為什麼你的 AI 投影片總是缺乏「靈魂」？
身為資深企業培訓人員，我觀察到多數人使用 AI 生成投影片時，只會在對話框輸入一句「幫我做一份產品介紹簡報」。結果？AI 隨機拼湊的內容既沒有品牌一致性，也缺乏邏輯深度。
問題的根源：你沒有告訴 AI「你想要什麼風格」與「內容的邏輯結構」。
本指南將教你一套專業工作流：
- 視覺風格逆向工程：從一張你喜歡的投影片截圖，萃取出設計規範
- NotebookLM 深度內容生成：從原始資料產出結構化大綱
- YAML 規格產出：將設計規範與大綱合併成完整的 YAML 檔案
這套方法的核心理念是：讓 AI 成為執行者，而你是規格定義者。不再是「幫我做一份簡報」的模糊指令，而是給 AI 一份精確的「設計系統」與「內容架構」，讓它按照你的規範執行。
Step 1：視覺風格逆向工程
找一張你喜歡的投影片範例（可以是公司過去的簡報、競品的設計、或網路上的專業範本），上傳給 AI（如 Gemini、ChatGPT），並使用以下 Prompt：
請分析這張投影片的視覺 DNA，並將其轉換為 YAML 格式的 style_guide。
請包含：
1. visual_identity：背景色、強調色、幾何元素
2. typography：字體家族、標題與內文的字重層次
3. color_palette：品牌主色、輔助色
4. imagery_style：圖片處理風格（如雙色調、高對比）
5. design_principles：設計原則（如網格對齊、功能優先）
AI 會產出類似這樣的設計規範：
style_guide:
name: "品牌視覺規範"
visual_identity:
theme: "Swiss Grid & Digital Craftsmanship"
background:
color: "#F2E9D4"
texture: "Subtle noise"
accent_shapes:
- type: "Sharp Rectangles"
colors: ["#E23E2A", "#000000"]
typography:
primary_font_family: "Inter, Helvetica, sans-serif"
hierarchy:
title:
weight: "Black (900)"
color: "#000000"
body_text:
weight: "Regular"
color: "#2D2D2D"
color_palette:
brand_red: "#E23E2A"
deep_black: "#000000"
surface_beige: "#F2E9D4"
design_principles:
- principle: "Grid Order"
definition: "元素必須對齊網格，展現嚴謹性。"
- principle: "Function First"
definition: "裝飾必須為訊息傳遞服務。"
為什麼要用 YAML 而不是直接讓 AI 設計？
因為 YAML 是可版本控制的。當品牌調整主色時，你只需修改 color_palette.brand_red 這一行，所有後續產出的簡報都會自動套用新配色。這比每次都重新描述「我要紅色」有效得多。
Step 2：用 NotebookLM 產出投影片大綱
將你的原始資料（PDF、Word、網頁連結）上傳到 Google NotebookLM，並使用以下 Prompt：
請根據上傳的資料，產出一份 7 頁投影片的大綱。
結構如下：
1. 標題頁（產品名稱與核心價值主張）
2. 痛點分析（3 個關鍵問題）
3. 解決方案（核心技術與方法）
4. 技術亮點（差異化優勢）
5. 效率對比（數據佐證）
6. 客戶案例或成功故事
7. 行動方案（Call to Action）
每一頁請提供：
- title：標題
- bullets：3-5 個要點
- narration：講者稿（1-2 句話）
NotebookLM 會基於你的資料產出深度內容，而不是隨機編造。
NotebookLM 的核心優勢
與一般大語言模型不同，NotebookLM 會強制基於你上傳的源文件回答。這意味著：
- 不會產生「幻覺」（Hallucination）
- 每一個論點都能追溯到原始資料
- 適合處理法規、技術文件等需要高準確度的內容
實務建議：上傳的資料越豐富，NotebookLM 產出的大綱越有深度。建議上傳 3-5 份相關文件，包含市場調查、產品規格、競品分析等。
Step 3：將大綱轉寫成 YAML 格式
把 Step 1 的 style_guide 與 Step 2 的大綱合併，轉寫成完整的 YAML：
style_guide:
# ... (Step 1 產出的設計規範)
slides:
- page: 1
layout: "Swiss Cover"
title: "SlideMaster AI"
subtitle: "10 分鐘，將專業知識轉化為視覺動能"
narration: "歡迎體驗 SlideMaster。我們正在重塑知識傳遞的效率。"
- page: 2
title: "教材製作的三大痛點"
bullets:
- "手動剪輯佔用 70% 製作時間"
- "聲音不穩定，重錄成本高"
- "跨平台相容性問題層出不窮"
narration: "傳統教材製作流程存在三個核心瓶頸。"
- page: 3
title: "解決方案：AI 全自動生成引擎"
bullets:
- "Gemini 2.0 Flash 驅動內容解析"
- "聲音復刻技術（CosyVoice）"
- "EverCam 相容格式匯出"
narration: "我們透過三項核心技術，將製作流程自動化。"
完成後，將這份 YAML 貼入 SlideMaster，即可生成帶有專業視覺與 AI 旁白的課程影片。
為什麼這套流程有效？
| 評估維度 | 普通 AI 生成 | 本文方法（YAML + NotebookLM） |
|---|---|---|
| 設計一致性 | 每次生成風格隨機 | 嚴格遵循 style_guide 規範 |
| 內容深度 | 容易產生幻覺 | 基於 NotebookLM 源文件 |
| 修改效率 | 只能要求重寫 | 修改 YAML 單一參數即可 |
| 專業感 | 網美風或呆板模板 | 職人級佈局（如瑞士設計） |
結語：定義規格，而非只是製圖
AI 投影片工具的價值，不在於「一鍵生成」，而在於讓你能精確定義規格。
當你學會：
- 從視覺範例逆向工程出
style_guide - 用 NotebookLM 產出有深度的大綱
- 將兩者合併成結構化的 YAML
你就不再只是 AI 的使用者，而是 AI 的指揮者。
進階應用：建立你的設計系統庫
當你累積了多套 style_guide（例如：內部培訓風格、客戶提案風格、產品發表會風格），你就擁有了一套可複用的設計資產。未來每次製作簡報，只需替換內容大綱，視覺風格就能瞬間套用。
這就是「設計即程式碼」（Design as Code）的真正價值。
立即開始定義你的簡報規格