或大屏预览一遍，确认后排能看清、颜色不失真、动画不卡顿。如果条件不允许，至少在电脑上全屏播放一遍，模拟演讲场景。
导出格式我一般选.pptx，兼容性最好。如果需要PDF版本，再导出一份PDF。注意PDF导出时检查字体是否嵌入，否则在其他电脑上打开可能字体错乱。
交付前还有一个容易忽略的步骤：清理演讲备注。如果你在A段生成了演讲备注，确认一下备注内容是否适合交付。如果是给别人的PPT，备注里可能有你不希望对方看到的内容，记得删掉或修改。
5. 常见问题与排查技巧实录
5.1 内容生成类问题
问题一：大模型生成的内容太泛，缺乏针对性。
这是最常见的问题。原因是提示词里给的信息不够具体。解决办法是在提示词里加入具体的数据、案例、背景信息。比如不要只说“我们Q3业绩不错”，而是说“我们Q3营收1.2亿，同比增长23%，新客户贡献3200万”。信息越具体，生成的内容越有针对性。
问题二：大模型反复生成相似内容，缺乏新意。
这种情况通常发生在你让它“再生成一版”的时候。大模型的默认行为是在原有基础上微调，而不是彻底重写。解决办法是换一个角度提问。比如原来问“Q3业绩亮点”，改成“Q3有哪些做得不够好的地方”，或者“如果从客户视角看Q3，会关注什么”。角度一变，内容就完全不同了。
问题三：token用量超限，生成中断。
长文档生成时容易遇到这个问题。解决办法是分段生成，每段控制在2000-3000字以内。如果某段特别长，再拆成更小的段。另外，生成前先确认模型的上下文窗口大小，留出足够的余量给输出。
5.2 排版渲染类问题
问题四：文字溢出文本框。
前面提过，优先删减文字。如果实在删不了，调整文本框大小或字号。但要注意，字号不要低于18pt，否则后排看不清。如果内容实在太多，拆成两页，不要硬塞。
问题五：图表颜色和模板配色冲突。
图表生成时指定颜色，用模板的主色和辅助色。如果用的是matplotlib，可以在代码里设置plt.rcParams['axes.prop_cycle']来统一颜色。这样生成的图表和PPT整体风格一致，不会显得突兀。
问题六：图片分辨率不够，投影模糊。
图片分辨率至少1920x1080，最好2560x1440。如果原图分辨率不够，用AI放大工具处理一下，或者换一张更高清的图。不要用低分辨率图片凑合，投影出来效果很差。
5.3 流程协作类问题
问题七：A段和B段衔接不畅，中间产物格式混乱。
解决办法是严格定义中间产物格式。我用的Markdown格式是固定的：一级标题用#，二级用##，列表用-，表格用标准Markdown表格语法，图片用。格式统一了，解析脚本就不会出错。
问题八：多人协作时版本混乱。
如果是团队协作，建议用Git管理Markdown文件，每次修改都有记录。PPT文件用日期命名，比如2024Q3复盘_20241015.pptx，避免覆盖。另外，模板文件单独存放，不要和内容文件混在一起。
问题九：修改内容后需要重新生成整份PPT。
这是A+B模式的一个小缺点。如果只改了一页内容，理论上只需要重新渲染那一页。我的做法是：解析脚本支持按页更新，传入页码参数就只更新那一页。这样改一页只需要几秒钟，不用重新跑整份PPT。
5.4 常见问题速查表
| 问题现象 | 可能原因 | 解决办法 |
|---|---|---|
| 内容太泛 | 提示词信息不足 | 补充具体数据、案例、背景 |
| 内容重复 | 提问角度单一 | 换角度提问，如从客户视角 |
| 生成中断 | token超限 | 分段生成，每段2000-3000字 |
| 文字溢出 | 内容过多 | 删减文字或拆页 |
| 图表配色冲突 | 未指定颜色 | 图表生成时用模板配色 |
| 图片模糊 | 分辨率不足 | 换高清图或AI放大 |
| 衔接出错 | 中间产物格式乱 | 严格定义Markdown格式 |
| 版本混乱 | 多人协作 | Git管理+日期命名 |
| 改一页要重跑 | 脚本不支持按页更新 | 增加页码参数 |
