PPT生成助手Agent项目的理解
Created|Updated|AgentPPT生成助手Agent项目的理解
|Post Views:
PPT生成助手Agent项目的理解
第一版想法：
（单Agent方案）：用户输入 → 大模型 → 生成PPT → 输出
Config 配置大模型api key等信息+ Prompt提示词 + Tool封装工具调用 → 生成PPT
这种方案并不完善，只适合快速原型或者个人工具：
1个agent+1个prompt+1个工具函数+同步执行+无状态+无监控+无容错
真实的项目是：
企业级AI应用的标准架构：
多Agent协作 + 工作流引擎 + 状态管理 + 监控追踪 + 错误处理 + 基础设施 = 生产级AI系统
5个专业agent（core-agents）
content_planning_agent.py
“””
内容规划Agent模块
负责将解析后的结构化内容与PPT模板进行最佳匹配，规划每个章节应使用的幻灯片布局。
“””
markdown_agent.py
“””
Markdown解析Agent模块
负责解析Markdown文本，提取标题、段落、列表等结构化内容，并使用大模型对内容进行理解和分析。
“””
ppt_analysis_agent.py
“””
PPT模板分析Agent模块
负责分析PPT模板文件，提取布局、样式和主题特征。
“””
ppt_finalizer_agent.py
“””
PPT清理与保存Agent模块
负责清理模板幻灯片、整理最终PPT文件并保存输出。
“””
slide_generator_agent.py
“””
幻灯片生成Agent模块
负责根据内容规划生成具体的幻灯片内容，包括标题、文本、图片等元素。
使用PPTManager在已有PPTX模板上进行操作，不直接生成幻灯片内容。
同时集成了验证功能，直接对生成的幻灯片进行质量验证。
“””
6个复杂提示词文件(config-prompts)
content_planning_prompts.yaml
system_prompt: |
你是一位专业的PPT设计师，负责将结构化内容与PPT模板进行最佳匹配，规划完整的幻灯片布局方案。
markdown_agent_prompt.yaml
system_prompt: |
你是一个专业的PPT内容分析专家。请直接分析以下Markdown文本，生成适合PPT制作的完整结构化JSON，无需依赖任何已有的基础解析结果。
ppt_analyzer_prompt.yaml
system_prompt: |
你是专业的PPT模板分析专家，需要分析PPT模板的布局和设计特点，从而帮助内容规划模块更好地匹配内容与布局。
slide_generator_prompts.yaml
system_prompt: |
你是专业的PPT生成AI助手，负责将内容与幻灯片元素进行精确匹配，并生成操作指令。
slide_validation_prompts.yaml
system_prompt: |
你是专业的PPT质量检查专家，负责检查幻灯片中的显示问题并提供修复方案。
工作流 (config-workflow-ppt_assistant.yaml)
这个项目本质上就是一个代码化的可视化工作流平台
精确的对应关系如下所示：
Coze/Dify可视化节点 ↔ 这个项目的Agent
| 可视化平台 | 这个项目 |
|---|---|
| 🔘 开始节点 | start (工作流入口) |
| 🔘 LLM节点 | MarkdownAgent (解析Markdown) |
| 🔘 HTTP请求节点 | PPTAnalysisAgent (分析PPT) |
| 🔘 数据处理节点 | ContentPlanningAgent (内容规划) |
| 🔘 代码执行节点 | SlideGeneratorAgent (生成幻灯片) |
| 🔘 结束节点 | end (工作流出口) |
这就是可视化平台的”连线配置”
edges:
- from: start
to: markdown_parser # 开始 → Markdown解析 - from: markdown_parser
to: ppt_analyzer # Markdown解析 → PPT分析 - from: ppt_analyzer
to: content_planner # PPT分析 → 内容规划 - from: content_planner
to: slide_generator # 内容规划 → 幻灯片生成 - from: slide_generator
to: ppt_finalizer # 幻灯片生成 → PPT组装 - from: ppt_finalizer
to: end # PPT组装 → 结束
10个以上的工具模块+异步工作流编排+复杂状态管理+完整监控追踪+完善错误处理。
Author: 甘虎文
Copyright Notice: All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.
Related Articles
2025-10-14
Agent_Principle
Agent的概念概念：在AI领域，AI是一种能够感知环境（通过传感器接受用户的文本、语音、文件等信息和问题）进行自主理解，进行决策和执行动作的智能实体。 原理Agent = 大脑(LLM)+记忆(memory)+任务规划(planner)+工具使用(MCP)+行动(Action) Agent本质上翻译过来是代理的意思，所以它能代表你处理任务，所以它要有人的记忆和大脑，有规划能力和处理的工具和实际行动。 AI agent工作流程prompt提示词提示词是Agent接受到的初始输入，描述了Agent需要完成的任务或解决的问题 LLM大模型大模型是agent进行任务规划和知识推理的重要工具，利用LLM大模型对提示词进行深入分析，生成可能的解决方案。 Memory记忆可以保留当前用户输入内容，上下文内容，外部向量存储的知识库，网页信息等。 planning规划定义：任务规划是agent根据提示词、大模型以及知识库进行决策和规划的过程。它涉及对任务的分解、目标的设定、路径的规划等 实现方式：图中“规划”这一步，在目前绝大多数基于大模型的Agent系统中，正是通过精心设计的提示...
