有些 PPT 不是难在“会不会做”，而是太耗时间。

先想大纲，再找资料，再配图，再调版式，最后还要导出、写讲稿、做分享链接。对经常写汇报、方案、课程材料的人来说，这些步骤每一项都不复杂，但连在一起就很碎。

这次分享的 LandPPT，适合解决这类问题：你给它一个主题、文档或需求，它把“生成大纲、补充资料、生成页面、在线编辑、导出文件”串成一个完整的 AIPPT 工作流。

项目地址：https://github.com/sligter/LandPPT

它不是简单的“输入一句话生成几页幻灯片”。更准确地说，它像一个可以本地部署的 PPT 生产台：前面负责理解需求和整理结构，中间负责生成页面和配图，后面负责编辑、讲稿、音频、视频和多格式导出。

一、它解决的不是“做 PPT”，而是 PPT 流程太碎

如果你只是偶尔做一份三五页的小汇报，直接用现成模板可能更快。

LandPPT 更适合下面这种场景：

1. 有一份文档、资料或主题，需要快速变成正式演示稿；

2. PPT 页数不少，需要先生成结构化大纲；

3. 希望 AI 不只是写文字，还能参与配图、模板和页面调整；

4. 最终不只要预览，还要导出 PDF、HTML、PPTX、图片、讲稿或视频；

5. 想把 PPT 生成能力接到自己的脚本、系统或自动化流程里。

它真正方便的地方在于，把原本分散在“文档解析、搜索资料、写大纲、生成页面、找图、改版式、导出文件”里的步骤，放到同一个 Web 平台里。

二、核心流程怎么跑起来

1. 先确认需求

创建项目时，先输入主题、受众、页数范围和场景模板。

这一步很关键。AI 做 PPT 最怕需求太空，比如只写“介绍人工智能”，生成结果通常会很泛。更好的写法是：

“给中小企业老板看的 AI 办公自动化方案，10 页左右，重点讲成本、落地步骤和风险。”

这样生成的大纲会更接近真实汇报场景。

2. 再生成大纲

LandPPT 会先生成结构化大纲，而不是直接把页面一次性吐出来。

这个设计比较实用，因为 PPT 最容易返工的地方不是某一页文字，而是整体结构。如果大纲不对，后面页面做得再漂亮也要重来。

3. 根据大纲生成页面

确认大纲后，再进入页面生成。项目支持并行生成，也支持阶段重跑和恢复。

也就是说，如果某一页不满意，不必从头重来，可以围绕单页或阶段继续调整。对于长一点的材料，这比一次性生成后手动大改更稳。

4. 在线继续编辑

生成完成后，可以在 Web 界面里继续改内容、换图、调整样式。它还提供侧边栏 AI 对话编辑，支持上传图片做视觉参考。

这个能力适合处理“方向大致对，但细节还要调”的情况。毕竟 PPT 很少一次生成就能直接发，后续编辑能力比单次生成更重要。

三、它比较值得看的几个能力

1. 多模型支持

LandPPT 支持 OpenAI、Anthropic Claude、Google Gemini、Azure OpenAI，也兼容 DeepSeek、Moonshot、Qwen 等 OpenAI 协议平台，还可以接 Ollama 本地模型。

更细一点，它支持按任务角色配置模型。比如大纲生成用便宜模型，正式页面生成用更强模型，编辑助手再单独配置。对长期使用的人来说，这能更好地控制成本。

2. 文档解析和深度研究

它支持 PDF、Word、Markdown、TXT、Excel、PowerPoint 等输入格式，并集成 MinerU、MarkItDown 做文档解析。

如果需要补充资料，还可以配置 Tavily 或 SearXNG 做检索。适合做市场分析、产品介绍、课程材料这类需要“边查边写”的 PPT。

3. 配图来源比较完整

LandPPT 的配图不是只有一种来源。

它可以用本地图床、Pixabay / Unsplash 网络图库，也可以接 DALL-E、SiliconFlow、Pollinations、OpenAI、Gemini 等 AI 图像生成能力。

这个设计的好处是：正式汇报可以偏图库和品牌素材，创意类材料可以用 AI 生成图，内部草稿则可以先用默认方案快速跑通。

4. 导出和分享不止一种

除了常见的 PDF、HTML、PPTX，它还支持图片、DOCX、Markdown、公开分享链接，以及逐页讲解音频和 1080p 讲解视频。

如果你的使用场景是“生成后还要发给别人看”，这部分会很实用。

四、怎么上手体验

1. 本地快速运行

如果只是本地体验，可以用 uv 启动。项目要求 Python 3.11+，讲解视频导出需要 ffmpeg。

git clone https://github.com/sligter/LandPPT.git

cd LandPPT

uv sync --extra dev

cp .env.example .env

uv run python run.py

默认 Web 地址：

http://localhost:8000

docker pull bradleylzh/landppt:latest

docker run -d   --name landppt   -p 8000:8000   -v $(pwd)/.env:/app/.env   -v landppt_data:/app/data   -v landppt_reports:/app/research_reports   -v landppt_cache:/app/temp   bradleylzh/landppt:latest

长期部署可以用仓库里的 docker-compose.yml，它会同时启动 LandPPT、PostgreSQL 和 Valkey，更适合多用户、后台任务和长期运行。

3. 需要配置哪些 Key

最少要配置一个可用的 AI 模型 Key，比如 OpenAI 或兼容 OpenAI 协议的平台。

如果你要用深度研究，需要配置 Tavily 或 SearXNG。

如果你要用网络图库或 AI 配图，需要配置 Pixabay、Unsplash、SiliconFlow、Pollinations 等对应服务。

如果你要导出标准 PPTX，需要关注 Apryse 相关配置；如果只需要 PDF、HTML 或图片型 PPTX，可以先不把所有高级能力都配满。

五、适合谁，不适合谁

六、使用前先看这几个注意点

1. 不要一开始就上生产部署

建议先本地跑通：创建项目、生成大纲、生成页面、导出一次文件。确认流程符合自己的需求后，再考虑 Docker Compose、数据库、缓存、反向代理和账号体系。

2. 默认账号不能直接暴露到公网

README 明确提到默认管理员账号。如果你要放到公网，一定先修改 LANDPPT_BOOTSTRAP_ADMIN_USERNAME、LANDPPT_BOOTSTRAP_ADMIN_PASSWORD，并配置 SECRET_KEY。

3. 反向代理要配置 BASE_URL

如果通过域名访问，图片链接仍显示 localhost:8000，通常是 BASE_URL 没配好。

项目文档给出的配置方式是：在 Web 配置页设置基础 URL，或在 .env 中添加：

BASE_URL=https://your-domain.com