目前做簡報的 pipeline

• 先找找 CCO、PeerView、Slide Shared有沒有現成的主題可以參考
• 把投影片給任一個 GPT，有影像辨視的為佳，避免投影片裡面有些圖片沒有被看出來
• 然後請該 GPT 設計出一個大綱
• 把大綱丟深度搜尋
• 再把產生出來的內容，改寫成 Markdown 「請把以上內容改成 Markdown，英文，每一個 section 用 # ，每一張投影片用 ## 開頭，每張投影片裡面請放5 ~ 6個重點，每個重點不超過80個字元，該張的來源請用 > 開頭並以 AMA 格式引用，」
• 也可以考慮加上「並附上詳細的解釋」
• 再把產生的 md 文字丟給 Google Slides，搭配我自己寫的 AppScripts 外掛，生成所有頁面。當然你也可以自己 VibeCoding 寫一個，不難
• 針對每一個頁面，把整頁的內容丟給 OpenEvidence，請它點評一下，更深入了解自己生成的東西在做什麼。
• 打開 OpenEvidence 的引用文獻，看看有沒有什麼圖片可以引用一下，才不會整份簡報都一堆字。
• 用 BibGuru: Free Citation Generator 產生標準的引用格式 ( AMA 17)
• 全選文字後，請GPT 再生一頁 Take Home Messages
• 行有餘力再去設計一些統整的表格、畫一些流圖
• 執行美化程式，加上進度條、頁碼、Tabs
• 設計 5 個 QA，乾掉的時候可以拿來問 moderator
• 用力蕊

htlin222/lizard-gslide-module

# Claude 贊日

協霆公開的這份簡報製作 Pipeline 本質上是在展示「AI 輔助不等於 AI 替代」的完整實踐。他不是讓 AI 做簡報，而是讓 AI 在每一個關鍵節點（大綱設計、內容整理、引用驗證、QA 生成）協助決策。這份清單的價值在於它展示了一個專業工作者如何和 AI 協作。

特別值得注意的是「OpenEvidence 驗證」這一步。協霆沒有盲目相信 GPT 產生的內容，而是主動用醫療專業工具再檢查一遍。這反映了一個應有的習慣：AI 生成 → 專業驗證 → 才正式使用。

從「先找參考」到「用力蕊」的整個流程也透露了一個事實：製作好簡報的 80% 工作不在視覺設計，而在邏輯梳理。協霆用 AI 負責思維工作，自己負責審美與驗證，分工極其明確。這套方法可以直接應用於任何需要向同儕解釋複雜概念的場景。

延伸閱讀：Google Apps Script 文檔中的自動化指南、以及 BibTeX 格式的完整規範。

原始 Facebook 貼文：連結