ppt-agent

SKILL.md

PPT Agent v4.1 — 主控制台合同

1. 主 Agent 角色

只做：维护计划、调用 harness、管理 subagent 生命周期、校验 Gate、与用户交互。

不做：代写任何正式产物；手写 subagent prompt；内联执行任何内容生产；用口头判断替代 validator。

内容生产全量外包红线：P2A/P2B/P3/P3.5/P4 的所有正式产物（search.txt、source-brief.txt、outline.txt、style.json、planningN.json、slide-N.html 等）必须且只能由对应的 subagent 生成。主 agent 自己写出这些产物内容 = 合同违规。主 agent 唯一允许的"写"行为是通过 harness 生成 prompt 文件和通过 validator 校验产物。

2. 全局规则

2.1 步骤控制

CLI 固定步骤锁（强制）：必须严格按 Canonical Plan 的主链 P0 → P1 → (P2A|P2B) → P3 → P3.5 → P4 → P5 执行；禁止增删改名。

分支二选一：进入 P2A 后绝对不可再跑 P2B，反之亦然。

守门规则（Gate）：进入下个 Step 前，前序 Gate 必须通过；当前步命令执行完毕且 Gate exit=0 后才能标记为 completed。

失败时只允许两种动作：RETRY_CURRENT_STEP 或 回退 ROLLBACK→StepID。严禁"跳到后续步骤试试看"。

WAIT_USER / WAIT_AGENT 是硬等待点；未收到输入/FINALIZE 前，禁止执行后续步骤。

人工审计断点：是否开启、介入哪些节点、可看哪些材料，必须在 Step 0 采访时写入 requirements-interview.txt。断点只能挂在既有主链 Step 内，且只允许主 agent 控制；subagent 不得自行向用户发问。只要 manual_audit_mode != off，review 完成后的“是否通过人工图审”就是强制放行点，主 agent 必须停下来问用户，拿到明确“通过”后才能进入整页终检。

2.2 Subagent 强制调度（核心约束）

通用生命周期：create(--model SUBAGENT_MODEL) → RUN(prompt路径) → STATUS… → FINALIZE → close；完成即关，不复用。Step 4 默认每页先创建一个 PageAgent-N 跑完首轮 Planning → HTML → Review；若用户开启人工审计且在 review 放行点未通过，或运行中要求返工，则由主 agent 创建阶段型 PageAgent 或 PagePatchAgent-N 继续返工。创建时必须显式传 --model SUBAGENT_MODEL，禁止省略。SUBAGENT_MODEL 由用户在 Step 0 采访时指定（详见 3.1.0 及 6.2）。

上下文隔离（强制）：无论 CLI 环境默认是否让 subagent 继承主 agent 上下文，本 skill 要求所有 subagent 必须以隔离模式运行——subagent 唯一可见的上下文是主 agent 通过 prompt 文件显式传递的内容。如果 CLI 支持隔离参数（如 --no-context、沙箱模式等），必须在《Subagent 操作手册》中记录并在调用模板中包含。主 agent 的对话历史、SKILL.md 内容、环境变量等不应该泄露给 subagent。

Subagent 强制调度表（每行 = 一个必须创建的 subagent）：

Step
Subagent 类型
职责
产物
主 agent 行为边界

P2A
ResearchSynth
联网检索 + 素材整理
search.txt, search-brief.txt
仅 harness 生成 prompt → 创建 subagent → 回收校验

P2B
SourceSynth
用户资料降维整合
source-brief.txt
同上

P3
Outline
大纲构建（含内部自审闭环）
outline.txt
同上，禁止介入 subagent 内部自审

P3.5
Style
全局风格锁定
style.json
同上

P4
PageAgent-N（每页一个）
页面规划 + HTML + 审查
planningN.json, slide-N.html, slide-N.png
同上，orchestrator 渐进式编排三阶段

红线：

上表中每个 Step 的产物只允许对应 subagent 生成，主 agent 内联生产任何产物 = 合同违规

即使 subagent 失败，主 agent 也只能重建 subagent 重跑，不能自己"补写"产物

图片模式 generate 且用户需要文生图时，额外创建 ImageGen 子代理；PageAgent 不承担文生图

若用户在人工审计断点提出改单，尤其是在 review 后强制放行点给出“不通过”，主 agent 也必须通过阶段型 PageAgent 或 PagePatchAgent-N 返工；默认从 review 重开，让 subagent 继续图审 + HTML 修复；严禁主 agent 直接手改正式产物

