前言¶

处理 .pptx 时，常见做法是只抽嵌入文本或备注。整页是截图、图表、扫描件，或版式被压成图片时，文本层往往为空，Agent 只能看到文件名。若需要「这一页上写了什么、图里有什么」，就要先把每一页变成可看的位图，再交给具备视觉能力的模型做识别。

下面介绍 SkillHub 上的 PPT图片内容识别（坐标 @user_46974ee3/ppt-image-extract）：在官方简介中，它的路径是「导出每页 PNG + 多模态模型识别图片内容」，并标明基于 tiangong-wps-ppt-automation。

这是什么¶

PPT图片内容识别 是社区来源（community）的 Agent Skill，当前版本 1.0.0，分类为 office-efficiency，由发布者 user_46974ee3（SkillHub 页面显示作者为 Yuki_Ginko）维护。

一句话定位：读取 PPT 内容——先把演示文稿逐页导出为 PNG，再调用多模态模型识别各页图片中的信息。Skill 标签标明 requires_api_key=false，即 SkillHub 侧未要求为该 Skill 单独配置 API Key（具体是否消耗 Agent 自带视觉/模型配额，取决于你使用的客户端与模型）。

核心功能¶

依据 SkillHub 已公开说明，可核实的能力如下。

1. 逐页导出 PNG：将 PPT 各页转为 PNG 图片，为后续视觉理解提供输入。
2. 多模态识别：对导出的页面图片做内容识别（文字、版面、图表等以模型输出为准）。
3. 与 WPS/PPT 自动化能力衔接：官方简介写明基于 tiangong-wps-ppt-automation；本 Skill 在其上组合「整页 PNG + 视觉理解」，而不是只做内嵌文本抽取。

SkillHub 页面未附带完整 SKILL.md 正文；安装后应以技能目录内的 SKILL.md 为准。

安装与启用¶

安装前确认本机已安装 SkillHub CLI。检查是否可用：

command -v skillhub && skillhub --version

未安装时，可按官方文档执行完整安装（CLI + 默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅安装 CLI：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

安装 PPT图片内容识别 时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，客户端可能无法加载。官方页面给出的安装话术为：让 Agent 根据 https://skillhub.cn/install/skillhub.md 安装 @user_46974ee3/ppt-image-extract。

命令行等价写法（将 <skills 目录> 换成你环境的路径）：

skillhub install user_46974ee3/ppt-image-extract --dir <skills 目录>

常用客户端 skills 目录（来自 SkillHub 安装文档）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

安装后按各客户端要求刷新或重启，使新 Skill 被索引。若 skillhub install 因网络或包不可用失败，以 SkillHub 页面与 CLI 报错为准，勿自行改 slug。

典型用法¶

公开页面未给出逐步复制的命令示例；结合简介，可复现的使用方式如下。

1. 按上一节安装并启用 Skill。
2. 在对话中提供待分析的 .pptx 路径（或按 Agent 要求上传文件），并说明需要「读取每页画面内容」「识别图片型幻灯片」等意图。
3. Agent 按 Skill 指引：先完成逐页 PNG 导出，再对每张页面图调用多模态模型，汇总各页识别结果。

你也可以直接发送官方安装提示词，让 Agent 自行拉取技能后再处理文件：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_46974ee3/ppt-image-extract`。

处理完成后，向 Agent 索取按页号或按文件组织的文字说明即可。

适用场景与注意¶

适合谁

• 需要快速理解一份 PPT 的「视觉内容」，而不仅是备注或文本框。
• 幻灯片以截图、海报、复杂图表为主，纯文本提取工具效果差。
• 已在 Cursor、Claude Code、Codex 等支持 Skills 的环境里办公。

限制与注意

• 简介仅说明基于 tiangong-wps-ppt-automation，未在 SkillHub 摘要中列出完整依赖；导出与运行环境以安装后的 SKILL.md 为准。
• 多模态识别质量取决于 Agent 所用模型与页面清晰度；重要结论应人工核对。
• SkillHub 统计（已抓取资料）：评分 100000，下载 1608，安装计数 0；以 SkillHub 实时页面为准。
• 处理外来 PPT 时注意文件来源与合规要求。

结尾¶

PPT图片内容识别 把「逐页 PNG 导出」和「多模态读图」绑成一条 Agent 工作流，适合补齐「只有图、没有字」的幻灯片理解缺口。安装与详情见 SkillHub：

• 技能页：https://www.skillhub.cn/skills/user_46974ee3/ppt-image-extract
• API 坐标页：https://api.skillhub.cn/user_46974ee3/ppt-image-extract