CAIE注册人工智能工程师

公众号作者

CAIE，全称 Certifed Artifcial Intelligence Engineer（人工智能工程师），简称 CAIE（赛一） ，是人工智能领域的技能等级认证。旨在评估和培养具备人工智能理论基础与实战能力的职业人士。

大家平时做汇报、讲课或者做科普视频，是不是都特别头疼。要找资料、做PPT、写稿子、配音、剪视频，一套流程下来大半天就没了。

更麻烦的是，很多工具只能把现成文档转成幻灯片，让它自己深度讲解知识点却很难做到。

北京大学、拉筹伯大学的研究团队开源了最新多模态智能体PresentAgent-2，来解决这一大难题。

你不用给论文、给文档，哪怕只是一句简单的提示词，AI就能自己查资料、做幻灯片、写稿子、配音、合成视频，最后直接输出一段可以直接播放使用的完整演示视频。

开源地址：https://github.com/AIGeeksGroup/PresentAgent-2

来咱们先直接看演示效果，比如只提问一句，用于处理查询图像和映射图像的编码器是什么类型？

继续提问，哪种颜色代表预测的相机位姿？AI就能快速给出完整的讲解视频。

本文所用研究方法与传统方法相比有何异同？

生成的单人讲解类的完整演示视频

多人交互讨论型视频

三种不同演示风格

其实从上面演示咱们已经看到，PresentAgent-2是支持三种完全不同的演示风格，单人讲解、多人对话甚至实时互动问答都能轻松搞定。

这相当于把一个专业内容团队的工作，浓缩到一个AI模型里。

单人讲解模式是最常用的基础形式，适合课程教学、学术分享等单向知识传递场景。AI会按照幻灯片顺序撰写连贯的讲解稿，搭配平稳的语音和页面切换，输出逻辑清晰的标准演示视频。

交互问答模式则实现了真正的双向沟通，观众可以在观看过程中提出问题，AI会结合幻灯片、脚本和搜集到的资料给出准确回答，还能跳转到对应的页面进行定位讲解。这种模式特别适合在线教学和开放分享场景。

多人对话模式则更有互动感，它不是简单把单人稿子分给两个声音，而是给不同角色分配明确任务，有人负责提问引导，有人负责概念讲解，还有人负责总结补充。

这种形式接近课堂讨论和专家对话，能让难懂的知识变得更容易理解。有点类似科普播客的形式。

不过这三种模式共用一套检索和生成逻辑，只是在脚本结构和呈现方式上有所区别，既保证了系统的简洁高效，又能覆盖绝大多数演示使用场景。

PresentAgent-2如何工作

PresentAgent-2的运行主要分成三个核心部分，相互配合来完成全部创作工作。

首先是多模态深度检索模块，这部分相当于AI的资料搜集环节。

不会像普通搜索引擎那样只返回杂乱的网页，而是专门寻找适合做演示的内容，比如教程、可视化页面、带丰富图片和视频的技术文章。

AI会先把你的模糊提问提炼成清晰的主题，接着搜索大量网页并严格筛选，只保留内容完整、包含丰富图文视频的页面。

经过清洗整理后，输出文本、图片、动态图和视频四类可用素材，为后续创作打好基础。

有了优质素材之后，就进入共享演示生成主干环节。这部分是整个系统的大脑，负责把零散素材组织成完整的演示内容。

会先规划好整体大纲和幻灯片结构，用文字素材制作页面内容，把图片插入合适位置。

比较特别的是，AI不会把动态图和视频变成静态截图，而是保留原本的动态效果，在合成视频时直接叠加在幻灯片对应位置。

这样最终的视频里，动画和演示视频可以正常播放，让复杂的流程和原理展示得更直观。