@yujp_vc/ppt-assistant 1.5.2 → 1.5.3

package/README.md

@@ -69,6 +69,23 @@ bash run_py.sh gen_image.py --prompt-file hero.txt --out assets/hero.png \
 
 `image_split` / `image_grid` 也升级为满格裁切 + 圆角 + 软阴影。所有图片一律 cover 裁切、不留白边，蒙版颜色由图片暗部采样，文字区按页型自动避让。
 
+## 结构版式
+
+| 版式 | 用途 | 关键字段 |
+| --- | --- | --- |
+| `architecture` | 3 层总体路线：三个框 + 箭头 + 底部共同验证条 | `items[3]{title,body}` `bottom_title` `bottom` |
+
+学术/基金 deck 的总体路线优先用它重画，不把论文总图整张贴进来。
+
+## 图件体检
+
+```bash
+bash run_py.sh figure_audit.py output.pptx
+bash run_py.sh figure_audit.py output.pptx --strict   # 有 DENSE 就 exit 2
+```
+
+它用 OCR 估计图内文字的实际字号，并结合图片占版面积，标出投影上读不了的密集图。经验线：图内文字低于 14pt 就不该直接上版；4800px 论文总图塞进 7in，30px 字只剩约 3pt。`--no-ocr` 可跳过 OCR，只按像素密度判断。
+
 ## 炫技版式
 
 | 版式 | 用途 | 关键字段 |
@@ -92,7 +109,7 @@ bash run_py.sh gen_image.py --prompt-file hero.txt --out assets/hero.png \
 ## 视觉总监与风格配方
 
 - 先明确受众、要促成的判断、内容类型、场景、情绪；再写七行风格简报：三个形容词 / 一个设计张力 / 密度 / 配色逻辑 / 字体逻辑 / 图片行为 / 空间节奏。
-- 从 `<engine-root>/style-recipes.md` 选一套主配方：`consulting` `formal` `civic` `artfair` `editorial` `history`；需要时最多加一套辅助，声明主/辅。把 `meta.recipe` 记进 spec。
+- 从 `<engine-root>/style-recipes.md` 选一套主配方：`consulting` `formal` `grant` `civic` `artfair` `editorial` `history`；需要时最多加一套辅助，声明主/辅。把 `meta.recipe` 记进 spec。
 - 配方 tokens 落进 `meta`：`theme` `accent` `colors` `font` `titleFont`。`titleFont` 可让标题单独用衬线（如 `Noto Serif CJK SC`），正文仍用 `font`。
 - 评审顺序：先 `contact_sheet.py` 出缩略图总览，看节奏/密度/重复，再抽封面、最密页、特殊媒体页、结束页全尺寸看。
 

package/build_deck.py

@@ -31,7 +31,7 @@ from charts import draw_chart, resolve_chart
 from grasp_evidence import (candidate_projections, depth_colors, depth_pair,
                             gated_candidate_projections, gripper_projection)
 