自适应调用协议（每个业务节点强制执行）：

主 agent 到达上表任意 Step 时，必须按以下流程显式组装 subagent 调用命令：

回查 Section 3.1.1 输出的《Subagent 操作手册》，取出其中的调用模板（模型槽位使用 SUBAGENT_MODEL）

变量替换：将模板中的 {{SUBAGENT_NAME}}、{{PROMPT_PATH}}、{{MODEL}} 替换为当前步骤的实际值（{{MODEL}} = SUBAGENT_MODEL）

显式输出：将组装后的完整命令输出到对话中（不是脑内执行，是显式写出来）

执行：按输出的命令执行 subagent 创建、RUN、轮询、回收

禁止“依据操作手册创建”这种含糊引用；必须显式展示组装结果。

2.3 Prompt 生成

所有 subagent prompt 必须通过 prompt_harness.py 从模板生成；禁止手写

所有 {{VAR}} 必须填充，残留即 ERROR；输出固定落 OUTPUT_DIR/runtime/

模板/playbook 仅通过 --inject-file 注入；主 agent 不手动预读正文

Step 0 默认强制模板化：主 agent 必须先通过 prompt_harness.py 生成 OUTPUT_DIR/runtime/prompt-interview.md，再依据渲染结果向用户发问；采访运行时模板必须按能力在 tpl-interview-structured-ui.md 与 tpl-interview-text-fallback.md 之间二选一，不得退化成随手写的一小段简陋问题。

Step 0 优先结构化采访 UI：只要当前 CLI 提供任何等价于 AskUserQuestion / request_user_input 的原生提问能力，主 agent 就必须优先使用；能力判断看是否支持 question/header/id/options 等结构化提问对象，而不是看固定工具名。

Step 0 文本回退也必须结构化：若当前 CLI 不支持结构化采访 UI，主 agent 必须回退为分组明确的 Markdown 采访单；不得退化成一行填空或散乱问题串。

Step 0 唯一例外：仅当 prompt_harness.py 在 Step 0 发生真实脚本接口故障，并已判定 BLOCKED_SCRIPT_INTERFACE 时，才允许主 agent 直接发问；但覆盖维度不得低于 tpl-interview.md 的最终要求。

2.4 通信协议

指令
方向
内容

RUN
主→子
prompt 文件路径（一行，不发正文）

STATUS
子→主
进度、阻塞项、下一动作

FINALIZE
子→主
完成信号 + 产物路径列表

仅里程碑通信；任何修复直接改文件并回传路径。

多阶段 orchestrator 补充协议：对于 phase1 → phase2 [→ phase3] 的渐进式子代理，非末阶段只允许输出 --- STAGE n COMPLETE: {artifact_path} --- 作为阶段完成标记；只有最后阶段才允许发送 FINALIZE。

2.5 校验双保险

subagent FINALIZE 前自审；主 agent 回收后再跑同一 validator 复检。自审通过不等于主链放行。

2.6 执行纪律

执行优先策略：到达某一步后，直接执行该步的 harness/CLI 命令，不要擅自做无关探索。

采访前置锁定：完成 3.1 环境感知、update_plan 与 cli-cheatsheet 读取后，第一条面向用户的业务交互必须是 Step 0 的采访问题；允许把 ## 模型感知结果 / ## Subagent 操作手册 / ## 采访 UI 能力 压缩为同一条消息里的前置状态块，但不得先做调研、资料探索或报告读取。

阅读隔离边界：未到对应步骤时禁止读对应阶段文件；主 agent 可读内容仅限：OUTPUT_DIR/**、用户输入资料、以及 cli-cheatsheet.md。

把脚本当做黑盒工具：scripts/*.py 是执行对象，不是阅读对象！仅允许 python3 ... 执行；严禁对脚本跑 --help 摸索参数，严禁 cat 脚本源码！所需的参数全都在 cli-cheatsheet.md 里面。

如果命令失败：首先对照 cheatsheet 核对参数形式；解决不了则立刻标记 BLOCKED_SCRIPT_INTERFACE 并呼叫用户裁决。

汇报纪律：只汇报"目标动作、执行结果、Gate反馈"；严禁长篇大论的 "Explored files..." 预读清单。

2.7 资源双层消费

资源文件结构：# 标题 + > 一句话定位（引用层） + 正文层。消费规则：

planning 阶段：resource_loader.py menu 加载标题+引用层组成菜单

planning 阶段主链需先把 menu 结果落一份 runtime/page-planning-menu-N.md 备份，再让 PageAgent 读取这份快照

html 阶段：resource_loader.py resolve 按 planning JSON 字段动态加载正文层

字段路由：layout_hint→layouts/、page_type→page-templates/、card_type→blocks/、chart_type→charts/

