GordenImage2PPTX — 图片 PPT → 可编辑 PPTX

一张一张处理每张图片，强制拆成四层再合成可编辑 .pptx（从下到上）。其中前三个图片层必须由 imagegen 生成或提取，文字层由 GPT 视觉能力提取并写成真文本框：

背景图(复刻) + 整体框架图(绿幕抠图,默认不切分) + 元素图标/装饰(绿幕抠图,切片) + 文字(GPT视觉提取)

🟣 直接转换原则：用户给出图片并要求转可编辑 PPTX 时，不要先扫描当前目录、历史输出或其它项目，去寻找/复用类似源页。直接把用户提供的当前图片作为唯一源图，按 B1-B9 流程提取背景图、框架图、元素图标和文字，建立新的 PPTX 文档。只有用户明确要求复用旧素材、续做某个历史输出、或指定已有源文件时，才读取对应历史文件。

🧱 任务隔离原则（防串文件）：每次转换开始前必须创建唯一任务根目录 RUN_ROOT，例如 image2pptx_runs/<时间戳>_<源图slug>/，并把本次所有中间产物、prompt、manifest、layout、预览、QA 和最终 PPTX 都写到该目录下。禁止把新任务直接写到工作区固定的 editable/01、out/、qa/ 或 slide-01/，也禁止从这些固定路径读取素材。若目录已存在，必须换一个新目录，不得复用或覆盖。

layout.json 的图片路径必须在同一个 RUN_ROOT 内解析：单页 layout 优先省略 assets_dir（让 compose_pptx.py 自动用 layout 所在目录），或写成绝对页目录；不得写 "assets_dir": "editable/01" 这类会受当前工作目录影响的相对路径。manifest 的 copied_to 也必须是 RUN_ROOT 内的绝对路径。

🟦 框架图 = 一页里「背景、元素图标/装饰/艺术字、普通文本」之外的所有图像：容器/卡片(含底色填充与标题条)、分隔/连接线、全部图表图形（折线/柱状/阶梯/饼图/坐标网格/趋势线）、缎带、装饰线条与色块——统统归框架图，一次性提取，且形状·大小·位置与原图 1:1 一致（别漏数据折线/装饰）。

🟨 艺术字 = 装饰元素，不是普通文本：凡是带有渐变颜色、书法/笔刷造型、形变、描边/阴影/纹理、徽章式排版或普通字体无法直接写出的文字，都归入 B4 图标/装饰层，以图片元素提取和摆放。例如封面大字“灵芝”。B7 GPT 视觉文本层只处理普通字体可直接还原的文字。

🔴 强制四层，缺一不可（核心铁律）：背景图 → 整体框架图 → 元素图标 → 文本。这四步是本技能的本质，任何一页都必须实打实地出"框架图(B3)"和"元素图标图(B4)"并绿幕抠图，默认用整张透明 frame.png 作为框架视觉层合成；只有用户明确要求"框架可移动部件/切分框架/拆成一块块"时，才把框架图按透明区域切成 frame_parts/ 后合成。 禁止的退化做法：① 直接拿原图当背景叠文字（双重文字）；② 用 PPT 原生 shapes / 色块 / 线条重画背景、卡片、标题条、图表、时间轴、装饰；③ 从原图裁切局部当作背景、框架或图标素材；④ 省略框架/图标；⑤ 用代码/PIL/SVG/HTML/Canvas 画出图片层。 背景图、框架图、元素图标图都必须来自 imagegen 提取式生成：背景用 imagegen 复刻干净背景；框架图用固定 B3 提示词在纯色抠图底上生成全幅框架层；图标/装饰用 imagegen 在纯色抠图底上生成图标表，图标表里不画网格分割线。chroma_key.py 只负责去底，slice_grid.py 只允许切分 imagegen 生成并已去底的图标表；若用户明确要求框架切分，才允许切分已去底的 frame.png。不得切原始幻灯片截图。 生成证据硬门禁：B2/B3/B4 必须在 imagegen-assets-manifest.json 中记录真实 imagegen 调用证据：backend 必须是 imagegen 类后端，generated_source 必须指向或描述真实生成结果，prompt_file 必须指向本页使用的提示词文件，且 copied_to 必须是交付目录内对应图片。若 manifest 显示 programmatic、local layer generator、PIL、SVG、HTML、Canvas、matplotlib、screenshot renderer、null prompt_file 等非 imagegen 生成迹象，本页转换失败，必须重做，不能交付。

图片层生成硬门禁

本技能中的“图片 → 可编辑 PPTX”不是用 PPT 色块重画页面。可编辑边界是：

• 文字：写成可编辑文本框。
• 背景/框架/图标/装饰/图表图形：由 imagegen 生成为图片层；框架图默认以整张透明 frame.png 放入 PPT（可整体移动、替换、缩放），图标放入 PPT 后可移动、可替换、可缩放。只有用户明确要求框架切分时，才把框架图去底后按透明区域切成可移动框架部件。

禁止使用以下方式替代图片层：

• 在 PPTX 中用原生 shapes、填充色块、线条、箭头、表格、图表组件重画背景/卡片/框架/图标/装饰/图表。
• 从原始幻灯片截图裁切局部作为背景、框架、车辆、图标或装饰素材。
• 用 Python/PIL、SVG、HTML、Canvas、matplotlib 或截图渲染生成背景/框架/图标图片。
• 先用原生 PPT 元素搭页面，再导出为图片层。

