DeepSeek+Codex CLI：一句话生成LaTeX Beamer PPT的实战指南

这次我们看一个非常实用的组合：DeepSeek 提供大模型推理能力，Codex CLI 负责命令行智能体执行，最后用一句自然语言指令把 LaTeX Beamer 幻灯片直接生成出来。以前做 PPT，要么手动排版，要么套模板找版式，要么先写 Markdown 再转 HTML 幻灯片。现在多了一条效率很高的路径：你描述需求和结构，Codex CLI 调用 DeepSeek API 自动写出 LaTeX Beamer 源码，然后本地编译成 PDF 演示文稿。

这个方案的核心逻辑是：PPT 不是“画”出来的，而是“写”出来的。尤其适合技术分享、论文答辩、课程讲义这类内容密度高、公式多的场景。Beamer 和 LaTeX 本身擅长排版公式和代码块，DeepSeek 负责理解你的需求并生成结构化文本，Codex CLI 则把“生成代码 -> 写文件 -> 调用外部命令”这一整套执行流程串起来。

这篇文章会完整演示：Codex CLI 怎么安装，DeepSeek API 怎么接入，一句话生成 Beamer 的提示词怎么组织，生成的 LaTeX 怎么编译成 PDF，以及怎么用脚本批量生成多份 PPT 草稿。

1. 核心能力速览

从材料看，这个组合最大的优势是“不挑硬件”。模型推理在 DeepSeek API 端完成，本地只跑 Codex CLI 和 TeX 编译器，所以一台普通办公笔记本就够用，不需要考虑 CUDA、显卡驱动和显存占用。相比本地部署大模型，这个方案几乎把部署门槛降到了零。

需要明确：这并不是一个能“一键生成精美设计模板”的工具。Beamer 的输出更偏学术和技术风格，默认主题比较朴素。如果你要的是复杂动画、形状拼接、渐变背景的营销 PPT，这个方案不是最优选择。

2. 适用场景与使用边界

2.1 适合谁

Beamer 生成 PPT 的典型使用场景有几类：

• 研究生和高校教师：论文答辩、组会汇报、课程讲义，公式和算法伪代码是刚需。
• 技术会议分享者：需要把技术方案、架构图、性能对比做成结构化幻灯片。
• 经常做多版本 PPT 的内容团队：同一份大纲生成多个风格草稿，再人工精修。
• 开发和运维人员：希望把 PPT 生成纳入自动化脚本，比如根据文档自动生成汇报材料。

2.2 不适合什么

• 需要复杂视觉设计的商业提案：Beamer 默认主题视觉表达有限。
• 对图片排版有强需求的场景：Beamer 插入图片后需要手工调整尺寸和位置。
• 一键出成品的工作流：AI 生成的 LaTeX 大概率会有编译错误，必须有人工修正环节。

2.3 使用边界与合规提醒

使用 DeepSeek API 生成内容时，要注意几个边界：

• 输入材料和输出内容不得违反法律法规，不能生成误导性、侵权性内容。
• 图片、字体、模板素材如果来自第三方，要确认授权范围。
• Beamer 生成的 PDF，若用于商业发布或对外传播，建议人工复核内容质量和版权合规。
• API Key 属于敏感凭据，不要提交到公共仓库，不要在博客和截图中明文展示完整 Key。

这个方案涉及在线 API 调用，建议只在可信网络环境下运行，并通过环境变量或本地配置文件管理密钥。

3. 环境准备与前置条件

这不是一个需要重型依赖的方案，但仍有几个前置条件需要确认。

3.1 操作系统

Codex CLI 和 TeX 发行版在 Windows、macOS、Linux 上都可以运行。下面的操作以 Linux 和 macOS 为主，Windows 用户建议优先用 WSL 2 或 Git Bash 执行命令。

3.2 软件依赖清单

3.3 磁盘与网络要求

• 磁盘空间：TeX Live 全量安装约 5GB 到 8GB，如果只装常用宏包可以更小。
• 网络：需要能访问 DeepSeek API 服务。如果本地存在代理环境变量，要确认代理配置不会干扰 API 请求。
• 端口：整个流程默认不开放本地端口，不涉及端口冲突问题，相比 WebUI 类工具有天然优势。

3.4 确认基础环境

启动终端后，先确认 Node.js 和 npm 是否可用：

node -v npm -v

如果 npm 不可用，也可以通过其他方式安装 Codex CLI，具体以官方发布为准。这一步只做环境检查，不涉及网络代理和安全绕过。

4. 安装 Codex CLI 并接入 DeepSeek API

4.1 安装 Codex CLI

Codex CLI 的安装方式在官方仓库和文档中都有说明。以 npm 方式为例：

npm install -g @openai/codex

安装完成后检查版本：

codex --version

如果命令行找不到codex，说明安装目录没有加入 PATH。此时需要将 npm 全局安装路径加入 PATH，或者把 codex 所在目录放进PATH环境变量。

在部分环境中，报错信息会提示：

unable to locate the codex cli binary. set codex cli path or ensure the executable is in your PATH.

