如今，AI 智能生成 PPT 早已超越了简单的“一键出稿”阶段。市面上多数系统都能基于一篇论文、一份报告甚至一句话，快速输出一整套幻灯片。但现实中，文档创作很少止步于初版。用户往往会反复调整页面顺序、斟酌内容密度、微调视觉风格，甚至修改某个角落里的细节。更棘手的是，许多设计偏好用户自己一开始也说不清楚，往往是在一次次修改中才逐渐显露出来。

于是，一个具体的问题随之产生：Slides Agent 不仅要准确理解当前的指令，还必须判断——哪些偏好属于用户的长期习惯，哪些只是当前任务下的临时约束；当用户要求修改某个区域时，系统又该如何确保其他内容保持不变。对于AI PPT 生成而言，记忆已不再是聊天记录的附属品，而成为决定多轮协作稳定性的基础能力。

针对这一痛点，北京邮电大学、清华大学、上海交通大学的研究者们联合提出了 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。其核心思路是将 PPT 创作视为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，并借助工具记忆来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 的研究价值在于，它没有将 AI 生成 PPT 视为一次简单的 source-to-slides 转换，而是把“生成之后的持续修改”也纳入了系统设计。换句话说，这篇论文关注的不是让模型记住更多历史对话，而是让 Slides Agent 学会区分、维护和调用不同类型的记忆。

MemSlides 如何设计记忆机制？

MemSlides 的方法可拆分为两条主线：一是记忆的组织方式，二是修改的执行流程。前者回答“系统应该记住什么”，后者回答“系统如何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。

在记忆组织方面，MemSlides 从生命周期和功能角色两个维度进行建模。从生命周期看，长期记忆负责保存跨任务稳定的信息，工作记忆则维护当前 deck 内仍然有效的临时约束、反馈状态和修改进度。而从功能角色看，用户画像记忆关注幻灯片应体现的偏好，工具记忆则关注 Agent 如何更稳定地执行编辑操作。

这一区分至关重要。用户画像记忆并非固定在 prompt 前的静态 profile，而是根据任务意图被检索、筛选和路由。例如，同一位用户在准备学术汇报和商业路演时，可能偏好完全不同的页面结构。系统需根据当前意图挑选相关偏好，再与本轮请求协调。若当前请求与长期偏好冲突，则在当前 deck 中优先满足当前请求。

图｜用户画像记忆会经历检索、路由、当前任务使用以及任务结束后的稳定信号沉淀。

任务结束后，MemSlides 不会将所有反馈一股脑写入长期记忆。论文采用 consolidation 思路，仅将稳定且可迁移的交互信号更新到用户画像中。这避免了常见问题：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。比如用户说“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，但几轮后新增幻灯片时仍应生效。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。幻灯片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，也可能因读错区域、扩大修改范围或提前结束验证而出错。MemSlides 因此将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｜工具记忆不决定幻灯片的偏好方向，而是帮助 agent 在编辑过程中减少重复试错。

在局部修改上，MemSlides 引入了 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。

这一设计思路非常朴素：当用户只想修改某个局部区域时，系统应尽量只改动该区域。对于已对齐的页面内容，保持稳定本身就是一种能力。

个性化与局部修改的实际效果如何？

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对 MemSlides 进行了评估。

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 来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，这种提升并非来自模板匹配或视觉润色，而是体现在内容重点、页面结构、证据组织和角色区分这些更接近规划层面的维度。

在一般 PPT 质量方面，论文还进行了 DeepPresenter-style quality check，用以观察 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。这对实际应用至关重要：个性化不应只是“更像某个人”，还要生成一套基本可用、结构完整的幻灯片。

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，系统仍能将其应用到当前 deck 中。这类能力说明，工作记忆承担的是会话级状态维护，而非长期用户画像的简单替代。

局部修改的实验采用了 diagnostic matched-pair modify setting，隔离了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提升到了0.963，将 strict verification 从0.310提升到了0.534，并将首次正确编辑时间从609.5s降低到了242.5s。这些指标不仅关注“最终有没有改对”，还深入考察修改闭环、验证严格性以及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。

需要指出的是，论文并未将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，部分指标也会受任务难度和模型行为的影响。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，并引入可复用的工具经验时，Slides Agent 更容易形成可验证、可收敛的修改路径。

不足与未来发展方向

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

未来，团队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、编辑和删除已保存的偏好，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提供可解释的处理方案。

局部修改的评估也仍有扩展空间。对于 PPT 创作而言，任务成功并非唯一指标；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 评测需要更细致地刻画“改对了什么”以及“没有误改什么”。

从更大的方向来看，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，而非简单堆叠在上下文中的历史文本。对 AI 生成 PPT 而言，下一步的竞争或许不只是谁更能生成漂亮的第一页，而是谁能在反复修改中持续理解用户、保持边界，并让一套幻灯片稳定地向用户真正想要的版本靠近。