今天是2025年6月25日，星期四，北京，晴
我们回答文档智能进展，来看一个自动生成PPT 的项目，其中流程的设计，以及用到的爬虫代码以及Agent的prompt都可借鉴。
代码层面看MultiAgentPPT实现思路
关于PPT自动生成，看一个项目，MultiAgentPPT(https://github.com/johnson7788/MultiAgentPPT)，基于A2A+MCP+ADK的多智能体系统，支持流式并发生成PPT，思路来源于https://github.com/allweonedev/presentation-ai
我们可以看看3个核心问题。
1、整体的实现流程是什么？
先从工作流的控制看起，如下：
其中可以具象化的整体实现流程如下图所示，分成4个Agent，
其中：
大纲生成Agent，根据用户需求生成初步内容大纲。
Topic拆分Agent，将大纲内容细分为多个主题；
ResearchAgent，并行工作，多个智能体分别对每个主题进行深入调研；
SummaryAgent，汇总输出，将调研结果汇总生成 PPT 内容，实时流式返回前端。
整个后端的逻辑在：https://github.com/johnson7788/MultiAgentPPT/tree/main/backend。
2、其中的数据从哪儿来？
既然是要生成内容，尤其是其中生成大纲以及内容，都会用到RAG，所以就会有知识库。
那么，知识库如果需要做到实时，那么就需要进行更新，所以可以爬虫，从代码上看，其从weixin_search.py中可以看到，其使用搜索搜索微信公众号文章，先关机关键词搜索搜狗，获取链接，然后使用get_real_url获取真实链接，最后使用真实链接获取公众号内容。
其中获取公众号内容如下：
3、从底层实现代码看每个子agent的执行逻辑
从代码上看如下，包括simpleOutline(用于前端测试的大纲生成)、simplePPT(用于前端测试的简单PPT生成)、slide_outline(用于前端的大纲生成，经过检索生成大纲)、slide_agent(根据大纲生成ppt)等组成部分。
其中： slide_outline，使用rag，检索抓取形成的文章内容，然后组织成如下prompt送入LLM 进行生成：
slide_agent进一步分为第一个问题中的research_topic、split_topic、summary_writer几个工作组件，如下：
其中:
split_topic专门负责分析写作大纲并将其拆分成独立的研究主题，作用的prompt如下：
research_topic，根据拆分的主题，动态创建并行的研究员进行资料搜集，使用的prompt如下：
SummaryAgent进行文章撰写和内容整合，作用的prompt如下，使用的XML语言表示：
参考文献
1、https://github.com/johnson7788/MultiAgentPPT
（文：老刘说NLP）