Ppt rebuild workflow

PPT Rebuild Workflow

核心原则

先判定任务模式，再制作 PPT。不要把“生成一个 PPTX 文件”当成目标；目标是按用户要求在速度、可编辑性、还原度之间选择正确模式，并用渲染和包内 QA 证明结果。

• 参考图是视觉目标，原 PPTX/用户文案是内容事实源；Mode B/C 不得要求超越参考图，除非用户明确要求改版。
• AI 参考图中的错字、乱码和伪字按 text-recovery.md 做有来源的语义重建；不得通过裁剪、放大或视觉猜字替代文案核对。
• Mode B/C 构建前必须完成视觉抽取、自动坐标校准和文字渲染校准；默认加载 autonomous-calibration.md 与 visual-extraction-pass.md。
• 文字优先使用 PPT 文本框；结构元素优先使用 PPT 原生形状；复杂低置信形状默认 baked-asset 或 Mode B fallback。
• 除 Mode A 外，整页参考图只允许在临时校准或 QA 产物中出现，不得嵌入最终可编辑稿。
• target_font 未指定时自动建立并渲染比较 fontCandidateSet，不要默认阻塞等待人工选字体。
• 默认坐标系为 1280 x 720（16:9），本 skill 的可编辑坐标系只覆盖 16:9。非 16:9 输入按明确降级路径处理，不提供扩展坐标规范：(1) 走 Mode A 整页图，或 (2) 经用户确认后按等比映射进 1280 x 720 画布（留黑边或裁切由用户选）。不得在无降级确认时擅自继续分层重构。
• 构建细则、最终报告字段和常见反例按需加载 implementation-guardrails.md。

始终防错

• 先语义验收；若参考图语义或版式方向错误，先转 Mode D，不要先做坐标锁。
• 不得先写 layout-spec 再倒填测量；不得把测量候选框当作最终形状清单。
• 最终形状必须进入 visual-extraction.shapes[] 并有来源或回退策略。

运行时职责

当 presentations:Presentations 同时激活时，PPTX 构建、导入、导出和渲染遵循其 artifact-tool 契约；本 Skill 只补充模式、语义、可编辑边界和 QA。图片重构不适用其通用的“超越参考图”评分，完整边界见 runtime-integration.md。

输入确认

先只确认所有模式都需要的最小输入，避免在模式未定时追问 Mode B/C 专属字段：

• task_mode：快版整页图 / 半可编辑重构 / 完全分层重构 / 先重做参考图 / 增量修改。
• reference_images：参考图目录或逐页图片路径。
• slide_order：页序；文件名和画面编号冲突时以用户说明或画面编号为准。
• qa_level：Level 1 / 2 / 3 / 4。
• output_name：新输出文件名。

模式确定后，再按对应工作流核对这些字段：

• autonomy_profile：默认 auto-calibrated；仅当用户要求逐对象确认时使用 human-assisted。
• target_font：目标字体；可为空，此时必须记录自动选择的 fontCandidateSet。
• acceptance_renderer：用于字体探针、预览和最终视觉门禁的渲染后端。
• source_pptx：原 PPTX 或用户已修改 PPTX，若有。
• source_copy：原始文案、创意说明、策划稿、术语表或其他可信业务资料。
• editable_boundary：Mode B/C/E 需要；哪些对象允许烘焙进图，哪些对象必须可编辑。
• asset_strategy：Mode B/C 需要；复用原图、裁切参考图、生成无字底图、人物透明 PNG、内容图独立对象等。
• visual_extraction：Mode B/C 需要；逐页视觉抽取文件，构建前必须生成或说明无法生成的原因。
• overwrite_policy：默认禁止覆盖。

使用 task-input-template.json 记录输入。Mode B 和 Mode C 在构建前必须把关键字段落盘；不能只依赖会话记忆。 对话字段使用 snake_case，模板使用 camelCase；完整映射写在模板 notes 中。

任务模式

先读 mode-selection.md 判定模式，再按表加载对应文件。

模式	用途	必读文件
Mode A 纯图片基线 deck	每页整页图铺满（不需参考测量）；既是"只要平铺预览"的独立交付，也是 Mode B/C 重构前必建的对照基线	mode-selection.md
Mode B 半可编辑重构	一张无字底图 + 可编辑文字和结构层	semi-editable-workflow.md、autonomous-calibration.md、visual-extraction-pass.md
Mode C 高还原完全分层重构	纯背景、人物、内容图、文字、形状全部分层	full-layered-workflow.md、autonomous-calibration.md、visual-extraction-pass.md
Mode D 先重做参考图	参考图语义或版式错误时先生成候选参考图	mode-d-workflow.md
Mode E 用户修改稿增量修正	只替换目标对象，保留用户当前文件内容	incremental-edit-workflow.md

