28
6 月
PPT Master 评测：把文档生成原生可编辑 PPTX，但它不是一键式 SaaS
可引用摘要： PPT Master 是一个运行在 Claude Code、Codex CLI、Cursor 等 Agent 环境中的开源演示文稿工作流。它可把 PDF、DOCX、URL、Markdown 或文本转换为原生
.pptx，并尽量保留可编辑的文字、形状和图表。它不是独立 SaaS，也不保证首次生成即可交付；输出质量受模型、源材料、模板和人工修改影响。
很多 AI 演示工具擅长快速生成“看起来像幻灯片”的页面，但导出后可能难以逐个修改元素。PPT Master 选择了另一条路线：用 Agent 完成内容分析与视觉生成，再把结果转换为 PowerPoint 可识别的原生对象。
PPT Master 到底是什么？
项目作者把它称为 harness，而不是完整 Agent。工作流负责读取材料、确定设计规格、生成页面并导出 PPTX；底层模型决定内容理解和视觉生成能力。
官方目前支持将 PDF、DOCX、URL、Markdown 或直接粘贴的文本作为输入。主输出保存在 exports/ 目录，文字、形状、颜色等对象可在兼容的 PowerPoint 中继续编辑。官方 FAQ 同时提醒，不同 SVG 特性和 Office 版本仍可能影响转换结果。
它与在线 AI PPT 工具有何不同？
| 维度 | PPT Master | 常见在线生成工具 |
|---|---|---|
| 运行方式 | 本地项目 + Agent 环境 | 浏览器 SaaS |
| 主要输出 | 原生 PPTX 对象 | 在线页面或导出文件 |
| 数据路径 | 文件主要在本地处理，但模型请求可能外发 | 通常上传到服务端 |
| 使用门槛 | 需要 Python 和 Agent 工具 | 通常注册即可使用 |
| 可控性 | 可修改工作流、模板和脚本 | 受平台功能限制 |
“本地运行”不等于“数据完全不出本机”。如果使用云端大模型或图像 API，输入内容可能发送给对应服务商。处理公司材料前，应先查看模型供应商的数据政策，并避免把密钥写入演示文稿或仓库。
实际使用路径
官方当前流程大致分为四步：
- 安装 Python 3.10+，下载或克隆项目，并安装依赖；
- 在支持文件读写和命令执行的 Agent 环境中打开项目；
- 提供 PDF、DOCX、URL、Markdown 或文本，并确认页数、受众、风格和图片策略；
- 查看浏览器预览，提交修改意见，再导出和检查
.pptx。
项目还支持导入现有 PPTX 作为模板参考，但“模板复刻”应只使用自己拥有或获准使用的文件。字体、图片、品牌资产和第三方模板仍受各自许可约束。
能编辑到什么程度？
根据官方 README 和 FAQ，主 PPTX 会尽量把文字、形状、图形和颜色转换为可编辑对象。近期版本还加强了 DrawingML 导出、模板导入和兼容性处理。
不过，可编辑不等于完全无损。复杂渐变、裁剪、字体替换、图表结构和不同 Office 版本都可能造成视觉差异。交付前应至少检查：字体是否存在、元素是否越界、图表数据是否正确、图片许可是否清楚，以及动画在目标设备上是否正常。
适合与不适合
适合：
- 经常要把长文档转成演示文稿骨架的知识工作者；
- 需要原生 PPTX，并愿意进行最后修改的团队；
- 想自定义模板、流程或模型的开发者。
不适合：
- 不愿安装 Python 或使用 Agent 工具的用户；
- 期待输入一句话就得到无需检查的最终稿；
- 处理不得发送到外部模型的敏感材料、但又没有本地模型方案的团队。
智盒判断
PPT Master 最明确的差异是“以可继续编辑的 PPTX 为交付物”。它更像一个可改造的本地生产管线，而不是零门槛产品。判断是否值得使用，应该下载官方示例并在自己的 PowerPoint 版本中检查，而不是只看在线预览。
延伸阅读：
FAQ
PPT Master 是独立桌面软件吗？
不是。它是需要 Python 和 Agent 环境配合运行的开源工作流。
生成的 PPTX 是否全部可编辑？
官方目标是输出原生可编辑对象，但复杂 SVG、字体和 Office 兼容性可能造成例外。应使用实际文件验证。
使用 PPT Master 是免费的吗？
项目代码采用开源许可，但模型 API、图像生成、字体、素材和运行资源可能产生费用或受额外许可约束。
公司文档会留在本地吗？
项目文件主要在本地处理；只要调用云端模型，相关输入就可能外发。是否适合敏感数据取决于所选模型和组织政策。
官方参考来源
本文由 AI（Codex）基于公开来源整理并完成结构化核验，发布由智盒运营流程执行。
分享这篇文章
RELATED
Posts
红蓝绿三队 AI Agent 守护代码安全：微软 Perception 平台解读
7 月 27 日，微软在旧金山搞了一场不大不小的发布会。
不大，是因为场地不大，邀请的媒体也不多。不小，是因为 Mustafa Suleyman 亲自站台了。
📖 相关阅读：AI 巨头的 FDE 军备竞赛：Palantir、AWS、Microsoft、OpenAI、Anthropic 五路并进 — Perception 发布是微软在这场军备竞赛中的最新一步
这位 DeepMind 联合创始人、现在微软 AI 的 CEO，用他那标志性的英伦口音说了一句话让我印象很深，「We're shipping this into production immediately」——我们立刻把它推进生产。
他说的是两样东西。一个是 MAI-Cyber-1-Flash，微软第一款自研的网络安全模型。另一个是 Project Perception，一个用红蓝绿三队 AI Agent 协同工作的安全平台。
坦率的讲，安全领域的发布会我看了不少，大多乏善可陈。无非是「我们又加了 AI」「我们检测率提升了 X%」这类 PPT 数字。但这次不一样，这次微软拿出了一张成绩单，CyberGym 基准测试...
