做技术分享 PPT，真正让人崩溃的往往不是内容，而是排版。公式对不齐、代码高亮要手动调、图片和文字位置乱跳，如果讲的又是 YOLO、Transformer 这类带大量数学推导和代码片段的话题，用 PowerPoint 维护几十页内容会非常痛苦。
最近社区里流行一种新玩法：用一句自然语言，让 Codex CLI 调用 DeepSeek 的模型接口，直接生成 LaTeX Beamer 演示文稿，再用编译命令把.tex变成 PDF 幻灯片。乍一看这像是“AI 套模板”，但真正跑通一次后你会发现，它把 PPT 生产从“手动排版”变成了“文本工程”：内容结构、公式、代码块全部以纯文本形式管理，可审查、可版本化、可自动构建。
这篇文章会完整走一遍可复现的操作路线：安装 Codex CLI、配置 DeepSeek 的 OpenAI 兼容接口、用一句提示词生成一个《YOLO 算法原理与应用》的 Beamer PPT、编译验证，并整理我在排查过程中遇到的典型问题。如果你还在为技术分享的幻灯片排版发愁，这套工作流值得收藏。
1. 为什么是 DeepSeek、Codex 与 Beamer 的组合
1.1 传统 PPT 生产路径的痛点
过去生成一份技术分享 PPT，通常有三条路。
第一条路是 PowerPoint 手动排版。优点是自由度最高，但维护成本也最高：目录更新要手动同步，公式要用编辑器一个个插入，代码块的高亮经常在换机器后失效。最要命的是，内容一旦需要大规模调整，版式会全部错乱。
第二条路是 Markdown 转 PPT，比如 Marp、reveal.js 这类工具。优点是写作体验接近写文档，缺点也很明显：遇到复杂公式、多级嵌套列表、精确的页内布局时，能力边界很快暴露。
第三条路是让 ChatGPT 之类的大模型直接生成 PPT 脚本，再人工粘贴到模板里。这条路能解决“内容起草”的问题，但解决不了“成品交付”的问题。模型输出的内容再好，最终还是要回到排版环节，人工成本一点没少。
1.2 这个组合真正解决了什么问题
DeepSeek、Codex、Beamer 三者的组合，是在“内容生成”和“最终交付”之间搭起了一条自动管道。
Codex CLI 是 OpenAI 推出的命令行 AI 编程代理，与网页版对话式 AI 最大的不同在于，它可以读写当前项目文件、执行命令、根据运行结果自主修正。也就是说，它不只是“给你一段代码”，而是“替你完成一个开发任务”。
DeepSeek 提供的是 OpenAI 兼容的 API 接口。这意味着不需要等待某个专用客户端，只要写好配置文件，就能让 Codex CLI 驱动 DeepSeek 的模型完成推理。DeepSeek 的deepseek-chat和deepseek-reasoner模型在中文理解、代码生成和结构化文本输出上表现稳定，用来生成 LaTeX 文档非常合适。
Beamer 则是 LaTeX 世界里的演示文稿工具。它不像 PowerPoint 那样“所见即所得”，而是把幻灯片定义成结构化文档：章节、标题、正文、公式、代码块都是显式标记。好处是排版统一、公式美观、代码高亮专业，特别适合学术汇报和技术分享。
所以这个组合的核心价值可以概括成一句话：把自然语言需求翻译成严格格式的 LaTeX 代码，再由编译工具链输出学术级 PDF 幻灯片。AI 负责结构和内容，Beamer 负责排版质量，Codex 负责把中间过程自动化。
2. 核心概念：Codex CLI、DeepSeek API 与 Beamer
2.1 Codex CLI 是一个命令行 AI 代理
Codex CLI 不是一个简单的聊天窗口。它运行在终端里，以当前目录为工作区，可以查看文件、编辑代码、执行命令。你在终端里对它说“帮我在 ./ppt 目录下生成一个 Beamer 演示文稿”，它会按步骤执行，并且在遇到编译错误时自动读取日志、修改文件、重新尝试。
这意味着，你不需要手动把生成结果从对话窗口复制到文件里。Codex 会直接完成文件创建和内容写入，甚至在本地执行xelatex编译，然后告诉你结果。
Codex CLI 的交互模式分两种：
- 交互式会话：输入
codex进入 REPL，适合探索和调试。 - 单次执行模式：使用
codex exec "<任务描述>"，适合批处理和自动化。
第二种模式非常契合“一句话生成 PPT”的场景。
2.2 DeepSeek API 的 OpenAI 兼容性
DeepSeek 的 API 在设计上兼容 OpenAI 的消息格式，官方提供的base_url可以直接对接常见的 OpenAI SDK 和工具。对于 Codex CLI 这类支持自定义模型提供方的客户端，只需要在配置里声明一个 provider，把请求指向 DeepSeek 的地址，再把 API Key 放到环境变量中，就能完成接入。
实际接入时，DeepSeek 有两个常用模型名需要区分：
