MemSlides: Ein speichergestützter KI-Agent zur personalisierten Folien-Generierung und mehrfachen Bearbeitung

Einleitung

KI-Präsentationstools sind gut darin, einen ersten Entwurf zu erstellen. Der schwierigere Teil beginnt danach.

Ein Benutzer möchte möglicherweise weniger Text, mehr Diagramme, einen anderen visuellen Rhythmus oder eine Änderung an einem kleinen Element auf einer einzelnen Folie. In vielen Systemen besteht bei jeder neuen Anweisung die Gefahr, dass frühere Präferenzen überschrieben oder bereits korrekte Inhalte beschädigt werden.

MemSlides betrachtet die Erstellung von Präsentationen als einen kontinuierlichen, zustandsbehafteten Autorenprozess und nicht als eine Aufgabe, die mit einem Klick erledigt wird. Das von Forschern der Beijing University of Posts and Telecommunications, der Tsinghua-Universität und der Shanghai Jiao Tong University entwickelte Framework kombiniert hierarchisches Gedächtnis mit gezielter Folienbearbeitung.

Das System ist darauf ausgelegt, sich stabile Präferenzen über Projekte hinweg zu merken, temporäre Anweisungen innerhalb der aktuellen Präsentation zu behalten, erfolgreiche Bearbeitungsstrategien wiederzuverwenden und nur den Bereich zu ändern, den der Benutzer tatsächlich ändern wollte.

Das MemSlides-Papier erreichte die Spitzenposition in den Hugging Face Daily Papers, während das Projekt auch ein Open-Source-Repository, eine Projektseite und eine Online-Demo veröffentlichte.

MemSlides: Folien zu generieren ist nicht genug

Präsentationsarbeit wird selten in einem Durchgang abgeschlossen.

Eine Forschungspräsentation kann nach dem Feedback eines Betreuers mehrere Überarbeitungsrunden erfordern. Ein Geschäfts-Pitch-Deck kann wiederholte Änderungen an der Erzählung, Datenschwerpunkten, visuellen Hierarchie und dem abschließenden Handlungsaufruf durchlaufen. Präferenzen werden oft erst klar, wenn Benutzer die erste Version sehen.

Dies schafft drei praktische Anforderungen an einen KI-Folien-Agenten:

1. Er muss sich Präferenzen merken, die über verschiedene Präsentationsaufgaben hinweg stabil bleiben.
2. Er muss temporäre Regeln bewahren, die nur für die aktuelle Präsentation gelten.
3. Er muss die Grenzen einer lokalen Bearbeitung verstehen und vermeiden, nicht zusammenhängende Inhalte umzuschreiben.

MemSlides löst dies nicht, indem es den gesamten Gesprächsverlauf in einen immer längeren Prompt packt. Stattdessen trennt es das Gedächtnis nach Lebensdauer und Funktion.

Das hierarchische Gedächtnisdesign

MemSlides verwendet zwei Gedächtnislebensdauern:

• Langzeitgedächtnis bleibt über Präsentationsprojekte hinweg bestehen.
• Arbeitsgedächtnis bleibt während der aktuellen Präsentation und ihrer Überarbeitungsrunden aktiv.

Das Langzeitgedächtnis ist dann nach Funktion unterteilt:

• Benutzerprofilgedächtnis zeichnet wiederkehrende Benutzerpräferenzen auf.
• **Werkzeug

memory speichert wiederverwendbare Bearbeitungs- und Ausführungserfahrungen.

Das Ergebnis ist ein mehrschichtiges System, in dem der Agent eine dauerhafte Präferenz von einer temporären Anfrage unterscheiden kann, während er auch den Präsentationsstil vom operativen Bearbeitungswissen trennt.

Gedächtniskomponente	Lebensdauer	Hauptzweck	Beispiel
Benutzerprofil-Gedächtnis	Projektübergreifend	Speichert stabile, absichtsbewusste Präferenzen	Bevorzugt geringe Textdichte und visuelle Erklärungen
Arbeitsgedächtnis	Aktuelles Deck	Behält temporäre Regeln und den aktuellen Revisionszustand	Neue Folien in diesem Deck sollten blaue Titel verwenden
Werkzeuggedächtnis	Über ähnliche Bearbeitungen hinweg	Nutzt erfolgreiche Bearbeitungsprozesse wieder	Eine zuverlässige Sequenz zum Ändern eines Diagramms ohne Beeinträchtigung des Layouts

Während einer neuen Aufgabe verwendet MemSlides das Quellmaterial, eine optionale Vorlage und relevante Profilerinnerungen, um das erste Deck zu erstellen. Wenn neues Feedback eintrifft, aktualisiert es den aktuellen Sitzungszustand und führt eine lokalisierte Revision durch, anstatt automatisch die gesamte Präsentation neu zu generieren.

