基于AI的演示文稿(PPT)自动化创作服务
利用 Slaide 这一开源工具,通过 AI 生成轻量化的 Markdown 格式幻灯片,再将其转换为标准 PPTX 格式,从而高效地提供演示文稿制作服务。
使用工具
AI PPT自动化:用Markdown重写PPT,这个开源思路让我副业月入过万
我以前最怕的不是提案,而是做提案的PPT。每次打开PowerPoint,眼睛就开始发酸。改字体、调对齐、换配色,这些机械动作每周都要吞掉我两三个小时。更难受的是,客户一句"风格再大气一点",就能让整个晚上白费。

为了自救,我试过市面上几乎所有AI PPT工具。结论很统一:屏幕上看着不错,一导出就露馅。要么版式错位,要么图表失真,更别提公司模板了,它们根本没法精确还原。折腾一圈下来,时间没省多少,脾气倒是涨了不少。
问题不在AI,在格式本身
后来我想明白了一个道理:PPTX本质上是一堆XML的压缩包,结构臃肿、层级复杂,AI在里面找内容,就像在仓库里找一根针。与其逼AI适应这种老格式,不如直接换一种AI天生就擅长的格式——Markdown加YAML。
我基于这个思路做了一个叫slaide的方案:用Markdown写内容,用YAML定义主题样式,所有文件打包成一个轻量zip包。它可以直接渲染成网页演示文稿,也能导出成PDF或PPTX。对于图表、SVG、HTML这类复杂元素,Markdown里都有对应的原生写法,不需要任何插件。
这样做的好处非常明显:AI读纯文本完全没有障碍,内容、结构、样式三者分离,修改起来极其方便。一份50页的PPT,打包后甚至不到1MB,文件体积比PowerPoint小了两个数量级。
第一次跑通,效果超出预期
项目写完后,我让本地的Claude Code用这套格式生成一份商业计划书。第一次出稿就让我意外:版式干净、层级分明,客户需要的封面页、目录页、数据图表、结尾页都齐了,几乎不用返工。
后来我微调了agent skill文件,让AI更懂我的审美偏好,输出质量直接从"还行"跳到"可以直接给客户看"。从PPTX导入,或者导出成PPTX给客户交付,还原度能保持在95%左右。剩下的5%差异主要来自浏览器渲染和Office渲染的像素计算方式不同,不影响实际使用。
开源打底,订阅收费
我决定把项目的核心全部开源,采用Apache-2.0协议。包括Markdown解析器、渲染器、命令行工具、Rust查看器、MCP服务器和agent技能,全部放在公网上。本地使用完全免费,一条命令就能装好:
npm install -g @aivorynet/slaide
装好后运行slaide install,就能配合Claude、Codex、Gemini、Cursor这些AI命令行环境直接使用。
那么收入从哪里来?就是一个托管版本。云端要承担AI调用费用和图片生成成本,所以托管版采用订阅制收费。对用户来说,托管版的好处是零配置,打开浏览器就能用,还自带手动编辑器和预览器。本地免费、云端收费,这一套组合下来,项目有了稳定的现金流,也积累了不错的用户口碑。
副业变现:一单200到500元,一天接两单
这个思路对普通人也完全适用。在真正的自动化办公市场上,大量客户愿意为"快速做出一份像样的PPT"付费。我在闲鱼、猪八戒或者淘宝服务上都看过,一份定制PPT的市场报价普遍在200到500元人民币,折算下来相当于30到70美元一单。
以前做这种单子,从沟通需求到排版出图,磨一整天是常事。现在整个交付流程完全换了一套逻辑:
- 客户丢来一堆Word文档,我用10分钟把核心信息梳理成Markdown
- 让AI按照slaide的格式生成内容结构和视觉稿
- 渲染成PPTX,再用脚本套用客户的品牌模板
- 一单的交付时间从10小时压缩到1小时以内
我自己的节奏是每天接两到三单,按平均单价300元算,副业月收入轻松过万。最关键的是,我的模板库和skill文件可以反复复用,每接一单,素材积累就厚一层,边际成本越来越低。这就是AI PPT这条赛道最吸引人的地方。
效率提升的本质,是换一种工作方式
回看整个经历,最大的收获不是工具本身,而是想通了一个问题:如果AI做出来的东西总是差一点,多半不是AI不行,而是你给它的格式不对。Markdown是我的突破口,它不新,但它和AI的配合能力远超我的预期。
现在我的工作流已经从"花3小时做一版PPT"变成了"花30分钟审核一版AI生成的PPT"。每周省下的时间差不多多出一个完整休息日。这种用开源工具重构效率提升闭环的方式,放在任何需要频繁产出内容的岗位上,都能带来实实在在的收益。
如果你也想试,跑一下slaide的demo,或者直接npm装好本地版,配合你手里的AI客户端,第一批作品能不能接单,当场就有答案了。
如果你想进一步提升出片效率,可以参考AI赚钱方法实操指南中关于工作流自动化的配置方案。
相关推荐
构建并提供MCP服务器
本文介绍了如何利用Model Context Protocol (MCP) 构建服务器,使AI代理能够访问外部数据和工具(如发布X帖子),通过TypeScript SDK简化协议实现,将AI能力扩展至外部API和数据库。
Not specified基于自修正协议的AI驱动项目开发
该方法通过建立一套基于Markdown文件的自修正协议(CORE/AGENT/SESSION),由人类负责架构设计和规则监督,AI负责代码实现。通过将失败经验转化为通用规则,实现无需编程能力即可管理多个复杂AI项目的开发与治理。
Not specified利用 Banksia 构建和运行 AI 智能体团队
该方法是通过使用 Banksia 框架构建可适配、可追溯的 AI 多智能体团队,以处理复杂的自动化工作流。用户可以通过可视化界面或对话方式快速部署 AI 团队来完成深度研究等复杂任务。
未提及利用 PhaseProbe 进行仿真测试与回归分析
PhaseProbe 是一款用于仿真软件的测试工具,通过确定性搜索发现行为边界并将其转化为 pytest 回归测试,帮助开发者在参数微调时防止仿真结果出现定性偏差。
Not specifiedAI驱动的自动化创业与增长
利用FirstEmployee.ai快速将想法转化为实时网站,由AI自动执行市场研究、页面构建及每日迭代优化,通过分析用户反馈自动调整业务方向,实现从起步到增长的自动化管理。
未提及利用AI编程智能体现代化研究软件
该方法通过使用AI编程智能体(如Claude Code, Codex)来更新、优化或重写陈旧的学术研究软件,显著提升运行速度并降低维护成本,但强调最终的科学正确性仍需人类验证。
未提及