命令见 cheatsheet 资源路由节。

3. 环境、路径与产物合同

3.1 环境感知（至关重要，Step 0 前强制完成）

进入任何业务步骤前，主 agent 必须按照以下顺序执行环境感知，并将结果显式分类记录到对话或计划日志中。这决定了整个任务的工具下限。若当前界面会直接暴露给用户，允许把这些结果压缩成采访消息中的前置状态块；禁止在 Step 0 前展开长篇说明。

前置操作：

先调用 update_plan 创建 canonical plan。

必须读取 references/cli-cheatsheet.md 建立对所有 CLI 接口的精确记忆。

3.1.0 模型与思考深度感知（Model & Thinking Effort Perception）

为了绝对保证内容质量不滑坡，主 agent 必须在开局时确认自己是谁，并在采访阶段确认 subagent 使用的模型及思考等级：

强行识别当前主 agent 正在使用的大模型版本（例如 Claude-3.5、Gemini-1.5 等，如果无法确认直接问用户）。

将其在心中显性固化为 MAIN_MODEL 全局变量，并在对话中输出 ## 模型感知结果。同时也需探测当前环境 API/工具是否支持给模型传递"思考深度/推理努力(reasoning effort)"这一级选项。

SUBAGENT_MODEL 与 SUBAGENT_THINKING_EFFORT 绑定：Step 0 采访阶段不仅会向用户确认 subagent 使用的模型，还会询问需要的思考深度等级（详见 6.2）。用户回答后，将其显性固化为 SUBAGENT_MODEL 和 SUBAGENT_THINKING_EFFORT 全局变量，并在 ## 模型感知结果 中同步输出。

全局防降格红线：一旦确认这两个变量，在后续流程中创建任何 Subagent 时，必须强制将其带入构建参数中（绝对禁止走默认回退配置）。

3.1.1 Subagent 操作手册生成

环境中有多种执行工具，主 agent 必须为自己梳理规矩：

自检环境中用于创建管理 agent/subagent 的技能或 API。

检查这些工具是否支持模型重载参数（对应 3.1.0）。

整理出支持情况并输出到对话，标题固定为 ## Subagent 操作手册，必须包含以下内容：

工具名称：当前环境可用的 subagent 创建工具

调用模板（必须含变量槽）：一个可参数化的命令模板，包含 {{SUBAGENT_NAME}}、{{PROMPT_PATH}}、{{MODEL}} 以及支持深度思考情况下的 {{THINKING_EFFORT}} 等四个槽位。

示例调用：用具体值填充槽位的实例

调用模板示例（主 agent 必须根据实际环境生成类似格式，{{MODEL}} = SUBAGENT_MODEL，{{THINKING_EFFORT}} = SUBAGENT_THINKING_EFFORT）：

# 模板（槽位用 {{}} 标记，MODEL 取自 SUBAGENT_MODEL，THINKING_EFFORT 取自 SUBAGENT_THINKING_EFFORT）
<tool> --model {{MODEL}} --reasoning-effort {{THINKING_EFFORT}} --message "Read {{PROMPT_PATH}} and execute all instructions" --name {{SUBAGENT_NAME}}

此后每个业务节点调用 subagent 时，必须回查此模板、替换变量、显式输出组装后的完整命令到对话中，然后执行。禁止“依据操作手册”这种含糊引用。

3.1.2 采访 UI 能力探测

由于 Step 0 直接决定用户交互体验：

主 agent 必须自检当前 CLI 是否提供原生结构化提问 UI。

判断标准：是否存在可提交 question/header/id/options 一类结构化字段，并让用户直接点选/填写的能力；名称不限，可表现为 AskUserQuestion、request_user_input、ask_user_question、ui.form 等。

将结论以 ## 采访 UI 能力 输出到对话中，至少包含：

是否支持结构化采访 UI

工具名称或能力形态

是否支持单选 / 多选 / 自由补充

Step 0 实际执行策略：structured-ui / text-fallback

Step 0 发问前，必须先回查这一结论；支持则使用 tpl-interview-structured-ui.md，不支持则使用 tpl-interview-text-fallback.md。

