AI演示工具需要可控性层，而不仅仅是更好的初稿

目前关于AI演示工具的讨论仍主要聚焦于初稿质量：模型能否根据提示、笔记、文档或转录内容生成一套幻灯片？这一点固然重要，但我认为它正逐渐成为问题中不太有趣的部分。更大的挑战在于生成后的可控性。一份演示文稿不仅仅是一组幻灯片，它是一系列论点、证据、节奏、重点和视觉层次的有机组合。当用户要求修改时，他们通常不想要一套全新的幻灯片，而是希望对现有结构进行精准干预。这对当前系统来说很难，因为编辑目标并非总是一个文本片段——它可能涉及叙述的某个部分、布局选择、两张幻灯片之间的关系，或某个支撑点的详细程度。如果系统只能通过重新生成一大块内容来回应，就有可能破坏用户已经认可的部分。对于AI幻灯片工具而言，我认为下一个有价值的层面不仅仅是更好的模板或更美观的布局，而是一种能够呈现幻灯片结构的方式，让用户可以在可预测的边界内进行局部调整：保留该部分、重写这个论点、拆分这张幻灯片、改变这个视觉处理方式、不动其余部分。初稿之所以受关注，是因为它易于演示；而第二次修改才是真正体现实用性的地方。