很多人以为，让 AI 做 PPT，就是输入一句“帮我生成课件”，然后等它吐出一份成品。

但这次做“小学人工智能通识课”时，我发现真正有价值的不是第一次生成，而是后面一轮轮把它改到能用。

这次实验对象是一套小学 AI 通识课课件：把教学方案和实验操作手册，变成 15 页、16:9、可编辑、能直接进教室使用的 PPT。

我不是让 Codex 随便做一套“看起来像课件”的 PPT，而是不断给它加条件、挑问题、控制用量、缩小修改范围，再让它回去重做。最后成品能落地，靠的不是一句神奇提示词，而是一段很具体的人机协作过程。

第一轮：先问清楚，应该怎么向 AI 提需求

一开始，我手里有两个文件：教学方案和实验操作手册。

如果直接把文件丢给 AI，说“帮我做 PPT”，结果很容易发散：它可能把教师话术放进学生课件，也可能把实验步骤堆成说明书。

所以第一步，我没有急着让 Codex 生成成品，而是先问它：如果要依据这两个文件制作教学 PPT，应该给出怎样的提示词。

这个动作看似绕了一步，其实很关键。

AI 很擅长执行，但前提是任务边界清楚。与其一上来就让它做成品，不如先让它把“应该怎样下任务”讲清楚：用哪些文件、生成多少页、哪些截图能用、哪些内容不能进学生课件。

这一步相当于先把工作说明书写出来，再让 AI 开始干活。

第二轮：控制页数和用量，不让它一上来就“豪华装修”

后来我逐渐把要求收紧：15 页就可以，不要做太大，避免浪费用量；要配图，但不能为了配图而配图。

我还特别强调：不要把每一页都做成整张 AI 背景图。整页图看起来热闹，但修改成本高，用量也大，一旦文字错了、版式不合适，就很难继续精修。

最后，约束变成了一套更明确的规则：15 页、16:9、可编辑 PPTX；浅色背景；每页只讲一个核心点；不生成演讲者备注；不把年级、课时、教学目标、教师话术、设计意图放进学生课件；实验页优先使用真实截图，概念页再使用辅助小图。

这些要求看起来像细节，其实是在给 Codex 画边界。

如果没有这些边界，它很可能会做出一份“内容很多、看起来也完整”的课件，但小学生看不懂，老师上课也不好用。把标准提前说清楚，后面的生成、修改和质检才有依据。

第三轮：配图策略改成“局部小图”，而不是整页 AI 大图

做儿童课件时，很容易掉进一个坑：页面很可爱，但图和知识点没关系。一开始，整页 AI 图看起来很漂亮，可问题也明显：用量大、修改难、容易盖住文字。

于是我改了要求：能不能不要局部生小图？比如需要一台电脑，就只生成一台电脑；需要麦克风、耳朵、声波，就只生成这些透明背景小插画，再嵌入 PPT。

这个方法明显更适合课件生产。

它不是让 AI 每页画一张“大海报”，而是先设计好页面版式，再按需要补小图。这样既节省生成次数，也方便后面调整：文字可以改，图片可以挪，实验截图也能保持真实。

后来这套思路变成了一个稳定分工：概念页用局部小图解释抽象概念，实验页用真实截图保证可复现，总结页用少量图标帮助学生记住步骤。

第四轮：第一版出来后，我开始挑毛病

第一版出来后，并不等于完成。

我继续看预览挑问题。很多问题不是“大错”，但会直接影响课堂使用。

比如，有的页面右下角有编号，我要求删掉；有的页面是空记录表，看起来像让学生填，但其实没有教学意义，我要求改成能直接判断的“证据卡”或“情境判断页”；有的课件第 8 页、第 14 页内容太空，我要求重做；还有一次我只想改“手势”那一套，不想影响另一套，Codex 就必须停下来缩小修改范围。

下面这张表记录了其中几轮具体的修改和响应：

我提出的问题	Codex 后续处理
右下角编号删掉	删除整套 PPT 右下角页码
第 9 页不要空记录表	改成有实例推理链的页面
手势第 8 页也要改	改成“位置变化的对照路径”
手势第 14 页不要空表	改成“改进前后看什么证据”
只要手势的	缩小修改范围，不动另一套
第 14 页文字少一些	保留判断逻辑，压缩重复解释