3.1.3 Search 工具清单探测

由于 Research 分支极度依赖网络检索能力：

主 agent 自检所有带有 web search 或直接读取 URL 功能的系统工具及自定义 skill。

梳理支持项，输出名为 ## Search 工具清单 的表格到对话中。

此步生成的清单，将在 Step 2A 通过 TOOLS_AVAILABLE 变量直接喂给检索子代理，务必清晰详实。

3.1.4 兜底能力检查

如果缺失基础能力，必须主动停止并报错：

文件读写、Python、规划：必须具备，无则直接停止流程。

信息检索：尽量具备，若无可主动建议用户仅走 Step 2B 修改本地资料。

图像生成：若无实际工具支持，强制后续图片策略降级为 manual_slot 或 decorate。

3.2 路径变量

变量
值

SKILL_DIR
当前 skill 根目录（例如：../skills/ppt-agent-workflow-san，必须是相对路径）

ROOT_OUTPUT_DIR
ppt-output/（必须相对 CWD，禁止跳出）

RUN_ID
YYYYMMDD-HHMMSS-topic（带时间戳用于区分同目录下不同任务的产出）

OUTPUT_DIR
ROOT_OUTPUT_DIR/runs/{RUN_ID}

RUN_ID 唯一性约束：同一个 PPT 任务全程只允许一个 RUN_ID，Step 0 创建后锁定复用，重试/回退/断点恢复均复用同一个，禁止为同一任务重复创建。不同的 PPT 任务（不同主题）各自独立 RUN_ID。恢复旧任务时绑定旧 RUN_ID。

⚠️ 跨环境可移植性红线（防止运行时路径污染）：
在组装并向 prompt_harness.py 传入用于子代理指引的变量时，主 Agent 绝对禁止将其展开成宿主的死硬绝对路径（如 /home/xxxxxxxx/...），也尽量避免结构极度脆弱的外跳路径（如 ../../../.gemini/...）。

最聪敏的终极解决方案：

对于引擎代码路径（如 --var SKILL_DIR= 或 --var REFS_DIR=），主 agent 请直接传递带有环境变量字面量的字符串本身（如 --var SKILL_DIR='$SKILL_DIR'、--var REFS_DIR='$SKILL_DIR/references'）。

这样最终生成的 OUTPUT_DIR/runtime/prompt-*.md 模板内容里，就会直接保留 python3 $SKILL_DIR/scripts/... 这种占位符。子代模型也会乖乖地用这样的环境变量向终端请求执行，任何终端只要配置了 $SKILL_DIR 都可以瞬间通跑我们的产物！

对于业务流水线位置（OUTPUT_DIR 相关），必须退化成基于 CWD 的干净相对路径。

3.3 正式产物链

interview-qa.txt → requirements-interview.txt
  → search.txt + search-brief.txt（research）| source-brief.txt（非 research）
  → outline.txt → style.json
  → planning/planningN.json → slides/slide-N.html → png/slide-N.png
  → preview.html → presentation-{png,svg}.pptx → delivery-manifest.json

运行时 prompt 落 OUTPUT_DIR/runtime/prompt-*.md。

4. Canonical Plan

!强制使用CLI 原装plan list工具管理所有task

P0.01  采访问题组装
P0.02  [WAIT_USER] 获取回答
P0.03  写入 interview-qa.txt
P0.04  归一化 → requirements-interview.txt

P1.01  输入识别
P1.02  [WAIT_USER] 分支选择（research / 非research）

P2A.01 harness → phase1 + phase2 + orchestrator prompt
P2A.02 创建 ResearchSynth subagent（发 orchestrator，subagent 内部自主渐进：搜索 → 格式化+自审）
P2A.03 [WAIT_AGENT] FINALIZE
P2A.04 回收校验（search.txt + search-brief.txt）
P2A.05 [可选] 回退 P2A.01 扩搜重跑
P2A.06 关闭

P2B.01 [如 pptx][WAIT_USER] 模式确认
P2B.02 资料初读与方向提炼（梳理 3-5 个可能的陈述切入方向）
P2B.03 [WAIT_USER] 强制展示方向并获取用户选择
P2B.04 将用户选定方向写入 requirements-interview.txt
P2B.05 harness → phase1 + phase2 + orchestrator prompt
P2B.06 创建 SourceSynth subagent（发 orchestrator，subagent 内部自主渐进：提炼 → 自审）
P2B.07 [WAIT_AGENT] FINALIZE
P2B.08 回收校验（source-brief.txt）
P2B.09 关闭

P3.01  harness → phase1 + phase2 + orchestrator prompt
P3.02  创建 Outline subagent（发 orchestrator，subagent 内部自主渐进：编写 → 自审+修复）
P3.03  [WAIT_AGENT] FINALIZE
P3.04  回收校验 outline.txt
P3.05  关闭

P3.5.01 harness → phase1 + phase2 + orchestrator prompt
P3.5.02 创建 Style subagent（发 orchestrator，subagent 内部自主渐进：决策 → 自审）
P3.5.03 [WAIT_AGENT] FINALIZE
P3.5.04 回收校验 style.json
P3.5.05 关闭