允许代码做的事仅限：

• probe_palette.py 探色。
• 复制 imagegen 生成的图片到本次 RUN_ROOT/editable/NN/。
• chroma_key.py 给 imagegen 生成的框架图/图标图去底。
• slice_grid.py --auto/--grid 切分 imagegen 生成的图标表。
• 可选：仅当用户明确要求框架切分时，使用 slice_grid.py --components 按透明区域切分 imagegen 生成并去底后的 frame.png，再用 frame_parts_to_icons.py 生成 icons[] role:"frame_part"。
• 写 layout.json / deck.json，合成 PPTX 和预览。
• layout_guard.py 校验或修正 layout.json 的坐标契约：ref_width/ref_height 必须匹配源图实际像素尺寸，source_bbox 与 x/y/w/h 必须一致。
• visual_compare_qa.py 把源图和最终 PPTX 预览统一尺寸后生成并排图、叠图、差异热图和诊断指标，供 GPT 视觉判断文字/图标是否与原始 PPT 图片对位。
• 可选地裁切/缩放整张 imagegen 生成图以统一比例；不得裁原图局部冒充素材。

每页必须写 imagegen-assets-manifest.json，记录 B2/B3/B4 的 generated_source、copied_to、layer、prompt_file、backend、key_color。没有 manifest，或任一图片层缺 generated_source / prompt_file，或任一图片层的 backend 不是 imagegen，本页转换失败，不能交付。

完整流水线、提示词、坐标/字号换算、QA 反馈环见 references/image-to-pptx.md；运行时与图片后端见 references/runtime-notes.md。

运行时与图片后端（先读）

1. 出图（复刻背景、框架图、图标图）必须用 raster 图像生成后端：Codex 用内置 imagegen / imagegen（支持把原图作为输入做"提取式"出图）；其它运行时用其原生出图工具。禁止 SVG/HTML/Canvas/代码画图、PPT shapes、裁原图局部冒充。
2. 抠透明用本技能自带 scripts/chroma_key.py（保色保线/保形）——内部不透明像素颜色 100% 保留（红/藏青/灰/白绝不褪色），默认不腐蚀边缘（细线/辉光不丢）；frame-safe / icon-safe 会增强半透明边缘 alpha，并只用二值 gap repair 修补细线断点，避免横竖线不齐、圆弧残缺。框架/图标默认加 --scale 2 先超采样抠图，再在 PPT 里缩回目标尺寸，让横竖线和圆弧更顺。别用激进的 --soft-matte --despill --edge-contract 组合去抠扁平图（会变色+丢线）。
3. 看图（文字/图标定位）必须用 GPT 自身视觉能力，输出结构化 JSON。不要先跑 tesseract、EasyOCR、系统 OCR 等传统 OCR 引擎。

imagegen 传图 / edit target 硬门禁

Codex 内置 image_gen 生成 B2/B3/B4 时，必须先用 view_image 打开当前页源图，让这张图成为当前对话里可见的 edit target，然后再调用 image_gen。Prompt 必须明确写“以刚刚显示的这张图片作为唯一编辑目标 / edit target，在它的基础上提取或擦除生成目标层”。不要只把源图当作风格参考图，更禁止只在 prompt 里写本地文件路径来冒充传图：路径文本不会自动把图片传给 imagegen，模型会凭描述猜，框架图和图标图会跑偏。

多页任务必须一页一页处理：生成第 1 页 B2/B3/B4 前只显示第 1 页源图；生成第 2 页前重新 view_image 第 2 页源图，并在 prompt 中指向“刚刚显示的这张图是本次编辑目标”。若 imagegen 产物无法证明基于当前 edit target 提取，或明显与源图不一致，本页 B2/B3/B4 判失败，必须重出，不能进入 B5-B9。

