Paper2PPT 的第一个正式版本 v0.1.0 已经发布。它是一个兼容 Codex 与 Claude Code 的 Agent Skill，目标很具体：把论文转成可编辑、可追溯、带演讲者备注（speaker notes），并经过质量检查的 PPTX，而不是只交付一份看起来完整的大纲或一组不可继续修改的图片。

Paper2PPT 证据优先工作流封面

我做这个项目时，最先确定的并不是模板颜色，而是一条更严格的顺序：先读证据，建立主张—来源映射表（claim-to-source map），再决定叙事和页面；先证明每个结果页说得成立，再讨论它是否好看。这个顺序看似保守，却是论文汇报区别于普通演示文稿的地方。

为什么“论文转 PPT”仍然容易失真

论文的章节结构服务于阅读，汇报的页面结构服务于听众在有限时间内理解论证。把 Introduction、Methods、Results、Discussion 机械地各压缩几页，通常会出现三个断点。

第一，主张与证据脱开了。模型能够概括一段结果，却未必保留对应页码、图号、panel、实验条件和限定词。到了制作结果页时，一句强结论配上一张“相关图片”，视觉上像证据，实际上无法追溯。

第二，交付物不可继续工作。文本大纲可以审结构，PDF 或整页图片可以预览，但组会前临时改标题、替换图、调整标注时，仍需要回到 PowerPoint 重新制作。对真实工作流来说，“生成过一份演示”不等于“交付了可编辑 PPTX”。

第三，文件能打开被误当成质量通过。一个 PPTX 包可以结构合法，同时存在数字抄错、speaker notes 缺失、图片裁切、文字溢出、投影距离下无法阅读等问题。内容正确、文件完整和渲染可读是三种不同的检查，不能用其中一种替代另外两种。

Paper2PPT 因此没有把重点放在“一键生成”上，而是把论文到幻灯片拆成一条可以追问、可以复核、也可以在条件不足时明确停下来的流程。

核心方法：先做证据账本，再做页面

1. 先标记来源充分性

输入可以是本地 PDF、论文 URL、DOI、PMID、PMCID、arXiv ID、正文、摘要加图注，或研究者自己的阅读笔记。这些输入能支持的结论并不相同，所以预检阶段会先把来源标为：

  • full-paper：可以读取并核对完整论文；
  • partial-paper：只有部分章节、摘要加结果或不完整材料；
  • notes-only：只能依据用户提供的笔记工作。

这个状态会进入 qa_report.md。partial-paper 和 notes-only 不会被包装成“已经完成全文分析”；如果付费墙阻止合法访问，流程会请求本地 PDF，而不是绕过访问控制。

2. 建立主张—来源映射表（claim-to-source map）

在写任何一页之前，工作流先为候选主张记录类型、来源位置、证据细节、支持程度、限制和计划去向。一条简化记录大致像这样：

1
2
3
4
5
6
Claim: 这一页准备表达的有限结论
Source: PDF 页码 / 章节 / Figure 或 Table / panel
Evidence: 数值、比较、观察或作者解释
Support: direct / author interpretation / labeled inference
Caveat: 缺失的对照、适用范围或不确定性
Destination: slide 5，或因证据不足而排除

这张 map 的价值不在于多生成一个文档，而在于给每页设置准入条件：找不到可靠来源的主张要缩窄或删除；推断必须标明推断；图只能承担它实际支持的那一部分论证。

3. 把证据弧线翻译成可编辑页面

证据稳定之后，再根据论文类型、听众和时长组织问题、gap、方法、结果、验证、局限与意义。默认配置面向 15–20 分钟、12–16 页简体中文汇报，但这只是默认预算，不是固定模板。每个结果页尽量只保留一个主要结论，并把来源标签、必要限定和讲述过渡写进 speaker notes。

主交付物是 presentation_zh.pptx。若确实提取了论文图表，还会生成 asset_manifest.md 和 assets/：清单记录原论文位置、图号与 panel、是否裁剪、保留了哪些标签，以及素材最终去了哪一页。这样，后续换图或复核时不必依赖记忆。

4. 分开执行三层质量门

  • content QA：重新核对数字、单位、队列或数据集、基线、统计限定、图表解释和因果措辞；
  • structural QA：重新打开 OOXML 包，检查页数、尺寸、媒体关系、speaker notes、来源标签、越界对象和外部依赖；
  • visual QA：在存在可靠 renderer 时逐页渲染，检查重叠、裁切、缺字、对比度、密度和投影可读性。

只有三层都通过时才能标记 pass。如果 content QA 或 structural QA 仍有关键错误，状态是 blocked；如果唯一缺口是环境没有 renderer，则只能写成 structurally-verified-with-disclosure，不能声称 visual QA 已通过。

一个可以逐项核对的 9 页真实样例

仓库提交了一套基于开放获取论文制作的真实样例。需要特别区分：这个样例是 9 页、13.333 × 7.5 英寸的 16:9 演示；默认工作流才是 12–16 页、15–20 分钟。9 页不是系统默认页数，也不是所有论文都会被压缩到同一长度。

Paper2PPT 9 页可编辑示例总览

图源归属：Nwosu et al. (2022), PLOS ONE, DOI 10.1371/journal.pone.0276250, CC BY 4.0。此图为 Paper2PPT 对开放论文制作的示例总览。

方法页没有把原始流程图缩到看不清，而是用可编辑的大字号结构表达主流程，同时保留原图作为论文证据。其目的不是“重画得更漂亮”，而是让投影中的主要结论不依赖原图里的细小标签。

Paper2PPT 样例中的方法页

图源归属：Nwosu et al. (2022), PLOS ONE, DOI 10.1371/journal.pone.0276250, CC BY 4.0。原论文 Fig 1 被完整保留，页面中的解释结构可编辑。