P4.NN.01 生成 Step 4 planning 菜单快照 + runtime prompt
P4.NN.02 创建当前轮 subagent（首轮：PageAgent-NN；断点返工：阶段型 PageAgent 或 PagePatchAgent-NN）
P4.NN.03 [WAIT_AGENT] 回收当前轮 FINALIZE（拿到最新 planning/html/png）
P4.NN.04 [如 manual_audit_mode != off][WAIT_USER] 展示最新 slide-N.png，询问是否通过人工图审
P4.NN.05 [如未通过] 创建 `PagePatchAgent-NN`（默认 `START_STAGE=review, END_STAGE=review`）执行图审 + HTML 修复，然后回到 `P4.NN.03`
P4.NN.06 整页终检（产物校验 + visual_qa + 主 agent 看图）
P4.NN.07 关闭当前页 subagent
（所有页并行推进）

P5.01  生成 preview.html
P5.02  PNG 导出 → presentation-png.pptx
P5.03  SVG 导出 → presentation-svg.pptx
P5.04  写入 delivery-manifest.json

Plan 更新规则：仅状态变化时更新；并行页逐页追踪不合并；create/wait/close 拆开；generate/validate 拆开；回退显式标记 ROLLBACK→StepID。

5. 调度骨架与真源

5.1 统一 Subagent 调度骨架（P2A/P2B/P3/P3.5/P4 共用）

查 cheatsheet 对应步骤 → harness 生成阶段 prompt 文件（phase1 + phase2 [+ phase3]）

harness 生成 orchestrator prompt（轻量调度，只含阶段路径 + 渐进式执行协议）

按《Subagent 操作手册》创建 subagent（必须传 --model SUBAGENT_MODEL）

发送 RUN（orchestrator prompt 路径）→ subagent 内部自主渐进式读取各阶段 → 收到 FINALIZE

主 agent 执行 gate 复检；若是 Step 4 且 manual_audit_mode != off，则 FINALIZE 后必须先经过 review 后的 [WAIT_USER] 放行点，再进入整页终检 → 不再复用时立即 close

5.2 真源索引

类别
路径
消费方式

Prompt 模板
references/prompts/tpl-*.md
传路径给 harness，不手动预读

执行细则
references/playbooks/*-playbook.md
--inject-file 注入

风格真源
references/styles/runtime-style-*.md
Step 3.5 注入

大纲/采访/交付合同
scripts/contract_validator.py
P0 / P3 / P5 Gate

Step 4 schema 真源
scripts/planning_validator.py
P4 planning Gate

Step 4 图审与结构校验
scripts/visual_qa.py
P4 PNG + planning + HTML 双层 Gate

CLI 命令
references/cli-cheatsheet.md
Step 0 前读取，后续直接引用

CURRENT_BRIEF_PATH：research → search-brief.txt；非 research → source-brief.txt（Step 3/4 共用）。

5.3 单一真源与自动检查

workflow / schema 版本真源：scripts/workflow_versions.py（当前 WORKFLOW_VERSION = 2026.04.09-v4.1）

Step 4 schema 真源：scripts/planning_validator.py

outline 密度合同真源：scripts/contract_validator.py

Step 4 结构/像素双层校验真源：scripts/visual_qa.py

prompt 变量真源：各 references/prompts/tpl-*.md 模板中的 {{VAR}}

资源 ID 真源：references/layouts/、references/blocks/、references/charts/、references/principles/ 的真实文件 stem，与 scripts/resource_loader.py 的归一化规则

多阶段完成信号真源：各 orchestrator 模板中的阶段协议

自动检查入口：修改 prompt/playbook/cheatsheet/Step 4 schema 示例后，运行 python3 SKILL_DIR/scripts/check_skill.py

6. 主流程状态机

6.1 Step 全景表

Step
核心动作
关键产物
Gate
失败回退

P0
采访并归一化需求
interview-qa.txt / requirements-interview.txt
contract_validator interview + requirements-interview
补问，不进 P1

P1
识别输入确定分支
分支写入 requirements-interview.txt
逻辑判断
WAIT_USER

P2A
检索并压缩资料
search.txt / search-brief.txt
contract_validator search + search-brief
回退 P2A.01 重建 ResearchSynth（扩大搜索预算/维度）

P2B
压缩用户现有资料
source-brief.txt
contract_validator source-brief
回 P2B 重写

P3
生成大纲（内部自审）
outline.txt
contract_validator outline（含 density_bias / density_curve / 单页密度窗口）
回退 P3.01 重建 Outline subagent，最多 2 轮；仍失败则 BLOCKED_OUTLINE 呼叫用户裁决

P3.5
固定全局风格
style.json
contract_validator style
回 P3.5

P4
并行生产各页
planningN.json / slide-N.html / slide-N.png
planning_validator + 三件套存在性 + visual_qa（PNG + planning + HTML）+ 主 agent 看图 + （若开启）用户人工图审通过
只回退该页；人工图审未通过时默认从 review 重开；同类 P0/P1 连续 2 轮不收敛则强制回退 planning

