做汇报最费时间的从来不是找数据，而是把一堆零散结论拼成一条能讲通的线：先说什么、后说什么、哪一页该放数字、哪一页只要一句话。AI 在这里的价值不是替你思考，而是把「要点 → 结构 → 逐页讲稿」这三步的机械劳动接过去——你负责判断，它负责骨架和文字。
素材给够，结构才会对
只丢一句「帮我写个季度汇报」，模型只能还你一份万能模板：背景、成绩、问题、展望，四段正确但没用的空话。有效做法是先把材料摊开再开口：本季度做成了哪三件事、哪些数字变了、老板最近反复问什么、这次需要谁点头。素材越具体，大纲越像你的汇报，而不是像任何人的汇报。
提示词里最好固定四个变量：场合（周会、评审、对外提案）、听众（直属领导、跨部门、客户）、时长（十分钟还是半小时）、以及你希望对方会后做什么决定。这四项决定了详略和语气，缺一项它就自己猜，猜错的代价是你返工一整晚。
一个好用的自检：把大纲念一遍，如果每页标题连起来能读成一段有逻辑的话，结构就立住了；如果只是一串并列名词，说明它还没听懂你的主张。
大纲：一页只放一个观点
让它按「每页一句结论 + 三条支撑」的格式输出，同时限定页数——十分钟的汇报通常八到十页就够，页数一多重点必然被稀释。要求结论写在页标题上，而不是「背景分析」这类空壳标题：标题本身就是观点，听众扫一眼就知道这页要说服他什么。
拿到初稿后人工过三件事：顺序是否从问题走到方案、有没有两页在重复表达同一件事、数据是否真的支撑得住那句结论。删页比加页更需要判断力，这一步别交给模型，它天生不愿意删自己写的东西。
讲稿：写给人听，不是给人读
大纲定稿后再逐页扩写，别一步到位要全稿。明确要求口语化：短句、允许停顿、每页控制在一百五十字上下，避开「综上所述」「赋能」「闭环」这类书面词。讲稿是提示自己怎么说的，不是照读的稿子，句子一长现场必然卡壳。
生成下一页时把上一页的讲稿一起带上，让衔接自然过渡，否则每页都像重新开场。接口统一走 https://api.aigcbreeze.cn/v1，长稿改写用 glm-5.3 这类长上下文模型更稳，赶时间或批量处理用 qwen3.8-flash 足够，整份汇报的 token 消耗通常远低于一顿饭钱。
常见问题
生成的汇报听起来很空，问题出在哪？
多半是素材太薄。模型只会重组你给的信息：你给它三个关键词，它只能还你三段正确的废话；你给它具体数字、具体动作、具体的人和时间点，空话自然就消失了。空不是模型的问题，是输入的问题。
能不能让它直接输出 PPT 文件？
可以让它产出结构化的页面清单——每页标题、三条要点、备注里的讲稿——再导入你惯用的工具排版。直接要成品文件往往版式混乱、字体乱跳，改起来比自己排更慢。
讲稿要不要一字不差背下来？
不建议。背稿会让语气变僵，临场被打断就接不上话。更好的用法是记住每页那一句结论，剩下靠讲稿里的关键词提示，说起来像自己想的，听起来也不像念稿。