GPT-Image-2 PPT Generator

Generate visually striking PPT slides via OpenAI's gpt-image-2 -- 10 curated styles (Spatial Glass / Tech Blue / Editorial Mono / Dark Aurora / Risograph / W...

Security Scan

The package mostly does what its README/SKILL.md say (generating PPT slides via OpenAI image + an optional vision provider), but there are multiple internal inconsistencies (manifest says no env vars / instruction-only while code and install script require an OpenAI API key and include many code files) and a detected prompt-injection pattern in SKILL.md — review before installing or granting keys.

Purpose & Capability

The skill's declared registry metadata says 'required env vars: none' and 'No install spec — instruction-only', but the bundle includes runnable Python code, an install script, and SKILL.md/README that explicitly require OPENAI_API_KEY (and optional VISION_* variables). That mismatch (manifest claiming no credentials while code requires an API key) is incoherent and should be resolved by the publisher.

Instruction Scope

Runtime instructions and code are generally scoped to the stated purpose: they accept a slides_plan.json, optionally a .pptx template, render template pages to PNG, call a configured OpenAI-compatible Images/chat endpoint (gpt-image-2) and optionally a vision model, download returned images, assemble an HTML viewer and .pptx. The SKILL.md/code write outputs and caches under the caller's cwd. Two points of note: (1) SKILL.md and pre-scan detected 'unicode-control-chars' in SKILL.md (a prompt-injection pattern) which could indicate hidden/obfuscated text; (2) prompts.json contains the full prompts used (including user-provided slide text) which will be stored in plaintext locally and could leak sensitive content if shared.

Install Mechanism

There is no registry 'install' spec, but the repo includes an install_as_skill.sh that copies files to ~/.claude/skills/... and runs pip install -r requirements.txt. This is a standard local install flow (no obscure third-party download URLs), but the installer may restore an existing .env and it may pull a large docker image (linuxserver/libreoffice) if local LibreOffice isn't available. No evidence of arbitrary remote code downloads beyond normal pip/docker usage.

Credentials

The code requires OPENAI_API_KEY / OPENAI_BASE_URL (and optionally VISION_API_KEY / VISION_BASE_URL for template-clone mode). Those envs are proportional to the described functionality (calling image + vision endpoints), but the registry metadata incorrectly listed 'required env vars: none'. That discrepancy is important: the skill will need your API key(s) and will send user content to whatever base_url you configure. There are no unrelated credentials (AWS, etc.), so the requested secrets are functionally justified, but the manifest omission is misleading.

Persistence & Privilege

The skill does not request always:true and won't force-enable itself. It writes caches and outputs to obvious per-run paths under the caller's cwd (template_renders/, template_cache/, outputs/) and uses a local ~/.claude/skills install location if installed; it does not attempt to modify other skills or global agent settings. Autonomous invocation (disable-model-invocation=false) is the platform default and not a unique risk here by itself.

Scan Findings in Context

[unicode-control-chars] unexpected: The detector flagged unicode control characters in SKILL.md. This is not expected for a simple documentation file and can indicate obfuscated or hidden prompt-injection content; inspect SKILL.md in a hex/visible-characters view before trusting it.

What to consider before installing

This skill appears to implement what it claims (creating PPTs by calling an image/vision LLM) but several red flags mean you should be cautious before installing or supplying API keys: 1) Manifest mismatch — the registry metadata claims no required env vars/instruction-only, but the code and README require OPENAI_API_KEY (and optional VISION_*). Treat the package as code that will call external endpoints and send your slide content there. 2) SKILL.md contains hidden unicode control characters (prompt-injection signal) — open SKILL.md in a hex editor or run `cat -v` to inspect for hidden characters before use. 3) Prompts and inputs are saved to prompts.json and other local caches; do not run with confidential data unless you are comfortable those files exist and may be shared. 4) Only provide API keys and base_url values you trust; the tool will send content to the configured endpoint(s). 5) If you choose to install: do so in an isolated environment (container / disposable VM), review generate_ppt.py and image_generator.py for any additional network calls, and prefer setting OPENAI_BASE_URL to the official provider or a relay you control. If you cannot verify the repository origin or the SKILL.md hidden characters, avoid installing or run thorough code review first.

