你上一次做PPT花了多久？一小时？两小时？如果我告诉你，现在用Claude Code写一个"幻灯片技能"，几分钟就能生成一套带动画、图表、交互效果的完整演示文稿，你会不会觉得我在吹牛？
Peter Yang，一个做了十几年PPT的产品经理，终于在2026年忍不了了。他每天的工作就是打开PowerPoint或Google Slides，手动调字体、拖文本框、对齐图片——这些机械操作占据了他大量的创作时间。
问题的本质不是PPT难做，而是整个流程太低效。你需要一个一个页面地编辑，手动插入图表，调整布局，还要保证视觉一致性。一个12页的演示文稿，从大纲到终稿，少说也要1-2个小时。更别提那些"改了第3版"的痛苦回忆了。
转折点来得很快。Peter开始用Claude Code构建一个叫做"slide skill"的自定义技能。他不是让AI一次性帮他做一页PPT，而是把整个"做PPT的方法论"编码成一个可复用的技能文件。这样一来，每次只需要给AI一个主题，它就能自动生成完整的HTML演示文稿。
方法论拆解：如何构建你的第一个AI幻灯片技能
第一步：明确替代目标
Peter很清楚他要替代什么——不是"演讲"本身，而是"手动排版"这个环节。HTML天生适合做布局和动画，而且比PPT灵活得多。他决定用HTML+CSS+JS作为幻灯片的底层技术。
第二步：设计12种常见幻灯片模板
不是每个页面都从零开始。Peter总结了12种最常见的幻灯片格式：
- 双栏布局（文字+图片并列）
- 堆叠网格（3个关键数据+动画）
- 对比表格（两个方案横向对比）
- 三步流程（带动画示意图）
- 时间路线图（季度里程碑）
- 代码块（技术演示用）
- 金句页（大字+出处）
- 交互图表（鼠标悬停显示数据）
另外还做了3套视觉主题：默认风格、深色主题和浅色主题，覆盖大部分场景。
第三步：编写Skill指令文件
这是最关键的一步。一个Claude Code技能本质上就是一个文本文件（skill.md），里面写着给AI的详细指令。Peter的skill包含6个步骤：
- 读取skill.md和styles.md（包含工作流和模板）
- 向用户提问（有现成内容还是只有主题？要多少页？什么风格？给谁看？）
- 在线搜索补充内容（让AI自动做调研，丰富幻灯片内容）
- 生成完整的HTML文件
- 视觉QA——渲染每张幻灯片的截图，让AI自己检查布局问题
- 修复发现的问题并交付
Peter特别强调了第5步的重要性：一定要让AI做自己的QA。在他的演示中，QA Agent发现了大量布局问题并自动修复了，这个环节直接决定了输出质量。
第四步：迭代优化
Peter坦言，skill不是一次写完的。他让Claude先生成一个初始版本，然后反复生成演示文稿，给AI反馈，让它修改。这个"试错→反馈→改进"的循环才是skill变得好用的关键。他自己说的原话是："我并没有手动写所有这些指令文本，我基本上是通过反复迭代和AI一起完成的。"
第五步：交付和复用
一旦skill成熟了，效果是惊人的。在演示中，Peter从零生成了一个关于"Claude Code最佳实践"的完整演示文稿——包含封面、数据图表、代码块、流程图、金句页等8种不同格式，总共只用了几分钟。如果手动做同样质量的PPT，至少需要1小时。
这让我想起一个经典的系统思维原则："Build the system, not the output"。大多数人用AI的方式是每次从零开始对话，就像每次都手动做PPT一样。但真正的效率飞跃在于：把你的工作方法论编码成一个可复用的系统，让AI按照你的标准反复执行。
当然，这个方法也有局限性。首先，构建一个好的skill本身需要时间投入——Peter说他花了很多次迭代才让skill达到现在的水平。如果你只是偶尔做一次PPT，投入产出比可能不划算。其次，HTML幻灯片目前还无法完全替代PPT的一些高级功能（比如复杂的嵌入对象和Office生态集成）。最后，这个方法依赖于Claude Code这样的AI编程环境，对非技术用户有一定门槛。
"花时间做一个系统来替你工作，比亲自做工作本身更重要。"这不是一句鸡汤，而是AI时代的工作法则。当你发现自己在重复做同一件事的时候，停下来，把它变成一个技能。