结果页则把 Table 2 中选定的 F1、ECE、MCE 数值做成可编辑表达。仓库中的 QA 报告记录了这些数值已同时对照 JATS XML 与 PDF；原始图像不裁切，来源标签与讲稿保留限定。这里的重点不是展示某个漂亮图表，而是证明“页面上的数字从哪里来”可以被检查。

Paper2PPT 样例中的结果页

图源归属：Nwosu et al. (2022), PLOS ONE, DOI 10.1371/journal.pone.0276250, CC BY 4.0。数据来自论文 Table 2，并在样例 QA 中复核。

边界页明确写出单数据集设计以及缺少外部与临床验证，没有把更低的校准误差扩写成临床安全性。对于学术汇报，主动说明证据不能推出什么，与呈现主要结果同样重要。

Paper2PPT 样例中的研究边界页

图源归属：Nwosu et al. (2022), PLOS ONE, DOI 10.1371/journal.pone.0276250, CC BY 4.0。边界判断依据完整研究设计与论文讨论部分。

这套样例的 可编辑 PPTX、QA report 和 asset manifest 都可以直接核对。

结构检查记录为 9 页、4 个嵌入媒体部件、9 个 notes-slide 部件，0 warnings、0 errors；视觉检查使用 LibreOffice 导出 PDF，再由 Poppler 逐页渲染。这是针对这一份样例的检查结果，不代表任意输入都会自动得到同样结论。

快速开始：安装与最短使用路径

如果使用插件方式，Codex 与 Claude Code 分别执行下面的 marketplace 命令。直接 Skill 与插件选择一种即可，避免同名 Skill 重复加载。

1
2
3
4
5
6
7
# Codex
codex plugin marketplace add wp-a/paper2ppt
codex plugin add paper2ppt@personal

# Claude Code
claude plugin marketplace add wp-a/paper2ppt
claude plugin install paper2ppt@paper2ppt

安装或更新后，新建任务，让客户端重新加载 Skill。最短的一条有效指令应该同时给出输入、听众、时长和输出约束，例如：

1
2
3
使用 $paper2ppt 把 /path/to/paper.pdf 做成 15 分钟中文组会 PPT。
听众是了解深度学习、但没有读过这篇论文的实验室成员。
先核对主要结果与局限；输出可编辑 PPTX，并保留 speaker notes、来源标签和 QA 报告。

上面是 Codex 的显式调用方式；通过 marketplace 安装到 Claude Code 后，命令名带插件命名空间，可用 /paper2ppt:paper2ppt，再附上同样的任务说明。也可以直接使用与 Skill 描述匹配的自然语言触发，但显式命令更方便确认当前调用的是哪个版本。

如果只有摘要和 figure legends，也可以开始，但应明确告诉它当前材料不完整。收到 partial-paper 或 notes-only 状态后，先判断这些材料是否足以支撑本次汇报，再决定补本地 PDF，还是接受一个范围更窄的演示。

三个适合直接开始的场景

场景一：组会文献汇报

把本地 PDF、听众背景和 10–20 分钟时长一起交给 Skill，让它先识别论文类型并建立证据弧线。初稿出来后，优先审每个结果页的结论、来源标签与讲稿，而不是先调颜色。这个场景的收益在于把“读论文”和“做页面”放进同一条可复核链路，同时仍保留最后的 PowerPoint 编辑空间。

场景二：跨方向论文解读

当听众不熟悉论文所属领域时，可以要求方法页解释必要前置概念，并限制术语密度。Paper2PPT 会按时长重新分配页面，不必照搬论文章节；但对机制、因果和数据结论仍使用同一套来源约束。适合给跨学科团队做内部分享，而不是让模型凭常识补出论文没有写的背景。

场景三：已有草稿的证据与质量复查

项目不仅适合从零制作，也可以用于检查已有演示：逐页确认主张是否有来源、结果图是否保留轴和图例、speaker notes 是否给出限定，并分别执行 content QA、structural QA 与可用的 visual QA。对于临近汇报的稿件，这类窄范围修复往往比重新生成整套 PPT 更稳妥。

能力边界

Paper2PPT 不是自动替代论文阅读的“演示生成器”。它不会绕过付费墙，不会把摘要当全文，不会用 AI 生成图像充当实验数据，也不会在无法重新打开可编辑 PPTX 时继续假装完成。扫描 PDF 只有在普通文本提取失败后才会进入 OCR；公式、符号、表格和图注的识别错误仍可能进入后续步骤。

视觉检查也取决于运行环境。没有 PowerPoint、LibreOffice 或其他可靠 renderer 时，结构检查可以完成，但投影可读性没有被证明。模板无效且只是偏好时会回退到中性学术版式；模板是硬性要求却不可用时，流程应停止并说明原因。

隐私与敏感数据

Paper2PPT 本身没有后端，也不会主动收集论文，但文件实际如何处理取决于所使用的 Codex、Claude Code、连接器、模型服务和本地工具。未公开稿件、受保密协议约束的数据、含受试者信息的表格或内部评审材料，不应在没有确认组织政策、客户端数据路径和第三方服务条款前上传。更稳妥的做法是优先使用获批环境、本地 PDF 与项目目录，并删除不需要进入演示的敏感附件。

人工复核

交付前仍需要作者逐页复核题名、作者、样本或数据集、数值、单位、统计限定、图号、引用和结论强度，并在实际汇报设备上打开 PPTX 检查字体替换、动画和投影效果。qa_report.md 是审计线索，不是责任转移：它能告诉你检查过什么、缺少什么，却不能替代领域专家对科学含义的最终判断。

系列导航

这是四篇 Skill 项目介绍之一。还可以继续阅读：