P5
导出交付
preview.html / 双 pptx / delivery-manifest.json
contract_validator delivery-manifest
只回退导出

所有命令完整参数见 cli-cheatsheet.md。

6.2 Step 0 采访（核心起点，不可跳过）

即使第一句话用户提供了极多信息，严禁跳过采访阶段。

高效推进：采访直接收集所需字段信息，不生成解释性分析与背景描述。

默认执行方式：优先按环境能力生成使用结构化采访 UI（tpl-interview-structured-ui.md），若不支持则用格式清晰且附带选项的文本问答（tpl-interview-text-fallback.md）。

结构化输出约束：通过提示向用户提供明确的备选项。最终收集的字段组合必须高度结构化、数据详实，能直接输出至 requirements-interview.txt 并 100% 被下游验证器（Gate）与子系统（Subagent）解析消费，无需推测与加工。

必须覆盖但允许精简（如果已知）的维度：场景、受众、核心传达目标、期望页数与密度、风格倾向、品牌规范、配图策略、资料使用范围，以及是否参与中间人工审计。

密度归一化约定（Step 0 就要定死）：用户填写的 page_density 只表示整套 deck 的整体倾向，不等于每页固定密度。内部统一映射为 density_bias：

少而精 -> relaxed

适中 -> balanced

容量极大 -> ultra_dense

后续单页差异由 outline 产出的 density_curve 决定，不交给 html 临场发挥。

subagent 模型与思考深度（必问）：直截了当让用户选「后续子系统使用什么模型，以及需要何种等级的思考深度？」（如低/中/高，或者普通/深度思考，视当前模型生态而定）。选出后分别固化在 SUBAGENT_MODEL 和 SUBAGENT_THINKING_EFFORT 全局变量。如果用户不关心，可以默认 SUBAGENT_MODEL = MAIN_MODEL 并使用中等思考等级。

人工审计参与方式（必问）：至少固化 manual_audit_mode、manual_audit_scope、manual_audit_assets 这 3 个字段；具体选项与提问形式放在采访模板里维护，不在 SKILL.md 展开。

只有所有重要选项收集齐并固化入 requirements-interview.txt（必须包含模型、思考深度和人工审计参数），才能进入 Step 1。

6.3 Step 1 分支确立

这是流程分水岭。

识别并归类用户输入（大段文本、单文件、多文件、现成 pptx）。

强制向用户确认分支：需要「联网重新检索扩写（Research 分支）」，还是「限定只用当前本地资料（非 Research 分支）」。

得到回答后，将分支写入 requirements-interview.txt。

6.4 Step 2A Search-Lite（Research 分支专有）

此阶段极易发生两个极端：内容单薄 或 无限制搜索烧 Token。

搜索深度预估（主 agent 在生成 prompt 前必须完成）：

丰富度优先：搜索的首要目标是为每页提供足够丰富的素材（数据、案例、引用），宁可多搜一轮也不要内容单薄。

根据主题复杂度和目标页数，预估搜索轮次上限（MAX_SEARCH_ROUNDS）并写入 prompt 变量：

简单/熟知主题（公司介绍、产品宣讲等）：2 轮

中等复杂度（行业趋势、技术方案等）：3 轮

高复杂度（深度研究报告、多维竞品分析等）：4 轮

每轮搜索后 subagent 须自评覆盖率：若数据类型已覆盖目标页数需求且素材充裕，可提前终止；若某维度明显空缺，应继续搜索直到达到上限。

MAX_SEARCH_ROUNDS 是硬上限而非目标——鼓励在上限内尽可能搜全，但到达上限后必须收敛出 brief，禁止无限追加。

强制检查项：产出的 search-brief.txt 必须包含专为 PPTX 设计的独立结构化数据包区块。必须至少含 3 种不同数据类型（Metrics指标、Comparisons对标、Timelines时间线等）。

若搜索质量偏低且未达 MAX_SEARCH_ROUNDS，主 agent 应回退到 P2A.01 重建一套新的 ResearchSynth prompt 与 subagent，扩大搜索预算/维度后整步重跑；不要在已 FINALIZE 的 session 上继续补搜。

若已达上限仍不满足，标记 SEARCH_QUALITY_LOW 并向用户说明缺口，由用户决定是否补充资料或降低预期。

6.5 Step 2B 本地资料压缩（非 Research 分支）

用户丢来的一堆资料必须先处理好再跑大纲。此步同样走 subagent 模式（SourceSynth subagent），但为了避免黑盒决定方向且保证方向贴合业务，必须在此阶段引入用户决策。禁止主 agent 内联执行正式内容生产，但允许浅度摸底。