2025-10-14
Agent的ReAct框架原理
Agent的ReAct框架原理 Paper https://arxiv.org/pdf/2210.03629.pdf Code https://github.com/ysymyth/ReAct https://react-lm.github.io/ 注解CoT & ToT1234567CoT = Chain of Thought 思维链、推理链 指让大模型逐步展示中间推理过程，通过“分步骤思考”来提高复杂推理任务的正确率。特点：单链。线性推理、依赖“逐步思考”ToT = Tree of Thoughts 思维树（树状思维）它是对 CoT 的扩展，把推理过程从单一链路升级为树状结构探索，可以同时评估多个思路分支，选择最优路径，适合更复杂、可回溯的推理任务。特点：树状。多分支探索、评估多种可能路径，适合复杂规划 正文一、答题思路 核心要点拆解： ReAct框架的定义与核心机制◦ 分层解析ReAct的“思考-行动-观察”循环逻辑◦ 对比传统Agent框架（如CoT、ToT）的差异性 真实项目案例选取◦ 选取文档中第6章《Agent3:推理与...
2025-10-14
Agent的工具封装和调用
Agent的工具封装和调用FunctionCallserver端，封装tool工具 client端，调用工具 工具的三种定义方式：1、定义 JSON 格式的工具 schema 2、@tool装饰器定义 3、定义工具类 调用工具的两种方式：1、把工具绑到大模型上 2、把工具和大模型以及提示词一起绑到智能体上 pydantic工具定义（把工具绑到大模型上，让大模型自动推理应该用哪一个工具，并设计逻辑返回，工具处理好的，放到json中对应的答案字段） 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152# todo: 第一步： 定义工具类：class Add(BaseModel):class Multiply(BaseModel):# 定义 类名tools = [Add,Multiply]# todo: 第二步：初始化模型llm = ChatOpenAI(base_url=conf.base_url, api_key=...
2025-10-14
ReAct论文
ReAct论文REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS ReAct：实现语言模型中推理与行动协同的框架 ABSTRACT While large language models (LLMs) have demonstrated impressive performance across tasks in language understanding and interactive decision making, their abilities for reasoning (e.g. chain-of-thought prompting) and acting (e.g. action plan generation) have primarily been studied as separate topics. In this paper, we explore the use of LLMs to generate both reasoning traces and task-specific acti...
2025-07-18
SmartTravel多智能体项目复习
011、什么是Function Call？概念：大模型基于具体任务，智能决策何时需要调用某个函数，同时返回符合函数参数的 JSON对象。 能力获得的方式：基于训练来得到的，所以并不是所有大模型都具有Function Call能力。 优势：信息实时性、数据局限性、功能扩展性。 2、Function Call 工作原理是什么？主要步骤： 用户（客户端）发送请求和提示词，聊天服务器（Chat Server）将该提示词以及当前可调用的函数列表一并发送给大模型。 大模型根据提示词的内容和上下文，判断应生成普通文本回复，还是以函数调用的格式进行响应。 如果模型决定调用函数，它会返回一个包含函数名称和参数的结构化调用指令；聊天服务器接收到该指令后，执行对应的函数，并将函数的实际执行结果返回给大模型。 模型再根据函数返回的数据，将其整合并生成一段自然、连贯的文本作为最终回复，返回给用户。 3、Function Call的使用方式123456789101112131415161718192021222324252627282930313233343536373839404142434445...
2025-02-13
dify_tutorial
Dify介绍定义：Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service） 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。 安装Dify安装Dify所在的机器的最低配置：CPU核数 >= 2 Core RAM运行内存 >= 4GB 先安装WSL(Windows Subsystem for Linux)，根据系统，可选执行原因：dify依赖linux系统，如果是在linux系统上部署，比如Ubuntu，就不需要安装WSL 定义：WSL 本质上是 Windows 的一个功能组件/子系统，它让 Windows 具备了原生运行 Linux 程序的能力，同时提供了管理这个环境的工具集。 参考操作文档：https://learn.microsoft.com/zh-cn/windows/wsl/install 以管理员权限打开PowerShell，运行以下命令去安装WSL:1wsl --install 安装完成后，重启电脑 已完成配置安装linux发行版ubuntu1wsl.exe...