全开源是口号，Presenton 把 PPTX 导出核心藏进了下载包

同事甩来一份 Gamma 链接，说这个 AI 做的 deck 漂亮得不像话。我点开看了一遍，确实漂亮，然后问他导出成 PPTX 能不能编辑，他说不行，只能导出 PDF。那一刻我突然意识到，市面上叫「AI 文稿工具」的东西，绝大多数只是「AI 截图工具」，生成了网页再截成图，交到你手里的是一张没有灵魂的图片。

所以当我看到 Presenton 这个项目时，第一反应不是它有多少 Star，而是它把「生成可编辑 PPTX」这件事当真了。一万一千多个文件摊开在面前，两条生成流水线，一条闭源导出链路，我今天把它从头到尾拆一遍。

它解决的不是「生成」，是「可编辑」

先给个定位。Presenton 是一个开源 AI 演示文稿生成器和 API，Apache 2.0，2025 年 5 月建仓，到现在 10004 个 Star、1551 个 fork。TypeScript 为主，但真正的后端在 servers/fastapi，一个 Python FastAPI 服务。

它宣称自己是 Gamma、Canva、Beautiful AI 的开源替代。这话一半对一半不对，对的地方在于它的核心能力确实对标，不对的地方在于「开源替代」这个说法低估了它。Gamma 是闭源 SaaS，Presenton 是你可以 docker run 在自己服务器上的完整产品，还带桌面版、API、MCP server。

但我要说，它最大的差异化不在「自己部署」，而在那个「Fully editable PPTX export」。生成一份能编辑的 PPTX，意味着每一页幻灯片的每个文本框、每条曲线、每个图表，都得有真实坐标、真实尺寸、真实字体，而不是一张 PNG。

Standard 流水线，三阶段的解耦

打开 servers/fastapi/utils/llm_calls/ 目录，能看到这条管线的全部零件。它叫 Standard 模式，走三个独立阶段。

第一阶段叫 generate_presentation_outlines.py，让 LLM 产出整份 deck 的提纲。这里有个非常反直觉的设计，prompt 里有一大段「content only」规则，翻译成人话就是，禁止 LLM 在任何页写「这里放一个柱状图」「加一张图」这种制作指令，只能写观众看得见的文字和数字。如果用户要求图表，那就把它转化成一个 Markdown 表格，数据放在表格里，指令一个字都不留。

第二阶段是 generate_presentation_structure.py，模型拿到提纲后，从当前模板的布局库里给每页选一个布局。选型规则写在 prompt 里，比如表格是文字数据就选 table 布局，表格是数字数据就选图表布局，三列数字表格优先选支持两张图表的布局，绝不选 metrics 布局来装数字表格。

第三阶段 generate_slide_content.py，逐页生成结构化 JSON，输出严格受 schema 约束，直接跑 JSONSchema 校验，失败就重试。

为什么作者要费这么大劲把「内容」和「视觉」拆开？我猜他踩过一个经典的坑，让 LLM 一边想文案一边想排版，结果两头都做不好。内容阶段只产数据，视觉阶段只选布局，各干各的，出错了也知道该修哪一段。而且 outline 阶段的 schema 有硬约束，constants/presentation.py 里写着 MAX_NUMBER_OF_SLIDES = 50、单页 outline 最多 100 词，超了直接被 pydantic 的 validator 截断。

虽然 Standard 是默认路径，但我个人更偏爱 Smart 那条流水线，它把「让 AI 做一份能编辑的演示稿」这个目标推进得更远。

Smart 流水线，让 LLM 直接写网页

Standard 的问题在于，模板布局是有限的，12 个布局摆在那儿，再怎么组合也就那些形状。于是 Presenton 给了第二条路，Smart 模式，代码在 generate_smart_presentation.py，936 行，是全项目我觉得最值得读的文件。

思路一句话，让 LLM 直接写 HTML。每页幻灯片就是一个 1280×720 的 <section>，Tailwind 写样式，图表用真实的 Chart.js canvas。不是让 LLM 描述画面然后截图，是让 LLM 当前端工程师，交付一套能直接跑的页面。