-LAYOUTS = {"cover", "cards", "process", "comparison", "table", "chart",
+LAYOUTS = {"cover", "cards", "process", "architecture", "comparison", "table", "chart",
            "image_split", "image_grid", "image_triptych", "ingredient_board", "ingredient_split", "state_triptych", "state_band", "state_gallery", "prep_stove", "heat_bars", "chart_dashboard", "closing",
            "image_hero", "image_overlay", "image_wall",
            "section_number", "image_statement",
@@ -92,6 +92,15 @@ def validate(spec: dict, base: Path) -> None:
         layout = slide["layout"]
         if not slide.get("title") and layout not in {"cover", "closing"}:
             raise ValueError(f"slide {index}: title is required")
+        if layout == "architecture":
+            items = slide.get("items")
+            if not isinstance(items, list) or len(items) != 3:
+                raise ValueError(f"slide {index}: architecture requires exactly 3 items")
+            if any(not isinstance(item, dict) or not item.get("title") or not item.get("body")
+                   for item in items):
+                raise ValueError(f"slide {index}: each architecture item requires title and body")
+            if slide.get("bottom") and not isinstance(slide["bottom"], str):
+                raise ValueError(f"slide {index}: architecture bottom must be text")
         if layout in {"cards", "process", "comparison", "image_grid"}:
             items = slide.get("items")
             if layout == "comparison":
@@ -1147,6 +1156,30 @@ class DeckBuilder:
                     shape.fill.solid()
                     shape.fill.fore_color.rgb = RGBColor.from_string(self.colors["accent"])
                     shape.line.fill.background()
+        elif layout == "architecture":
+            items = page["items"]
+            for index, item in enumerate(items):
+                x = .60 + index * 4.10
+                self.box(slide, x, 2.15, 3.55, 2.20, rounded=True)
+                self.box(slide, x, 2.15, 3.55, .04, "B04A2A")
+                self.text(slide, f"{index + 1:02d}", x + .18, 2.30, .55, .28,
+                          12, "accent", True)
+                self.text(slide, item["title"], x + .18, 2.62, 3.20, .38,
+                          18, "text", True)
+                self.text(slide, item["body"], x + .18, 3.04, 3.20, 1.18,
+                          14.5, "muted")
+                if index < 2:
+                    shape = slide.shapes.add_shape(
+                        MSO_SHAPE.CHEVRON, Inches(x + 3.62), Inches(3.02),
+                        Inches(.30), Inches(.44))
+                    shape.fill.solid()
+                    shape.fill.fore_color.rgb = RGBColor.from_string(self.colors["accent"])
+                    shape.line.fill.background()
+            if page.get("bottom"):
+                self.box(slide, .60, 4.72, 12.10, 1.35, "F1E7DB")
+                self.text(slide, page.get("bottom_title", "共同验证"), .90, 4.95,
+                          2.15, .30, 13, "accent", True)
+                self.text(slide, page["bottom"], 3.15, 4.90, 9.20, .95, 14, "text")
         elif layout == "image_split":
             self.artwork(slide, page["image"], .6, 2.05, 7.1, 4.55,
                          radius=.05, shadow=True)

package/cordis.patch.yml

@@ -52,7 +52,7 @@
                 VISUAL DIRECTOR — 先当总监，再当排版工
                 - 先明确五件事：受众、要促成的判断/行动、内容类型、展示场景、情绪基调。缺一项就做合理假设，不要反复追问。
                 - 写七行风格简报（≤120 字）：受众+行动 / 三个形容词 / 一个设计张力（如「密度 vs 留白」）/ 密度 / 配色逻辑 / 字体逻辑 / 图片行为+空间节奏。
-                - 只选一套主配方（<engine-root>/style-recipes.md：consulting / formal / civic / artfair / editorial / history）；需要时最多加一套辅助，只借 1–2 个特征，声明主/辅，不平均折中。把 `meta.recipe` 记进 spec。
+                - 只选一套主配方（<engine-root>/style-recipes.md：consulting / formal / grant / civic / artfair / editorial / history）；学术/基金/评审场景优先 `grant`。需要时最多加一套辅助，只借 1–2 个特征，声明主/辅，不平均折中。把 `meta.recipe` 记进 spec。
                 - 把配方 tokens 落进 `meta`：theme / accent / colors / font / titleFont。标题想用衬线就设 `titleFont`（如 Noto Serif CJK SC）。
                 - 配方是提示不是牢笼：证据、受众或场景提出更强要求时，让内容覆盖配方。
 
@@ -71,10 +71,23 @@
                 - 先搭垂直结构：页眉 → 标题 → 标题/正文间距 → 主体 → 结论/来源 → 页脚安全区。
                 - 密度先靠分组、对齐和证据结构增加，再考虑缩字号；同页版式轮廓可换，字体/边距/颜色角色/页脚规则必须一致。
 