每页工作流（逐项打勾）

- [ ] B0 隔离目录：为本次任务创建唯一 `RUN_ROOT`，所有文件只写入/读取该目录；不得复用工作区固定 `editable/01`、`out/`、`qa/`
- [ ] B0a 传图：每页 B2/B3/B4 调 imagegen 前，必须先 `view_image` 当前页源图；prompt 写“以刚刚显示的这张图片作为唯一编辑目标 / edit target，在它的基础上提取或擦除生成目标层”；不得只写本地路径、不得只作为风格参考或凭文字描述猜图
- [ ] B1 探色：probe_palette.py 判断该页是否含绿 → 定本页抠图底色（默认 #00ff00；含绿改 #ff00ff 等）
- [ ] B2 背景：用 imagegen 复刻干净背景（无任何文字/图标/框架/卡片/占位块），禁止用 PPT 色块、程序绘图或裁原图；写 prompt 文件并登记真实 imagegen 调用记录
- [ ] B3 框架图：用 imagegen 在抠图底色上提取框架图，生成图片提示词固定为“生成一张图片，提取这张图片中的框架图，纯色背景，背景色值为XXXXXX，「框架图」= 原图里**除背景/图标/装饰/艺术字/普通文本外的一切**（容器轮廓与**底色填充/标题条/辉光**、分隔/连接线、**全部图表图形：折线/柱状/阶梯/饼图/坐标网格/趋势线**、缎带/装饰）→ 形状·大小·位置与原图 **1:1 一致**，保留原色与填充，别漏数据折线/装饰、别自己额外加空心线框、占位框；不要出现文字、不要出现图标；”；只允许把 XXXXXX 替换为 B1 决定的背景色值（默认 #00ff00；原图有绿色则改 #ff00ff、#8000ff 等原图没有的颜色）；写 prompt 文件并登记真实 imagegen 调用记录
- [ ] B4 图标图：先用 GPT 视觉对比**原图 vs B3 frame 预览**，列出「源图全部图标/装饰/艺术字清单」和「已误入 frame 的图标清单」；B4 prompt 只生成 frame 里没有的元素，避免同一图标在 frame 与 icons 双重出现；用 imagegen 把缺失元素排成 N×N 等分方格网（小图标 4×4，大装饰/物品图/艺术字 2×2 或单独大格），多了出多张；方格网不要画分割线，不画实线和虚线，提示词里要明确写出这一点；如果最终生成的图片不小心有了方格分割线也没关系，先抠图，然后裁剪掉分割线就好（因为每个网格有留白）；禁止从原图裁图标、程序绘制图标或艺术字；写 prompt 文件并登记真实 imagegen 调用记录
- [ ] B5 抠图与图标切分：scripts/chroma_key.py 给 imagegen 生成的框架图+图标图去底（框架用 `--preset frame-safe`，图标/艺术字用 `--preset icon-safe` 保边）→ 默认保留整张透明 `frame.png`，不做框架切分；图标表用 `slice_grid.py --auto --pad 24 --contact-sheet` 按透明空隙切成单个透明图标 → 查看 `icons_contact_sheet.png`、`frame.png` 灰底自检；任一图标被切断、粘连、缺边、edge_touch 异常，必须重出或重切，不能交付。若用户明确要求框架切分，再运行 `slice_grid.py --components --pad 0 --contact-sheet --prefix fp` 把 `frame.png` 切成 `frame_parts/`
- [ ] B6 定位：默认最终 `layout.json` 使用整张 `frame.png` 作为框架视觉层：写 `"frame":"frame.png"`，不要把框架切成 `frame_parts`。再逐个量出每个普通图标/艺术字在**源图实际像素坐标系**里的 `x/y/w/h` bbox，并换算成比例写入：`x=x_px/ref_width`、`y=y_px/ref_height`、`w=w_px/ref_width`、`h=h_px/ref_height`（manifest 只有素材表尺寸，必须补原图实测坐标；保持宽高比、尺寸贴合原图）→ `layout.json` 默认用 `units:"fraction"`；`view_image`/浏览器/预览图显示的缩略坐标不能直接写入，必须按 `源图宽/显示宽` 与 `源图高/显示高` 分别换回源图像素；禁止只把 x 放大、y 不放大这类混合坐标。首次合成后必须按预览反向校准普通图标尺寸/位置，缩放一律以源图 bbox 中心点为锚点，禁止按切片素材尺寸或视觉感觉直接摆放。若用户明确要求框架切分，才运行 `frame_parts_to_icons.py` 读取 `frame_parts/icons_manifest.json`，按每个框架切片在 `frame.png` 中的 bbox 映射成比例坐标，生成 `icons[] role:"frame_part"` 条目；这个 bbox 回放是拼回原 `frame.png` 布局的保证
- [ ] B7 文字：用 GPT 视觉读取原图所有**普通字体文字**(内容/像素位置/字号/颜色/粗细/对齐) → 先量**源图实际像素 bbox**，再按比例写入 layout：`x/y/w/h` 用 fraction，字号优先用 `size_ratio = 源图实际文字高度像素 / ref_height`（或 `size_pct = size_ratio*100`），如果用户或源 PPT 期望 PowerPoint 号数字号，也可以直接写 `size` 绝对 pt；不要把缩略图上的文字高度当作源图 `size_px`。换算公式是 `pt = size_ratio × (slide_height_in×72) = size_px × (slide_height_in×72) / ref_height`，反推为 `size_px = 目标pt × ref_height / (slide_height_in×72)`。如果坐标来自 2048×1143 这类缩略显示，而源图是 4096×2286，必须先把 `x/y/w/h/source_bbox/size_px` 全部乘以 2 后再写入；例如 7.441in 高、2286px 源图中，20px 只会得到 4.69pt，9pt 应写约 38.4px。艺术字只记录为 B4 图标/装饰定位，不写入普通文本框；首次预览后必须对照源图微调文本框比例、字号比例和行距，确保换行、基线和相对图标位置还原原图。**先定字体粗细/字号/行距，再回校位置**：`bold` 默认 `false`，普通正文不要全加粗，只有各级标题、按钮标题、重点词按原图加粗；多行正文段落优先用约 `line_spacing:1.2`，否则后续改粗细/行距会改变换行和视觉 bbox，让已量好的坐标再次漂移。
- [ ] B7a 坐标与样式契约校验：合成前必须运行 `layout_guard.py 源图 layout.json --strict`。`ref_width/ref_height` 必须等于源图实际像素尺寸；`source_bbox` 必须覆盖源图中真实对象，而不是覆盖 `view_image` 缩略坐标位置。若量测来自同宽高比缩略图，先把 bbox 与 `size_px` 缩放回源图像素，或用 `--fix-ref-to-source --fix-fractions --in-place` 归一化，再重新人工复查关键文本和图标。`layout_guard --strict` 还会拦截疑似半分辨率字号（默认低于 6pt、或 `source_bbox` 行高明显大于 `size_px`）和“正文全加粗”（6 个以上文本框超过 85% bold）；真实小字必须显式写 `small_text_ok:true`，真实全粗体页必须写 `allow_all_bold_text:true` 并在 QA 备注说明。`layout_guard` 不用页面覆盖高度判错；任何 `source_bbox` 与 `x/y/w/h` 不一致、字号/粗细警告未处理，都不能进入 B8。
- [ ] B7b 源图 bbox 视觉复核：合成前先运行 `placement_qa.py` 只画源图框并打开 `slide_01_source_boxes.png`，确认每个文本/图标框真实圈住源图对象。`layout_guard` 只能发现坐标字段不一致，不能发现“bbox 一致但量错对象/量到错误行”的问题；发现错框必须先改 `source_bbox`，再让 `x/y/w/h` 由 bbox 换算。
- [ ] B7c 框架锚点回校：B7a/B7b 通过后，必须再看**最终合成预览中的 `frame.png`**，对贴在框架上的文本做二次校准：分区标题条、面板标题、按钮文字、底部总结条、页脚/横幅、步骤标签等，不只按源图 bbox 放置，还要按生成后的 `frame.png` 标题条/按钮/底栏的视觉中心线或内边距回校。若 `frame.png` 相对源图有轻微漂移，文本应跟随最终 frame 锚点移动；`layout_guard` 通过不代表这些文本已经视觉对位。记录每个被调整文本的 `frame_anchor`（如 `left_panel_title_bar`、`bottom_summary_bar`）、`dy_px` 和原因到 QA 笔记或 layout 旁文件。
- [ ] B8 合成：compose_pptx.py 生成 .pptx，并 --preview-dir 出预览图
- [ ] B9 QA：检查 `imagegen-assets-manifest.json` 中 B2/B3/B4 是否都有 imagegen 后端、生成源、prompt 文件、交付复制路径，且没有 programmatic/local/PIL/SVG/HTML/Canvas/matplotlib 等违规来源；检查 `frame.png` 叠背景后完整对位、线条/圆弧/填充干净，检查 `icons_contact_sheet.png` 无缺边；运行 `visual_compare_qa.py 源图 最终预览 --out-dir ...`，打开 `side_by_side.png`、`blend.png`、`diff_heatmap.png`，用 GPT 视觉对比源图与最终预览，逐项核对：图标无缺失、无重复叠影、无被切断、位置/大小贴合、文字可读；再用 placement_qa.py 在源图和预览图上画 bbox → 至少执行一轮 `layout.json` 回校（先修图标中心点/尺寸，再修文字框/字号/行距，最后修贴框文本的 frame_anchor 偏移）→ 对比整页预览；图标明显偏小/偏大、压字、离源位置漂移，或文字换行/位置不贴合，都不得交付

