AgentIndex icon
AgentIndex
工具分类热门最新对比指南
提交工具
工具分类热门最新对比指南
首页/
Vision / Multimodal/
PPTAgent
PPTAgent logo

PPTAgent

活跃·★ 5.1k·MIT·更新于 2026-10-12
★ 时下流行

PPTAgent 可以从文档或提示词生成演示文稿。配套论文已被 EMNLP 2025 接收,方法是两阶段的“编辑式”生成:先分析参考幻灯片、起草大纲,再在选定的参考页上迭代生成编辑动作,并提出 PPTEval 从内容、设计和连贯性三方面打分。README 的更新记录里有 V2(深度研究集成、自由版式设计、自主素材创建、文生图,以及带沙箱和 20 多个工具的智能体环境)、MCP 服务支持,以及 2026 年 1 月加入的自由生成与模板生成、PPTX 导出和离线模式。

部署是比较重的部分。README 说列出的 API 密钥、配置和服务都是必需的:在 config.yaml 里配置模型接口,用于文档解析的 MinerU API 密钥(每个密钥有效期 14 天),以及用于搜索的 Tavily 密钥。它建议研究智能体用 Claude、设计智能体用 Gemini;自己部署 MinerU 后可以用离线模式,但功能有限。启动方式是 docker compose,或者本地用 pip、Playwright 和 npm 安装后运行网页界面。

本文根据项目 README 和公开仓库数据整理,我们没有实际试用过该工具。数据截至 2026-10-11。

许可证
MIT
最新发布
v2.0.0 · 2025-12-16
最近提交
2026-10-05
贡献者
27
复刻数
599
未关闭的 issue 和 PR
16
首次发布
2025-01-04

来源:GitHub、npm 和 PyPI 的公开接口。

#AI智能体#演示文稿生成#大语言模型#自然语言处理#多模态AI
$ 安装
$ npm install @daydreamsai/core @ai-sdk/openai zod
↗ 访问官网★ GitHub
01

功能特性

01可组合上下文
02原生MCP支持
03持久化内存
04全TypeScript
05上下文隔离
02

为什么选择它

+有同行评审论文(EMNLP 2025)和专门的评测框架支撑
+可导出 PPTX,支持自由生成和模板生成两种方式
+包含调研、搜索和生成图片,不只是把文字排成幻灯片
+提供 MCP 服务,也有离线模式
03

权衡点

!部署需要多个服务和密钥,README 明确说都是必需的
!MinerU 的 API 密钥每 14 天过期,除非自己部署 MinerU
!README 推荐使用特定的商业模型(Claude、Gemini),效果取决于所选模型
!离线模式功能有限
04

兼容性

Claude
支持
已通过文档验证
Gemini
支持
已通过文档验证
GLM-4.7
支持
已通过文档验证
MinerU
支持
已通过文档验证
Tavily
支持
已通过文档验证
Offline Mode
部分支持
已通过文档验证
05

快速开始

1
$ npm install @daydreamsai/core @ai-sdk/openai zod
06

使用场景

↳电子商务自动化
↳医疗保健解决方案
↳金融服务
07

同类工具

UI-TARS-desktop logo
UI-TARS-desktop★ 39.3k
UI-TARS Desktop 是一款基于 UI-TARS 模型,提供原生 GUI Agent 能力的桌面应用程序。
Meshroom logo
Meshroom★ 13.0k
Meshroom是一个开源的、基于节点的视觉编程框架,一个用于创建、管理和执行复杂数据处理管道的灵活工具箱。
ragflow logo
ragflow★ 92.2k
RAGFlow 是一个领先的开源检索增强生成 (RAG) 引擎,它融合了前沿的RAG与Agent能力,为大型语言模型提供卓越的上下文层,并简化企业级RAG工作流。
Context7 logo
Context7★ 63.0k
Context7 MCP 为大型语言模型提供最新、版本特定的代码文档和示例,以避免过时或虚假的信息。
Brave Search MCP logo
Brave Search MCP★ 1.5k
此仓库是模型上下文协议(MCP)参考实现的集合,展示了如何为大型语言模型提供安全、受控的工具和数据源访问。
MaxKB logo
MaxKB★ 23.0k
MaxKB 是一个强大易用的开源企业级智能体构建平台。
Gemini CLI logo
Gemini CLI★ 107.3k
Gemini CLI 是一个开源的 AI 代理,将 Gemini 的强大功能直接带入您的终端,提供轻量级访问,让您的提示能够最直接地到达模型。
Open Interpreter logo
Open Interpreter★ 68.6k
面向终端的编程 Agent,针对低成本和开源模型优化。基于 OpenAI Codex 分叉,可以模拟其他 Agent 运行框架,并在原生沙箱中执行命令。
查看全部替代品 →

评论

登录后发表评论

暂无评论,来发表第一条吧

本页内容
01功能特性02为什么选择它03权衡点04兼容性05快速开始06使用场景07同类工具
统计
GitHub Stars★ 5.1k
最后更新2天前
状态活跃
许可证MIT
分类视觉/多模态
热度趋势 (30d)
+0.2k↑ 4.3%
链接
文档↗讨论↗问题↗版本↗

Deploy on DigitalOcean — Get $200 Free Credit

Ad
© 2026 AgentIndex.app|由十年 iOS 开发者构建。
按场景挑选关于我们联系我们广告合作隐私政策使用条款QYSGitHub请作者喝咖啡 ☕

按分类浏览

代码助手工作流自动化RAG / 知识库多智能体浏览器自动化大模型基础设施开发者工具可观测性

与 Anthropic, OpenAI 或 Microsoft 无关。