+                ACADEMIC & GRANT — 学术/基金 5 页先过评审问题，不搬论文小节
+                - 场景命中「国自然 / 基金 / 研究方案 / 特色创新 / 论文评审」时，主配方选 `grant`；标题用判断句，正文 ≥18pt；禁止把 `3.1.4.1`、`4.4` 这类论文编号带上屏。
+                - 5 页骨架：封面 → 总体路线（`architecture`，3 个框 + 底部共同验证）→ 机制 1（`process`）→ 机制 2（`cards`/`table` 只留一个判断）→ 创新与验证（`kpi_showcase`/`cards`）。每页只回答一个评审问题。
+                - 不要用 2×4 长句表把创新点全塞进去；拆成 3 个创新支柱，每个配 1–2 个验证指标。
+                - 「三条主线 / 四级验证」要落到图上：三条主线用 `architecture` 的三框，四级验证放底部一条证据带，不用正文复述。
+
+                FIGURE CONTRACT — 图先能读，再谈好看
+                - 图片上版前先算有效字高：源图像素宽 / 版面英寸 = ppi；图中字高(px) / ppi × 72 = 实际 pt。图内文字低于 14pt，不允许直接上版。
+                - 论文总图/多机制拼图不要整张贴：4800px 的 fig18 塞进 7in，30px 字只剩约 3pt。这不是分辨率问题，是信息密度问题。
+                - 处理顺序：裁到一个机制 → 重画成 3–5 个可编辑框（`architecture`/`process`）→ 仍太密就拆页；一张图只承担一个判断。
+                - 架构页用 `architecture`：3 个框 + 箭头 + 底部共同验证条；标题、正文、图注全用真文本，不把截图当版面。
+                - 构建后跑 `figure_audit.py <pptx>`；P02/P04 这类 DENSE 行必须处理后再交付，不能因为 `quality_check` PASS 就放过。
+
                 PPT ENGINE — built-in `build_deck.py` (JSON spec → editable PPTX)
                    CLI: `bash <engine-root>/run_py.sh build_deck.py <spec.json> <output.pptx>`
                    - 规格中的图片路径相对于 spec 文件解析；不会扫描、导入或执行用户工作区脚本。
-                   - 内置版式：cover / cards / process / comparison / image_split / image_grid / table / chart / closing，
+                   - 内置版式：cover / cards / process / architecture / comparison / image_split / image_grid / table / chart / closing，
                      图片版式：image_hero / image_overlay / image_wall / image_triptych；
                      炫技版式：section_number（巨字 + 网格 + 进度点）、image_statement（满幅 + 巨型字艺）、
                      split_diagonal（双图斜切）、glass_overlay（满幅 + 毛玻璃面板）、heat_bars（甘特时间轴）、
@@ -105,6 +118,7 @@
                 - pexels_key: the Pexels API key (set here or via env PEXELS_API_KEY). Without a valid key, image_fetch falls back to loremflickr/picsum which return random/irrelevant images — always vision-verify fetched images match the keyword before using them.
 
                 SUPPLEMENTARY TOOLS (已装进 web profile，重启 GUI 后可用)
+                - `figure_audit.py <pptx>`：用 OCR 字高和图片面积标出“投影上读不了”的图；`--strict` 有 DENSE 就 exit 2。它是图件体检，不替代逐页视觉检查。
                 - @huiliyi37/dsh-office：pptx_create/pptx_read/pptx_edit + xlsx/pdf/docx 工具——读现有 PPT 结构、直接改文案、生成简单 deck。
                 - @deepseek-ai/dsh-mindmap：mm_generate 工具——把课件(PPT/PDF/Word)转成打印级 HTML 思维导图（复习用）。
                 - dshmarket（插件市场 UI）、dsh-find-plugin（agent 找插件）、dsh-hub（dsh.fish 注册表 hub 工具）。