叠放顺序（从下到上）：背景 → 整体框架图(frame) → 元素图标(icons) → 文字(texts)。如果用户明确要求框架切分，则顺序为：背景 → 框架部件(icons[] 中 role:"frame_part") → 元素图标(icons) → 文字(texts)。默认不使用 shapes；除非用户明确要求原生形状重建，否则 shapes 不得承载任何视觉内容。

关键命令

# B0 本次任务隔离目录（<task-slug> 用源图名或用户任务名的安全短名）
mkdir -p "$PWD/image2pptx_runs"
export RUN_ROOT="$(mktemp -d "$PWD/image2pptx_runs/$(date +%Y%m%d-%H%M%S)_<task-slug>_XXXXXX")"
mkdir -p "$RUN_ROOT/editable/01/icons" "$RUN_ROOT/editable/01/prompts" "$RUN_ROOT/out/preview"

# B1 探色（含绿则推荐改非绿底色）
python3 scripts/probe_palette.py "$RUN_ROOT/editable/01/slide-01.png"

# B5 去底（框架图 + 图标图都去底，保色保线）→ 默认保留整张 frame.png + 图标切片 → 合到灰底自检
python3 scripts/chroma_key.py --input "$RUN_ROOT/editable/01/frame_raw.png" --out "$RUN_ROOT/editable/01/frame.png" --preset frame-safe --scale 2 --force
python3 scripts/chroma_key.py --input "$RUN_ROOT/editable/01/icons_raw_1.png" --out "$RUN_ROOT/editable/01/icons_t_1.png" --preset icon-safe --scale 2 --force
python3 scripts/slice_grid.py "$RUN_ROOT/editable/01/icons_t_1.png" "$RUN_ROOT/editable/01/icons" --auto --pad 24 --contact-sheet --prefix ic
# 非绿底：--auto-key none --key-color "#ff00ff"；只有严格等分且元素居中时才用 --grid 4x4

# 可选：仅当用户明确要求框架切分/框架部件可移动时执行
mkdir -p "$RUN_ROOT/editable/01/frame_parts"
python3 scripts/slice_grid.py "$RUN_ROOT/editable/01/frame.png" "$RUN_ROOT/editable/01/frame_parts" --components --pad 0 --contact-sheet --prefix fp
python3 scripts/frame_parts_to_icons.py "$RUN_ROOT/editable/01/frame_parts/icons_manifest.json" --ref-width <源图宽px> --ref-height <源图高px> --out "$RUN_ROOT/editable/01/frame_parts/frame_parts_layout_icons.json"