Claude Science 深度解析：Anthropic 从代码进军生物医药的跨界野心
6月30日Anthropic发布Claude Science——AI科学工作台，集成60+数据库与Agent协同架构。同步宣布自研药物计划，从编程跨界生物医药。既是制药公司的供应商，又是竞争对手。
Claude Sonnet 5 深度评测：三天实测 Anthropic 最新中端旗舰
Anthropic 6月30日发布 Claude Sonnet 5，SWE-bench Pro 达 63.2% 逼近 Opus 4.8，Terminal-Bench 2.1 跃升 13 分，价格仅旗舰的 40%，默认成为 Free 用户新模型。三天实测告诉你什么时候用 Sonnet 5，什么时候仍需要 Opus 4.8。
千问输入法 macOS 版实测：语音输入 300 字/分钟，AI 帮你润色
6 月底，阿里千问输入法推出了 macOS 版本。核心卖点：语音输入最快 300 字/分钟，内置 AI 自动润色功能。不是「即将上线」，是现在已经可以在 Mac App Store 下载。 我在一台 M 3 MacBook Pro 上用了三天。以下是真实体验。 语音输入：一开口就是 300 字/分钟？ 我用最自然的中文语速朗读了一段技术博客作为测试。计时结果是：1 分钟朗读了约 290 个中文字符，输入法几乎零延迟地全部转录正确。口头语助词（「那个」、「就是」）会被自动过滤。偶尔出现的同音错字（「蒸馏」→「正经流」）可以通过重新朗读该句自动修正。 语音输入在中文场景下的最大痛点是准确率——行业平均水平在 90-95% 之间，意味着每 100 个字有 5-10 个需要手动修正。千问的三天测试下来，日常对话场景的准确率在 97% 左右，中等语速（每分钟 200-250 字）时几乎没有错字。技术文段中英文混排时的准确率会降到 93% 左右——英文专业术语有时被识别为发音相近的中文。 AI 润色：从口语到书面语的一键翻译 语音转文字后，AI 润色是最实用的功能。它不只是修正语法——它会重新组织句子结构，把口语化的表达变成书面文字。我对一段口头叙述做了测试，AI 润色后的文本除了修正口语化表达外，还自动补充了段落结构，使整体逻辑更清晰。不过需要注意的是，AI 润色可能会改变原文的强调重点——重要的观点建议自己手动微调。 跟 macOS 原生输入法比 macOS...
Apple Vision Pro 老大跳槽 OpenAI，同一天 SpaceX 注册了「SpaceXAI」商标
Apple Vision Pro 老大跳槽 OpenAI，同一天 SpaceX 注册了「SpaceXAI」商标 6 月 27 日，TechCrunch 和 The Information 同时爆了一条消息：Apple Vision Pro 及智能眼镜业务的负责人，正在跳槽去 OpenAI。同一天，SpaceX 注册了「SpaceXAI」商标——一个被广泛解读为 Musk 准备正式将 xAI 并入 SpaceX 的信号。两条消息同一天出现，说的是同一件事：AI 的下一个战场，是硬件。 Vision Pro 的老大为什么要走？ 近 6 个月：Google DeepMind 核心研究员加入 Anthropic、Meta AI 安全负责人加入 OpenAI、NVIDIA CUDA 架构师被 Anthropic 和...