这个错误就是 PATH 或CODEX_CLI_PATH配置不正确导致的。排查时先确认codex --version能否直接运行，如果直接在终端里可以，但某个 IDE 插件或自动化脚本报错，就需要显式设置CODEX_CLI_PATH指向 codex 可执行文件。

4.2 配置 DeepSeek 作为模型后端

Codex CLI 支持配置自定义模型提供方。DeepSeek API 兼容 OpenAI 的消息格式，因此可以按 OpenAI 兼容接口的方式接入。不同版本 Codex CLI 的配置位置可能有差异，一般会读取用户目录下的~/.codex/config.toml或类似配置文件。

下面给出一份通用配置示例，实际字段需要按照你使用的 Codex CLI 版本和官方文档调整：

model = "deepseek-chat" model_provider = "deepseek" [model_providers.deepseek] name = "DeepSeek" base_url = "https://api.deepseek.com/v1" env_key = "DEEPSEEK_API_KEY"

这里的关键参数是base_url和env_key。base_url指向 DeepSeek API 的 OpenAI 兼容地址，env_key指定读取哪个环境变量来获取 API Key。

4.3 设置 API Key

在终端中设置环境变量：

export DEEPSEEK_API_KEY="你的 DeepSeek API Key"

建议把这句话写入 shell 配置文件，例如~/.bashrc或~/.zshrc，避免每次重启终端都重新设置。

4.4 验证 API 连通性

先做一次最简单的非交互调用，确认 Codex CLI 能正常访问 DeepSeek API。不同版本 Codex CLI 的非交互命令不一样，常见的是codex exec或codex run。

codex exec "用一句话介绍 Beamer"

如果配置正常，终端会返回一段自然语言回答或 Markdown 文本。如果返回 401 错误，说明 API Key 不正确；如果返回连接超时，说明网络无法访问 API 或存在代理干扰。

5. 实测流程：一句话生成 Beamer 演示文稿

下面进入正题。以下是一套完整的功能测试流程，建议按顺序执行。

5.1 设计测试提示词

生成 PPT 的关键不是“让 AI 直接做 PPT”，而是把页面结构、内容大纲、公式需求和输出要求一次性讲清楚。提示词越具体，生成的 LaTeX 越接近可用状态。

下面是一条测试提示词：

请用 LaTeX Beamer 生成一份 8 页演示文稿，主题是“Transformer 架构入门”。 要求： 1. 第 1 页是标题页，标题为“Transformer 架构入门”，副标题为“从 Attention 到模型训练”。 2. 第 2 页介绍 Transformer 的整体结构，包含 Encoder-Decoder 架构说明。 3. 第 3 页解释 Self-Attention 的核心公式，必须包含公式： Attention(Q, K, V) = softmax(QK^T / sqrt(d_k)) V 4. 第 4 页介绍 Multi-Head Attention。 5. 第 5 页介绍 Positional Encoding。 6. 第 6 页对比 RNN 和 Transformer。 7. 第 7 页总结 Transformer 的优缺点。 8. 第 8 页为 Thanks 页。 使用 Madrid 主题，主题色为深蓝色。 请直接输出完整 Beamer 代码，不要输出额外解释。

这条提示词包含了：

• 明确的页数和页面顺序
• 每个页面的内容主题
• 必须出现的数学公式
• 主题风格要求
• 输出格式要求

5.2 执行生成命令

把提示词写入文件，然后通过 Codex CLI 执行：

codex exec "$(cat prompt_transformer.txt)" > transformer_presentation.tex

如果 Codex CLI 支持管道输入，也可以直接：

cat prompt_transformer.txt | codex exec

这一步会调用 DeepSeek API，等待时间取决于 API 响应速度和提示词复杂度。一般来说，生成一份 8 页左右的 Beamer 源码需要几十秒到几分钟不等，具体以实际 API 状态为准。

5.3 检查生成结果

用编辑器打开生成的transformer_presentation.tex，重点检查以下几点：

• 是否存在\documentclass{beamer}。
• 是否包含\begin{document}和\end{document}。
• 每页是否以\begin{frame}开始，并以\end{frame}结束。
• 公式是否以\[ ... \]或\begin{align} ... \end{align}包裹。
• 是否有缺失的\end标签或不匹配的大括号。

常见的情况是：整体结构接近可用，但个别 frame 可能存在编译语法问题。这一步的判断标准是“结构是否完整”，而不是“能不能直接编译通过”。

5.4 保存到项目目录

建议按下面目录结构管理生成产物：

slides/ ├── prompts/ │ └── transformer.txt ├── tex/ │ └── transformer_presentation.tex └── output/ └── transformer_presentation.pdf

