AI PPT生成不止“一鍵出稿”：清華、上交、北郵提出MemSlides，讓Slides Agent學會記憶

AI 生成 PPT 早已不是新鮮事，但真實的創作場景往往比「一鍵出稿」複雜得多。使用者拿到第一版投影片後，通常會反覆調整頁面順序、內容密度、視覺風格，甚至在不同輪次的修改中才逐漸透露自己的偏好。這對 AI 系統來說是個不小的挑戰：它不僅要理解當下的指令，還要區分哪些偏好屬於使用者的長期習慣，哪些只是針對當前任務的臨時要求，更要避免在修改某一區域時牽動其他已經對齊的內容。換句話說，AI PPT 工具能否真正勝任多輪協作，關鍵在於它是否具備有效的記憶能力。 針對這個痛點，北京郵電大學、清華大學與上海交通大學的研究團隊共同提出了 MemSlides——一個以層次化記憶驅動的幻燈片生成與局部修改框架。MemSlides 將 PPT 創作視為一個帶狀態的持續編輯過程：先透過使用者畫像記憶生成個性化初稿，再在多輪反饋中維護工作記憶，並藉助工具記憶提升局部修改的可靠性。團隊已在 arXiv 上公開論文，相關程式碼與專案網站也已上線。 MemSlides 的核心貢獻在於，它沒有把 AI 生成 PPT 簡化為一次性的「來源轉幻燈片」轉換，而是將生成後的持續修改納入系統設計。換言之，論文關注的不是讓模型記住更多歷史對話，而是讓 Slide Agent 學會區分、維護與調用不同類型的記憶。 記憶組織是 MemSlides 的設計主軸之一。研究團隊從生命週期與功能角色兩個視角進行建模。在生命週期上，長期記憶保存跨任務穩定存在的信息，工作記憶則維護當前 deck 內仍然有效的臨時約束、反饋狀態與修改進度。在功能角色上，使用者畫像記憶關注幻燈片應體現哪些偏好，工具記憶則關注 Agent 如何更穩定地執行編輯。 這個區分相當關鍵。使用者畫像記憶並非一個固定貼在提示詞前的檔案，而是根據任務意圖被檢索、篩選與路由。例如，同一位使用者在學術彙報與商業路演中可能偏好完全不同的頁面結構；系統必須根據當前意圖選擇相關偏好，並與本輪請求進行協調。如果當前請求與長期偏好衝突，當前請求在這套 deck 中享有優先權。任務結束後，MemSlides 也不會將所有反饋直接寫入長期記憶，而是只將穩定、可遷移的交互信號更新到使用者畫像中，避免把一次性的臨時要求誤當成永久偏好。 工作記憶則處理另一類問題：有些約束不屬於長期偏好，卻必須在當前會話中跨輪延續。例如使用者說「後面新增頁面的標題都用藍色」，這條指令在當前輪可能沒有立即執行對象，但幾輪之後新增幻燈片時仍然應該生效。MemSlides 將這類活躍臨時偏好、延續指令、已解決目標與覆蓋狀態保存在工作記憶中，使多輪修改成為同一個任務狀態上的連續編輯。 工具記憶則記錄執行經驗。幻燈片編輯常涉及頁面結構、選擇器、樣式規則、佈局快照與工具調用；即使模型知道使用者想要什麼，也可能因為讀錯區域、擴大修改範圍或提前結束驗證而造成錯誤。MemSlides 將工具執行經驗分為任務級與操作級兩類：前者沉澱一輪修改中的錯誤總結與可遷移經驗，後者保存更細粒度的推理-工具-觀察片段，供類似工具調用前參考。 在局部修改方面，MemSlides 引入了範圍化幻燈片局部修訂（scoped slide-local revision）。系統不會在每次反饋後重新讀取或重寫整套 PPT，而是先將自然語言請求映射到最小有效修改區域，再透過 Plan-Act-Guard 流程完成編輯。Plan 階段形成執行合約，明確目標頁面、作用範圍與覆蓋要求；Act 階段根據頁面結構執行受約束的編輯操作；Guard 階段檢查目標是否被正確覆蓋，並避免過早結束。這個設計的出發點很明確：當使用者只想修改一個局部區域時，系統應該盡量只動這個區域，已經對齊的內容則保持穩定。 論文從三個角度評估 MemSlides：個性化初稿生成、會話內偏好延續，以及局部修改可靠性。在個性化生成方面，團隊構建了多人設、多意圖的使用者畫像評估設置，結果顯示使用者畫像記憶能夠提升初始生成階段的角色對齊度，且這種提升不只來自模板匹配或視覺潤色，而是體現在內容重點、頁面結構、證據組織與角色區分等更接近規劃層面的維度。同時，MemSlides 在增強個性化對齊的同時仍保持了有競爭力的整體 deck 品質。 在工作記憶方面，定性案例展示了延遲偏好延續（delayed preference carryover）的能力，即某些偏好提出時未必立刻可執行，但後續操作觸發相關條件時系統仍能將其應用到當前 deck 中。局部修改的實驗採用診斷性配對修改設置，隔離是否注入工具記憶這一變量。結果顯示，工具記憶將閉環完成率從 0.815 提升到 0.963，嚴格驗證率從 0.310 提升到 0.534，首次正確編輯時間從 609.5 秒降低到 242.5 秒。這些指標顯示，當編輯過程被限定在局部範圍內，並引入可複用工具經驗時，Slide Agent 更容易形成可驗證、可收斂的修改路徑。 研究團隊也承認，MemSlides 目前主要在受控實驗與診斷性設置中驗證記憶機制的作用，Demo 網站已有超過 100 位真實使用者，且每天仍有新增用戶。未來他們計劃結合更多真實使用反饋，進一步研究長期用戶交互下的記憶治理問題，包括使用者如何查看、編輯與刪除已保存偏好，系統如何避免保存敏感或過時信息，以及當長期畫像與當前任務衝突時如何給出可解釋的處理方式。局部修改的評估也仍有擴展空間，未來需要更細緻地刻畫「改對了什麼」與「沒有誤改什麼」。 從更大的方向看，MemSlides 提示了一個值得持續研究的命題：當生成式 Agent 從單輪產出走向長期協作，記憶應當成為系統結構的一部分，而不是簡單堆疊在上下文中的歷史文字。對 AI PPT 而言，下一階段的競爭或許不只是誰能生成更漂亮的第一頁，而是誰能在反覆修改中持續理解使用者、保持邊界，並讓一套幻燈片穩定地向使用者真正想要的版本靠近。