这几轮对话很重要。

因为很多 AI 工具最容易出问题的地方，不是第一次不会生成，而是用户提出具体修改后，它会不会改错对象、会不会把已经确认的部分又弄乱。

第五轮：发现后半段没设计感，继续返修

做课件还有一个很常见的问题：前几页因为是开场，往往设计得比较好；越到后面，页面越容易变成普通文字堆叠。

我看到后半段设计感明显下降，就继续指出：前几页还有点设计，后面完全没有设计感了。

Codex 后续不是简单换个背景，而是重做后半段结构：把实验操作页改成交替场景，把结果页强化视觉层级，把总结页改成更清楚的关卡或任务台。

这一步让我感觉，它更像一个可以持续返工的制作助理。

我说“这里不好”，它需要理解“不好”具体指什么；我说“后半段没有设计感”，它需要判断是配色问题、结构问题、留白问题，还是页面节奏问题。

这比单纯生成一份 PPT 更接近真实工作。

第六轮：把抽象问题，改成孩子能进入的故事

这套课件里有一节叫《AI 做的事情都是对的吗？》。

如果直接讲“AI 可能存在语义理解偏差”，小学生大概率听不进去。Codex 最后选择了更生活化的切口：翻译耳机闹笑话。

比如，“我们班卧虎藏龙”不能按字面翻成教室里真的有老虎和龙；“piece of cake”在语境里不是一块蛋糕，而是“这件事很容易”；“放鸽子”也不是把鸽子放走，而是没有按约定出现。

这样一来，学生先被问题吸引，再自然进入结论：AI 翻译看起来每个词都翻出来了，但整句话仍然可能错。

这个设计比“直接讲概念”更适合孩子。它不是先告诉学生一个抽象结论，而是先让学生发现：咦，明明每个词都翻了，为什么听起来这么怪？当孩子自己先发现问题，再讲“语境”和“核查”，就不再像灌输知识，而像是在解决一个真实小谜题。

第七轮：不是堆页面，而是设计一条课堂路径

最后的课件不是把材料平均分成 15 页，而是按课堂节奏重新组织。

这时距离最初那两份教学材料，已经不是简单“换个格式”的变化，而是变成了一套有开场、有任务、有实验、有收束的课堂作品。

先用几个“翻译闹笑话”的场景制造好奇心；再用一页最小理论说明“原话和语境进入 AI，译文会影响对方理解”；接着给出四步核查方法：读完整句子、联系语境、圈出可疑表达、说出实际意思；最后进入真实实验，让学生观察“核查前后剧情有没有变化”。

也就是说，Codex 做的不是“把文字放进 PPT”，而是把材料整理成一条学生能走下去的学习路线。

最后不是交文件，而是做质检

最容易被忽略的，其实是最后一步。

Codex 在生成 PPT 后，还要逐页检查：标题有没有异常换行，文字有没有溢出，图片有没有被裁切，实验截图是否清楚，页面左右留白是否均衡，是否出现了不该给学生看的教师端内容。

例如在另一节《AI 怎么认出一张脸》的课件中，质检还专门检查了几个边界：24/24 和 6/6 只能写成学习进度，不能误写成准确率；0.94 不能写成身份置信度；人脸数据要提醒只在课堂内使用、不上传、不传播。

这一步其实最像一位谨慎的助教：它不只负责“做出来”，还要负责“别出错”。所以这次交付前，真正省时间的不是第一版生成，而是后面的反复检查、定位问题和局部返修。

这次实验真正有价值的地方

这次让我感觉比较明显的是，Codex 更适合承担“长链条制作”里的中间层工作。

如果人的角色是定方向、审关键、做最终判断，把重复整理、初稿搭建和细节检查交给 Codex——这种分工，比“让它一口气做完”更接近真实可用。

下次再做类似课程时，我不会只问 AI：“帮我做个 PPT。”

我会更具体地问它：“请先判断学生能看什么，再把这节课设计成一条孩子能走完的学习路线。”

这个问题，才真正接近一套好课件的起点。