package/figure_audit.py

@@ -0,0 +1,145 @@
+#!/usr/bin/env python3
+"""Flag dense technical figures that will be unreadable when projected.
+
+A 4800 px-wide paper composite placed at 7 in has ~686 px/in.  A 30 px label
+inside it is then only ~3 pt on the slide -- high resolution does not help.
+This audit estimates that effective label size from the source pixels and the
+displayed size, and flags pictures that are both dense and large enough to be
+the main evidence on a page.
+"""
+from __future__ import annotations
+
+import argparse
+import io
+import json
+import shutil
+import subprocess
+import sys
+import tempfile
+from pathlib import Path
+
+from PIL import Image
+from pptx import Presentation
+from pptx.enum.shapes import MSO_SHAPE_TYPE
+
+PAGE_W_IN = 13.333
+PAGE_H_IN = 7.5
+TESSERACT = shutil.which("tesseract")
+
+
+def ocr_text_height(image: Image.Image) -> tuple[float, int]:
+    """Median OCR word height in px; 0 if OCR is unavailable/no text."""
+    if not TESSERACT:
+        return 0.0, 0
+    with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp:
+        image.save(tmp.name)
+        tmp_path = tmp.name
+    try:
+        proc = subprocess.run(
+            [TESSERACT, tmp_path, "stdout", "-l", "chi_sim+eng", "--psm", "11", "tsv"],
+            capture_output=True, text=True, timeout=30)
+        heights = []
+        for line in proc.stdout.splitlines()[1:]:
+            cols = line.split("	")
+            if len(cols) < 12:
+                continue
+            text = cols[11].strip()
+            try:
+                conf = float(cols[10])
+                height = int(cols[9])
+            except ValueError:
+                continue
+            if text and conf >= 35 and height >= 3:
+                heights.append(height)
+        if len(heights) < 5:
+            return 0.0, len(heights)
+        heights.sort()
+        return float(heights[len(heights) // 2]), len(heights)
+    except Exception:
+        return 0.0, 0
+    finally:
+        Path(tmp_path).unlink(missing_ok=True)
+
+
+def audit(path: Path, max_ppi: float = 450.0, min_area: float = 0.12,
+          use_ocr: bool = True) -> dict:
+    prs = Presentation(str(path))
+    rows = []
+    for page_no, slide in enumerate(prs.slides, 1):
+        for shape in slide.shapes:
+            if shape.shape_type != MSO_SHAPE_TYPE.PICTURE:
+                continue
+            try:
+                with Image.open(io.BytesIO(shape.image.blob)) as image:
+                    px_w, px_h = image.size
+                    image_rgb = image.convert("RGB")
+            except Exception:
+                continue
+            disp_w = shape.width / 914400
+            disp_h = shape.height / 914400
+            if disp_w <= 0 or disp_h <= 0:
+                continue
+            ppi = px_w / disp_w
+            area = (disp_w * disp_h) / (PAGE_W_IN * PAGE_H_IN)
+            gray = image_rgb.convert("L")
+            white_pct = sum(1 for value in gray.getdata() if value > 235) / (px_w * px_h) * 100
+            text_px, word_count = ocr_text_height(image_rgb) if use_ocr else (0.0, 0)
+            text_pt = text_px / ppi * 72.0 if text_px else 0.0
+            if text_px:
+                dense = (area >= min_area and text_pt < 13.0 and word_count >= 5
+                         and white_pct >= 12.0)
+            else:
+                # No OCR evidence: only flag very high pixel density, where a
+                # pasted paper figure is almost certainly over-detailed.
+                dense = ppi >= max_ppi and area >= min_area
+            rows.append({
+                "page": page_no,
+                "name": shape.name,
+                "source_px": [px_w, px_h],
+                "display_in": [round(disp_w, 2), round(disp_h, 2)],
+                "ppi": round(ppi, 0),
+                "area_pct": round(area * 100, 1),
+                "text_pt": round(text_pt, 1) if text_px else None,
+                "word_count": word_count,
+                "white_pct": round(white_pct, 1),
+                "dense": dense,
+            })
+    return {"file": str(path), "pictures": rows,
+            "dense": [row for row in rows if row["dense"]]}
+
+
+def main() -> int:
+    parser = argparse.ArgumentParser(description="Flag dense figures / unreadable slide images")
+    parser.add_argument("pptx", type=Path)
+    parser.add_argument("--max-ppi", type=float, default=450.0)
+    parser.add_argument("--min-area", type=float, default=0.12,
+                        help="minimum picture area ratio of the slide (0-1)")
+    parser.add_argument("--strict", action="store_true", help="exit 2 when dense figures exist")
+    parser.add_argument("--no-ocr", action="store_true", help="skip OCR text-height estimate")
+    parser.add_argument("--json", action="store_true")
+    args = parser.parse_args()
+    if not args.pptx.is_file():
+        print(f"figure_audit: file not found: {args.pptx}", file=sys.stderr)
+        return 2
+    result = audit(args.pptx, args.max_ppi, args.min_area, use_ocr=not args.no_ocr)
+    if args.json:
+        print(json.dumps(result, ensure_ascii=False, indent=2))
+    else:
+        print(f"figure_audit: {len(result['pictures'])} picture(s)")
+        for row in result["pictures"]:
+            flag = "DENSE" if row["dense"] else "ok"
+            print(f"  P{row['page']:02d} {row['name']}: "
+                  f"{row['source_px'][0]}x{row['source_px'][1]}px -> "
+                  f"{row['display_in'][0]}x{row['display_in'][1]}in, "
+                  f"{row['ppi']:.0f} ppi, area {row['area_pct']}%, "
+                  f"OCR text ~{row['text_pt']}pt, white {row['white_pct']}% [{flag}]")
+        if result["dense"]:
+            print("\nFix: crop to one mechanism, redraw as 3-5 editable boxes, "
+                  "or split the figure across pages. Do not paste the whole paper composite.")
+        else:
+            print("No dense large figure detected.")
+    return 2 if args.strict and result["dense"] else 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "@yujp_vc/ppt-assistant",
-  "version": "1.5.2",
-  "description": "PPT 助手 agent preset for DeepSeek Harness: a visual-director workflow with six style recipes, plan-first editable decks, GPT imagery/vision QC, showcase layouts, and a verified scoped-edit ledger.",
+  "version": "1.5.3",
+  "description": "PPT 助手 agent preset for DeepSeek Harness: a visual-director workflow with seven style recipes, plan-first editable decks, GPT imagery/vision QC, showcase layouts, and a verified scoped-edit ledger.",
   "license": "MIT",
   "private": false,
   "type": "module",
@@ -22,6 +22,7 @@
     "grasp_evidence.py",
     "generate_ppt.py",
     "generate_consensus.py",
+    "figure_audit.py",
     "quality_check.py",
     "check.py",
     "ingest.py",