deepseek-chat：指向 DeepSeek-V3 系列，擅长通用对话和代码生成，响应速度快，适合日常任务。deepseek-reasoner：指向 DeepSeek-R1 系列，擅长复杂推理，生成结构化 LaTeX 文档时表现更稳，但响应更慢。
对于第一次跑通流程，建议先用deepseek-chat，成本低、速度快。等遇到复杂排版需求时再切换到deepseek-reasoner。
2.3 Beamer 是 LaTeX 世界的 PPT
Beamer 是 LaTeX 的一个文档类，语法上保留了 LaTeX 的全部能力。它最吸引人的地方在于数学公式排版质量极高，amsmath宏包支持的公式环境在 Beamer 里开箱即用。对于算法讲解、论文复现、模型推导这类场景，这是 PowerPoint 很难替代的。
Beamer 的基本结构是一个个frame，每个 frame 对应一页幻灯片。通过\section、\subsection可以组织目录结构，\tableofcontents会自动生成导航页。主题通过\usetheme控制，常见的有 Madrid、Metropolis、Berlin 等。
编译 Beamer 文档通常使用xelatex，因为xelatex对中文和系统字体的支持更好。传统pdflatex配合ctex也能用，但xelatex在中文排版上更省心。
2.4 三种 PPT 生产方案对比
| 方案 | 排版质量 | 公式支持 | 代码高亮 | 可版本化 | 自动化程度 |
|---|---|---|---|---|---|
| PowerPoint 手动排版 | 高，但依赖人工 | 一般 | 一般 | 弱 | 低 |
| Markdown + Marp | 中等 | 一般 | 中等 | 强 | 中 |
| LaTeX Beamer + AI 生成 | 高 | 强 | 强 | 强 | 高 |
表格里最关键的一列是“自动化程度”。Beamer 本身是一项成熟技术，不缺资料也不缺模板，过去缺的是一个能自动把内容写成 LaTeX 的“翻译官”。DeepSeek 和 Codex 的组合正好补上了这一环。
3. 环境准备与安装
3.1 前置环境检查
开始之前，先确认本机环境满足以下条件：
- 操作系统：macOS、Linux 或 Windows（推荐 WSL2）。
- 包管理工具：macOS 使用 Homebrew，Ubuntu/Debian 使用 apt，Windows 使用 winget 或 WSL 内包管理。
- Node.js 18 或更高版本（以 Codex 官方文档为准）。
- 一个 DeepSeek 开放平台账号，用于获取 API Key。
确认 Node.js 版本：
node -v npm -v如果没有安装 Node.js，可以从官网下载 LTS 版本，或者用系统包管理工具安装：
# macOS brew install node # Ubuntu/Debian sudo apt update sudo apt install nodejs npm3.2 安装 Codex CLI
Codex CLI 的官方包名是@openai/codex，直接通过 npm 全局安装即可：
npm install -g @openai/codex安装完成后，验证版本：
codex --version如果提示command not found，说明 npm 全局安装目录没有加入 PATH。可以通过以下命令查看 npm 的全局目录：
npm prefix -g然后把$(npm prefix -g)/bin加入 shell 配置文件（.zshrc或.bashrc）。
首次运行 Codex CLI 时，通常需要完成 OpenAI 账号的登录。即使后续把请求转发给 DeepSeek，客户端本身也可能要求先过登录这一关。这一步按照官方提示操作即可。
3.3 安装 LaTeX 编译环境
Beamer 属于 LaTeX 发行版的一部分，安装完整 TeX Live 最省心，但体积较大。如果你只是想跑通本文示例，可以安装精简版本。
macOS 上使用 Homebrew：
brew install --cask mactex-no-guiUbuntu/Debian 上使用 apt：
sudo apt update sudo apt install texlive-latex-extra texlive-xetex texlive-lang-chinese latexmkWindows 更推荐安装 MiKTeX，或者直接在 WSL2 里按 Ubuntu 的方式安装。
安装完成后，验证xelatex命令可用：
xelatex --version连续看到版本信息输出，说明编译环境已经就绪。
4. Codex CLI 接入 DeepSeek 的配置
4.1 配置 config.toml
Codex CLI 的配置文件默认位于用户目录下的~/.codex/config.toml。如果该文件不存在，手动创建即可。
把默认模型切换到 DeepSeek，需要在配置中声明一个自定义 provider，并把请求地址指向 DeepSeek 的 OpenAI 兼容端点。
