演示的质量瓶颈，
从来不在视觉生成能力
HTML 原生智能演示系统：先想清楚为谁讲、讲什么、怎么让人听懂，再谈渲染。
HTML 原生智能演示系统（Web-native Presentation Intelligence）是一套 AI Skill：给定内容、受众、目标与场景，先推演演示策略与论证架构，经由 Presentation IR，再渲染为可现场运行、可分支深潜的演示应用。它面向所有受够了"一键生成但不能用"的 AI 幻灯片的人。——本页即由该系统生成。
AI 演示的问题不是不够炫，
而是不动脑
跳过情境
高管汇报和教学培训用同一套规则——"每页最多 6 行"对谁都不成立。
跳过受众
不回答"为什么这个人要听"，只回答"我有什么内容想讲"。
跳过论证
断言不举证、逻辑有跳跃、结论超出证据——视觉合格，策略缺席。
输入 → HTML 的一步生成，正好跳过了决定成败的三个环节。
当前 AI 演示工具的通病是把"输入材料 → HTML 页面"一步完成，跳过三个决定成败的环节：情境判定（这到底是什么演示）、受众建模（为什么这个人要听）、论证架构（断言有没有证据支撑）。结果是"好看但不动脑"。
依据：项目需求文档 §0–§2 · 对抗测试设计（evals/benchmark/adversarial.md）
策略先行：六步管线，IR 是闸门
情境判定
20 类演示情境，不同情境不同规则
受众建模
12 字段：决策权 / 态度 / 异议 / 负荷耐受
论证架构
论证树 + 六查：无证据断言、逻辑跳跃…
Scene 规划
每幕一个认知任务；负荷曲线有节奏
Presentation IR
validate_ir.py 强制校验，不过不渲染
渲染 + QA
L0–L6 最低充分渲染；18 维评测
方法论不依赖任何框架，Runtime 可整体替换——IR 是策略与技术的唯一耦合点。
强制六步管线：①情境判定（20 类）②受众建模（12 字段）③论证架构（六查：无证据断言/逻辑跳跃/证据错配/论证跳跃/重复主张/过度声称）④Scene 规划（每幕一个认知任务 + 认知负荷曲线）⑤Presentation IR（唯一中间表示，validate_ir.py 强制校验）⑥渲染与 QA（L0–L6 最低充分渲染，18 维评测）。IR 是策略与技术的唯一耦合点。
工件：workflows/ 九个标准工作流 · scripts/validate_ir.py
规则库 vs 证据库
✕ 通用规则库 UNIVERSAL RULES
- "每页最多 6 行、每行最多 6 字"
- "标题必须是问句"
- "字越少越高级"
- "动画越少越好"——无条件，无依据
✓ 证据分级知识库 EVIDENCE A–E
- 每条命题带机制 + 证据等级 A–E + 边界条件
- 冲突证据显式登记（Tufte × Bateman 之争）
- 用户经验先登记为 Practitioner Hypothesis，验证后升级
- "字越少越好"只在 Stage Mode 成立，Reader Mode 必须完整
传统工具内置无条件通用规则；本系统建立证据分级知识库：每条命题登记机制、支持证据、冲突证据与边界条件（A–E 级）；用户的实践经验不直接成为规则，先进入 Practitioner Hypothesis 层，经检验后才升级。冲突证据（如 Tufte vs Bateman 的数据墨水之争）也被显式登记。
工件：knowledge/ 14 节点 · practitioner_hypotheses/registry.yaml
一份内容模型，三种运行模式
Stage · 讲演
渐进揭示、Deep Dive 分支、讲者控制台。屏幕精简，语音承担解释。
→ / Space 推进Reader · 自读
纵向滚动、内容自足、hash 深链可分享任意一幕。
按 R 切换Print · 打印
自动分页、冻结动画、展开关键内容、显示引用。
Cmd/Ctrl + POne Content Model：每个 Scene 同时携带 stage（现场精简）与 reader（自足完整）两层内容。Stage 支持渐进揭示、Deep Dive 分支、讲者控制台；Reader 纵向滚动、hash 深链可分享任意一幕；Print 自动分页、冻结动画、显示引用。运行时零依赖，断网可用。
实测：无头 Chrome 功能测试通过（导航/深潜/搜索/恢复/打印），2026-09-07
你正在看的这份演示，
就是系统的输出物
本演示经完整六步管线产出：情境判定为 pitch、受众为 skeptical 的开发者、论证六查通过、IR 经 validate_ir.py 校验 0 error 0 warning、运行时在无头 Chrome 完成功能测试（初始化显隐/渐进揭示/Deep Dive 返回/搜索/状态恢复全通过）。工程规模：79 个文件，含 14 个知识节点、9 个工作流、7 个 Schema、100 个测试案例登记、10 条对抗测试。
来源：scripts/validate_ir.py 运行记录 · 2026-09-07 · examples/demo
三个动作
⭐ Star
github.com/mizzlelover/web-presentation-skill，关注迭代。
📦 安装
复制到 skills 目录，一分钟接入 Claude Code / Codex / OpenCode。
🧠 换脑
下次做演示，先问：这是什么情境？谁在看？要他们做什么决定？
文质 Wenzhi · Communication before Decoration · 开源 MIT · 作者：谁是专家
下一步：① GitHub Star（mizzlelover/web-presentation-skill）；② 安装到 Claude Code / Codex / OpenCode / Kimi Code（复制到 skills 目录，一分钟完成）；③ 下次接到演示任务时先回答三个问题——这是什么情境？谁在看？要他们做什么决定？MIT 协议开源，作者：谁是专家。
知识底座与技术立场
📚 证据来源（35+，A–E 分级）
- Mayer 多媒体学习九原则（A）
- Sweller / Baddeley 认知负荷与工作记忆（A）
- Alley / Garrett Assertion-Evidence 实验系列（A，技术语境）
- Cleveland & McGill 图形感知编码排序（A）
- Petty & Cacioppo 说服双路径 ELM（A）
- Tufte × Bateman 数据墨水之争（冲突证据显式登记）
- Minto / Bitzer / Aristotle 结构与修辞传统
🛠 技术立场
- Reveal.js / Slidev 是 Runtime Reference，不是依赖
- 知识层不引用任何框架 API
- runtime/ 为零依赖原生 JS 参考实现，可整体替换
- 动效优先级：CSS → WAAPI → View Transition → GSAP
- 离线优先：整目录打包，无 CDN 依赖
- prefers-reduced-motion 全局降级
Esc 返回主线 · 来源登记见 knowledge/sources/seed_corpus.yaml
知识底座：35+ 来源登记，全部标注证据等级 A–E 与边界条件，冲突证据显式登记。技术立场：Reveal.js / Slidev / Spectacle 仅作为 Runtime Reference，知识层不依赖任何框架 API；本仓库 runtime/ 为零依赖原生 JS 参考实现，可整体替换。
来源：knowledge/sources/seed_corpus.yaml · knowledge/web_capabilities.yaml