# B8 合成 + 预览 + 摆放 QA
python3 scripts/layout_guard.py "$RUN_ROOT/editable/01/slide-01.png" "$RUN_ROOT/editable/01/layout.json" --strict
python3 scripts/placement_qa.py "$RUN_ROOT/editable/01/slide-01.png" "$RUN_ROOT/editable/01/layout.json" --slide-index 1 --out-dir "$RUN_ROOT/editable/01/qa-source-boxes"
python3 scripts/compose_pptx.py "$RUN_ROOT/editable/01/layout.json" "$RUN_ROOT/out/<task-slug>.pptx" --preview-dir "$RUN_ROOT/out/preview"
python3 scripts/placement_qa.py "$RUN_ROOT/editable/01/slide-01.png" "$RUN_ROOT/editable/01/layout.json" --slide-index 1 --preview "$RUN_ROOT/out/preview/slide_01.png" --out-dir "$RUN_ROOT/editable/01/qa-placement"
python3 scripts/visual_compare_qa.py "$RUN_ROOT/editable/01/slide-01.png" "$RUN_ROOT/out/preview/slide_01.png" --out-dir "$RUN_ROOT/editable/01/qa-visual"

要点：

• 目录隔离：每次转换必须先建唯一 RUN_ROOT，所有 background.png、frame_raw.png、frame.png、可选的 frame_parts/、icons_raw_*.png、layout.json、imagegen-assets-manifest.json、预览图和最终 PPTX 都在 RUN_ROOT 下；不要读写工作区固定同名目录。
• imagegen 必须传图且作为 edit target：每页每次生成 B2/B3/B4 之前，先 view_image 当前源图，让源图成为 imagegen 可用的可见编辑目标；prompt 中写“以刚刚显示的这张图片作为唯一编辑目标 / edit target，在它的基础上提取或擦除生成目标层”。不要只写 /path/to/slide.png，本地路径文本不是传图；也不要只把源图当作风格参考。
• 抠图底色：默认纯绿 #00ff00；B1 报告含绿则改非绿（如品红 #ff00ff），B3/B4 出图底色与 B5 --key-color 同步。
• 图片层来源：background.png、frame_raw.png、icons_raw_*.png 必须是 imagegen 生成图；不得来自 PPT 色块绘制、代码绘图或原图局部裁切。
• 不做历史源页搜索：除非用户明确要求复用旧文件，否则不要为了转换图片而扫描当前目录或历史 outputs/ 寻找相似源页；直接处理用户给出的当前图片。
• B3 提示词固定：框架图生成 prompt 固定为“生成一张图片，提取这张图片中的框架图，纯色背景，背景色值为XXXXXX，「框架图」= 原图里除背景/图标/装饰/艺术字/普通文本外的一切（容器轮廓与底色填充/标题条/辉光、分隔/连接线、全部图表图形：折线/柱状/阶梯/饼图/坐标网格/趋势线、缎带/装饰）→ 形状·大小·位置与原图 1:1 一致，保留原色与填充，别漏数据折线/装饰、别自己额外加空心线框、占位框；不要出现文字、不要出现图标；”。只替换 XXXXXX 为 B1 选出的背景色值。
• 框架图保真与默认整图：框架图 = 除背景/图标/装饰/艺术字/普通文本外的一切（含全部图表图形与装饰），连同卡片底色填充/标题条/辉光/渐变一起提取——抠出的框架合到背景上应≈原图去掉普通文本、图标和艺术字，且与原图 1:1 一致。别漏标题下短线、卡片顶部色条、下划线、数据折线/阶梯/饼图、坐标轴/网格线、缎带装饰。不能额外添加原图没有的占位框、线框。去底后的 frame.png 默认作为整体框架视觉层放入 PPT；只有用户明确要求框架切分时，才按透明连通区域切成 frame_parts/ 并以 icons[] role:"frame_part" 放入 PPT。
• 图标生成前先去重：B3 之后必须看 frame.png 叠背景的预览，列出已经出现在 frame 的图标/装饰；B4 只生成 frame 中没有的元素。若某元素已经在 frame 里且位置正确，就不要再放进 icons[]，否则会出现重叠双影。
• 图标/艺术字切片保边：一张图里生成多个图标可以保留，但必须留足空隙；切片优先 slice_grid.py --auto --pad 24 --contact-sheet，固定网格只在元素严格居中时用。必须查看 icons_contact_sheet.png：任一图标缺角、缺边、被裁半截、或 manifest 里任一 edge_touch 为 true，说明边框可能被切坏，必须重出图标表（加大格子/留白/拆成多张）或重切，不能交付。
• 图标缺失硬门禁：最终预览必须和源图并排做视觉核对，源图中每个普通图标/装饰/艺术字必须满足二选一：已在 frame 中正确出现，或已在 icons[] 中正确摆放。不能因为图标层偏移、遮挡或难切就从最终 layout 删除图标后交付。
