北京郵電大學、清華大學、上海交通大學合作研發了 MemSlides 系統，解決 AI 生成 PPT 中的個性化與多輪改稿痛點。該系統在首輪生成時即檢索用戶畫像記憶，根據用戶偏好影響頁面組織與表達方式。同時引入工作記憶保存當前任務的臨時約束，確保延遲生效的偏好持續有效，並通過 Plan-Act-Guard 流程實現局部精準修改，避免改動擴散至整篇文檔。實驗表明，工具記憶使編輯收斂率提升至 2.27 倍，核心工具時間降至 0.327 倍。系統登頂 Hugging Face Daily Papers Paper of the Day，GitHub 獲 400+ stars。該研究對於 Agent 在長週期任務中的記憶管理具有參考價值。文章作者、來源：新智元
最尷尬的時刻，往往不是 AI PPT 生成失敗。
而是它已經生成了一套還不錯的 slides，你只是說：「把第 8 頁右下角那塊改得更像流程圖。」
下一秒，第 8 頁可能確實改了，但第 3 頁標題層級變了，第 12 頁配色也漂了，前面反覆調好的風格又被打散。
這才是真實PPT工作流程中更常見的痛點。
The first draft is just a preliminary version; the revision is the main battlefield.
從「生成一套」到「生成得像這個用戶」
過去幾年，自動幻燈片生成進步很快。很多系統已經可以從論文、產品說明或一句主題出發，生成結構完整、視覺上也不算粗糙的初稿。
但在實際使用中，第一版簡報的關鍵不僅在於「是否生成出來」，而在於它是否已貼近某位用戶的表達習慣。
同一篇 Transformer 論文，可以被講解為基礎教學課程，也可以組織成組會報告、論文精讀或技術培訓。不同用戶關心的頁面角色、內容密度、證據邊界和機制展開方式各不相同。有人希望先呈現結論和重點，有人則更希望將定義、機制和邊界條件逐一拆解清楚。
這正是用戶畫像記憶在 round-0 階段的作用。
由北京郵電大學、清華大學、上海交通大學合作完成的 MemSlides 不是等到用戶反覆修改之後才開始「記住」，而是在首輪生成時就會根據當前任務意圖檢索用戶畫像，將兼容的長期偏好路由到當前工作記憶裡，用來影響頁面組織和表達方式。
論文連結: https://arxiv.org/abs/2606.17162
項目主頁：https://memslides.github.io/
演示連結：https://memslides.com/
代碼連結: https://github.com/huohua325/Memslides
HF 連結：https://huggingface.co/papers/2606.17162
該工作登頂 Hugging Face Daily Papers Paper of the Day，GitHub 已獲 400+ stars；Demo website 上線後也已吸引 100+ verified users 試用。
圖1 展示的不是一個泛泛的「生成效果图」。它更像在說明：系統如何將論文材料拆解為定義、核心機制、實驗依據、常見誤區和邊界條件等頁面。這些選擇背後，對應的就是用戶畫像中關於內容結構、資訊密度和證據導向表達的偏好。
Figure 1: The first-round generation demonstrates not only completeness but also the impact of user profile memory on page organization, content density, and evidence boundaries.
項目也提供線上 Demo。用戶可上傳材料、選擇 memory profile 或模板，生成初稿後繼續進入 revision，並下載當前版本的 PPTX、HTML 或 PDF。
In other words, MemSlides is designed for the entire workflow, from personalized drafts to ongoing revisions.
而一旦第一版已開始貼近用戶，後續問題就變得更尖銳：系統能否在多輪修改中繼續保留這些偏好？當前會話裡臨時提出的要求，會不會過幾輪就失效？用戶只想改一個局部區域時，系統能不能避免把已經對齊的頁面重新打散？
讓記憶分工
很多人一聽到「Agent memory」，會自然想到：那就把歷史對話放進更長的上下文裡。
MemSlides 沒這麼做。
原因很簡單：歷史越長，其中的衝突也越多。今天用戶說「這份報告使用藍色標題」，並不代表他未來所有 PPT 都要使用藍色標題；用戶在某次編輯中遇到的工具錯誤，也不應與「他喜歡什麼風格」混為一談。
因此，MemSlides 將個性化簡報生成建模為一個有狀態的撰寫流程：系統先根據原始資料、用戶檔案記憶和可選模板生成 round-0 草稿；之後每輪反饋都會更新當前 session state，再針對當前簡報進行局部編輯。
它的記憶組織有兩個視角。
從生命週期來看，有長期記憶和工作記憶。長期記憶保存跨任務穩定存在的資訊，工作記憶保存當前 deck 中仍然有效的臨時約束、修改目標和執行狀態。
從功能角色來看，有用戶畫像記憶和工具記憶。前者回答「這套 slides 應該體現什麼偏好」，後者回答「Agent 應該怎麼改得更穩」。
換句話說，MemSlides 不是讓 Agent 記住更多廢話，而是讓它知道哪些資訊應長期保留，哪些僅在當前任務中生效，哪些屬於用戶偏好，哪些屬於工具經驗。
圖2：MemSlides 將長期記憶、工作記憶、用戶畫像記憶和工具記憶組織到同一個多輪改稿流程中。
User Profile
真正的個性化，通常不是一句 role prompt 能解決的。
同樣是學術匯報，有人喜歡每頁只放一個核心結論，有人會保留公式和實驗細節；同樣是商業路演，有人偏好高密度表格，有人更依賴趨勢圖和對比圖。
這些差異並非來自單次提示中的標籤，而是用戶在長期寫作與修改中逐漸顯露出的習慣。
MemSlides 使用用戶畫像記憶來保存此類跨任務偏好。它並非將整個 profile 直接貼在 prompt 前面，而是在任務開始時根據當前意圖檢索相關偏好，再與本輪請求進行協調。
如果長期偏好與當前明確指令兼容，它們會一起進入工作記憶；如果發生衝突，當前這套 slides 的明確要求優先。
This step is very important. Otherwise, the system may easily mistake “this time I want a blue title” for “the user always likes blue titles”.