# 文件路径：~/.codex/config.toml model = "deepseek-chat" model_provider = "deepseek" [model_providers.deepseek] name = "DeepSeek" base_url = "https://api.deepseek.com/v1" env_key = "DEEPSEEK_API_KEY" wire_api = "chat"这段配置的含义是：
model：默认使用的模型名。填deepseek-chat对应通用对话模型，填deepseek-reasoner对应推理增强模型。model_provider：指定使用哪个 provider。这里和下面[model_providers.deepseek]的键名对应。base_url：DeepSeek 的 API 地址，兼容 OpenAI 的请求格式。env_key：Codex CLI 会从该环境变量读取 API Key。wire_api：与模型服务通信时使用的 API 风格。DeepSeek 兼容的是 OpenAI Chat Completions，因此填chat。
需要注意，Codex CLI 默认的通信协议可能是 Responses API。有些第三方服务不完全兼容这一协议，因此wire_api = "chat"这一步不能省略。
4.2 配置 API Key
API Key 不要写进config.toml，而是通过环境变量注入。这样可以避免密钥被提交到 git 仓库。
在 shell 配置文件里追加一行：
# 文件路径：~/.zshrc 或 ~/.bashrc export DEEPSEEK_API_KEY="你的 DeepSeek API Key"然后重载配置：
source ~/.zshrc验证环境变量是否生效：
echo $DEEPSEEK_API_KEY看到你的 Key 前缀，说明配置成功。
4.3 验证 Codex 是否能正常调用 DeepSeek
用一条最简单的指令验证链路：
codex exec "用一句话解释什么是 Beamer"如果配置正确，Codex 会调用 DeepSeek 并输出一段关于 Beamer 的中文说明。如果出现以下错误之一，说明配置还没有彻底接通：
401 Unauthorized：API Key 不正确，或环境变量没有加载。model not supported：模型名写错，DeepSeek 服务商不认gpt-*之类的模型名。- 请求超时或网络错误：检查
base_url是否可达。
确认链路打通之后，就可以进入正式的 PPT 生成环节了。
5. 一句话生成 Beamer PPT 完整演示
5.1 准备项目目录
先创建一个专门存放 PPT 工程文件的目录，并进入其中：
mkdir -p ~/projects/yolo-ppt cd ~/projects/yolo-ppt目录里后面会生成main.tex、main.pdf等文件。用 git 管理这个目录是一个好习惯，AI 生成过程中可能出现意外覆盖，git 可以帮你随时回滚：
git init git add . git commit -m "init yolo-ppt project"5.2 给 Codex 的一句话提示词
提示词的质量直接决定输出质量。以下提示词覆盖了主题、页数、语言、风格、编译方式五个关键维度：
codex exec "在当前目录生成一个 Beamer 演示文稿 main.tex，主题是《YOLO 算法原理与应用》，要求使用中文、xelatex 可编译，页数控制在 10 到 12 页，包含目录页、公式页、代码页和对比表格，主题风格使用 Madrid。生成后用 xelatex 编译一遍，确保 main.pdf 能正常输出。"这段提示词里隐藏着几条关键约束：
- 明确了输出文件名
main.tex，方便后续编译。 - 指定
xelatex可编译，避免生成pdflatex不兼容的宏包。 - 指定中文，Codex 会自动在导言区引入
ctex或xeCJK。 - 指定主题
Madrid，避免它自己随意选主题。 - 要求“编译一遍”，让 Codex 在生成后主动运行编译命令，而不是把任务交回给你。
Codex 执行这个任务时，通常会先创建main.tex，然后运行xelatex，如果报错就读取日志、修改文件、重新编译。整个过程可能持续几分钟，取决于模型响应速度和本机编译速度。
5.3 Codex 的典型生成产物
以下是 Codex 在类似任务中会生成的结构。实际内容会根据模型输出有所变化，但整体框架与此高度一致。