这样后续做批处理时，输入、中间产物、最终产物分工明确。

6. 编译 Beamer 源码并验证 PDF

6.1 使用 latexmk 编译

生成 LaTeX 源码后，进入 tex 目录执行编译：

cd tex latexmk -xelatex -synctex=1 transformer_presentation.tex

使用-xelatex是为了更好地支持中文，如果你的文档包含中文，需要确认 TeX 发行版中已经安装了ctex宏包。如果不包含中文，使用默认的pdflatex即可。

编译完成后，在tex目录下会生成同名 PDF 文件：

ls -lh transformer_presentation.pdf

6.2 判断编译是否成功

判断标准：

• 编译命令最终以Output written on transformer_presentation.pdf等成功提示结束。
• PDF 文件存在且文件大小大于 0。
• 打开 PDF 后能正常显示每一页内容。

如果编译过程中出现红色或!开头的错误提示，说明 LaTeX 源码有问题。

6.3 常见编译错误处理

遇到编译错误时，最省事的办法是：把错误信息连同当前 tex 文件一起贴回终端，用 Codex CLI 执行：

codex exec "编译报错，错误信息如下：$(cat error.log)，请修复 LaTeX 源码并重新生成完整文件"

当然，这个过程仍然依赖 DeepSeek API 的上下文理解和修复能力，可能需要迭代几轮才能通过编译。

7. 批量生成多份 PPT 草稿

这个组合很适合批量任务。只要提示词模板固定，更换不同主题文本，就能在脚本里循环生成多份 Beamer 草稿。

7.1 批量提示词准备

在prompts/目录下准备多个提示词文件：

prompts/ ├── transformer.txt ├── yolo.txt ├── mlp.txt └── rnn.txt

每个文件的内容结构保持一致，只是主题不同。

7.2 批量执行脚本

下面给出一个 Bash 循环示例：

mkdir -p tex output for prompt_file in prompts/*.txt; do base_name=$(basename "$prompt_file" .txt) echo "开始生成：$base_name" codex exec "$(cat "$prompt_file")" > "tex/${base_name}.tex" if [ -s "tex/${base_name}.tex" ]; then cd tex latexmk -xelatex -interaction=nonstopmode "${base_name}.tex" cp "${base_name}.pdf" "../output/" cd .. else echo "生成失败：${base_name}.tex 为空" fi sleep 2 done

脚本逻辑：

• 遍历 prompts 目录下所有.txt文件。
• 用 Codex CLI 生成对应的.tex文件。
• 如果.tex文件非空，则进入 tex 目录编译 PDF。
• 编译成功后把 PDF 复制到 output 目录。
• 每次调用后 sleep 2 秒，避免高频请求触发 API 限流。

7.3 批量任务注意事项

批量执行时，建议增加三层保护：

• 输出日志：每次调用写入日志文件，方便失败回溯。
• 失败重试：编译失败时自动把错误信息传给 Codex CLI 再修复一次。
• 人工复核：AI 生成的 PPT 内容可能存在事实错误或结构混乱，批量产物要人工审核后使用。

8. 接口能力与工程化扩展

除了直接在终端交互，这个组合还可以被封装成更工程化的服务。

8.1 把生成逻辑封装成 Python 脚本

如果你的工具链在 Python 生态，可以直接调用 DeepSeek API，无需经过 Codex CLI。下面是一个通用 API 调用示例，实际接口路径和参数以 DeepSeek 官方文档为准：

import requests API_URL = "https://api.deepseek.com/v1/chat/completions" API_KEY = "你的 DeepSeek API Key" headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } prompt = """ 请用 LaTeX Beamer 生成一份 5 页演示文稿，主题是“YOLO 算法讲解”。 第 3 页必须包含 YOLO 的检测流程说明。 直接输出完整 Beamer 代码。 """ payload = { "model": "deepseek-chat", "messages": [ {"role": "system", "content": "你是 LaTeX Beamer 专家。"}, {"role": "user", "content": prompt} ], "stream": False } response = requests.post(API_URL, json=payload, headers=headers, timeout=300) result = response.json() content = result["choices"][0]["message"]["content"] with open("yolo_presentation.tex", "w", encoding="utf-8") as f: f.write(content) print("生成完成")

这种方式的好处是脱离 Codex CLI 的交互限制，可以直接嵌入 Django、FastAPI 等 Web 服务，做一个“输入主题 -> 生成 PPT 草稿”的内部工具。