按需条件加载，避免一次性拉入全部散文:仅当 presentations:Presentations runtime 激活时读 runtime-integration.md;仅 Mode B/C 构建阶段读 implementation-guardrails.md;进入 QA 时读 qa-standards.md、visual-overlap-qa.md 和 visual-fidelity-qa.md;仅当页面存在复杂渐隐/边缘融合时读 visual-transition-strategy.md;仅当参考图为 AI 生成或图片源、需恢复错字乱码时读 text-recovery.md。

推荐流程

1. 冻结任务边界、输出路径、模式和 QA 等级。
2. 先做语义验收、异常文字恢复和资产策略；若参考图语义或版式方向错误，转 Mode D。
3. Mode B/C 硬约束——先建纯图片基线：从参考图产出纯图片基线 deck（Mode A 本质），用同一交付渲染后端渲染为 baseline-render/，兼作用户预览；若基线本身渲染异常（尺寸/色彩/裁切），先修环境再继续（兜底地板）。
4. Mode B/C 建立自动坐标锁，完成逐页视觉抽取；渲染后必须运行坐标偏移计算和字体候选评分，再生成 layout-spec 与 style-spec。
5. 构建 PPTX，先保存成品，再用同一渲染后端导出预览。
6. 运行包内/几何审计和最终 PNG 视觉审计，执行文字可读性与参考图还原度双门禁；还原度必须同时对照原始参考图与 baseline-render/（同后端同画布的 apples-to-apples 主判据）。未跑基线对照或基线对照未过，不得判 Level 2/3 完整通过。
7. 首次构建记为第 0 轮，自动返修最多三轮；仍失败时执行最小自动降级，不能标记为完整通过。
8. 交付报告中说明文件路径、页数、字体、媒体、文本对象、形状、基线对照结果、自动降级和未完成风险。

Mode B Level 2 交付前逐项完成 level-2-delivery-checklist.md。 Mode C Level 3 交付前逐项完成 level-3-delivery-checklist.md。

失败降级

本地导出、渲染或预览写入失败时，不要默认请求提权。先用普通权限处理：

• 预创建输出、预览和 QA 目录。
• 改到新的版本目录或临时目录。
• 先保存 PPTX，再尝试渲染预览。
• 如果预览失败但 PPTX 已生成，继续做包内 QA，并把预览失败写进最终报告。
• 如果构建脚本顺序导致预览失败阻塞 PPTX 输出，修改脚本让 PPTX 保存早于预览，或跳过预览并记录失败。

只有用户明确允许提权或当前环境支持审批时，才考虑请求更高权限。

子 Agent 协作

仅在当前平台允许且用户明确授权时使用子 agent。子 agent 只做审计、转写、检查和建议；主线程统一合并参数和修改构建脚本。任务模板和边界见 subagent-prompts.md。

QA 必做项

坐标锁、视觉双门禁、禁裁剪猜字三组规则的单一事实源见 qa-gates.md。完整执行按 qa-standards.md；最终报告字段和常见失败反例见 implementation-guardrails.md。

模板

可复制 assets/templates/ 中的模板建立任务输入、任务派发、资产审计、布局规格、样式规格和 QA 报告。

• Mode B 布局参考：layout-spec-mode-b-example.json。
• Mode C 布局参考：layout-spec-mode-c-example.json。
• 通用布局模板：layout-spec-template.json。
• 视觉抽取模板：visual-extraction-template.json。
• 字号校准模板：typography-calibration-template.json。
• QA 报告模板：qa-report-template.json。
• 视觉重叠模板：visual-overlap-audit-template.json。
• 视觉还原度模板：visual-fidelity-audit-template.json。
• 资产审计模板：asset-audit-template.md。
• 样式规格模板：style-spec-template.md。
• 页面任务模板：page-task-template.md。
• 全自动校准与门禁：autonomous-calibration.md。
• 示例中的对象按实际页面删减，不能把示例内容原样带入成品。

脚本

• scripts/audit_pptx_structure.py：包内结构、字体、对象角色和图片风险审计。
• scripts/audit_pptx_text_frames.py：文本框、细长形状和几何覆盖风险审计。
• scripts/extract_reference_measurements.py：参考图测量候选、坐标变换、自动锚点和标注图。
• scripts/calibrate_reference_render.py：匹配参考图与最终渲染锚点，计算真实坐标偏移和校准状态。
• scripts/score_typography_candidates.py：测量候选渲染图并自动选择文字参数。
• scripts/make_reference_render_comparison.py：参考图与渲染图配对对照。
• scripts/validate_rebuild_evidence.py：迁移旧字段并验证产物引用、计算证据和 QA 门禁。
• scripts/run_pipeline.py：顶层驱动器，按顺序 subprocess 串联上述脚本并聚合 pipeline-report.json（--steps 子集、--stop-on-fail、缺输入步骤自动跳过）。

命令、参数和输出字段统一见 script-output-contracts.md；修改脚本输出时必须同步更新该契约和 QA 模板。

文字可读性审计见 visual-overlap-qa.md；参考图还原度审计见 visual-fidelity-qa.md；复杂渐隐与边缘融合见 visual-transition-strategy.md。