这里就引出一个信任问题，LLM 写的 HTML 怎么能当产品代码用？Presenton 的回答是一套硬校验。

第一层在 sanitize。normalize_smart_slide_html 用正则剥掉 html/head/body/style/link/meta/base/iframe 这些标签，去掉所有事件处理器属性，去掉 javascript: URL，同时把 <script> 的 src 摘掉，只允许 Chart.js 初始化用的内联脚本，还得验证这些脚本确实在初始化 canvas 而不是干别的。

第二层是几何审计。servers/fastapi/utils/smart_slide_layout.py 里有 289 行 _LayoutParser，用 Python 自带的 HTMLParser 把 LLM 输出的 DOM 解析成树，然后做确定性检查。负 margin 且内容有意义的元素算违规，overflow-hidden 藏着文本算违规，绝对定位的元素算出边界或兄弟重叠算违规，提示词里明令禁止的 overflow-auto、line-clamp、truncate 出现就报错。

第三层是重试预算。SMART_GENERATION_MAX_ATTEMPTS = 8，一页不合格不会整份推倒重来，而是走 CONTINUATION MODE。已通过的那些页是不可变前缀，prompt 只回传最近 3 页的完整 HTML 当视觉连续性参考，外加每页的类型和标题摘要，让模型从断点接着写。拒绝原因也会带回去，_continuation_prompt 里把 retry_error 截断到 1200 字符塞进下一条消息。字号有硬下限，正文不许低于 14 px，安全区预留 48 到 64 px，视觉页 80 到 130 词，文字页最多 180 词，TOC 页 220 词封顶。

把这三层连起来看，就是一个完整的审稿闭环，出稿、过滤、审计、接收或驳回。

翻译成人话，它把 LLM 当成一个会写代码但总会耍点小聪明的实习生，sanitize 拦掉偷带危险标签的行为，几何审计拦掉偷懒藏文本的行为，驳回的信息再喂回去接着写。模型没指望一次写对，工程师设计了验收标准和预算。

说实话这套组合拳打动我的不是某一条规则，而是「把 LLM 当实习生，结果有审查员」的态度。它没指望模型一次写对，而是给了明确的验收标准和预算，写不好就退回重写。

导出，真相藏在开源外壳里

两条流水线产出的东西不一样。Standard 产 JSON，Smart 产 HTML，但它们最后都汇到同一个出口，导出成 PPTX 或 PDF。

导出链路长这样。FastAPI 收到导出请求后，构造一个 /pdf-maker 的 URL，servers/fastapi/utils/export_utils.py 里 _build_presentation_export_url 拼好参数，可能还带上 cookie，然后 ExportTaskService 起一个 Node 子进程，跑 presentation-export/runner.mjs，让 puppeteer 打开 pdf-maker 页面完成渲染。

关键在 runner.mjs 引用的 @presenton/export-core。这个包不在主仓库，主仓库的 scripts/sync-presentation-export.cjs 会从 GitHub Releases 下载编译好的 tarball，装进 presentation-export/node_modules。我顺着去看它的源码仓库，presenton/presenton-export 里只有一个 README，写着「This Contains the Releases of the Presenton Export」，没有源码。

整条链路的开源边界，用一张图就能说清。

从 FastAPI 到 puppeteer 打开页面，你能看清每一步，唯独页面里的元素坐标怎么变成 slide*.xml，这一步落在虚线框里够不着。

这就是我要说的重点了。README 首页第一行写「Fully open-source (Apache 2.0)」，听起来整条链路都是开源的，但把二进制转成 OOXML 的那一步，那个决定这份 PPTX 到底能编辑成什么样的一步，是闭源的。你能看清 prompt、看清校验规则、看清布局 JSON，唯独看不清元素坐标是怎么映射进 slide*.xml 的。

公平地说，这不算欺骗，Apache 2.0 管的是它分发的那部分代码，而且主仓库的工程做得确实扎实。但它确实给「fully open-source」这个口号打了个折扣。想 Fork 了改导出逻辑的人，会在这个子包面前停下。

