Image to Editable PPT Skill 简体中文 · English · 한국어 一个用于把图片、PDF、图片版PPT 转成可编辑 PowerPoint 的 skill。它先把输入归一化为逐页任务，再重建为 .pptx ：可读文字尽量恢复为原生文本框，简单几何尽量恢复为 PowerPoint 形状，复杂视觉元素保留为带来源记录的独立图片资产。 它适合把截图式或图片式幻灯片变成更容易二次编辑的 PPT，让文字、简单形状和视觉素材尽量分开调整。 [!IMPORTANT] 建议在 Codex 中使用“完全访问权限”执行本 skill。 本 skill 运行时间较长，并且会自动执行 OCR、图片生成/编辑、文件读写、子 agent 分派和长时间轮询等步骤。“请求批准”模式会频繁打断执行，可能阻塞部分步骤，尤其是在子 agent 环境里。 “替我审批”模式已知仍可能在 OCR 阶段、ChatGPT 图片生成/编辑阶段或第三方 API 调用阶段拦截请求，要求你手动审批；如果你不在电脑旁，转换流程会停住。 本 skill 会在转换过程中自动调用百度 PaddleOCR VL 接口（如果已配置 Token）来校正页面文字框、字体大小和字号分组。图片生成/编辑会优先调用 Codex 内置 image gen.imagegen ；只有内置工具不可用、调用报错、编辑输入不可读或没有返回有效本地图片时，才降级到 editppt image （Codex OAuth → OpenAI compatible API）。这些调用是把图片式页面重建成可编辑 PPT 的必要步骤。 [!WARNING] 目前该skill 采用了多智能体协作复原流程，有着复杂的流程控制，不是轻量转换器。AI 会执行“ 重建 → 自我检查 → 页面内修正 ”的循环，并可能进行多轮迭代，直到它认为结果足够接近原图。在这个过程中，page worker 可能会对页面做很 多轮尝试 ，因此整体上比较费 token。 推荐 ChatGPT Pro 用户使用；Plus 用户请谨慎使用。 复原一个 10 页 PPT 有可能消耗完你的 5 小时额度。单页PPT复原时间可能在10min以上。单页/单图输入可由主 agent 按同一页面重建流程本地执行；多页输入会按并发槽位分派给 page worker 处理。 如果没有强烈的可编辑需求，请不要使用这个 skill。 更轻量的做法是直接使用 gpt image 2 的图像编辑能力：把你不满意的那一页 PPT 图片发给它，让它针对性修改，并返回修改后的图片。 [!TIP] 本 skill 不负责从文章、报告、大纲或想法直接生成全新 PPT。如果你要做的是“生成一份 PPT”，可以使用 codex ppt skill。 关于 codex ppt 和 image to editable ppt 这两个技能的详细介绍，参见 skill duo intro.pdf。该 PPT 由 codex ppt skill 生成，提示词为：“请分别阅读 Codex PPT和 Image to Editable PPT 这两个技能的内容，然后用 Codex PPT 帮我做一个PPT吧，20页，每个技能的介绍10页。” 另外，关于这个可编辑 PPT Skill 设计和调优的实践经验，可以看这篇文章：2000 个 GitHub Star 换来的经验：好的 AI Skill 是调出来的，不是写出来的。 转换效果示例 原图 转换后可编辑效果 特点 适用场景广泛，支持多种输入：单张图片、多张图片、多页 PDF、图片版PPT 到可编辑 .pptx 。 单页/单图输入可由主 agent 本地执行同一页面重建流程；多页输入由主 agent 分派给 page worker/subagent，并按 max concurrent pages 并行处理。 图片生成和编辑优先使用 Codex 内置 image gen.imagegen ；满足明确降级条件时才进入 editppt image CLI，由 CLI 依次选择本机 Codex OAuth 和 OpenAI compatible API。 第三方 API fallback 配置保存在 /.editppt/config.yaml ；Windows 下对应 %USERPROFILE%\.editppt\config.yaml 。 文字大小与位置由测量驱动：prepare 阶段为每页生成文字标注（框坐标 + 字号 + 字号分组），模型按测量值还原文字，同级文字字号自动保持一致。 多张图片按提供顺序生成页面；PDF 和 .pptx 保留原页码顺序。 .pptx 输入的页面备注会复制到输出对应页，备注内容不改动。 根据具体页面情况决定是