人工信息架构 + AI 局部视觉
方法概述
这是一种用于演示文稿制作的人机分工方法：先由人确定页数、信息层级、文字重点和论证结构，再让 AI 处理容错空间较大的封面、背景或装饰素材；信息主体仍由人用原生工具搭建。这是 PPT 教练小木在四页电影主题 PPT 改稿中总结出的做法，背景是其观察到 AI 整稿直出时出现页数失控、内容增生、过度装饰与生图不可复现。
为什么这样分工
- AI 在演示文稿上同时承担内容、版式和视觉时，容易出现页数膨胀、原稿外内容增删和过度装饰，反复提示也难以稳定纠正。
- 信息主体（数据表格、循环关系、关键结论）需要严格忠于原稿，AI 在这一段最容易“加戏”并产生事实风险。
- 封面、背景、装饰等素材的容错空间较大，即使失败多轮，对整体信息影响有限。
- 生图不可稳定复现，多轮生成的时间成本只有放在“局部素材”这一段才可控。
典型步骤
- 冻结页数和总信息量，不允许 AI 自动扩页。
- 拆分文案、提炼重点、为每页确定中心信息和数据来源。
- 用手绘草图或参考图约束局部生图，而不是让 AI 同时决定内容和版式。
- 用 PowerPoint 原生形状、渐变、圆环和图表插件搭建需要精确表达的数据与关系。
- 用 AI 生成封面、背景或装饰素材，准备接受多轮生成和“抽卡”成本。
- 抠图、组合并统一视觉，再人工核对内容与论证。
与相邻方法的关系
- 与 复杂任务分段处理 思路相近，都是把大任务拆开、让人和 AI 各做自己擅长的部分，但本方法特别强调“页数、信息、论证必须先冻结”这一前置约束，不只是简单的分段。
- 与 规则固化-脚本-模板三层封装法 不同：后者面向可复用的脚本与模板封装，本方法面向单次演示文稿改稿中的人和 AI 边界，不沉淀为长期资产。
- 与 自然语言原位编辑工作簿 关注点不同：后者是用自然语言直接在工作簿中修改数据，本方法是用自然语言驱动外部生图工具。
适用与不适用
- 适用：已经能判断信息层级和版式、希望用 AI 加速局部视觉制作的演示文稿制作者。
- 不适用：完全不会判断内容主次、依赖 AI 一次性产出整份汇报的场景；这类场景若直接采用 AI 整稿，会同时触发页数失控与内容增删风险。
限制
- 多轮生图时间成本不可忽略，作者记录了相近提示无法保证复现、草图控制后仍需十几次生成。
- 仍需人工核对最终内容，不能省略逐页 QA。
- 当演示文稿对封面视觉一致性要求极高（例如品牌物料、对外宣讲封面），仅靠 AI 局部生图可能难以一次到位，需要再叠加风格参考和后期合成。