还有个佐证。主仓库里唯一碰 PPTX 文件格式的代码是 servers/fastapi/templates/pptx_font_utils.py，它 import 了 pptx 和 fontTools，做的事只有字体子集化，把模板用到的字样嵌进 PPTX，不生成任何幻灯片。幻灯片 XML 的组装，全在闭源的 export-core 里。

给开发者用的接口

说完内部，说外部。Presenton 不只是个网页应用，它把整条流水线暴露成了 API 和 MCP。

POST /api/v1/ppt/presentation/generate 一行 curl 就能生成，请求体里 content 是主题，n_slides 控制页数，template 选模板，export_as 选 pptx 还是 pdf。返回 presentation_id、path、edit_path，拿着 ID 还能继续进编辑器里改。

MCP 走 2025-11-25 Streamable HTTP 协议，挂在 /mcp 端点。认证用的是 sk-presenton- 开头的 API key，管理员建 key 时指定归属用户和 90 天过期时间，key 在进程内换成短命 session，长期 key 从不转发给生成接口。这个设计挺讲究，key 泄露了也就泄露一个会话，炸不了整台机器。

模型侧是彻底的 BYOK。文本 LLM 支持 OpenAI、DeepSeek、Gemini、Vertex、Azure、Bedrock、OpenRouter、Fireworks、Together、Cerebras、Anthropic、LiteLLM、LM Studio、Ollama 还有自定义兼容端点，图像也有 Pexels、Pixabay、Gemini Flash、DALL-E 3、ComfyUI 一长串。utils/get_env.py 是配置中枢，上百个环境变量。Docker 镜像里还默认装了 spaCy 的 en_core_web_sm，让 Mem0 的本地记忆开箱即用，记忆存在本地 Qdrant 加 SQLite，embedding 用 BAAI/bge-small-en-v1.5，384 维。

一些我验证过的不完美

文章写到这里，得泼几盆冷水。

最想提醒的是免费天花板。图像生成那串 provider 里，真正免费的是 Pexels 和 Pixabay 这类库存图网站，但它们只给你现成的照片，命令模型画图得走 DALL-E 或 Gemini，那些要 API key 要花钱。Web 搜索也类似，想给生成接上实时信息，要么用大厂的模型原生搜索，要么自己架 SearXNG，要么买 Tavily 或 Exa 的 key。免费自托管体验的边界，比 README 的 feature 列表要窄一圈。

Docker 版还有个已知坑。issue #881 有人反馈，官方镜像缺内置模板，社区也有人报 #781 自定义模板离线生成不了，因为自定义模板功能要连 presenton.ai 的社区服务。另外 #860 说部分 AI 编辑动作没效果，比如调字号没变大。这些都不致命，但说明它还没到 1.0，现在的版本号停在 v0.9.8-beta。

还有一处架构上的取舍要说明。Electron 桌面版默认关认证、禁 MCP，原因写得很直白，避免认证冲突。所以在桌面版里想走 API 或 MCP，得趁早搭个 Docker 版。

带走一个判断

拆完这一圈，我脑子里留下一个可复用的东西。Presenton 的整个设计可以总结成一个模式，分层生成，分离导出。内容生成、布局决策、最终渲染导出，三层各是各的，prompt 也好、schema 也好、闭源核心也好，都守着自己的边界。

这个模式对任何「AI 产出复杂格式文档」的工程都适用。尤其是当你发现模型一次输出根本做不到位的时候，别急着堆 prompt 把它按在地上摩擦，先把产物拆成几层，让每一层只有一个责任，再给每一层配一个独立的校验和重试预算。生成管线的每一段都会出错，聪明的系统不会把出错概率压到零，它做的是让每段错误都局限在自己那一层。

至于你要不要用它，也一句话说得清。想自己部署一套能用自己模型生成可编辑 PPT 的服务，Presenton 是目前最完整的开源选项，值得一跑。想完全掌控导出细节，甚至改 OOXML 的映射逻辑，那先在 presenton-export 那个只有 README 的仓库前面停一下，想清楚再上车。