投稿作者：MemSlides 团队

AI 生成 PPT，已经不再只是演示型功能。

现在，很多系统都可以根据一篇论文、一份报告或一句主题说明生成完整 slides。问题在于，真实写作很少停在第一版。用户会继续调整页面顺序、内容密度、视觉风格和局部元素；更麻烦的是，有些偏好不是一开始就完整说清楚，而是在后续修改中逐渐暴露出来。

这就带来一个更具体的问题：Slides Agent   不仅要理解当前   prompt，还要知道哪些偏好属于用户长期习惯，哪些约束只在当前任务内有效，以及当用户要求修改某个区域时，哪些内容不应该被牵动。对于   AI PPT   来说，记忆不再只是聊天记录的附属品，而是决定多轮协作能否稳定进行的基础能力。

针对这一问题，北京邮电大学、清华大学、上海交通大学合作提出   MemSlides，一个面向个性化幻灯片生成与多轮局部修改的层次化记忆驱动 Agent 框架。它把 PPT 创作看成一个带状态的持续编辑过程：先利用用户画像记忆生成个性化初稿，再在多轮反馈中维护工作记忆，并借助工具记忆提升局部修改的可靠性。

论文链接：https://arxiv.org/pdf/2606.17162

GitHub 地址：https://github.com/huohua325/Memslides

项目网站：https://memslides.github.io/

MemSlides 的研究意义在于，它没有把 AI PPT 生成简单看作一次   source-to-slides   转换，而是把 " 生成后的持续修改 " 纳入系统设计。换句话说，论文关注的不是让模型多记一点历史对话，而是让 Slides Agent 学会区分、维护和调用不同类型的记忆。

MemSlides 是如何设计记忆的？

MemSlides 的方法可以概括为两条主线：一条是记忆如何组织，另一条是修改如何执行。前者回答 " 系统应该记住什么 "，后者回答 " 系统应该怎样在不破坏已有内容的情况下完成编辑 "。

图｜MemSlides 将长期记忆与工作记忆结合，用于个性化生成和多轮局部修改。

在记忆组织上，MemSlides 从生命周期和功能角色两个视角进行建模。生命周期上，长期记忆保存跨任务稳定存在的信息，工作记忆维护当前 deck 内仍然有效的临时约束、反馈状态和修改进度。功能角色上，用户画像记忆关注 slides 应该体现什么样的偏好，工具记忆则关注 agent 应该如何更稳定地执行编辑。

这个区分很关键。用户画像记忆并不是一个固定贴在 prompt 前面的 profile，而是按照任务意图被检索、筛选和路由。比如，同一个用户在学术汇报和商业路演中可能偏好完全不同的页面结构；系统需要根据当前 intent 选择相关偏好，并与本轮请求进行协调。如果当前请求和长期偏好冲突，当前请求应该在这套 deck 中优先。

图｜用户画像记忆会经历检索、路由、当前任务使用和任务结束后的稳定信号沉淀。

任务结束后，MemSlides 也不会把所有反馈直接写入长期记忆。论文采用 consolidation 的思路，只将稳定、可迁移的交互信号更新到用户画像中。这避免了一个常见问题：用户在某次任务中临时提出的要求，被系统误当作长期偏好，在后续任务中反复出现。

工作记忆则处理另一类问题：有些约束不属于长期偏好，却必须在当前会话中跨轮延续。例如用户说 " 后面新增页面的标题都用蓝色 "，这条指令在当前轮可能没有立即执行对象，但几轮之后新增 slides 时仍然应该生效。MemSlides 将这类 active temporary preferences、carryover instructions、resolved targets 和 coverage status 保存在工作记忆中，使多轮修改成为同一个任务状态上的连续编辑。

图｜工作记忆负责保存当前 deck 内仍然有效的临时偏好和修改状态。

与偏好记忆不同，工具记忆记录的是执行经验。Slides 编辑通常涉及页面结构、选择器、样式规则、布局快照和工具调用；即使模型知道用户想要什么，也可能因为读错区域、扩大修改范围或提前结束验证而造成错误。MemSlides 因此把工具执行经验分为任务级和操作级两类：前者沉淀一轮修改中的错误总结与可迁移经验，后者保存更细粒度的 reasoning-tool-observation 片段，用于相似工具调用前的参考。