package/preset.yml

@@ -1,2 +1,2 @@
 name: PPT 助手
-description: 一条龙 PPT 生成 Agent：视觉总监式风格简报与六套配方、金字塔页计划、自主 GPT 生图（含透明抠图与视觉验收）、满幅/渐变/毛玻璃/斜切/抠图压版等高级排版、品牌色与双字体系统、可核验的改稿台账、读取 PPT/PDF（含 OCR）、更改已有 PPT，并渲染自查（缩略图总览 + 视觉模型逐页审查）迭代到满意后输出可编辑 .pptx。
+description: 一条龙 PPT 生成 Agent：视觉总监式风格简报与七套配方、金字塔页计划、自主 GPT 生图（含透明抠图与视觉验收）、满幅/渐变/毛玻璃/斜切/抠图压版等高级排版、品牌色与双字体系统、可核验的改稿台账、读取 PPT/PDF（含 OCR）、更改已有 PPT，并渲染自查（缩略图总览 + 视觉模型逐页审查）迭代到满意后输出可编辑 .pptx。

package/style-recipes.md

@@ -1,6 +1,6 @@
 # 视觉配方（PPT 助手 · 视觉总监层）
 
-这不是模板库，是六套完整的视觉判断。先选一套当主配方，再用第二套做辅助（只借它的 1–2 个特征，不平均混合）。把 `meta.recipe` 记进 spec，保证整套不漂。
+这不是模板库，是七套完整的视觉判断。先选一套当主配方，再用第二套做辅助（只借它的 1–2 个特征，不平均混合）。把 `meta.recipe` 记进 spec，保证整套不漂。
 
 ## 用法
 
@@ -143,6 +143,28 @@
 
 ---
 
+## 7. 学术基金 · grant
+
+- **三个形容词**：可信、克制、判断先行
+- **设计张力**：大结论 vs 小证据——每页只回答评审的一个问题，图只承担一个机制
+- **密度**：低到中。5 页一份；正文 18–22pt，图注 14pt，图内标签 ≥14pt；宁少一页，不塞一张论文总图
+- **配色逻辑**：象牙纸底 60% + 墨色 30% + 单一深青强调 10%；不要 corporate 蓝（如 #2F5597）；红只标风险/待确认
+- **字体逻辑**：标题思源宋体 30–36，正文思源黑体 18–22；不要用 12pt 正文撑信息量
+- **图片行为**：论文总图/架构图不整张贴——先裁到一个机制，或重画成 3–5 个可编辑框；截图必须有 ≥14pt 的标注；实拍只做证据，不做装饰
+- **空间节奏**：封面 → 科学问题/总体路线（architecture）→ 机制 1（process）→ 机制 2（cards/table）→ 创新与验证（kpi/cards）；不要目录、章节编号和论文小节号
+
+```json
+"meta": {"theme": "paper", "recipe": "grant", "accent": "2F5D62",
+         "colors": {"bg": "F7F3EC", "panel": "FFFDF8", "text": "1C1B19", "muted": "6F675C"},
+         "font": "Noto Sans CJK SC", "titleFont": "Noto Serif CJK SC"}
+```
+
+版式池：`cover` `architecture` `process` `cards` `kpi_showcase` `table` `closing`
+骨架：封面 → 总体路线（三段共用一套状态）→ 规程解析/规划 → 执行证据/记忆恢复 → 创新点与验证指标
+避免：整张 4800px 论文图塞进 6–7in、`3.1.4.1` 这类论文编号、2×4 长句表、12pt 正文、三张等权卡片却没有证据。
+
+---
+
 ## 风格简报模板（没有匹配配方时）
 
 写七行，不超过 120 字：