• 坐标契约硬门禁：ref_width/ref_height 必须写源图实际像素尺寸；source_bbox 也必须是同一源图像素坐标。view_image、浏览器截图、PPT 预览 PNG 常常是缩略图，不是源图坐标系；若在缩略图上量到坐标，必须按 scale_x=源图宽/缩略图宽、scale_y=源图高/缩略图高 分别换回源图像素，并同步缩放 size_px。禁止把 2048px 预览坐标和 4096px 源图尺寸混用，尤其禁止 x 已按源图估、y 仍停留在缩略图高度，结果会让文字/图标全部挤到 PPTX 上半部分。layout_guard.py --strict 不负责判断视觉对位，视觉对位必须看最终合成预览与源图。
• 源图框视觉硬门禁：layout_guard 通过只表示 bbox 与 fraction 数学一致，不表示 bbox 量对了对象。合成前必须打开 qa-source-boxes/slide_01_source_boxes.png，逐项确认文本/图标框覆盖源图真实位置；像“关键动作”这种文本框若圈到上方流程区而非底部按钮，即使 guard 通过也必须重测。
• 框架锚点回校硬门禁：source_bbox 对了仍可能错位，因为 B3 的 frame.png 是 imagegen 生成层，标题条、按钮、底栏可能相对源图有轻微纵向/横向漂移。凡是贴在框架上的文本（分区标题、按钮文字、底栏总结、页脚横幅、卡片标题）必须在最终预览里按 frame.png 的视觉锚点再次回校：以标题条/按钮/底栏的中心线、内边距或框内留白为准，必要时整体下移/上移几个到几十个源图像素，并记录 frame_anchor 与 dx/dy_px。这一步在 layout_guard --strict 之后执行。
• 摆放坐标精度：默认用比例坐标。先在源图上量 x/y/w/h 像素 bbox，再按 x/ref_width、y/ref_height、w/ref_width、h/ref_height 写入 layout.json，并设置 units:"fraction"。保留 source_bbox:[x_px,y_px,w_px,h_px] 方便 QA。
• 图标/艺术字尺寸定位：对照原图逐个量出 x/y/w/h 像素 bbox，再换算成比例写进 layout.json（manifest 只有素材表尺寸，没有原图位置；用宽高比定 h、别给方形）；摆放后必须跑 placement_qa.py，在源图和预览图上看 bbox 是否压准，不能只看最终 PPT 预览。
• 图标预览回校硬门禁：首次预览后必须逐个图标检查“预览视觉 bbox vs 源图视觉 bbox”。若偏小/偏大，按中心点锚定调整：new_x = cx - new_w/2、new_y = cy - new_h/2；不得只改 w/h 导致图标漂移，也不得按切片素材原始尺寸直接摆。图标与文字重叠时，优先恢复源图相对位置；若源图无重叠而预览重叠，必须改图标或文字 bbox 后重跑 B8/B9。
• 最终视觉对位硬门禁：必须打开 qa-visual/side_by_side.png、qa-visual/blend.png、qa-visual/diff_heatmap.png，用 GPT 视觉判断合成 PPTX 预览里的文字和图标是否与原始 PPT 图片对应。页面内容只在上半页、下半页或局部区域都可以；判断标准是源图中对应对象的位置/大小/相对关系是否一致，而不是元素覆盖了页面多少高度。
• 生成证据：每页必须包含 imagegen-assets-manifest.json，记录背景、框架图、图标表的真实 imagegen 生成源路径、后端和 prompt 文件；缺失、prompt_file:null、或显示程序生成来源即不合格。
• 文字抽取：用 GPT 视觉直接看原图，按 texts[] JSON schema 输出逐段文本和像素位置样式；禁止把外部 OCR 输出当最终文本结果。长文本框 bbox 要覆盖原文字整块，不要用视觉中心点估算。
• 文字位置回校：最终预览里的文本必须与源图的文本块左/中/右边界、首行基线、换行节奏和相邻图标间距一致。若可编辑字体与源图手写字体宽度不同，优先微调 w/h 比例、size_ratio/size_pct、line_spacing 和 align，不要为了避开错位把图标删除或缩小到不符合源图。文字回校顺序固定为：先定 bold / 字号 / line_spacing，再修 bbox；否则全粗体或行距变化会改变字宽、换行和视觉高度，导致刚校准过的位置再次漂移。
• 坐标/字号：layout.json 推荐 units:"fraction"；字号推荐 size_ratio = 源图实际文字高度像素 / ref_height，compose 时换算为 pt = size_ratio × (页高in×72)。旧字段 size_px/size 仍兼容，但 size_px 必须是源图实际像素，不是 2048px 预览测量值；若需要正常 PowerPoint 号数，直接写 size 绝对 pt 更稳。反推公式：size_px = 目标pt × ref_height / (页高in×72)。
• 文字粗细硬门禁：bold 默认 false；不得为了“更像截图”把所有 texts[] 都设成 bold:true。只有标题、按钮标题、重点数字/关键词按原图加粗；普通正文和说明段默认常规字重。layout_guard --strict 会对疑似全粗体正文报错，除非原图确实全粗体并显式写 allow_all_bold_text:true。
• 多页：把每页 slides[] 汇进一个 deck.json 一次合成整本。
• 交付：最终答复必须给出可点击的最终 .pptx 绝对路径；若另存了便捷副本，也同时给出 RUN_ROOT 内原始输出路径和副本路径。

