一页PPT改了12次，我画了张AI任务决策表
出发点：AI做PPT到底行不行？
keynote.org.cn 写了快200篇AI演示工具相关的内容了，但真正让我想认真做一次横向对比评测的，是上周碰到的场景：一份季度汇报，四五百字的数据+几个结论，交给AI工具生成PPT。结果——有的第一版就80分，有的改到第12版还不像样。
不是「谁好看」的问题。是搞清楚AI在PPT工作流里到底卡在哪个环节。
测试方案
用同一份真实季度汇报数据（含4组数据、3个结论），分别喂给四个AI做PPT工具：
- Gamma — 从文档到演示最顺滑的选手
- Tome — 讲故事能力突出的选手
- iA Presenter — 极简设计党最爱
- WPS AI — 国内办公场景绕不开的选项
每个工具跑完，不看一眼就过的「初版分」，然后逐页对比原文数据，记录幻觉、错位、漏项。最后整理出一张任务决策表——什么活闭眼交给AI，什么活必须自己上手。
核心发现
Gamma 在数据呈现上的理解力超出了预期——它能识别出「环比增长12%」和「同比增长8%」是不同的维度，并且自动选择合适的图表类型。但问题在排版：同一组数据拆成两页后，第二页的连接线会断。
Tome 讲故事确实有一套，开头铺垫、过渡叙事都很自然。但问题在精确度——四组数字里有2组被四舍五入了，季度汇报这种场景，数字差了就等于整页废了。
iA Presenter 走另一个极端：极度克制，不帮你做任何推测。数据原封不动，排版干净。适合需要完全掌控内容的场景，但要是你指望AI帮你把「销售额下降5%但利润率提升2%」自动生成分析文字——iA不会。
WPS AI 最意外的地方是中文理解。同样是「季度活跃用户」，前三家要么翻译成 "Quarterly Active Users"，要么干脆保留中文。WPS 直接在生成的图表里用了中文标签，而且没出错。缺点是设计模板选择少，默认出来的东西比较「汇报风」。
结论：一张表说明白
| 任务类型 | 交给AI | 自己上手 |
|---|---|---|
| 纯数据→图表 | ✅ Gamma、WPS | — |
| 文字→大纲+标题页 | ✅ Gamma、Tome | — |
| 数字需要绝对精确 | — | ❌ 全检查一遍 |
| 需要连贯叙事逻辑 | ⚠️ Tome辅助 | ❌ 自己写骨架 |
| 中文场景 | ✅ WPS AI | — |
| 最终排版+视觉统一 | — | ❌ 自己调 |
简单说：AI能帮你从0做到70分，但从70到90分那一段，目前还得人手调。这跟代码辅助一个道理——Copilot能帮你写方法体，但架构设计还是得靠人脑。
自动化流水线的价值
这篇文章从选题、大纲、撰写到 humanizer 润色、Astro 构建、rsync 部署，全程由 Hermes 的 Keynote博客 cron 自动跑通。今天上午 14:05 上线，构建了 411 个页面，rsync 增量同步用了不到一分钟。
这种评测类内容，如果是手动操作——选题→列大纲→逐个工具测试→截图→写稿→排版→发布，保守估计一天起步。自动化流水线把时间压到了 cron 跑一轮的时间，而且产出量稳定。
keynote.org.cn 现在的日更节奏已经跑通了两个多月，分类轮换从趋势洞察到AI工具评测到Keynote教程，覆盖面和搜索引擎的收录速度都在稳步上升。今天这篇是工具评测分类里的第N篇，但第一次尝试了多工具横向对比+决策表的格式——这种需要结构化对比的内容，AI生成的优势远比单篇「某工具好不好用」的评测更明显。
下一步
这次测试暴露了一个问题：AI工具评测里，数字精度是最大的短板。Tome 四舍五入那一下，如果不是人工复核，读者可能就被误导了。后续考虑加一个数据校验步骤：生成后对比原文关键数字，偏差超过阈值就触发自动修正。
文章已发布：https://keynote.org.cn/blog/ai-ppt-tools-what-they-cant-do-2026/