新智元报道
AI 生成 PPT 最尴尬的时刻，往往不是初稿失败，而是修改时的“牵一发而动全身”。当用户要求微调某一页的流程图时，系统却可能打乱已定稿的标题层级或配色风格。在真实的办公场景中，第一版草稿仅是起点，多轮改稿才是核心痛点。
从「生成一套」到「生成得像这个用户」
近年来，自动幻灯片生成技术在结构完整性和视觉美观度上进步显著。然而，真实需求不仅在于“生成出来”，更在于是否契合用户的表达习惯。同一份技术论文，针对不同受众（如基础教学、组会汇报或技术培训），其内容密度、证据边界及叙事逻辑截然不同。
由北京邮电大学、清华大学及上海交通大学联合推出的 MemSlides，创新性地引入了“用户画像记忆”机制。该系统并非在反复修改后才开始学习，而是在首轮生成（Round-0）阶段，即根据任务意图检索用户长期偏好，将其路由至当前工作记忆，从而直接影响页面组织与表达方式。
该项目已在 Hugging Face Daily Papers 登顶榜首，GitHub 获数百星标，并吸引大量验证用户试用。图 1 展示了系统如何依据用户画像，将材料精准拆解为定义、机制、实验依据等模块，体现了对内容结构与信息密度的个性化把控。
图 1：首轮生成不仅体现完整性，也体现用户画像记忆对页面组织、内容密度和证据边界的影响。
MemSlides 支持上传材料、选择记忆画像或模板，生成初稿后可进入持续修订流程，并导出 PPTX、HTML 或 PDF 格式。其核心价值在于解决多轮修改中的关键问题：如何在局部调整时保留整体偏好，避免临时指令覆盖长期风格，确保编辑过程的稳定性。
让记忆分工：构建有状态的创作流程
针对 Agent 记忆管理，MemSlides 并未简单堆砌历史对话上下文，而是将个性化幻灯片生成建模为“有状态的创作过程”。系统将记忆划分为两个维度：
- 生命周期维度：区分长期记忆（跨任务稳定偏好）与工作记忆（当前会话的临时约束与状态）。
- 功能角色维度：区分用户画像记忆（决定风格偏好）与工具记忆（优化执行策略）。
这种设计使 Agent 能够精准识别哪些信息需长期沉淀，哪些仅在当前任务生效，从而避免将临时指令误判为永久偏好。
图 2：MemSlides 将长期记忆、工作记忆、用户画像记忆和工具记忆组织到同一个多轮改稿流程中。
用户画像记忆：精准匹配跨任务偏好
真正的个性化远超简单的 Role Prompt。用户在学术汇报或商业路演中展现出的内容密度、图表偏好等习惯，是长期写作中形成的稳定特征。MemSlides 通过检索机制，在任务启动时协调长期偏好与当前指令：若两者兼容则共同进入工作记忆；若冲突则以当前明确指令优先。任务结束后，系统仅沉淀稳定、可迁移的信号，确保下一次生成更精准而非更混乱。
图 3：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。
工作记忆：确保持续有效的临时约束
在多轮改稿中，某些指令具有延迟生效特性（如“后续新增摘要框使用浅灰背景”）。若 Agent 仅关注当前轮次输入，极易遗漏此类约束。MemSlides 的工作记忆充当当前任务的状态板，存储活跃偏好、遗留指令及完成状态。通过 Plan-Act-Guard 流程，系统确保早期提出的规则在后续操作中依然生效，将多轮修改转化为围绕同一文档的连续编辑过程。
图 4：工作记忆让早先提出、后续才触发的临时样式偏好继续生效。
只改该改的地方： scoped slide-local revision
传统生成式系统在处理反馈时，常因重写大范围内容而导致非目标页面发生不可控变化。MemSlides 采用“范围受限的幻灯片局部修订”（scoped slide-local revision）策略：
- Plan 阶段：将自然语言请求转化为执行契约，明确目标幻灯片、作用范围及覆盖要求。
- Act 阶段：在受限范围内执行最小有效操作。
- Guard 阶段：严格检查修改是否覆盖目标且未越界，防止局部请求演变为全局重写。
这一机制将“模型自认为完成”转变为“系统可验证的精准交付”。
图 5：Plan-Act-Guard 将局部修改拆成范围规划、受控执行和结果检查。
工具记忆：优化执行路径与效率
幻灯片编辑涉及复杂的结构、样式及布局逻辑。MemSlides 引入“工具记忆”，记录类似任务中的有效执行路径与避错经验，而非用户审美偏好。该记忆分为轮次级任务经验与操作级工具链经验，旨在减少 Agent 的无效探索与试错成本，提升编辑的收敛速度与准确性。
图 6：工具记忆关注的是工具调用经验，而不是用户审美偏好。
实验结果与未来展望
评估数据显示，用户画像记忆显著提升了多场景下的角色对齐能力；工具记忆则在局部修改任务中将核心工具耗时比例降至 0.327 倍。这些结果表明，当 Agent 具备可复用的执行经验时，其在闭环完成度与验证严格性上表现更优。
图 7：局部编辑对比展示了工具记忆注入前后编辑过程的差异。
MemSlides 的探索不仅限于 PPT 生成，更为文档编写、代码修改及企业知识系统等长周期任务提供了新思路。未来的 AI Agent 将从“一键生成”迈向“长期协作”，在反复迭代中持续理解用户意图，保持编辑边界，最终交付真正符合用户需求的高质量成果。
参考资料：https://arxiv.org/abs/2606.17162
编辑：LRST