前面說到AI生成簡報目前有幾種方案-「直接生成PPT」、「生成圖片」、「網頁形式簡報」，主流的平台ChatGPT. Claude採用「直接生成PPT」，NBLM採用「生成圖片」、開源專案Open-Slide採用「網頁形式簡報」，各自有不同優勢。

Slide-Maker + GPT-Image2	Slide-Maker + NanoBanana2

而這份專案最終選用「生成圖片」，原因是生成圖像的整體畫面品質比較好，尤其是搭配GPT-Image2，畫面豐富度、文字細節表現都比較好，而且畫面可以加入插圖。這些是PPT和網頁方案目前比較難做到的。

但相應的需要解決一些圖片方案的缺點:

• 圖片無法編輯 : 圖片預設是無法編輯的，因此需要設計一些工具 - 採用遮罩+局部重新生成處理影像問題，採用OCR文字擷取+編輯工具處理文字問題
• 畫面連貫性 : 每張生成的圖片都是單獨一張，需要引入全局&單頁大綱，解決連貫問題
• 風格&排版控制 : 為了有效控制每張簡報的內容，從參考資料、單頁大綱到參考圖片都需要管理機制

我把解決這些問題的架構分為工程面向(OCR套件、OpenCV畫面重構、UIUX)、提示詞面向(System Prompt限制、Context管理、搜尋工具)，從兩個方面解決這些問題。同時搭建了一套完全模組化、可抽換的架構，包含core核心功能實作、Backend API管理、UI編輯器設計、專案管理，搭建出一套平台。希望把圖片簡報提升到好用、好修改的狀態。