gpt-image2-ppt -- 用 gpt-image-2 生成 PPT

把一份 markdown 大纲（或 slides_plan.json）+ 一种视觉风格，直接喂给 OpenAI 官方 Images API（gpt-image-2），逐页出图，最后拼成一个键盘可翻页的 HTML viewer + 16:9 .pptx。

十种内置风格

风格 ID	一句话定位	适用场景
gradient-glass	Apple Vision OS / Spatial Glass	AI 产品发布、技术分享、创意提案
clean-tech-blue	Stripe / Linear 级蓝白	融资路演、商业计划书、企业战略
vector-illustration	复古矢量插画 + 黑描边	教育培训、品牌故事、社区分享
editorial-mono	Kinfolk / Monocle 编辑设计	品牌发布、文化访谈、读书分享
dark-aurora	Linear / Vercel 深色霓虹	AI 产品、开发者工具、技术分享
risograph	Riso 双套色印刷 + 网点纹理	创意工作室、文创品牌、独立 zine
japanese-wabi	无印 / 原研哉式侘寂	茶道、生活方式、奢侈品、文化讲座
swiss-grid	Bauhaus / Vignelli 国际主义网格	学术报告、博物馆展陈、严肃汇报
hand-sketch	Sketchnote / 白板手绘	工作坊、产品 brainstorming、培训
y2k-chrome	Y2K 千禧液态金属 + 蝴蝶贴纸	潮牌、文娱、品牌联名、Z 世代营销

风格选择原则：技术类首选 dark-aurora / gradient-glass，商务类首选 clean-tech-blue / editorial-mono，文化生活类首选 japanese-wabi / vector-illustration，潮文娱类首选 risograph / y2k-chrome，学术类首选 swiss-grid，工作坊与早期创意类首选 hand-sketch。

模板克隆模式

直接给 skill 一个 .pptx 模板，后续所有页都仿这个模板。

# 一行：自动渲染 + vision 抽风格 + 出图。本机有 LibreOffice 或 docker 镜像即可
python3 generate_ppt.py \
  --plan slides_plan.json \
  --template-pptx ./company-template.pptx \
  --template-strict

--template-strict 表示每页都把模板对应页作为 image reference 喂给 gpt-image-2，仿真度最高。

模板渲染：本机不需要操作 PowerPoint

skill 自带 render_template.py，把 .pptx 自动渲染成每页 PNG，存到 <cwd>/template_renders/<stem>/page-NN.png。

后端按优先级自动挑：

1. 本机 libreoffice / soffice 命令（最快）
2. 本机 docker + linuxserver/libreoffice 镜像（首次拉 ~2.5GB）
3. PDF -> PNG 走 pymupdf（已在 requirements）；没装就用 pdf2image + poppler

如果两种 LibreOffice 都没有，会让用户手动从 PowerPoint/Keynote/WPS 导出每页 PNG，命名 page-01.png 起按字典序对应页码。

跑 generate_ppt.py --template-pptx ... 时如果省略 --template-images 会自动调一次渲染；也可以手动先跑一次：

python3 render_template.py company-template.pptx
# -> <cwd>/template_renders/company_template/page-01.png ... page-NN.png

仿模板的两层缓存

资料	路径	用途
模板每页 PNG	<cwd>/template_renders/<stem>/page-NN.png	LibreOffice 一次渲染长期复用
Vision 风格分析	<cwd>/template_cache/<sha256>.json	gemini-3.1-pro-preview 一次分析长期复用
生成产物	<cwd>/outputs/<timestamp>/	每次新跑都新目录