Benutzerprofil-Gedächtnis: Erlernen stabiler Präsentationspräferenzen

Personalisierung wird oft auf eine grundlegende Rollenbeschreibung wie „wissenschaftlicher Forscher", „Finanzanalyst" oder „Startup-Gründer" reduziert. Diese Information ist nützlich, beschreibt aber nicht vollständig, wie eine Person bevorzugt kommuniziert.

Zwei Forscher können sehr unterschiedliche Präsentationen wünschen. Einer bevorzugt vielleicht eine einzige Schlussfolgerung pro Folie und minimale Gleichungen. Ein anderer wünscht sich möglicherweise detaillierte Ableitungen, Versuchsbedingungen und dichte unterstützende Beweise.

MemSlides organisiert das Benutzerprofil-Gedächtnis um die Präsentationsabsicht und mehrere Präferenzdimensionen:

• Thema
• Inhalt
• Visueller Stil
• Layout
• Vorlagennutzung
• Allgemeine Präsentationsgewohnheiten

Zu Beginn einer neuen Aufgabe ruft der Agent die Profilelemente ab, die mit der aktuellen Absicht übereinstimmen. Er gleicht sie dann mit der letzten Anfrage des Benutzers und einer aufgabenspezifischen Vorlage ab.

Wie Präferenzen in den ersten Entwurf einfließen

Das Benutzerprofil-Gedächtnis beeinflusst die anfängliche Präsentation, oder die Nullrunde.

Anstatt ein Papier oder Dokument mechanisch in eine feste Anzahl von Folien zu zerlegen, kann der Agent das aktive Profil nutzen, um zu entscheiden:

• Welche Konzepte eine frühe Definition benötigen
• Wie viele Beweise auf jeder Folie erscheinen sollten
• Ob Mechanismen Diagramme benötigen
• Wie viel Text akzeptabel ist
• Ob Schlussfolgerungen vor Details erscheinen sollten
• Ob die letzte Folie Aktionen oder eine Checkliste enthalten sollte

Dies macht

Wie stabile Präferenzen gefestigt werden

Nicht jede Anweisung sollte zu einer dauerhaften Präferenz werden.

Ein Benutzer könnte beispielsweise für eine Präsentation blaue Titel anfordern, weil diese zur Marke eines Kunden passen. MemSlides sollte daraus nicht schließen, dass der Benutzer generell blaue Titel bevorzugt.

Am Ende einer Aufgabe konsolidiert das System nur die Interaktionssignale, die als stabil und wiederverwendbar gelten. Temporäre Entscheidungen bleiben innerhalb des aktuellen Projekts, anstatt automatisch in das Langzeitprofil übernommen zu werden.

Diese Unterscheidung hilft, zwei häufige Fehler zu vermeiden:

• Benutzer dazu zu zwingen, grundlegende Präferenzen für jedes Projekt erneut anzugeben
• Einmalige Anweisungen als dauerhafte persönliche Gewohnheiten zu behandeln

Arbeitsgedächtnis: Temporäre Anweisungen aktiv halten

Manche Anweisungen sind während einer gesamten Präsentation wichtig, sollten aber verschwinden, wenn diese Aufgabe endet.

Betrachten wir diese Anfrage:

„Wenn später eine neue Folie hinzugefügt wird, sollte auch deren Titel blau sein.“

Diese Anweisung könnte während der aktuellen Bearbeitungsrunde irrelevant sein, da keine Folie hinzugefügt wird. Ein zustandsloser Agent könnte sie leicht vergessen. MemSlides speichert die Anweisung im Arbeitsgedächtnis, sodass sie aktiv bleibt, bis in einer späteren Runde eine neue Folie erstellt wird.

Das Arbeitsgedächtnis verfolgt Informationen wie:

• Temporäre Präsentationspräferenzen
• Sitzungsspezifische Einschränkungen
• Das aktuelle Präsentationsziel
• Zuvor bearbeitete Bereiche
• Unerledigte Prüfungen
• Versionsgeschichte und aktiven Zustand

Dies verwandelt eine Abfolge isolierter Eingabeaufforderungen in eine kontinuierliche Bearbeitung derselben Präsentation.