[特例] pptx 模式确认：若用户直接传了 .pptx，主 agent 须最先强制询问期望的处理模式（仅美化排版 / 彻底重构大纲 / 美化排版并重构内容）。

[防黑盒] 资料初读与方向提炼：主 agent （或调用其他轻量解析工具）必须对用户现有的资料做一次快速摸底通读，提炼出 3-5 个可能的PPT 核心陈述方向/切入视角（例如：以技术机制为侧重点 vs 以商业价值为侧重点）。

强制确认方向：通过 [WAIT_USER] 强制向用户提问："基于您提供的资料，我梳理了以下几个讲述方向，您倾向哪种或有其他补充？"。收到用户明确答复后，将此业务方向追加写入 requirements-interview.txt 中。

主 agent 通过 harness 生成 SourceSynth prompt（命令见 cheatsheet Step 2B）。

按《Subagent 操作手册》创建 SourceSynth subagent（必须传 --model SUBAGENT_MODEL）。

SourceSynth 负责：多文件降维（doc/excel/pdf/代码 → 纯文本）、前置理解（顺着文件 requirements-interview.txt 里的强制方向提取主题）、整合输出 source-brief.txt。

主 agent 回收 FINALIZE 后执行 Gate 校验。

6.6 Step 3 大纲构建（内部闭环）

核心纪律：主 agent 不要自作聪明显式开启后续的审查验证轮回。Outline subagent 设计为自带闭环属性，它会在内部按照【打草稿 → 严格自查缺陷 → 覆盖修复】的死循环直到完美状态，只有这样它才会交出带有 FINALIZE 的最终 outline.txt。

这一步不只是在排页序，也要先把整套密度节奏定下来：

outline 必须显式产出 deck 级 density_bias 和整套 density_curve

每页必须写完整的 密度下限 / 密度目标 / 密度上限 / 节奏动作 / 信息姿态 / 锚点类型

共同硬规则：cover / section / end 不允许 dashboard；禁止连续 3 页 high / dashboard；dashboard 前后必须至少有 1 页非 dashboard 过渡

contract_validator outline 会直接检查这些字段，不允许把“页差”留到 Step 4 再临时决定

6.7 Step 3.5 风格锁定（全局卡口）

全盘风格定调。只有在明确了需求文本跑出的大纲后才定风格。风格判断不仅看需求，更依赖 runtime-style-rules.md。输出：一份精准的、没有含糊描述、能被页面规划和 HTML 代码直接执行的 style.json。

6.8 Step 4 单页并行生产（orchestrator 渐进式披露）

为防止大模型在一次 prompt 中同时兼顾排版、图文推演与 HTML 编码导致「注意力塌陷」，本阶段每个单页的任务被拆散成三级 prompt（4A Planning -> 4B HTML -> 4C Review）。

这里的密度合同是冻结点，不是建议项：

planning 必须把 outline 给出的密度窗口冻结成 density_label、density_reason、density_contract

density_contract 至少要包含 deck_bias、page_lower_bound、page_upper_bound、max_cards、max_charts、min_body_font_px、max_lines_per_card、image_policy、decoration_budget、overflow_strategy

content_budget 是卡片级硬预算，缺失就算失败；它必须继续服从页级 density_contract

从这一步开始，html 只负责执行，不允许自己抬高或降低本页密度

执行模式

Step 4 只保留两种模式：

自动直通：主 agent 生成标准 orchestrator prompt，PageAgent 一次跑完 Planning → HTML → Review。

人工审计：若 manual_audit_mode != off，主 agent 可以在 planning、html 节点挂断点；而在 review 节点，用户放行是强制任务节点，不是可有可无的旁路。

review 后强制放行点

只要 manual_audit_mode != off，每次 PageAgent / PagePatchAgent 完成一轮 review、写出最新 slide-N.png 后，主 agent 都必须立刻 [WAIT_USER]。

此时提问目标固定为：是否通过人工图审。只有拿到用户明确“通过”，该页才允许进入整页终检。

若用户回答“不通过 / 继续改 / 再审一轮”，主 agent 必须默认创建 PagePatchAgent-N，以 START_STAGE=review、END_STAGE=review 重开，让 subagent 在保留现有 planning 与 HTML 上继续图审 + HTML 修复。

只有当用户明确要求重做结构或内容布局时，返工起点才允许从 html 或 planning 重开。

返工原则

用户在断点提出改单，或在 review 后强制放行点明确“不通过”时，主 agent 只能通过阶段型 PageAgent 或 PagePatchAgent-N 返工，不能自己改正式产物。

返工起点只允许是 planning / html / review 三选一；其中 review 后人工图审未通过时，默认从 review 重开；只有用户明确要求重做结构时，才回退到 html 或 planning。

断点材料、外挂 orchestrator 组装方式、以及 PagePatchAgent-N 的调用模板，都放在 cli-cheatsheet.md 的 Step 4 中维护。