图｜工具记忆不决定 slides 的偏好方向，而是帮助 agent 在编辑过程中减少重复试错。

在局部修改上，MemSlides 引入 scoped slide-local revision。系统不会在每次反馈后重新读取或重写整套 PPT，而是先将自然语言请求映射到最小有效修改区域，再通过 Plan-Act-Guard 流程完成编辑。Plan 阶段形成 execution contract，明确目标页面、作用范围和覆盖要求；Act 阶段根据页面结构执行受约束的编辑操作；Guard 阶段检查目标是否被正确覆盖，并避免过早 finalize。

图｜Plan-Act-Guard 将局部修改拆解为范围规划、受控执行和结果检查三个阶段。

这一设计的出发点很朴素：当用户只想修改一个局部区域时，系统应该尽量只动这个区域。对于已经对齐的页面内容，保持稳定本身就是一种能力。

个性化与局部修改效果如何？

论文从个性化初稿生成、会话内偏好延续和局部修改可靠性三个角度评估 MemSlides。

在个性化生成方面，论文构建了多 persona、多 intent 的用户画像评估设置，并使用 persona-alignment judgments 衡量生成结果是否符合用户角色与任务意图。结果显示，用户画像记忆能够提升 round-0 初始生成阶段的 persona alignment。进一步分析表明，这种提升不只是模板匹配或视觉润色带来的，而是体现在内容重点、页面结构、证据组织和角色区分等更接近规划层面的维度。

在一般 PPT 质量上，论文还进行了 DeepPresenter-style quality check，用于观察 persona alignment 的提升是否以牺牲普通生成质量为代价。结果显示，MemSlides 在增强个性化对齐的同时，仍保持了有竞争力的整体 deck 质量。这一点对于实际应用很重要：个性化不应只是更 " 像某个人 "，还要生成一套基本可用、结构完整的 slides。

在工作记忆方面，论文通过定性案例展示了 delayed preference carryover。也就是说，某些用户偏好在提出时未必立刻可执行，但当后续操作触发相关条件时，系统仍然可以将其应用到当前 deck 中。这类能力说明，工作记忆承担的是会话级状态维护，而不是长期用户画像的简单替代。

局部修改的实验采用 diagnostic matched-pair modify setting，隔离是否注入工具记忆这一变量。结果显示，在该诊断设置中，工具记忆将 closed-loop completion 从   0.815   提升到   0.963，将 strict verification 从   0.310   提升到   0.534，并将首次正确编辑时间从   609.5s   降低到   242.5s。这些指标并不只是看 " 最终有没有改对 "，而是进一步关注修改闭环、验证严格性和找到正确编辑路径的效率。

图｜在局部修改示例中，MemSlides 更集中地修改目标元素，并减少非目标区域变化。

需要注意的是，论文并没有把结果解释为所有场景下的单调领先。工具记忆在不同配对任务中的收益仍存在差异，部分指标也会受到任务难度和模型行为影响。更准确地说，这些结果支持了一个诊断性结论：当编辑过程被限定在局部范围内，并引入可复用工具经验时，Slides Agent 更容易形成可验证、可收敛的修改路径。

不足与未来方向

MemSlides 当前主要在受控实验和诊断性设置中验证记忆机制的作用。与此同时，Demo website 的实际使用用户已超过 100 位，并且每天仍有新增用户。

未来，团队也计划结合更多真实使用反馈，进一步研究长期用户交互下的记忆治理问题，包括用户如何查看、编辑和删除已保存偏好，系统如何避免保存敏感或过时信息，以及当长期画像与当前任务冲突时如何给出可解释的处理。

局部修改的评估也仍有扩展空间。对于 PPT 创作来说，任务成功并不是唯一指标；修改范围、非目标内容漂移、用户满意度、跨轮编辑成本和可恢复性，都可能影响真实体验。未来的 Slides Agent 评测需要更细地刻画 " 改对了什么 " 和 " 没有误改什么 "。

从更大的方向看，MemSlides 提示了一个值得继续研究的问题：当生成式 Agent 从单轮产出走向长期协作，记忆应当成为系统结构的一部分，而不是简单堆叠在上下文中的历史文本。对 AI PPT 而言，下一步竞争也许不只是谁能生成更漂亮的第一页，而是谁能在反复修改中持续理解用户、保持边界，并让一套 slides 稳定地向用户真正想要的版本靠近。