by 运行时依赖
安装命令
点击复制技能文档
⚠️ 使用前须知
图片数据发送：第一步 VLM 图像分析会将截图发送到配置的 VLM 服务端点（如 OpenClaw image 工具 / MiniMax Vision / GPT-4V 等）。请勿使用本技能处理涉密或敏感的幻灯片。 文件系统：技能会生成临时 PNG 文件和输出 PPTX 文件，确保运行环境允许文件读写操作。 运行时依赖：需提前安装 npm 安装 -g pptxgenjs；如需复杂形状降级，还需安装 Python + Pillow。 PPT视觉复刻技能 (v1.5)
将静态PPT截图/信息图转换为可编辑PPTX文件的完整工作流。
核心算法 (Images2Slides论文适配) 坐标映射 (Pixel → EMU) EMU = Pixel × (914400 / DPI) Slide_X = (Image_X / Image_Width) × Slide_Width_EMU Slide_Y = (Image_Y / Image_Height) × Slide_Height_EMU
标准16:9幻灯片尺寸: 9144000 × 5143500 EMU
工作流程 阶段1: 图像分析（开放式 VLM 调用）
第一步的图片识别为开放式设计，可灵活接入任意具备图像理解能力的工具—— 如 OpenClaw 内置 image 工具（默认，MiniMax Vision VLM）、MCP VLM 服务、GPT-4V 等。 后续坐标映射和 PPT 生成逻辑与具体 VLM 解耦，保持稳定。
必须使用以下增强版 Prompt，以确保符号精度和格式完整性：
const ENHANCED_PROMPT = 分析这张PPT截图，精确输出所有可见区域的信息。
输出格式为JSON数组，每个元素包含：
{
"id": "数字",
"type": "rectangle | roundedRect | text | line | image",
"角色": "header_bar | title | subtitle | body | data_card | footer | decorator | bullet_列出",
"bounds": { "x": 像素, "y": 像素, "width": 像素, "height": 像素 },
"color": "#十六进制颜色（文字颜色或形状填充色）",
"backgroundColor": "#背景填充色（仅形状适用）",
"lineColor": "#边框颜色（如有边框）",
"lineWidth": 边框宽度,
"content": "文字内容（保持原版的所有标点符号，全角/半角符号原样保留）",
"fontSize": 字号数字（磅），
"fontFamily": "字体名称",
"fontWeight": "normal | bold",
"align": "left | center | right",
"lineSpacing": 行间距倍数（1.0/1.5/2.0），
"charSpacing": 字符间距（磅），
"bulletType": "无bullet则null，有bullet则填 ■ / ✓ / - 等符号",
"cornerRadius": 圆角大小（仅roundedRect适用），
"z索引": 叠加层级（从0开始）
}
⚠️ 特别注意：
content 必须保持原版的所有标点符号，包括全角括号（）和半角括号()的区别- 不要添加或删除任何字符
- 项目符号（■、✓、1.、-）必须原样记录在 bulletType 字段
- 识别所有行间距较大的文本框，填写 lineSpacing
- 边框矩形必须填写 lineColor，填充矩形填写 backgroundColor
z索引按照视觉层叠顺序从后到前递增;
阶段2: 结构化数据解析
调用 scripts/coordinate_m应用er.js，支持4种JSON提取策略，自动容错：
const { 解析AnalysisToRegions, mapAllRegions } = require('./coordinate_m应用er');
// 解析分析结果（自动处理全角符号校正和bullet识别） const regions = 解析AnalysisToRegions(analysisText);
// 批量映射坐标 const m应用edRegions = mapAllRegions(regions, imageWidth, imageHeight);
新增功能（v1.1）：
normalizeSymbols(text) — 全角/半角符号校正 检测Bullet(text) — 识别并提取bullet符号类型 4策略JSON解析容错（直接解析 → 数组提取 → 对象提取 → 代码块提取） 阶段3: PPT生成
调用 scripts/ppt_生成器.js：
const { saveFromRegions } = require('./ppt_生成器');
awAIt saveFromRegions(m应用edRegions, '输出.pptx', { imageWidth: 2100, imageHeight: 1192, background: '#FFFFFF' // 可选背景色 });
区域类型映射 VLM输出 PptxGenJS方法 v1.1新增支持 rectangle (filled) slide.添加Shape('rect') backgroundColor / lineColor rectangle (border) slide.添加Shape('rect') lineWidth / dashType roundedRect slide.添加Shape('roundRect') ✅ 新增 cornerRadius text slide.添加Text() ✅ lineSpacing / charSpacing / bullet line slide.添加Shape('line') dashType image slide.添加Image() data(base64) / path 复杂形状 slide.添加Image() + Python绘制PNG ✅ v1.2新增 复杂形状降级处理策略 (v1.2)
核心思路：pptxgenjs 无法还原的复杂图形，改用 Python/Pillow 绘制精确 PNG（透明背景）→ 嵌入 PPT 的方式替代。
何时触发降级
遇到以下情况时，应将该形状标记为 type: "complex_shape"，使用降级策略处理：
形状特征 判断依据 自定义多边形路径 XML中存在 标签，包含贝塞尔曲线、不规则路径 透明渐变填充 多色渐变（3个以上 停止）或带透明度通道（alpha < 100%）的渐变 复合渐变方向 渐变角度非水平/垂直（非0/90/180/270度），如斜向渐变 发光/阴影特效 , 等复杂效果 pptxgenjs 渲染误差大 不规则遮罩/裁切 图片经过自定义路径裁切（ 包裹图片） VLM识别为渐变箭头/装饰图形 从截图分析中识别出类型为装饰性渐变形状 降级处理工作流 ┌─────────────────────────────────────────────────────┐ │ 1. 判断是否为复杂形状（见上表） │ │ ├── 有原版PPTX → 从XML提取精确路径和颜色参数 │ │ └── 仅截图 → 用VLM估算形状轮廓和渐变颜色 │ │ │ │ 2. 用Python/Pillow绘制透明背景PNG │ │ ├── 绘制精确路径（参考XML坐标 或 VLM估算像素） │ │ ├── 应用渐变/透明/特效 │ │ └── 输出 RGBA 透明背景 PNG │ │ │ │ 3. 嵌入PPT（添加Image） │ │ └── 坐标与原版对应（EMU换算或比例缩放） │ └─────────────────────────────────────────────────────┘
从原版XML提取形状参数（有源文件时优先）
当有原版 .pptx 可解包时，可获取最精确的参数：
# 解包PPTX unzip original.pptx -d pptx_unpacked/ # 查看形状XML cat pptx_unpacked/ppt/slides/slide1.xml
关键字段提取：
... ...
EMU角度转换公式：
实际角度（度）= EMU角度值 / 60000 例: 16200000 / 60000 = 270°（即从上到下的渐变方向）
组合坐标转绝对坐标公式：
// grp = { off: {x, y}, ext: {cx, cy}, chOff: {x, y}, chExt: {cx, cy} } function absPos(grp, shape) { const sca