[分享创造] 做了个图片转可编辑 PPTX 的服务，拿 62 张真实图做了回归

做这个的起因很朴素：经常收到截图/PDF 页，要改成 PPT ， 但源文件没有，重画成本太高。

市面上的“图片转 PPT”大多是把整页图贴进 PPTX ， 播放没问题，改字不行。我想做的是“逐元素重建”：

• 文字 → 原生文本框（可改字、改字号、改颜色）
• 卡片/箭头/色块 → 原生形状
• 照片 → 按区域裁切，放独立图层
• 整页贴图会被校验拦掉；照片作为独立图层保留

先看两组效果图（每组上为原图，下为成品）：

RAG 架构图

环境机制图

实现上是一个 agent 循环： 量像素坐标 → 写元素清单 JSON → 渲染 PPTX → 导回图片 → 和原图逐块比对 → 找最差的一块改 → 再渲染。 单张 20–40 分钟，远端 2 核，通常十几版收敛。

内部拿 62 张 EdrawMax 真实图做过回归： 60/62 交付；可统计的 63 次里，61 次文字召回 ≥0.95 ，62 次像素分 ≤5 。 超大图（>15MP ）和长条图目前不稳定，会单独处理。

项目地址： https://image2ppt.asia

想请拍砖的点：

1. 你会怎么验收“真可编辑”？
2. 20–40 分钟这个等待，你能接受吗？还是宁愿先拿中间稿？
3. 有没有更适合你的输入类型（ PDF 扫描件 / 长图 / 手绘）？

利益相关：自己的项目，轻喷。