这个 Skills 能做什么

更新后的 PPT 生成 Skills 在启动时会询问你是否需要视频转场。如果选择生成，它会帮你导出两样东西：

  • 演示网页：一个精心设计的网页播放器，空格键播放，左右键翻页。切换页面时播放转场视频，停下来后自动替换为静态图片方便讲解。首页还做了无限循环的动态视频设计——在等人或者提前准备时，封面一直是动态的，这个细节确实挺聪明。
  • 完整演示视频：一个可以直接分享的视频文件，方便发到群里或社交媒体。

加上动效之后的 PPT 观感直接提升了一个档次。想象一下你在给客户做汇报时掏出这么一手，然后告诉他们这全是 AI 做的。

安装前的准备

这是一个 Claude Code / OpenCode 这类 CLI 工具的 Skills，安装前需要准备两个 API：

Google API（用于 Nano Banana Pro 模型生成图片）：

  • 在 AI Studio 获取 API Key
  • 注意：需要开启付费，免费版无法调用 Nano Banana Pro 模型

可灵 API（用于生成转场动画视频）：

  • 使用国内版本，建议先买 69 元体验包
  • 并发数只有 3，代码里已经做了相应处理
  • 创建时会生成两个 Key，两个都需要

安装和使用

如果你已经装了 Claude Code 或 OpenCode，直接把安装提示词发给它就行，记得把提示词中的三个 API Key 替换成你自己的。

几个小技巧：

  • 安装时建议开启 Plan 模式（按两次 Shift+Tab），出问题的几率会小一些
  • 安装过程中出了问题直接让它自己修复就好
  • 项目已经开源在 GitHub，Readme 写得非常详细——说实话这个 Readme 是 Claude Code 帮写的，清晰程度比自己写强多了

使用时，把你想生成 PPT 的文档放到一个文件夹，在这个文件夹启动 Claude Code，然后直接说「调用 Skills 将当前文件夹下的 XXX 文档生成 PPT」。

Skills 启动后会让你依次选择：生成几页、是否带动效视频、图片分辨率等。选完之后一路回车等待就行，全程不需要交互。

背后的架构设计

加上视频生成之后，整个系统的架构变得相当复杂。核心流程大致如下：

  1. 查找用户输入的文档，进行内容分析和规划
  2. 调用 PPT 生成模块和风格加载器
  3. 基于风格加载器生成图片所需的提示词
  4. 调用 Nano Banana Pro API 生成图片，同时监控生成过程
  5. 图片生成完成后，为每个转场生成首尾帧提示词
  6. 调用可灵 API，用 Kling-2.6 视频模型的 Pro 模式生成转场视频
  7. 将视频和图片路径写入演示网页代码，生成可交互的演示页面
  8. 调用本地 ffmpeg 将图片和视频剪辑成完整的演示视频
  9. 输出完整视频并打开演示网页

这里有个值得关注的设计：在首尾帧提示词生成环节，开发者设计了一个「元提示词」——Claude Code 会根据这个元提示词和已生成的图片来动态生成具体的提示词。这种让 AI 根据模板自主生成提示词的模式，在复杂 Agent 构建中会越来越有价值。

ffmpeg 视频合成这部分看起来只是拼接图片和视频，但实际涉及的细节不少：图片展示时长控制、图片与视频分辨率对齐、最终的拼接和压缩，都需要处理。

成本和感受

整个 Skills 基本全是用 Sonnet 4.5 模型生成的，几乎没有调用 Opus 模型，API 费用大约 20 美元。花 20 美元得到一个通用的 PPT 生成 Agent，这个性价比确实可以。

构建这个相对复杂的 Skills 过程中能学到很多东西：让 Claude Code 画流程图来解释 Agent 逻辑、API Key 的存储方式、生成漂亮的 Readme 降低使用门槛，甚至学会了如何在 GitHub 上添加演示视频。

说实话，自己动手构建一个 Agent 是理解 Agent 开发难点和逻辑的最好方式。不需要多复杂，从一个解决你自己实际需求的 Skills 开始，你会对市面上的各种 Agent 产品建立起真正的判断力。AI Coding 的能力边界正在快速扩展，现在是上手实践的好时机。