【LLM&Agent】PPTAgent：PPT自动生成Agent框架

最新推荐文章于 2025-04-09 10:17:08 发布

程序猿李巡天

最新推荐文章于 2025-04-09 10:17:08 发布

阅读量1.6k

点赞数 9

文章标签： powerpoint 人工智能机器学习大数据深度学习 transformer

本文链接：https://blog.csdn.net/m0_59235945/article/details/145057329

版权

来看一个PPT生成思路：PPTAgent。传统的PPT生成方法通常使用端到端的文本生成范式，这种方法仅关注文本内容，忽略了布局设计和PPT结构。PPTAgent 采用了一种基于编辑的生成范式，解决处理空间关系和设计风格方面的挑战。

传统方法的每个幻灯片可以用以下公式表示：

其中，表示幻灯片上的元素数量，表示由章节和图形组成的源内容。每个元素由其类型、内容和样式属性（如边框、大小、位置等）定义。

与传统的生成方法相比，PPTAgent 采用了一种基于编辑的生成范式，该方法生成一系列修改现有幻灯片的动作。过程可以用以下公式表示：

其中，表示生成的动作数量，每个动作表示一行可执行的代码，是正在编辑的参考幻灯片。

方法

PPTAgent框架

在本文中，PPTAgent 是一个用于自动生成PPT的框架。采用基于编辑的工作流程，分为两个阶段：PPT分析和PPT生成。

阶段 I: PPT分析

主要目标是通过幻灯片聚类和内容schema提取，为PPT生成提供结构化和语义化的参考信息。这一阶段的结果将直接影响后续阶段的生成质量和效率。

幻灯片聚类

幻灯片聚类（层次聚类）是将参考PPT中的幻灯片按照其功能和内容进行分组的过程。幻灯片可以分为两大类：

聚类算法：

层次聚类

聚类示例

结构性幻灯片：这些幻灯片主要用于支持演示文稿的结构，例如开场幻灯片、过渡幻灯片和结束幻灯片。对于此类幻灯片，PPTAgent利用LLM推断每个幻灯片的功能角色，并根据这些角色进行分组。这些幻灯片通常具有明显的文本特征。
内容性幻灯片：这些幻灯片主要用于传达具体的信息，例如包含项目符号、图表和图像的幻灯片。对于此类幻灯片，PPTAgent采用基于图像相似性的层次聚类方法。通过计算幻灯片之间的图像相似度，将相似的幻灯片归为一组。

内容Schema提取

完成幻灯片聚类后，PPTAgent进一步分析每个聚类的内容Schema，以确保编辑的目标一致性。由于现实世界中的幻灯片可能非常复杂且碎片化，PPTAgent利用LLM的上下文感知能力提取多样化的内容Schema。PPTAgent定义了一个内容Schema提取框架，其中每个元素由其类别、模态和内容表示。基于这个框架，PPTAgent通过LLM的指令遵循（原文给出了相关prompts）和结构化输出能力，从每个幻灯片中提取内容Schema。提取过程如下：

类别：描述元素的类型，例如文本框、图像等。
模态：描述元素的呈现方式，例如纯文本、带图形的文本等。
内容：描述元素的具体内容，例如文本内容或图像的替代文本。

阶段 II：PPT生成

第二阶段是基于第一阶段的分析结果，生成新的PPT。这一阶段的核心是通过交互式的编辑过程，利用参考幻灯片和输入文档生成目标PPT。步骤包括：生成一个结构化的大纲，指定每个幻灯片的参考幻灯片和相关内容；使用LLMs迭代编辑参考幻灯片以生成新幻灯片；实现五个专门的API，允许LLMs编辑、删除和复制文本元素，以及编辑和移除视觉元素。

大纲生成：大纲生成是根据人类偏好，指导LLM创建一个结构化的大纲。每个条目指定参考幻灯片、相关文档部分索引以及新幻灯片的标题和描述。通过利用LLM的规划和总结能力，结合从参考PPT中提取的语义信息，生成一个连贯且吸引人的大纲，从而指导新PPT的生成过程。

幻灯片生成：幻灯片生成是在大纲的指导下，通过迭代编辑参考幻灯片来生成新幻灯片的过程。为了实现对幻灯片元素的精确操作，PPTAgent实现了五个专门的API，允许LLM编辑、删除和复制文本元素，以及编辑和删除视觉元素。此外，为了增强对幻灯片结构的理解，PPTAgent将幻灯片从其原始XML格式转换为HTML表示，这种表示形式更易于LLM解释。

实验

评价指标，现有的指标包括：

成功率（Success Rate, SR）
困惑度（Perplexity, PPL）
Fréchet Inception Distance（FID）

PPTEval指标包括：

内容（Content）
设计（Design）
连贯性（Coherence）
平均分（Avg.）

这些指标用于评估生成的PPT在不同维度上的质量。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述