三者都在调用者 cwd 下，与项目自然同进退；建议把 template_renders/、template_cache/、outputs/ 加进项目的 .gitignore。

vision 模型：模板分析走单独的 OpenAI 兼容多模态 chat completions（默认 gemini-3.1-pro-preview，配在 .env 的 VISION_* 里），与图片生成的 gpt-image-2 解耦。

安装

git clone [e-mail]:JuneYaooo/gpt-image2-ppt-skills.git
cd gpt-image2-ppt-skills
bash install_as_skill.sh
# 编辑 ~/.claude/skills/gpt-image2-ppt-skills/.env 填入 API_KEY

必需的环境变量

OPENAI_BASE_URL=https://api.openai.com    # 或任意 OpenAI 兼容中转站
OPENAI_API_KEY=sk-...
GPT_IMAGE_MODEL_NAME=gpt-image-2
GPT_IMAGE_QUALITY=high                     # low / medium / high / auto

# 可选：模板克隆模式才需要（vision 分析独立 provider）。
# 不内置默认 endpoint，请填你自己信任的服务，否则就别填这一组。
# VISION_BASE_URL=https://your-openai-compatible-relay.example.com/v1
# VISION_API_KEY=sk-...
# VISION_MODEL_NAME=gemini-3.1-pro-preview

安全提示：脚本只从 <script_dir>/.env、~/.claude/skills/.../env、~/skills/.../env 与显式 GPT_IMAGE2_PPT_ENV 加载凭据，不会向上递归读取项目目录里的 .env，避免误吃无关密钥。

生成流程（内置风格）

1. 用户给一份大纲 / 已有的 slides_plan.json
2. Claude 读懂内容，按需要生成 / 校准 slides_plan.json：

   {
     "title": "...",
     "slides": [
       {"slide_number": 1, "page_type": "cover",   "content": "标题 / 副标题"},
       {"slide_number": 2, "page_type": "content", "content": "正文要点..."},
       {"slide_number": 3, "page_type": "data",    "content": "数据 / 总结..."}
     ]
   }
   

3. 选风格：从上面 10 套里挑一个，对应 styles/<id>.md
4. 调脚本：

   python3 generate_ppt.py --plan slides_plan.json --style styles/editorial-mono.md
   

5. 产物在 <cwd>/outputs/<timestamp>/：
   • images/slide-XX.png -- 每页 PNG（16:9，1536x1024）
   • index.html -- HTML viewer，方向键翻页、空格自动播放、ESC 全屏
   • prompts.json -- 每页用到的完整 prompt（便于复盘 / 二次微调）
   • <title>.pptx -- 16:9 整页填充图片的 .pptx，分享 / 投影直接用

生成流程（模板克隆）

1. 拿到模板 .pptx（用户提供 / 内部模板库 / 网络下载）
2. （可选）先单独渲染并人工挑选----大模板（>15 页）建议先 python3 render_template.py xxx.pptx，再从 template_renders/<stem>/ 里挑 8-12 张代表页复制到 template_renders/<stem>_curated/，供 vision 分析。页数越精，layout 命中越准
3. 生成 slides_plan.json：每页 slide_number / page_type (cover / content / data / 等) / content；想精准对位时加 layout_id，命名按 layout-NN（NN = 模板第 N 页 / 你期望对应的模板页编号）
4. 跑 generate_ppt.py：

   python3 generate_ppt.py \
     --plan slides_plan.json \
     --template-pptx xxx.pptx \
     --template-images template_renders/xxx_curated \
     --template-strict --slides 1
   

