前言¶
组会文献汇报的流程高度固定：封面、首页截图、摘要精读、实验条件、合成方法、主图配图注、结论、致谢。真正耗时的往往不是排版本身，而是把图注写全、化学式上下角标别打错，以及临场还要备一份对着每页念的讲稿和答辩可能被问到的问题。手工在 PowerPoint 和 Word 里做一遍，下次换一篇论文又要重来。
DeepSeek Harness（DSH）把能力拆成可安装的插件；社区目录 skillhub.cn 上列有 AshenSeeker/lit-report-ppt（分类：工作流）。它把「抽文本、裁图、排版、自检」收成一套 Python 脚本，并附带 SKILL.md 供智能体按步骤执行；默认一次交三份产物，而不是只做幻灯片。
下面介绍它是什么、能做什么、如何在 DSH 与本地手动两条路径上使用，以及自用时要改哪些默认值。
这是什么¶
维护者：AshenSeeker（GitHub：AshenSeeker/lit-report-ppt，截至目录收录约 3 stars）。
一句话：给一篇论文 PDF，默认产出三份文件——中文组会文献汇报 PPT（.pptx）、逐页 Word 讲稿（.docx）、双色答辩预测问答（.html）。前两份同源于 content.json；答辩问答另用 qa.json，材料都来自同一篇论文。版式参数来自真实组会汇报稿的实测值，而非随意设定。
不绑定特定 AI 平台：核心是若干 Python 脚本，有 shell 能跑 python 即可；答辩问答 HTML 双击即可在浏览器查看。仓库 package.json 版本为 1.5.2，许可证 MIT；DSH 侧通过 cordis.patch.yml 与 lib/index.js 注册 skill（需 Node 22+），不替代出稿脚本本身。
核心功能¶
默认三份产物¶
| 产物 | 格式 | 内容源 |
|---|---|---|
| 组会汇报幻灯片 | .pptx |
content.json |
| 逐页讲解稿 | .docx |
同上 |
| 答辩预测问答 | .html |
qa.json |
除非明确说明「这次不要问答」，否则三份应一起交付。答辩 HTML 要求约十题、每题有答案；问题蓝、答案绿；仅「问题 + 直接答案」两栏；答案 ≤30 字；提问需覆盖选题动机、国内外现状、可否换材料等（详见仓库 SKILL.md「答辩预测问答」）。
固定页序与主图排法¶
页序固定为：封面 → 论文首页截图 → 摘要精读 → 实验条件 → 合成方法 → 主图页（占全篇 70% 以上）→ 结论 → 致谢。主图页按图注行数自动选 A 底栏满宽 或 B 右栏分栏；两栏仍放不下则自动续页，续页保留同一张图。
脚本侧能力（与 README 一致）¶
- 图注少于 40 字或缺子图交代时，
check_deck.py会报错，避免「如图所示」式偷懒。 - 化学式支持
Cr^{3+}、Cs_{2}NaInCl_{6}等形式，由脚本转为真上下标。 check_deck.py扫描出界、重叠、空图注、字体缺失、字号越级、缺图等六类问题；文档要求跑到 0 个建议 才算完成。- 封面默认校名为南阳师范学院物理与电子工程学院（写死在
build_deck.py，自用需改校徽与两行校名）。
Python 依赖：python-pptx、python-docx、Pillow、pymupdf（pypdf 兜底）。
安装与启用¶
在 DSH 中安装¶
资料中的市场安装命令为：
dsh plugin add AshenSeeker/lit-report-ppt
插件在宿主进程权限下运行；安装前应自行查看仓库源码与 MIT 许可证，确认是否符合本机安全策略。宿主注册 skill 需要 Node 22+ 与 DSH 引擎版本满足 package.json 中的 engines.dsh 约束；出稿仍依赖上述 Python 环境与 pip install -r requirements.txt。
纯 Python 依赖（手动或与 skill 并用）¶
pip install -r requirements.txt
手动使用不需要 git、Node 或 Office（生成物为标准 Office 格式文件）。
作为 AI skill 时，可将整个目录放到 DSH 的 skills 路径（README 示例：~/.dsh/skills/lit-report-ppt/）。无本地 Python 执行能力的纯网页对话只能辅助撰写 content.json / qa.json 文案，最后出稿须在能跑脚本的本机完成。
典型用法：四步走¶
下面步骤摘自仓库 README，顺序不可省略中间「填内容」的判断环节。
1. 从 PDF 抽正文、摘要、图注
python scripts/extract_paper.py paper.pdf -o work/
2. 裁图（建议先列出图片块边界）
python scripts/crop_figures.py paper.pdf --list
python scripts/crop_figures.py paper.pdf --crop "5,0.080,0.065,0.930,0.445" -o work/figs/fig04.png
3. 填写内容 JSON（脚本不代写判断性文案）
- 复制
assets/content.template.json为content.json→ 驱动 PPT 与讲稿。 - 复制
assets/qa.template.json为qa.json→ 驱动答辩 HTML。
4. 生成并自检三份产物
python scripts/build_deck.py content.json -o out/deck.pptx
python scripts/check_deck.py out/deck.pptx --content content.json
python scripts/build_script.py content.json -o out/讲稿.docx
python scripts/build_qa.py qa.json -o out/答辩预测问题.html
汇报人与时间可通过参数或 content.json 的 meta.presenter / meta.date 传入，例如：
python scripts/build_deck.py content.json -o out/deck.pptx --presenter "张三" --date "2026年11月2日"
python scripts/build_script.py content.json -o out/讲稿.docx --presenter "张三" --date "2026年11月2日"
自用学校标识需覆盖 assets/logo.png，并修改 scripts/build_deck.py 中 _top_bar() 的两行校名字符串（README 标明约第 53、58 行），改后重跑 build_deck.py 即可。
仓库 examples/ 提供示例 PPT、讲稿与 答辩预测问题.html，便于对照版式后再对自己的论文走上述四步。
适用场景与注意¶
适合谁：需要反复做中文组会文献汇报、希望幻灯片与讲稿同源一致、并顺便备一份短答式答辩题表的研究者或带学生的组会讲者；也适合在 DSH / Cursor 等能执行本地 Python 的智能体工作流里，把 SKILL.md 当操作手册交给模型填 content.json 与裁图坐标。
需要注意：
content.json与qa.json的撰写是判断活，质量决定成品；脚本负责排版与自检，不自动生成科学内容。check_deck.py的字体检查主要针对 Windows 字体目录；在 Linux / macOS 上可能跳过字体项，拿到 Windows 打开时仍可能因缺字导致版式偏移。- 社区插件目录与 DeepSeek / 幻方无官方从属关系；插件行为以仓库当前版本为准。
结尾¶
lit-report-ppt 把组会汇报里重复性最高的「三件套」——幻灯片、讲稿、答辩问答——绑在同一篇论文材料上，用 content.json 与 qa.json 分流、用 Python 出稿与 check_deck.py 兜底版式。DSH 用户可用 dsh plugin add AshenSeeker/lit-report-ppt 注册 skill；具体命令与模板字段以 GitHub 仓库为准。