8.2 接入 Web 服务

如果团队需要一个内部网页来生成 PPT，可以把上述函数封装成 FastAPI 接口：

from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() class SlideRequest(BaseModel): topic: str pages: int = 8 @app.post("/generate_slides") async def generate_slides(req: SlideRequest): prompt = f"请用 Beamer 生成 {req.pages} 页幻灯片，主题是：{req.topic}" # 这里调用 DeepSeek API 并返回生成的 .tex 内容 return {"status": "ok", "tex": "latex content here"}

接口服务在生产环境部署时要注意：

• 设置访问鉴权，避免开放 API Key。
• 限制单次请求的 pages 数量，防止提示词过长。
• 对输入内容做长度校验，避免异常请求消耗 token。

8.3 长文档和多章节扩展

如果你要生成一份超过 20 页的完整讲义，建议不要把整个需求一次塞给模型。更稳妥的做法是：

• 先生成目录和章节大纲。
• 再逐章节调用 API 生成每个 frame。
• 最后把多个.tex文件用\input{}合入主文件。

这样可以降低单次生成的随机性和上下文丢失风险。

9. 资源占用与性能观察

9.1 本地资源占用

这个方案本地不跑大模型，因此显存占用不是核心指标。主要资源消耗来自：

• Codex CLI 本体：Node.js 进程，内存占用一般在几百 MB 以内，具体看版本。
• TeX 编译器：编译大型 Beamer 文档时 CPU 占用会升高，编译几页的文档通常十几秒内完成。
• 磁盘占用：Codex CLI 安装占空间不大，主要空间在 TeX 发行版。

9.2 影响生成速度的因素

影响整个流程速度的关键点有两个：

• API 响应时间：提示词越长、生成页数越多，DeepSeek API 返回需要的时间越长。
• 编译迭代次数：LaTeX 源码如果错误多，可能需要多轮修复，每一轮都是完整的 API 往返。

9.3 如何降低生成成本和时间

• 控制单次页数：一次 8 页以内，避免长上下文导致生成质量下降。
• 使用精简提示词：把页面内容用短句列出，不要写长篇描述。
• 固定模板：把主题色、字体、宏包等固定内容写入提示词模板，减少模型自由发挥空间。
• 高优先级任务单独跑：批量任务里，小文档优先，大文档最后跑，避免阻塞队列。

10. 常见问题与排查方法

在上述常见问题里，最容易踩的坑是“Codex CLI 能运行，但 DeepSeek API 调用报错”。这类问题通常和网络代理、接口地址配置、模型名称参数有关。排查时优先看错误信息里的状态码，400 是参数或格式问题，401 是鉴权问题，429 是限流，5xx 一般是服务端问题。

11. 最佳实践与使用建议

11.1 先说结论：这个方案值不值得用

如果你的核心诉求是“快速得到一份结构完整、公式正确、能编译通过的 Beamer 初稿”，那么 DeepSeek × Codex 这个组合非常合适。它把 PPT 制作从“排版劳动”变成了“需求描述 + 代码生成 + 编译验证”，对技术型用户来说效率提升非常明显。

如果只是偶尔做一次商务汇报，对视觉设计要求高，那这个方案帮助有限，不如直接用传统 PPT 工具。

11.2 工程化建议

• 第一次使用先做小参数测试。不要一上来就生成 30 页大文档，先跑 3 页验证链路。
• 保留一套最小可运行配置。把 Codex CLI 配置、DeepSeek API 环境变量、LaTeX 编译命令写成 README 保存到项目里。
• 模型文件、输入素材、输出结果分目录管理。提示词放 prompts，中间代码放 tex，最终 PDF 放 output。
• 批量任务要加日志和失败重试。建议在脚本里记录每次调用的文件路径、状态码、耗时。
• 接口服务要限制访问范围。不要在公网开放无鉴权的生成接口，避免资源被滥用。
• 涉及人脸、声音、版权素材时必须确认授权。Beamer 使用图片时注意图片来源是否合规。
• 发布或商用前要做效果复核。AI 生成的讲稿内容有可能出现事实偏差或逻辑问题，直接用前必须人工审核。

11.3 后续可以扩展的方向

这个组合只是起点，后面还可以继续扩展：

• 把“文本大纲生成 Beamer”封装成团队内部 Web 工具。
• 结合 Git 管理提示词版本和生成结果的变更记录。
• 接入 CI/CD，让每次文档更新后自动重新生成幻灯片。
• 尝试不同模型和不同温度参数，找到最适合生成 LaTeX 的参数组合。

整体来看，DeepSeek 负责“理解和生成”，Codex CLI 负责“执行和迭代”，Beamer 负责“排版和输出”，三者组合之后，一句话生成 PPT 已经不是一个 demo 级别的演示，而是一条可以日常使用的自动化工作流。建议第一次尝试时，先从一份 5 到 8 页的技术分享幻灯片开始，把整个链路跑通，再逐步加大文档规模。