Das Arbeitsgedächtnis ist auch nützlich, wenn eine Anweisung eine langfristige Präferenz überschreiben soll. Für die aktuelle Aufgabe hat explizites Benutzerfeedback Priorität. Das System kann daher eine temporäre Ausnahme anwenden, ohne das dauerhafte Benutzerprofil umzuschreiben.

Werkzeuggedächtnis: Wiederverwendung zuverlässiger Bearbeitungserfahrung

Das Verstehen einer Anfrage garantiert nicht, dass ein Agent sie sicher ausführen kann.

Eine kleine Folienbearbeitung kann die Auswahl des richtigen Elements, das Ändern der korrekten Eigenschaft, das Beibehalten der Ausrichtung, das Aktualisieren der zugrunde liegenden Darstellung, das Rendern des Ergebnisses und die Überprüfung umfassen, dass nichts anderes verschoben wurde.

Ein Agent kann scheitern, indem er:

• Den falschen Bereich auswählt
• Den falschen Code oder das falsche Objekt ändert
• Eine umfassendere Bearbeitung als angefordert anwendet
• Vor Abschluss der Änderung stoppt
• Eine zuvor fehlgeschlagene Werkzeugsequenz wiederholt

Das Werkzeuggedächtnis konzentriert sich auf diese Ausführungsebene.

MemSlides zeichnet zwei Arten von Erfahrungen auf:

1. Rundenbezogene Aufgabenerfahrung, die Lektionen, Fehler und nützliche Muster aus einer Bearbeitungsrunde zusammenfasst.
2. Operationsebene Werkzeugketten-Erfahrung, die kompakte Sequenzen von Überlegungen, Werkzeugaufrufen und Beobachtungen zur Wiederverwendung bei ähnlichen Operationen speichert.

Die Experience umfasst Agent Lesson, Tool Error und Auto Extract. Durch Preload gelangt sie in das Arbeitsgedächtnis (Working Memory, WM), durchläuft mehrere Änderungsrunden und endet schließlich mit Job End. Die Tool Chain Experience zeichnet hingegen die Erfahrungen auf der Werkzeugebene auf und umfasst mehrere Operationszyklen. Jeder Zyklus enthält Schritte wie Reasoning, Tool-Aufruf und Beobachtung, die schließlich das Tool Memory bilden. Dieses Diagramm steht in engem Zusammenhang mit dem Kontext und veranschaulicht die im Kontext erwähnten Gedächtnistypen und Arbeitsabläufe.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/73f06528-68e3-4e3f-86e6-09068a098c91-2bfd80a0-adae-4973-9936-e9b188f35bdd.png)

Das User Profile Memory bestimmt, was die Präsentation werden soll. Das Tool Memory hilft dabei zu bestimmen, wie diese Änderung zuverlässig vorgenommen werden kann.

Der Agent kann relevante Erfahrungen abrufen, bevor er einen ähnlichen Bearbeitungsversuch unternimmt, wodurch wiederholte Fehler und unnötiges Trial-and-Error reduziert werden.

Eingeschränkte, folienlokale Revision: Nur das ändern, was angefragt wurde

Ein großes Risiko bei der mehrstufigen Präsentationsbearbeitung ist das Überbearbeiten.

Wenn ein Benutzer bittet, ein Label, ein Diagramm oder einen Absatz zu ändern, kann ein System, das die gesamte Folie – oder das gesamte Deck – neu schreibt, versehentlich korrekte Formeln, Farben, Abstände oder Inhalte verändern.

MemSlides führt einen eingeschränkten, folienlokalen Revisionsprozess ein, der aus drei Phasen besteht:

1. Planen

Das System wandelt die Benutzeranfrage in einen Ausführungsvertrag um. Dieser identifiziert:

• Ob die Bearbeitung lokal oder global ist
• Welche Folie(n) betroffen sind
• Die kleinste Zielregion
• Aktive Regeln und Selektoren-Hinweise
• Verifizierungsanforderungen

2. Ausführen

Der Agent wendet die minimal wirksame Änderung an. Je nach Aufgabe kann dies einen lokalen Patch, eine eng gefasste Stilaktualisierung oder eine bestimmte Seiteneinfügung oder -löschung umfassen.

3. Absichern

Vor Beendigung der Revisionsrunde überprüft das System, ob die angeforderte Zielregion aktualisiert wurde und dass nicht betroffene Bereiche nicht verändert wurden. Ist die Abdeckung unvollständig, wird die Runde blockiert und der Agent muss es erneut versuchen.

Dieser Mechanismus schützt bereits korrekte Inhalte.