% 文件路径：~/projects/yolo-ppt/main.tex \documentclass[UTF8, aspectratio=169]{beamer} \usetheme{Madrid} \usecolortheme{whale} \usepackage{ctex} \usepackage{amsmath, amssymb} \usepackage{listings} \usepackage{graphicx} \usepackage{booktabs} \title{YOLO 算法原理与应用} \author{技术分享} \date{\today} \begin{document} \begin{frame} \titlepage \end{frame} \begin{frame}{目录} \tableofcontents \end{frame} \section{目标检测问题定义} \begin{frame}{目标检测要解决什么} \begin{itemize} \item 分类：判断图中目标是什么 \item 定位：框出目标在图像中的位置 \item 检测 = 分类 + 定位 \end{itemize} 目标检测中常用的评估指标 IoU 定义为： \[ IoU = \frac{|A \cap B|}{|A \cup B|} \] 其中 $A$ 是预测框，$B$ 是真实标注框。 \end{frame} \section{YOLO 核心思想} \begin{frame}{YOLO 的单阶段检测思路} \begin{enumerate} \item 将图像划分为 $S \times S$ 的网格 \item 每个网格负责预测中心点落在其中的目标 \item 一次前向推理直接输出边界框与类别概率 \end{enumerate} 与两阶段检测器相比，YOLO 的推理速度优势明显。 \end{frame} \begin{frame}{损失函数示意} \[ Loss = \lambda_{coord} \sum_{i} L_{coord}(i) + \lambda_{obj} \sum_{i} L_{obj}(i) + \sum_{i} L_{cls}(i) \] 其中，$L_{coord}$ 控制定位误差，$L_{obj}$ 控制目标置信度误差，$L_{cls}$ 控制分类误差。 \end{frame} \section{版本演进} \begin{frame}{YOLO 版本演进对比} \begin{table} \begin{tabular}{lll} \toprule 版本 & 年份 & 核心特点 \\ \midrule YOLOv1 & 2016 & 开山之作，端到端检测 \\ YOLOv5 & 2020 & 工程友好，生态完善 \\ YOLOv8 & 2023 & 模块化设计，训练推理一体化 \\ \bottomrule \end{tabular} \end{table} \end{frame} \section{应用与总结} \begin{frame}{典型应用场景} \begin{itemize} \item 自动驾驶环境感知 \item 工业缺陷检测 \item 安防监控 \item 遥感目标识别 \end{itemize} \end{frame} \begin{frame}{总结} \begin{itemize} \item YOLO 将目标检测建模为回归问题 \item 在速度与精度之间取得了良好平衡 \item 社区生态活跃，适合工程落地 \end{itemize} \end{frame} \end{document}这份产物在结构上值得注意的几个点：
- 使用
ctex宏包处理中文，标题和正文都能显示中文。 - 使用
aspectratio=169设置宽屏比例，适配现代投影仪。 - 公式通过
amsmath排版，IoU 和损失函数都使用了 LaTeX 数学环境。 - 表格用
booktabs宏包生成三线表，视觉上比默认表格干净很多。 - 每个
frame对应一页幻灯片，代码可读性高。
5.4 编译生成 PDF
如果 Codex 没有自动完成编译，或者你希望手动编译，进入项目目录执行：
cd ~/projects/yolo-ppt xelatex -interaction=nonstopmode main.tex第一次编译会因为生成辅助文件而稍慢。建议再执行一次xelatex，确保目录和交叉引用正确：
xelatex -interaction=nonstopmode main.tex也可以直接用latexmk自动处理多次编译：
latexmk -xelatex main.tex编译成功后，目录下会生成main.pdf，这就是最终的 Beamer PPT 成品。
6. 运行验证与效果检查
6.1 验证编译结果
打开生成的main.pdf，先确认三个基本检查点：
- 页数是否与预期一致。10 到 12 页属于常见技术分享规模，如果页数明显偏多或偏少，说明提示词里的约束没有完全生效。
- 中文是否正常显示。如果中文变成空白或乱码，大概率是编译引擎没有使用
xelatex，或者ctex宏包没有正确加载。 - 公式是否渲染完整。翻到 IoU 公式和损失函数页，确认分数、求和符号、上下标都没有异常。
检查命令：