共通规则

各页可以且应当并行推进。

HTML 必须完全服从 planning：low / mid_low 可高自由度，medium 中自由度，high / dashboard 低自由度。高密页统一优先稳态 grid / flex、短语化文案、表格/矩阵/微图表；禁 hero image、禁重装饰、禁多个主锚点并列、禁靠复杂绝对定位硬塞内容。

review 必须先核对 density_contract，再看 PNG 视觉质量。

如果同一个 P0 / P1 类别在连续 2 轮新截图里仍不收敛，说明问题已经回到预算或骨架层，必须停止继续修 HTML，强制回退 planning，重写 density_label / density_contract / layout_hint / cards 分配 中至少一项。

阶段放行条件：三件套（planningN.json + slide-N.html + slide-N.png）必须齐全，planning_validator 必须放行；整页 FINALIZE 回收后，主 agent 还必须补跑 visual_qa --html 并亲自看图；若开启人工审计，还必须拿到用户在 review 后的明确“通过”。这些条件同时满足才算该页放行。

subagent 死亡 = 上下文全无。任何出错重试，旧 session 失去价值，必须整页打回重跑（详见 Section 7）。

6.9 Step 5 交付

双管线（PNG/SVG）并行；导出失败只回退导出，不回退内容生产。命令见 cheatsheet Step 5。

7. 重试与恢复

原则：只信文件与 Gate 校验，不信口头记忆或 session 状态。

7.1 Step 4 重试（两步走）

第一步：侦查 — 扫描所有页，收集触发条件（任一成立）的页号：

planningN.json 不存在、为空或 planning_validator 不通过

slide-N.html 不存在或为空

slide-N.png 不存在或为空

visual_qa.py 退出码为 1（致命缺陷）

主 agent 亲自看图发现明显视觉问题

用户在 review 后强制人工图审卡口明确表示未通过

同类 P0 / P1 问题连续 2 轮不收敛，需要回退 planning

第二步：并行重跑 — 收集完毕后，一次性并行启动所有失败页：清三件套及 review 图片残留 → 从 P4.NN.01 开始重跑（先生成 prompt，再创建 PageAgent，随后 RUN orchestrator）。

若失败来源只是 review 后人工图审未通过，主 agent 默认不要整页从头重跑，而是保留现有 planning/html，显式改用 PagePatchAgent-N 从 review 重开；只有用户明确要求改结构，或多轮 review 修复仍无效，才退回 html/planning 或整页重跑。若已经触发“同类 P0 / P1 连续 2 轮不收敛”，则不再允许继续打补丁，必须退回 planning 重新冻结预算与骨架。最终放行标准仍与完整 Step 4 完全一致。

单页连续 3 次失败 → 标记 BLOCKED_PAGE_N，先跳过推进其余页，最后集中处理。

BLOCKED 页终态处理：所有非 BLOCKED 页完成后，主 agent 必须：

向用户汇报被 BLOCKED 的页号及每次失败的 Gate 错误摘要

由用户裁决：手动修复（用户自行编辑 HTML）/ 简化重试（降低该页设计复杂度后重跑）/ 跳过该页（从 outline 和最终交付中移除）

禁止静默吞掉 BLOCKED 页继续交付

7.2 跨对话断点恢复

触发：用户说「继续/恢复」并提供 RUN_ID（或默认取最新目录）。

update_plan 重建 canonical plan；绑定旧 RUN_ID

里程碑探测（从高到低，第一个 exit=0 为最高自动通过点）：

contract_validator.py delivery-manifest ...                  # P5
planning_validator.py ...                                    # P4 自动下限（恢复后仍需补跑 visual_qa + 看图）
contract_validator.py style ...                              # P3.5
contract_validator.py outline ...                            # P3
contract_validator.py search-brief ... | source-brief ...   # P2
contract_validator.py requirements-interview ...             # P0/P1

从下一未完成 step 继续；前序 Gate 失败则回退重做

Step 4：读 outline.txt 确认总页数 → 侦查所有页三件套 + planning_validator + visual_qa → 并行重跑失败页；自动项通过后，主 agent 仍需重新看图确认（旧 session 全部失效）

若 requirements-interview.txt 中记录了人工审计开启，恢复到 Step 4 时还必须把最近可用的 runtime prompt、最终 PNG 和 review/roundX 存档一并纳入断点材料；如果最近一轮 review 后还没有用户明确“通过人工图审”的记录，必须先恢复到这个强制 [WAIT_USER] 卡口，再决定是放行还是走 PagePatchAgent-N

禁止：依赖旧 session、跳过侦查、串行逐页处理、恢复时新建 RUN_ID（除非用户要求全新开始）。