任務結束後，MemSlides 也不會將每一條反饋都寫回長期用戶畫像。它只沉淀穩定且可遷移的交互信號，讓下一次生成更貼近用戶，而非更混亂。
圖3：用戶畫像記憶會經歷檢索、路由、當前任務使用和任務結束後的穩定信號沉澱。
工作記憶
在多輪改稿中，還有一類資訊更為微妙。
它並非長期偏好，卻必須在當前 deck 中持續有效。
例如，用戶在第二輪說：「如果後續新增 summary/tip box，請使用淺灰背景。」當時系統尚未新增此類元素，因此該要求沒有立即的執行對象。幾輪之後，若用戶要求插入包含 summary box 的頁面，此規則就應被觸發。
如果 Agent 只查看當前輪的輸入，就很容易忽略這類延遲生效的約束。
MemSlides 的工作記憶即是當前寫作任務的狀態板：active temporary preferences、carryover instructions、resolved targets、coverage status 都放在這裡。Plan 階段讀取這些狀態以確定修改範圍，Act 階段據此執行受限編輯，Guard 階段再更新檢查結果。
這使得多次修改不再是彼此孤立的單次 prompt，而是圍繞同一套 slides 持續推進的編輯過程。
圖4：工作記憶讓先前提出、後續才觸發的臨時樣式偏好繼續生效。
只改該改的地方
對人類編輯來說，「只改這一處」是一句很自然的話。
對於生成式系統來說，這句話卻很難。
由於許多系統在處理回饋時，會重新讀取或重寫大範圍內容，結果就是目標區域雖然修正了，但非目標頁面也發生了變化。用戶看似只提出了一個小要求，系統卻將整套 PPT 的狀態重新打散。
MemSlides 使用 scoped slide-local revision 來限制此問題。
每次反饋先被映射到最小有效修改區域，然後進入 Plan-Act-Guard 流程。
在 Plan 階段，將自然語言請求轉換為 execution contract，明確目標 slide、作用範圍、selector hints 和覆蓋要求。
在 Act 階段，根據頁面結構選擇編輯工具，並在受限範圍內執行最小有效操作。在 Guard 階段，將「完成」轉變為需檢查的狀態：目標未覆蓋時不能草率最終確認，快照過期時需重新綁定，局部請求也不應擴展為整個 deck 的重寫。
這一步將「模型認為自己已完成修改」轉變為「系統可檢查此次修改是否真正覆蓋目標、是否越界」。
圖5：Plan-Act-Guard 將局部修改拆成範圍規劃、受控執行和結果檢查。
工具記憶
Slides 編輯不是純文字改寫。
一個局部修改可能涉及頁面結構、選擇器、樣式規則、佈局快照和驗證邏輯。Agent 即使理解了用戶想要什麼，也可能在工具調用時讀錯區域、重複試錯、擴大修改範圍，或者在目標尚未覆蓋時提前結束。
因此，MemSlides 還引入了工具記憶。
工具記憶不記錄「用戶喜歡什麼」，而是記錄「在類似編輯任務中，什麼執行路徑有效，什麼錯誤應該避免」。
論文將其組織為兩種粒度：round-scope task experience 記錄一輪修改中的經驗、錯誤總結和可遷移模式；operation-scope tool-chain experience 儲存更細粒度的 reasoning-tool-observation 片段，在相似工具調用前被檢索作為參考。
這種設計將目標與執行分開了。
用戶畫像決定 slides 應該往什麼方向變，工具記憶則讓 Agent 少走彎路，減少無效探索和執行不確定性。
Figure 6：Tool Memory focuses on tool invocation experience, not user aesthetic preferences.
實驗結果
MemSlides 的評估並未僅給予一個整體生成分數，而是將不同記憶組件對應的能力分開驗證：用戶畫像記憶對應 round-0 persona alignment，工作記憶對應多輪對話中的 delayed preference carryover，工具記憶則在 diagnostic matched-pair modify setting 中隔離驗證。
在個性化生成中，用戶畫像記憶提升了多 persona、多 intent 設置下的 persona 對齊。論文進一步指出，這種提升不僅體現在「更像某個模板」，也體現在內容重點、頁面角色、證據組織和 persona 區分等規劃層面的選擇。
在局部修改的配對診斷中，工具記憶帶來的變化更直接：
同時，core tool 時間比例降至 0.327x。
需要注意的是，這些數字來自診斷性 matched-pair modify setting，不能被解讀為所有情境下的單調領先。更準確地說，它們支持的是一個過程性結論：當工具記憶提供可重用的執行經驗時，Agent 在閉環完成、嚴格驗證和找到首次正確編輯路徑上更容易收斂。
Figure 7: Local edit comparison is a qualitative case from the paper, demonstrating the differences in the editing process before and after tool memory injection.
PPT Agent 的下一步
是長期合作
MemSlides 討論的是 PPT，但它背後的問題不只屬於 PPT。
當 Agent 進入文件生成、代碼修改、數據分析、企業知識系統等長週期任務時，都會遇到類似挑戰：哪些資訊應該長期保留，哪些狀態只屬於當前任務，哪些執行經驗可以重用，哪些內容在局部修改時必須保持不變。
如果一鍵生成解決的是從 0 到 1，那麼多輪修改考驗的是從 1 到可用。
未來的 Slides Agent，不只會生成更漂亮的第一页，還要在反覆改稿中持續理解用戶、保持編輯邊界，並讓一套 slides 穩定地向用戶真正想要的版本靠近。