ls -lh main.pdf如果文件大小只有几 KB，要警惕 PDF 内容不完整；通常包含多页幻灯片和字体的 PDF 会在几百 KB 到几 MB 之间。
6.2 检查 PPT 的核心质量点
在 PDF 阅读器里逐页检查以下内容：
- 标题页是否包含标题、作者、日期。
- 目录页是否自动按章节生成。
- 公式编号和数学符号是否完整。
- 代码页是否有语法高亮，如果 Codex 没有引入
listings宏包，代码会以普通文本呈现。 - 表格是否存在溢出页面边界的问题。
这一步是人机协作的关键环节。AI 生成的 LaTeX 代码大概率能编译通过，但排版细节仍然需要人工检查。发现问题后，不要直接改 PDF，应该回到main.tex修改。
6.3 用自然语言迭代修改
Beamer 方案最大的优势是“修改成本极低”。传统的 PowerPoint 修改一页排版可能涉及拖动多个文本框，而 Beamer 只需要改一个frame的 LaTeX 代码。
再次调用 Codex：
codex exec "在 main.tex 的损失函数页下面增加一页，详细解释坐标误差权重 lambda_coord 的作用，并给出一个数值示例。改完后重新编译。"Codex 会定位到对应的frame，插入新页，重新编译 PDF。这种“自然语言驱动修改”的方式，比人工编辑 LaTeX 效率高得多，也比在 PowerPoint 里手动调整版式更可控。
7. 常见问题与排查方法
7.1 Codex CLI 相关
在配置和运行 Codex 的过程中，以下几个问题出现频率最高，整理成表格便于快速定位。
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
提示unable to locate the codex cli binary | Codex CLI 未安装，或 PATH 未配置 | 在终端执行codex --version | 重新执行npm install -g @openai/codex，并检查 npm 全局 bin 目录是否在 PATH 中 |
| Codex 启动后无法进入对话 | 未完成账号登录 | 查看终端登录提示 | 按提示完成登录后重新启动 |
出现cc switch local proxy failed while handling codex endpoint /responses | 本地代理插件或代理进程状态异常 | 检查系统代理设置和代理进程 | 关闭无关代理插件，清理异常代理进程后重试 |
| Codex 执行任务中断 | 网络不稳定，或单次任务超时 | 查看错误码和网络状态 | 拆分成更小的子任务，或使用codex exec增加重试次数 |
关于cc switch local proxy这类报错，需要多说一句。它不是 DeepSeek 或 Beamer 链路本身的问题，而是本地环境中存在代理切换工具，Codex 在访问/responses端点时触发了代理切换，但代理状态异常导致连接失败。排查时优先检查本地代理配置是否正常，再考虑 Codex 的请求配置。
7.2 DeepSeek API 相关
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
返回401 Unauthorized | API Key 错误，或环境变量未加载 | 执行echo $DEEPSEEK_API_KEY | 重新复制 API Key，并执行source ~/.zshrc |
返回model not supported或gpt-5.6-sol model is not supported | 配置的模型名不是 DeepSeek 支持的模型 | 查看config.toml中的model字段 | 改为deepseek-chat或deepseek-reasoner |
| 请求超时 | base_url 不可达，或网络问题 | 用 curl 测试 API 连通性 | 核对base_url是否为https://api.deepseek.com/v1 |
| 返回内容为空 | 上下文过长或模型限流 | 查看响应头中的限流信息 | 降低单次任务的复杂度，拆分为多个模块生成 |
一个很容易踩的坑是：复制了别的教程的配置，但model字段仍然写着gpt-*之类的模型名。DeepSeek 兼容的是 OpenAI 的 HTTP 协议，但并不意味着它支持 OpenAI 的模型名。当服务端返回形如the 'gpt-5.6-sol' model is not supported when using codex with a ...的错误时，第一反应应该是去检查配置里的model，而不是重装 Codex。
7.3 LaTeX/Beamer 相关
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
提示beamer.cls not found | LaTeX 发行版未安装 Beamer 宏包 | 执行kpsewhich beamer.cls | 安装完整 TeX Live，或texlive-latex-extra |