   先 --slides 1 出封面冒烟，效果 OK 再跑全量
5. 告知用户产物路径

模板页面挑选 / 复用原则

核心原则：尽量做到 1 page : 1 layout----同一份 deck 里每个 slide 用不同的模板页作 reference，观众会觉得每页都是新内容；如果同一个独特 layout 出现 2-3 次，观众下意识会想"为什么又是这页"。

vision 分析时会给每个 layout 标 reuse_friendly：

reuse_friendly	典型 layout	多次使用的代价
false（不可复用，(!) 强警告）	封面、3 个具名角色插画页、独特场景图（雪山/广播塔/复古收音机）、5 步骤 zigzag 各步独有图标、novelty 数据中央装置	视觉重复非常明显，观众会困惑
true（可复用，但仍建议错开，(i) 弱提示）	纯文字、卡片网格、通用列表、章节小节标题	不致命，但平白浪费模板里的其它好版式

Claude 在搭 plan 时的执行策略：

1. 优先把模板里 N 个不同 layout 分配给 N 页 slide（N 不够就在 SKILL 里看 reuse_friendly=true 的部分挑能复用的）
2. 如果 plan 里某页内容结构非常相似（比如多个"5 步骤流程"），先尝试改写内容用不同 layout 表达（4 步骤 + 5 步骤分别用不同流程页），而不是同一个 zigzag 用两次
3. 冒烟跑完后，看 Layout 复用检测 那段输出：(!) 必须改，(i) 看情况改；改 plan 里相应 slide 的 layout_id 即可
4. 看完 cache JSON 选 layout：cat <cwd>/template_cache/<sha256>.json | jq '.layouts[] | {id, page_type, reuse_friendly, summary}' 一眼看清模板有哪些版式可挑

generate_ppt.py 在派发任务前会自动跑一次复用检测，把警告打到终端，不阻塞执行。

Skill 调用规范

当用户说"做一份 PPT" / "生成幻灯片"时：

1. 先问三件事（不要直接动手）：
   • 内容 / 页数 / 观众是谁？
   • 风格偏好？按"十种内置风格"表的场景类目映射推荐 1-2 个；或者用户上传自己的 .pptx 模板（走 --template-pptx，自动渲染）
   • 是否需要单页测试一张图先看效果（--slides 1）
2. 生成 slides_plan.json
3. 跑 generate_ppt.py，先 --slides 1 出封面冒烟，效果 OK 再跑全量
4. 告知用户产物路径，让他在浏览器打开 outputs/<timestamp>/index.html 或者 <title>.pptx

仅生成部分页

python3 generate_ppt.py --plan my_plan.json --style styles/dark-aurora.md --slides 1,3,5

跑过的页有同名 PNG 时会自动跳过，方便逐页迭代。

文件结构

gpt-image2-ppt-skills/
|---- SKILL.md                # 本文件
|---- README.md               # 项目说明
|---- generate_ppt.py         # 主入口（CLI）
|---- render_template.py      # PPTX -> 每页 PNG 的辅助脚本（CLI + library）
|---- image_generator.py      # gpt-image-2 wrapper（支持 reference image）
|---- template_analyzer.py    # PPT 模板剖析器（vision + 缓存）
|---- slides_plan.json        # 示例 plan（10 页商业计划书）
|---- styles/                 # 10 套内置风格
|   |---- gradient-glass.md           dark-aurora.md
|   |---- clean-tech-blue.md          risograph.md
|   |---- vector-illustration.md      japanese-wabi.md
|   |---- editorial-mono.md           swiss-grid.md
|   |---- hand-sketch.md              y2k-chrome.md
|---- templates/viewer.html   # HTML viewer 模板
|---- install_as_skill.sh     # 一键安装到 ~/.claude/skills/
|---- requirements.txt        # requests + python-dotenv + python-pptx + jsonschema + pymupdf
\---- .env.example

调用时产生的运行时目录都在 <cwd> 下：

<your-project>/
|---- template_renders/<stem>/page-NN.png   # PPTX 渲染（render_template.py）
|---- template_cache/<sha256>.json          # vision 风格分析缓存
\---- outputs/<timestamp>/                  # 每次生成产物

License

Apache License 2.0.