Das folgende Beispiel vergleicht eine breite, ganze Folien umfassende Neuschreibung mit einem lokalisierten MemSlides-Patch. Die angeforderte Änderung betrifft ein Element am unteren Rand der Folie. Die breite Neuschreibung ändert Farben, entfernt einen Formelblock und verändert das Layout, während der eingeschränkte Patch nur das Ziel aktualisiert.

Experimentelle Ergebnisse

Die Evaluierung von MemSlides untersucht mehr als nur, ob eine Bearbeitung schließlich stattfindet. Sie misst auch, ob die Bearbeitung die strenge Verifizierung besteht und wie schnell das System das erste korrekte Ergebnis erreicht.

Personalisierung und Arbeitsgedächtnis-Verhalten

Der Bericht gibt an, dass das User Profile Memory die Personenausrichtung während der erstmaligen Generierung verbessert. Das System verwendet absichtsabgestimmte Präferenzen, anstatt

Ein festes Profil für jede Aufgabe.

Qualitative Arbeitsgedächtnis-Fälle zeigen auch, dass eine in einer frühen Runde eingeführte Präferenz aktiv bleiben und später wirksam werden kann, selbst wenn sie im intervening Feedback nicht wiederholt wird.

Tool-Memory-Ablation

Das Forschungsteam testete das Tool-Gedächtnis mittels eines diagnostischen, paarweisen Aufbaus. Jedes Paar verwendete dasselbe Quell-Deck, Modell, Persona und die angeforderte Bearbeitung. Der Hauptunterschied bestand darin, ob das Tool-Gedächtnis injiziert wurde.

Metrik	Mit Tool-Gedächtnis	Ohne Tool-Gedächtnis
Geschlossener Regelkreis-Abschluss	0,963	0,815
Strenge Verifikation	0,534	0,310
Erste korrekte Bearbeitungszeit	242,5 Sekunden	609,5 Sekunden
Kern-Tool-Zeitverhältnis	0,327×	1,000×

Die Ergebnisse zeigen eine höhere Abschlussrate im geschlossenen Regelkreis, eine stärkere strikte Verifikationsrate und eine deutlich kürzere durchschnittliche Zeit bis zur ersten korrekten Bearbeitung, wenn das Tool-Gedächtnis verwendet wird.

Diese Zahlen stammen aus einer kontrollierten diagnostischen Umgebung mit neun gepaarten Modifikationspaaren. Sie sollten nicht als Beweis dafür interpretiert werden, dass MemSlides bei jeder Präsentationsaufgabe jede Alternative übertrifft. Die Studie ist enger gefasst: Sie testet, ob wiederverwendbare Tool-Erfahrung die lokale Bearbeitung unter gepaarten Bedingungen verbessert.

MemSlides Lokal Ausführen

Das Projekt ist Open Source unter der Apache-2.0-Lizenz. Das offizielle Repository bietet sowohl eine Quellinstallation als auch einen Docker-Workflow.

Aus dem Quellcode installieren

sudo apt-get update
sudo apt-get install -y libreoffice fontconfig fonts-noto-cjk poppler-utils

conda env create -f environment.yml
conda activate memslides
pip install -e ".[research]"

python -m playwright install chromium ffmpeg
python -m memslides.experiment --help

Führen Sie die integrierte Smoke-Test-Suite aus:

python -m memslides.experiment run smoke_minimal \
  --output-base .memslides/experiments \
  --parallel 1

Mit Docker ausführen

docker compose build
docker compose run --rm memslides python -m memslides.experiment run smoke_minimal \
  --output-base /app/.cache/memslides/experiments \
  --parallel 1

Die smoke_minimal-Suite ist als kleine Verifikationsdurchführung gedacht. Echte Generierungsexperimente erfordern benutzerbereitgestellte Modell- und Service-Anmeldeinformationen.

Bewahren Sie Anmeldeinformationen außerhalb des Repositorys auf. Das Projekt unterstützt Umgebungsvariablen, .env-Dateien und private YAML-Konfiguration, die über MEMSLIDES_CONFIG_FILE oder --config ausgewählt wird.

Warum das MemSlides-Design über die PPT-Generierung hinaus wichtig ist

Das gleiche Gedächtnisproblem tritt in vielen langlebigen Agenten-Workflows auf.

Ein Dokumenten-Agent muss Schreibpräferenzen bewahren, ohne jede Bearbeitung als dauerhaft zu behandeln. Ein Codierungs-Agent muss sich an Projektkonventionen erinnern, während er temporäre, branch-spezifische Anweisungen getrennt hält. Ein Datenanalyse-Agent muss

das aktuelle Ziel bei der Wiederverwendung zuverlässiger Werkzeugverfahren.