| PDF 中文显示为空白 | 使用了pdflatex，或缺少中文宏包 | 查看编译日志中是否有字体警告 | 改用xelatex编译，并在导言区引入ctex宏包 |
| 公式显示不全 | 缺少amsmath宏包 | 查看编译日志中是否有 undefined control sequence | 在导言区添加\usepackage{amsmath} |
| 表格超出页面边界 | 表格列宽设置不当 | 检查 tabular 列数是否与内容匹配 | 使用tabularx或调整列格式 |
| 编译成功但 PDF 更新失败 | PDF 被阅读器占用 | 关闭 PDF 阅读器后重新编译 | 确保没有进程锁定main.pdf |
中文问题是新手最容易遇到的。Beamer 本身不负责中文渲染，需要ctex或xeCJK宏包支持，同时必须用xelatex编译。如果 Codex 生成的文件里已经有\usepackage{ctex}，但仍然出现中文问题，优先检查编译命令是否真的用了xelatex。
8. 最佳实践与工程建议
8.1 提示词工程建议
用一句话生成 PPT，听起来很酷，但提示词的质量差距会导致成品质量天差地别。一个可靠的提示词至少应该包含五类信息：
- 输出目标：生成什么文件，放在哪里。
- 主题范围：讲什么内容，面向什么听众。
- 风格约束：中文还是英文，学术风还是极简风，用什么 Beamer 主题。
- 编译要求：用什么编译引擎，需要验证什么结果。
- 验收标准：页数范围、公式数量、是否包含代码。
例如：
codex exec "生成 main.tex，Beamer 演示文稿，主题《多层感知机 MLP》，面向机器学习初学者，中文，Madrid 主题，包含至少 3 个数学公式、1 个 PyTorch 代码块、1 张二维表格，共 12 页左右。使用 xelatex 编译并确保生成 main.pdf。"提示词越具体，模型越不容易自由发挥。自由发挥在创作类任务里是优点，在格式强约束的 PPT 任务里是风险。
8.2 工程化与版本管理
Beamer 方案的一个隐藏优势是可以完全纳入 CI/CD 流程。
把main.tex提交到 git 仓库后，可以在 GitHub Actions 或 GitLab CI 中安装 TeX Live，每次推送自动编译 PDF，生成制品。这样团队里任何一个成员改了一页内容，CI 都会自动产出新的 PPT 版本，从流程上消灭了“修改后忘记重新导出”的问题。
本地开发时也建议养成习惯：每次交给 Codex 修改之前，先git commit一次。AI 修改文件具有不确定性，可能删掉你之前精心调整的代码块。git 是最廉价的安全网。
8.3 从单个 PPT 到模板沉淀
跑通一次之后，复用价值最大的是模板沉淀。
把满意的main.tex中导言区部分抽出来，保存成beamer-template.tex。以后每次生成新 PPT，只需要提示词里加一句“导言区参考 beamer-template.tex，只替换正文内容”。这样既能保持团队幻灯片风格统一，又能减少模型生成导言区时引入随机性。
模板沉淀的另一个好处是减少报错。ctex、amsmath、listings、booktabs这些宏包在模板里已经验证可用，模型不需要反复猜测配置。
8.4 成本与安全
DeepSeek 的 API 按 token 计费，生成一份 10 页左右的 Beamer PPT 通常消耗量不大，但如果你用deepseek-reasoner反复迭代，成本会明显上升。建议在 Codex 中设置单次任务的最大轮数，避免模型陷入无限自我修正的循环。
另外，API Key 不要提交到 git。可以在项目根目录添加.gitignore，把.env、*.key等文件排除在外。如果 Key 意外泄露，立即到 DeepSeek 开放平台重新生成。
9. 总结
DeepSeek 与 Codex 的组合解决了一个很实际的问题：如何让 AI 不只是“帮你写 PPT 内容”，而是“直接交付一份可编译的 PPT 工程”。Beamer 在这里的作用至关重要，它用严格的 LaTeX 结构约束了模型的输出格式，让 AI 生成的文本最终变成排版整齐的 PDF 幻灯片。
这套工作流的本质，是把“制作 PPT”从手工排版活动降维成文本生产活动。内容在 LaTeX 文件里，修改在提示词里，构建在编译命令里。它适合公式多、代码多、需要严谨排版的技术分享和学术汇报；如果你只是做内部汇报的简单图文幻灯片，PowerPoint 仍然够用。
下一步值得尝试的方向有三个：一是把 Beamer 模板沉淀到团队仓库，形成统一视觉规范；二是接入 CI 实现推送即编译，让 PPT 像软件一样持续交付；三是把整个“提示词 + 编译”过程封装成脚本，让非技术同事也能用一句话生成技术演讲幻灯片。这套链路并不复杂，但它把 AI 生成内容到最终交付之间的最后一公里，真正补上了。