6. 进阶技巧：让PPT从“能用”到“出彩”
6.1 用数据讲故事
PPT的核心是传达信息，而数据是最有说服力的信息。但单纯堆数据没用，关键是要用数据讲故事。我常用的结构是：结论先行 → 数据支撑 → 原因分析 → 行动建议。比如不要只说“Q3营收1.2亿”，而是说“Q3营收1.2亿，同比增长23%，主要来自新客户贡献，建议Q4加大新客户获取投入”。
这个结构可以写进A段的提示词里，让大模型按这个逻辑生成每一页的内容。我试过对比，用这个结构生成的PPT，观众理解速度明显更快。
6.2 动画和过渡的克制使用
PPT动画用得好能引导注意力，用不好就是灾难。我的原则是：只在必要的地方用动画，而且只用最简单的效果。比如逐条显示要点用“出现”动画，图表强调用“擦除”动画，页面切换用“淡入淡出”。不要用飞入、旋转、弹跳这些花哨效果，观众会分心。
动画的另一个作用是控制节奏。演讲时你讲一条，动画显示一条，观众的注意力跟着你走。但动画不要太多，一页最多三个动画效果，否则观众会等得不耐烦。
6.3 演讲备注的写法
演讲备注是PPT的隐藏武器。我写备注有几个要点：第一句是过渡语，承接上一页；中间是完整论述，把PPT上没写的逻辑补全；最后一句是下一句的引子，自然过渡到下一页。备注字数控制在200-300字，足够讲2分钟。
备注还有一个用途：预判问题。在备注里写上“可能被问到的问题”和“建议回答”，演讲时遇到提问可以从容应对。我一般会在关键页的备注里加一两条Q&A，实战中很有用。
6.4 模板的持续迭代
模板不是做一次就完了，而是要根据使用反馈持续迭代。我每次做完PPT，会记录哪些页面排版有问题、哪些配色不舒服、哪些字号需要调整。积累几次后，统一更新模板。我的模板三年迭代了五次，现在基本不用怎么调就能直接用。
迭代时注意保持向后兼容。如果你改了模板的占位符命名，之前的解析脚本也要同步更新。我一般会在模板文件里加一个版本号，脚本读取版本号后自动适配不同的占位符命名规则。
6.5 团队协作的标准化
如果是团队使用，建议把A+B流程标准化：统一的提示词模板、统一的Markdown格式、统一的PPT模板、统一的解析脚本。这样任何人拿到需求，按流程走一遍就能产出风格一致的PPT。我帮几个团队搭过这套流程，培训半天就能上手，之后做PPT的效率至少提升一倍。
标准化的另一个好处是质量可控。不会因为某个人审美不同，出来的PPT风格差异巨大。品牌一致性在对外汇报时尤其重要，标准化流程能保证每次输出的PPT都符合品牌规范。
7. 我踩过的坑和最后的小建议
先说几个我踩过的坑。第一个坑是过度依赖大模型，一开始我连配色方案都让大模型定，结果出来的颜色搭配惨不忍睹。后来我明白了，大模型擅长逻辑和语言，不擅长视觉审美。配色、字体、排版这些事，要么用现成模板，要么自己学点基础设计原则，别指望大模型帮你搞定。
第二个坑是模板太复杂。我早期做的模板加了各种装饰元素，结果每次填内容都要调半天，反而比手动做还慢。后来回归极简，模板只保留最基本的标题、正文、图表占位符，填内容几乎不用调整。模板越简单，复用率越高，这个道理我花了半年才想明白。
第三个坑是忽略演讲备注。有段时间我只关注PPT本身，备注随便写写，结果演讲时经常卡壳。后来认真写备注，发现备注写好了，演讲流畅度提升非常明显。备注不是给别人看的，是给你自己用的，值得花时间打磨。
最后分享一个小技巧：做完PPT后，用手机录一遍自己的演讲。回放时你会发现很多问题——语速太快、过渡生硬、某些页面停留太久。这些问题在制作时看不出来，只有模拟演讲才能暴露。我每次重要汇报前都会录一遍，改完再录一遍，一般两轮下来就比较稳了。
这套A+B模式我用了两年多，从最初的手忙脚乱到现在40分钟做一份20页的PPT，效率提升是实实在在的。核心就一句话：让大模型干它擅长的事，让模板工具干它擅长的事，中间用结构化数据衔接好。你不需要成为设计师，也不需要成为程序员，只需要把流程跑通一次，后面就是重复执行和持续优化。
