接到分享邀请后，次日需外出，未携带笔记本电脑。唯一的通讯接口是Hermes。通过它挂载本地文章目录、读取内容、撰写提纲，再利用Chrome CDP操控ChatGPT Image V2逐页生成幻灯片图片，最终打包为PPTX文件并替换假二维码——整个流程完全自动化。我唯一需要做的就是对着手机语音指示哪一页需要修改。

五一前夕，朋友邀请我作为分享嘉宾参加活动。近期撰写了不少文章，积累了一些心得，正好可以借此机会分享。若从零开始撰写全新内容会耗费大量时间，而分享主题恰与Agent相关。这正是一个测试Agent实际工作能力的绝佳场景，于是决定尝试。

规划

首先规划实现路径：

• 我本机保存了以往撰写的文章，分散在PC的不同目录中。
• Hermes运行在局域网内的MacBook Pro上，同时局域网内还有NAS。
• 当前ChatGPT Image V2热度很高（之前测试了超过100组提示词的文章尚未发布）。

资料基本齐备，关键问题在于PPT的提纲与分享定位。我的思路有几点：

• 不想单纯推荐某个工具，此前文章也已强调不要追逐工具。
• 客观展示工具的优缺点，引导用户以低摩擦方式上手AI学习。
• Agent与LLM的特性密不可分，必须两者兼用才能发挥最佳效果。

最终确定分享提纲：以HermesAgent为切入点，讲述如何低摩擦上手，重点阐述影响效果最常见的几个大坑，以及所有AI通用的问题。这些内容均来自实际应用中的真实经验，而非主流论调。

准备实施

我非常清楚第二天要外出且不带电脑，因此与电脑的唯一接口就是Hermes。这次正好考验Hermes是否真的能成为生产力工具。

素材准备

1）让Hermes读取我历史撰写的文章：告知Hermes本地PC的共享目录与IP地址，让它挂载文章目录，并指示其读取这些目录中的文章。

2）让Hermes挂载我的NAS目录（方便远程查看内容，省去每次Hermes发送文件的麻烦，且微信传图不便），存档生产过程中的所有内容以便随时调用。

3）让Hermes调用ChatGPT Image V2生成PPT每页图片：

• ChatGPT Image V2具备强大的复杂图片生成能力。
• 传统上PPT需要可编辑性以便调整，但如果编辑成本极低，或许就不再需要编辑（本次实验证明完全可行）。
• 本次分享不需要炫酷动画。

测试关键步骤可行性

主要需要验证两个方向：

1. ChatGPT Image V2能否生成风格统一的PPT图片。
2. Hermes能否直接操控ChatGPT网页以实现可控生成。

ChatGPT Image V2生成稳定风格PPT图片

简单测试封面与内容页后，发现完全可行，剩下的只是风格偏好问题（对本任务而言并非关键）。

稍作风格微调即可，丰简由人。根据此风格与ChatGPT Image V2的特性，让ChatGPT帮我生成一个提示词模板，后续使用。

由于上下文记忆特性，观察到Image V2在连续生成时会自动参考之前系列图的风格与元素，因此实现“风格统一”非常容易：只需将整个PPT的图片放在同一对话中生成即可。

至此，第一个可行性验证完成。接下来验证Hermes直接操控ChatGPT网页的可控性。

OpenClaw的Chrome CDP功能虽有些残缺，但相比其他操控Chrome的方案更为灵活。此前也尝试过AI视觉方案：通过API获取屏幕截图，让AI识别图片内容并给出操作建议，再由Agent执行并重复循环，但速度慢且精度不足。这次决定再次尝试Hermes的Chrome CDP。之前Hermes使用CDP执行简单操作尚可，但本次需要更复杂的操作：

• 打开Chrome。
• 如果ChatGPT未登录（防止外出后意外登出），则使用Gmail登录。
• 登录后选择公司工作空间。
• 生成PPT图片时，选择ChatGPT的Pro（进阶）模型以获得更佳效果。
• 发送PPT总控提示词，再发送单页提示词。
• 等待图片生成完成后下载。
• 重复单页生成直至完成全部PPT图片。

结果令人满意，Hermes确实强大。

完整流程和相关节点

1）告知Hermes我的历史文章所在目录。

2）Hermes分析思考我的PPT写作提纲与主线，然后指示它去读取相关文章。由于文章数量较多，我让Hermes派几个子Agent去读取所有文章，提炼核心意图与主要梗概反馈回来，再由其总体编写。如需细节，它会自行重新读取相关文章，避免在开始之前上下文被撑爆。最终获得完整的PPT内容文稿。

3）让Hermes生成PPT每一页的内容：首先将之前ChatGPT写好的图片生成提示词模板发给Hermes，让它用此模板为每一页PPT生成完整提示词。

随后Hermes操作Chrome CDP使用ChatGPT Image V2生成所有PPT图片。这一步骤看起来较为通用，因此将其制作成skills，以备后续使用。Skills包括一个生成描述、步骤文件以及配套的Python代码。

4）通过所有PPT图片生成PPT文稿并添加演讲者注释。

5）使用Python扫描页面中的假二维码，替换为真实二维码。ChatGPT Image V2生成的图片中如果包含二维码，那是假的，无法使用。直接让Hermes生成真实网址二维码进行替换。注意，替换时不应使用视觉模型，因为定位不准确（此前尝试过，偏差很大）。由于PPT采用暗色系，二维码生成时带有白边，直接使用Python扫描像素中的白色框即可精确定位到具体像素点，然后根据大小用真实二维码精确覆盖。

整个流程完成后，如需调整细节（如单页内容），Hermes会知道调整后重新运行后续所有流程，输出最新版内容。如果能达到这种程度，那么PPT的可编辑性是否真的重要？

我进行过多次调整：看到需要修改的地方，直接对着页面语音告诉Hermes哪一页需要如何修改，全部修改即可完成。

本文由 @jovi_AI电报 原创发布于人人都是产品经理。未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。