别再熬夜做 PPT 了3 步搭好你的智能 PPT 生成工作流【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify效果速览上传一份季度汇报 PDF大约一分钟后你会拿到一份结构完整的 PPT 内容稿——标题页、目录、3~5 个内容页要点、总结页全齐丢进模板就能直接用。Dify.AI 是一个开源、生产级的 AI 工作流开发平台靠可视化界面把复杂的 AI 应用拖拽出来文档转演示文稿只是它最顺手的应用之一全程不用写一行代码。为什么是它而不是手动做 PPT说白了手动做 PPT 卡在内容整理 设计排版两头而这套方案把两头都自动化了可视化工作流设计不需要编码拖几个节点、连几条线一条文档 → 检索 → 生成的流水线就跑通了知识库检索内置文档上传后自动完成文本提取和向量化生成内容时按语义召回相关片段而不是让模型凭空编多模型支持GPT、Claude、Llama 等主流模型可自由切换便宜模型跑初稿、强模型做精修成本自己掌控部署灵活云端、VPC 或自建服务器都行团队数据不出域从原型到生产不用换一套技术栈最小可用流程3 步跑通第一步5 分钟部署环境git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker cp .env.example .env docker compose up -d跑完后浏览器打开http://localhost/install注册管理员账号控制台就能用了。第二步建知识库喂文档点击「知识库」→「新建知识库」命名为季度报告材料库上传 PDF、Word、TXT 等原始文档等待系统完成文本提取和向量化试问一句上季度营收重点是什么能答上来就达标了第三步拖出 PPT 生成工作流新建「工作流」类型应用依次添加开始 → 知识库检索 → LLM → 结束LLM 节点里粘贴提示词模板引用检索节点的输出变量点「运行」测试检查输出结构是否完整前端的工作流组件位于web/app/(commonLayout)/components/workflow/想深挖交互细节可以直接翻源码。进阶让它更懂你的业务场景不同部门要的 PPT 风格完全不同→做法改提示词模板这是整个系统的大脑你是专业的演示文稿设计师基于以下内容输出商务 PPT 大纲 {检索到的文档内容} 要求 - 封面、目录、3~5 个内容页、总结页 - 每页 1~2 个核心要点商务语气 - 关键数据处建议图表类型→效果运营周报和高管汇报可以各存一套模板输出风格立刻分开。场景检索召回的内容总带一堆无关片段→做法调检索参数相似度阈值从默认值拉到 0.7返回条数控制在 8 条以内 →效果喂给模型的有效信息密度明显上升生成内容不再跑题。谁应该马上用起来周报赶 ddl 的运营把散落的周报素材丢进知识库每周固定产出结构一致的汇报稿。带 30 人团队的 TL把项目文档灌进去进度汇报、团队分享材料一键生成不再靠口头拼 PPT。做内训和营销的团队课程大纲、产品介绍、客户演示文稿批量生产风格统一还省事。踩过的坑 省时间的细节第一次跑出来格式炸了把相似度阈值从 0.5 拉到 0.7 就稳了检索结果噪音多把返回片段数从 20 收到 8宁缺毋滥Token 花费偏高先用便宜模型出大纲再换强模型精修措辞成本砍一半超长文档直接上传效果一般按章节拆成多个文档再入库检索命中率肉眼可见地变高 ️现在就能做的第一件事用一份你手头的真实文档开练git clone https://gitcode.com/GitHub_Trending/di/dify进docker目录起服务30 分钟后你的第一份 AI 生成的 PPT 内容稿就出来了。【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/8/28 12:46:06 · 阅读 1.2k 别再熬夜做 PPT 了：3 步搭好你的智能 PPT 生成工作流
别再熬夜做 PPT 了3 步搭好你的智能 PPT 生成工作流【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify效果速览上传一份季度汇报 PDF大约一分钟后你会拿到一份结构完整的 PPT 内容稿——标题页、目录、3~5 个内容页要点、总结页全齐丢进模板就能直接用。Dify.AI 是一个开源、生产级的 AI 工作流开发平台靠可视化界面把复杂的 AI 应用拖拽出来文档转演示文稿只是它最顺手的应用之一全程不用写一行代码。为什么是它而不是手动做 PPT说白了手动做 PPT 卡在内容整理 设计排版两头而这套方案把两头都自动化了可视化工作流设计不需要编码拖几个节点、连几条线一条文档 → 检索 → 生成的流水线就跑通了知识库检索内置文档上传后自动完成文本提取和向量化生成内容时按语义召回相关片段而不是让模型凭空编多模型支持GPT、Claude、Llama 等主流模型可自由切换便宜模型跑初稿、强模型做精修成本自己掌控部署灵活云端、VPC 或自建服务器都行团队数据不出域从原型到生产不用换一套技术栈最小可用流程3 步跑通第一步5 分钟部署环境git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker cp .env.example .env docker compose up -d跑完后浏览器打开http://localhost/install注册管理员账号控制台就能用了。第二步建知识库喂文档点击「知识库」→「新建知识库」命名为季度报告材料库上传 PDF、Word、TXT 等原始文档等待系统完成文本提取和向量化试问一句上季度营收重点是什么能答上来就达标了第三步拖出 PPT 生成工作流新建「工作流」类型应用依次添加开始 → 知识库检索 → LLM → 结束LLM 节点里粘贴提示词模板引用检索节点的输出变量点「运行」测试检查输出结构是否完整前端的工作流组件位于web/app/(commonLayout)/components/workflow/想深挖交互细节可以直接翻源码。进阶让它更懂你的业务场景不同部门要的 PPT 风格完全不同→做法改提示词模板这是整个系统的大脑你是专业的演示文稿设计师基于以下内容输出商务 PPT 大纲 {检索到的文档内容} 要求 - 封面、目录、3~5 个内容页、总结页 - 每页 1~2 个核心要点商务语气 - 关键数据处建议图表类型→效果运营周报和高管汇报可以各存一套模板输出风格立刻分开。场景检索召回的内容总带一堆无关片段→做法调检索参数相似度阈值从默认值拉到 0.7返回条数控制在 8 条以内 →效果喂给模型的有效信息密度明显上升生成内容不再跑题。谁应该马上用起来周报赶 ddl 的运营把散落的周报素材丢进知识库每周固定产出结构一致的汇报稿。带 30 人团队的 TL把项目文档灌进去进度汇报、团队分享材料一键生成不再靠口头拼 PPT。做内训和营销的团队课程大纲、产品介绍、客户演示文稿批量生产风格统一还省事。踩过的坑 省时间的细节第一次跑出来格式炸了把相似度阈值从 0.5 拉到 0.7 就稳了检索结果噪音多把返回片段数从 20 收到 8宁缺毋滥Token 花费偏高先用便宜模型出大纲再换强模型精修措辞成本砍一半超长文档直接上传效果一般按章节拆成多个文档再入库检索命中率肉眼可见地变高 ️现在就能做的第一件事用一份你手头的真实文档开练git clone https://gitcode.com/GitHub_Trending/di/dify进docker目录起服务30 分钟后你的第一份 AI 生成的 PPT 内容稿就出来了。【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考