脚本与依赖

• 依赖：python3 + python-pptx、Pillow、numpy（缺就 pip3 install python-pptx pillow numpy）。
• 输入若是"图片型 PPT"，通常由 GordenImagePPTGen 产出；要一键"先出图再转可编辑" → 用 GordenSuperPPTSkill。

GordenImagePPTGen — 生成图片格式的 PPT

把主题/内容变成「图片型 PPT」：设计 → 出图 → 合成。每页是一张由imagegen生成的图片。必须使用图片生成，不能通过SVG绘制，必须调用图片生成模型。

内容 ─▶ A2 设计大纲(outline.json) ─▶ A3 每页提示词 ─▶ A4 GPT imagegen 出图 ─▶ A5 合成图片型 .pptx

运行时与图片后端（先读）

图片生成的调用方式因运行时而异，动手前先读 references/runtime-notes.md。核心约定：

1. 图片一律用 raster 图像生成后端（Codex 必须调用内置 imagegen；其它运行时用其原生出图工具）。禁止用 SVG/HTML/Canvas/代码画图冒充。
2. 禁止在已生成的位图上用代码补字/盖字/改字。文字错了没关系，后续改成可编辑pptx后支持手动修改。
3. Codex 内置工具出的图默认在 $CODEX_HOME/generated_images/，用完务必复制到本任务输出目录，并保留默认目录原图。
4. 阶段 A4 必须写 imagegen-manifest.json，逐页记录模型生成源图与复制后的 slide 路径；没有 manifest 或任一页缺 generated_source，本技能执行失败。

imagegen 硬门禁

本技能中的“生成图片”只指调用图像生成模型，不指用代码画 PNG。

禁止使用以下方式生成整页幻灯片图：

• Python/PIL、SVG、HTML、Canvas、matplotlib、PowerPoint shapes、截图渲染。
• 先生成可编辑 PPTX，再导出为图片。
• 用代码绘制页面骨架、图表、图标、文字并保存为 PNG。

允许代码做的事仅限：

• 写 outline.json、prompts/NN-*.md、imagegen-manifest.json、deck.json。
• 从 $CODEX_HOME/generated_images/<thread-id>/...png 复制已生成图片到 slides/。
• 裁切/缩放整张已生成图片以统一比例（不得补字或重画局部内容）。
• 合成图片型 PPTX、生成预览、做 QA 检查。

如果 imagegen 不可用，必须停止并说明阻塞原因，不能用代码绘图兜底。

全局铁律

1. 🔴 绝不出占位符图：本技能产出的是含全部真实文字(verbatim)的成品幻灯片图，不是空模板。出图提示词的【页面文字】必须写满真实文字；outline.json 的 visual_generation_prompt（只描述画面）禁止单独出图，必须与全部文字合并后再出（详见 image-prompt-guide 文首铁律）。出现 lorem/占位框/无字卡片即判失败、改提示词重出。
2. 数据零编造：完全使用用户提供的数据/数值/专名。数据少就把内容做厚（真实的结构化拆解）+ 大字号/中心聚焦排版，绝不编造或填充虚假内容。
3. 语言跟随用户：问答用用户语言；幻灯片内文字用内容语言（默认中文）。
4. 少用绿色：尽量避免大面积纯绿（下游 GordenImage2PPTX 默认绿幕抠图会冲突）。
5. 页脚干净：不加页码/logo/水印（除非用户要求）。

默认风格与复杂度

默认 = 信息密度极高、排版复杂、模块化网格、每页一个不重复的高阶框架（房子型/莫比乌斯环/Bento 便当盒/同心雷达/多层架构/鱼骨/漏斗/3D 阶梯等）。简单 = 不合格。完整提示词体系、复杂度强制清单、风格库、图表形式目录、verbatim 规则见 references/image-prompt-guide.md。

• ⭐ 内容优先（最易踩坑）：「排版太简单」几乎都是每页内容太薄。先备厚内容、再出图：每页 ≥4 个并列模块、每模块 标题+2~3 要点+1 个特大号指标，外加导语(关键词高亮)+底部横幅（≈20+ 信息点/页）。见 image-prompt-guide §0。
• 每页不重样 + 统一配色：每页选一个不同的复杂框架；全篇统一一套配色（有参考图就提取其配色）。见 §1.7、§4。
• 豪华 ≠ 浮夸：清晰永远第一，避免过度辉光/3D 戏剧化导致花哨难读；"清晰科技"是稳妥默认（浅底+细网格+扁平模块+克制强调+高密度）。见 §1.7、§5。
• 排版参考图库 参考图/：出图前挑结构相近的参考图，把布局骨架写进提示词（也可作 reference 传入后端），可学排版与风格气质，但不照搬其文字/品牌（§1.6）。
• 比例：跟随用户。默认 16:9；用户要 3:2（或后端原生 3:2 且接受）就直接出 3:2，全套统一、不裁切。见 runtime-notes §5。

工作流（逐项打勾）

- [ ] A1 确认：风格 / 受众 / 页数 / 语言（除非用户说"直接生成/不用确认"）
- [ ] A2 大纲(outline.json)：解构内容 → 每页指派不重复的复杂框架、统一配色、写厚 detailed_content（见 image-prompt-guide §7 / §1.7）
- [ ] A3 每页提示词：把 outline 落地成 self-contained 提示词（含【全部真实文字 verbatim】），存 prompts/NN-*.md
- [ ] A4 出图：解析后端 → 逐页调用 imagegen 出图（每页含全部真实文字，绝不占位符）→ 复制到输出目录 → 写 imagegen-manifest.json
- [ ] A5 合成：compose_pptx.py 把每页图片做成全幅图片型 .pptx

要点：

• 页数：用户指定就用；没指定按内容量自定（一般 11–20 页，封面+结尾必有）。
• A3 提示词自包含：颜色(hex)、版式、全部文字、图表形式、字体风格全写死，便于可复现、单页重出。
• A4：先确认所有 prompts/NN-*.md 就位再开跑；每页必须有一次真实 imagegen 调用；失败/错字只重试该页；复制源图时保留 $CODEX_HOME/generated_images/... 原图。
• imagegen-manifest.json：必须逐页记录 slide、prompt_file、generated_source、copied_to、backend。这是阶段 1 的验收证据。
• A5：生成 deck.json（每个 slide 只有 background 指向该页 PNG），跑：

python3 scripts/compose_pptx.py deck.json out/<topic>-image-deck.pptx

输出目录结构

<topic-slug>/
├── outline.json            # A2 设计大纲（逐页结构化）
├── imagegen-manifest.json  # A4 每页 imagegen 生成证据
├── prompts/NN-*.md         # A3 每页出图提示词（可复现）
├── slides/NN-*.png         # A4 生成的每页图片
├── deck.json               # A5 合成清单（每页 background）
└── out/<topic>-image-deck.pptx