1290万考生，命运交给AI的第一个夏天：五大平台高考志愿Agent实测
1290 万考生，命运交给 AI 的第一个夏天：五大平台高考志愿 Agent 全面对比 2026 年的高考季，13,278,000 个家庭发现一件从未有过的事——打开手机，输入分数，一个 AI Agent 就能在几分钟内生成一份完整的志愿填报方案。 不是去年那种「输分数吐表格」的查询工具。今年上线的，是真正的 Agent。它们会主动问你父母的职业、你讨厌哪个城市、你喜欢动手还是动脑、你的 MBTI 人格是什么——然后基于这些信息，调用几十个专业工具，生成几十页的定制化报告。而且全部免费。 同一天，三家公司集体亮牌 6 月 5 日，腾讯旗下 QQ 浏览器与元宝联合上线「元宝高考通」。6 月 10 日，阿里千问上线国内首个「全周期高考志愿填报 Agent」，百度发布高考服务全面升级方案。6 月 11 日，新东方 AI 志愿通跟进。加上连续第 8 年服务高考用户的夸克——不到一周时间，中国互联网最重要的五家大厂，全部入局。 1290 万考生，背后是 2500 万以上的父母。需求极度刚性：成绩出来后，大多数家庭只有 3-7 天时间做出可能影响孩子一生的决策。信息量大、时间窗口短、决策压力大——这正好是 AI Agent 最擅长的场景。 五大平台实测对比 千问：最像「真人专家」的 Agent 千问的高考志愿 Agent...
实测：在 5 款免费的 AI 高考志愿工具里，我输入了同一个分数
实测：在 5 款免费的 AI 高考志愿工具里，我输入了同一个分数 高考出分了。不管你是刚查到成绩的考生，还是正在帮孩子算分划线的家长，接下来的 3 到 7 天里，你都要完成一件事：从近 3000 所高校、800 多个本科专业里，选出一份志愿填报表。 我花了整整一个下午，用同一个虚拟考生身份——上海考生，物化生选科，600 分，想去北上广深，对计算机和 AI 方向感兴趣——把市面最主流的五款免费高考志愿 AI 工具全部跑了一遍。 千问：AI 真的在「了解我」 千问没有一上来就让我填分数。它先给我建「个人档案」。然后问我：想去哪个城市？想学什么专业？以后打算考研还是直接工作？你的性格是什么样的？填志愿最大的难点往往不是「不知道有什么学校」，而是「不知道自己想要什么」。千问花了 5 分钟帮我想清楚这个问题，然后再开始推荐方案。 我随口提到「如果学校特别好，去外地也可以」，推荐的院校列表立刻变了——武汉大学出现在了冲刺层。这就是 AI Agent 和传统查询工具的区别。 元宝：信息量碾压一切 元宝高考通像一个把所有参考资料堆在你面前的图书馆员。横向网页式布局，按「院校优先」和「专业优先」划分。点击任何一个推荐院校，打开的信息卡片里有近三年录取分数线、最低录取位次、你的分数对应的录取概率。「录取位次」和「录取概率」是填志愿的绝对核心数据。 百度：三层专家审核，家长安心指数拉满 百度做了一件中国家长最需要的事——让人放心。第一层训练阶段就用资深顾问经验训练 AI，第二层接入规则引擎由教育平台持续更新填报规则，第三层对边缘分数和不确定案例有真人专家人工审核。如果你家是那种「不求冲最高的，但求不翻车」的家长——百度最省心。 新东方：6 个 AI 在你面前「吵架」 新东方不给你「最优方案」——它给你 6 个方案，分别来自 6 个立场完全不同的 AI 规划师。名校派说冲复旦，就业派说去华科薪资更高，城市派说留上海资源都在这里，数据派说根据你的位次最合理的冲刺是华东师范，平衡派说三维度各占三分之一，执行派说求稳选华东理工。 6 个 Agent 把不确定性摊开给你看，反而让你更容易做决定。 夸克：8 年老兵，稳得一批 夸克在「AI Agent 能力」这个维度上被千问和元宝拉开了差距，但它的强项是数据基础设施——8 年时间积攒的录取波动、专业兴衰、政策变化，这种积累不是一次性大模型训练可以替代的。 我的最终推荐 你的情况推荐工具理由不太确定想学什么千问个性化理解最强，会帮你先想清楚目标很明确，要数据元宝信息最全面，录取概率算得最细家长对...
MiniMax M2开源：一个Agent专用模型把价格打到了Claude的8%
MiniMax 6月22日开源M2模型：专为Agent和代码场景打造，仅Claude Sonnet价格8%、速度2倍。Apache 2.0完整开源，Agent产品限时免费。
微软 Build 2026 暴击：7 款自研 AI 模型齐发，Project Polaris 替换 GPT-4，微软的「AI 独立宣言」
> AI 摘要 > - 微软 Build 2026 发布 7 款自研 MAI 模型：推理、编码、图像、语音、转录全模态覆盖 > - Project Polaris：微软自研编码模型，8 月起替代 GPT-4 Turbo 成为 GitHub Copilot 默认引擎 > - MAI-Thinki...
Cerebras 跑 Kimi K2.6 达到 981 tokens/s：速度数据、适用边界与选型意义
核验 Cerebras 与 Kimi K2.6 的 981 tokens/s 数据，区分吞吐、首 token 延迟和任务完成时间，并说明企业私有推理服务的适用边界