ningzimu/image-to-editable-ppt-skill

About

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。

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，也会调用 ChatGPT 的 gpt-image-2 图像生成/编辑接口来做前背景分离、图标/视觉素材抽取和局部图片修复。这些调用是把图片式页面重建成可编辑 PPT 的必要步骤。 >

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…

Excerpted from github.com/ningzimu/image-to-editable-ppt-skill