脚本与依赖

• 依赖：python3 + python-pptx、Pillow（缺就 pip3 install python-pptx pillow）。
• 下一步要可编辑 pptx → 用 GordenImage2PPTX；要一键全流程 → 用 GordenSuperPPTSkill。

GordenSuperPPTSkill — 端到端 PPT 全流程编排

把两个子技能串起来跑：

内容 ─▶【阶段1 GordenImagePPTGen】图片型 PPT（每页 .png + 图片版 .pptx）
       ─▶【阶段2 GordenImage2PPTX】对每页图片做 背景图+骨架图+元素图标+文本 还原 ─▶ 可编辑 .pptx

本技能本身不重复造轮子——它依次完整执行两个子技能。两个子技能需与本技能同处（同一仓库/同一 skills 目录）：

• 阶段 1：../GordenImagePPTGen/SKILL.md（功能 A：生成图片型 PPT）
• 阶段 2：../GordenImage2PPTX/SKILL.md（功能 B：图片 → 可编辑 PPTX）

端到端运行手册见 references/pipeline.md。

阶段 1 图片生成硬门禁

阶段 1 的“生成图片”只允许解释为：实际调用 Codex 内置 imagegen 图像模型生成每一页幻灯片成品图。

禁止用以下方式替代阶段 1 出图：

• Python/PIL、SVG、HTML、Canvas、matplotlib、PowerPoint shapes、截图渲染。
• 用代码绘制整页幻灯片图，再把它当作“图片型 PPT”。
• 先用可编辑 PPTX / 原生 shapes 做页面，再导出为 PNG 充当阶段 1 结果。
• 用代码在已生成图片上补字、盖字、改字。

Codex 运行时必须满足：

• 每页都调用一次或多次 imagegen，最终选定一张模型生成图。
• 生成源图必须来自 $CODEX_HOME/generated_images/<thread-id>/...png。
• 只能把源图复制到本任务 slides/NN-*.png；不要删除默认生成目录中的原图。
• 必须写入 imagegen-manifest.json，逐页记录 generated_source 与 copied_to。

如果 imagegen 不可用，必须停止并说明阻塞原因，不能使用代码绘图兜底。

何时用哪个

• 用户明确点名某一功能 → 直接用对应子技能，不必走 Super。
• 没点名时默认走 Super：先完整出图，再逐页还原为可编辑，最后一次性交付全部产物。

编排流程（逐项打勾）

== 阶段 1：GordenImagePPTGen（完整跑功能 A）==
- [ ] 读 ../GordenImagePPTGen/SKILL.md，按 A1–A5 执行
- [ ] 每页实际调用 imagegen 生成成品图
- [ ] 产出：outline.json、prompts/NN-*.md、imagegen-manifest.json、slides/NN-*.png、图片型 .pptx
- [ ] 铁律：每页图必须含【全部真实文字 verbatim】，绝不出占位符/无字模板图
- [ ] 门禁：没有 imagegen-manifest.json 或任一页缺 generated_source，则阶段 1 失败，不能进入阶段 2

== 阶段 2：GordenImage2PPTX（对阶段1每张图完整跑功能 B）==
- [ ] 读 ../GordenImage2PPTX/SKILL.md，对每页图片按 B1–B9 执行
- [ ] 强制四层：背景图 → 骨架图(绿幕抠图) → 元素图标(绿幕抠图) → 文本(OCR)，缺一不可
- [ ] 背景图、骨架图、元素图标图必须由 imagegen 提取式生成
- [ ] 禁止用 PPT 色块、原生 shapes、代码绘图、裁原图局部替代背景/骨架/图标图片层
- [ ] 产出：每页 imagegen-assets-manifest.json + background/frame/icons/layout.json + 合成的可编辑 .pptx

== 交付 ==
- [ ] 一次性交付：① 所有 PPT 图片 ② 每页背景图 ③ 每页骨架图 ④ 每页图标/装饰 ⑤ 每页文本数据(layout.json) ⑥ 图片型 .pptx ⑦ 可编辑 .pptx

关键约束（两阶段都要守）

1. 🔴 阶段1必须调用 imagegen 出图，绝不用代码绘图替代，且绝不出占位符图；阶段2背景/骨架/图标图片层也必须调用 imagegen 生成，绝不跳过骨架图与元素图标（四层强制）。这两条是上一版退化的根因，务必守住。
2. 比例统一：A 和 B 全程同一比例（默认 16:9；用户要 3:2 就全套 3:2）。
3. 配色统一、每页框架不重复（阶段1）；抠图保色保线、图标尺寸对照原图（阶段2）。
4. 数据零编造；语言跟随用户；页脚干净；少用纯绿（绿幕抠图会冲突）。

输出目录结构（建议）

<topic-slug>/
├── outline.json / imagegen-manifest.json / prompts/ / slides/   # 阶段1
├── out/<topic>-image-deck.pptx              # 阶段1 图片型成品
└── editable/                                # 阶段2
    ├── NN/{background.png, frame.png, icons/*.png, layout.json}
    ├── deck.json
    ├── preview/slide_*.png
    └── <topic>-editable.pptx                # 阶段2 可编辑成品

子技能各自自带脚本与 references；本技能只负责编排与交付。若两个子技能不在同处，请先安装它们，或直接分别调用。