MemSlides veranschaulicht ein umfassenderes Designprinzip:

• Dauerhafte Benutzereinstellungen sollten vom Sitzungszustand getrennt werden.
• Der Sitzungszustand sollte über mehrere Durchläufe hinweg erhalten bleiben.
• Ausführungserfahrung sollte unabhängig von Benutzereinstellungen gespeichert werden.
• Lokale Anfragen sollten innerhalb expliziter Grenzen operieren.
• Die Überprüfung sollte erfolgen, bevor eine Überarbeitung als abgeschlossen betrachtet wird.

Der Wert des Frameworks beschränkt sich daher nicht auf die Erstellung ansprechender Folien. Es bietet ein konkretes Beispiel dafür, wie ein Agent von einer einmaligen Generierung hin zu einer zuverlässigen, iterativen Zusammenarbeit gelangen kann.

FAQ

Was ist MemSlides?

MemSlides ist ein speichergestützter Präsentationsagent für die personalisierte Foliengenerierung und mehrstufige lokale Überarbeitung. Es kombiniert das Benutzerprofilgedächtnis, das Arbeitsgedächtnis, das Werkzeuggedächtnis und einen abgegrenzten Bearbeitungsworkflow.

Ist MemSlides ein KI-PowerPoint-Generator?

Ja, aber sein Hauptfokus geht über die Erstellung eines ersten Entwurfs hinaus. Es ist darauf ausgelegt, Präferenzen zu speichern, Anweisungen über mehrere Überarbeitungsrunden hinweg zu tragen und begrenzte Folienbereiche zu modifizieren, ohne das gesamte Deck unnötig neu aufzubauen.

Was speichert das Benutzerprofilgedächtnis?

Das Benutzerprofilgedächtnis speichert wiederkehrende Präferenzen, geordnet nach Präsentationszweck und Dimensionen wie Thema, Inhalt, visuellem Stil, Layout, Vorlagennutzung und allgemeinen Gewohnheiten. Nur relevante Profilelemente werden in eine neue Aufgabe eingebunden.

Was ist der Unterschied zwischen dem Arbeitsgedächtnis und dem Langzeitgedächtnis?

Das Langzeitgedächtnis bleibt über Präsentationsprojekte hinweg bestehen und enthält stabile Benutzerpräferenzen und wiederverwendbare Werkzeugerfahrung. Das Arbeitsgedächtnis gehört zum aktuellen Deck und verfolgt temporäre Anweisungen, aktive Einschränkungen und den Überarbeitungszustand.

Wie vermeidet MemSlides die Änderung nicht zusammenhängender Folieninhalte?

Es verwendet eine abgegrenzte, folienlokale Überarbeitung. Das System identifiziert den kleinsten betroffenen Bereich, führt eine minimale Bearbeitung durch und überprüft die Abdeckung, bevor die Runde abgeschlossen wird.

Kann MemSlides mit Docker ausgeführt werden?

Ja. Das offizielle Repository enthält Docker-Compose-Dateien und einen Befehl zum Ausführen der integrierten Smoke-Tests in einem Container.

Benötigt MemSlides API-Schlüssel?

Echte Generierungsexperimente erfordern Anmeldedaten für die vom Benutzer ausgewählten Modelle und Dienste. Das Repository empfiehlt, diese in Umgebungsvariablen, .env oder privaten Konfigurationsdateien zu speichern, anstatt sie in Git zu committen.

Ist MemSlides Open Source?

Ja. Der Quellcode ist auf GitHub unter der Apache-2.0-Lizenz verfügbar. Die Autoren stellen auch eine Projektseite, ein Paper, eine Online-Demo und eine Hugging-Face-Paper-Seite zur Verfügung.

Verwandte Werkzeuge

• MemSlides Demo: Der offizielle Online-Arbeitsbereich zum Testen des personalisierten Foliengenerierungs-Workflows.
• MemSlides GitHub: Die Open-Source-Implementierung, Konfigurationsdateien, Experiment-Runner und Docker-Setup.
• MemSlides Projektseite: Ein Überblick über das Framework, die Speicherkomponenten, Beispiele und Ergebnisse.
• Docker: Führt das Projekt und seine Abhängigkeiten in einer reproduzierbaren Containerumgebung aus.
• LibreOffice: Wird zur Konvertierung und Manipulation von Präsentationsdateien im Workflow verwendet.

libreoffice.org/): Wird vom lokalen Arbeitsablauf für Präsentations- und Dokumentenverarbeitung genutzt.

• Playwright: Stellt die Browserautomatisierung bereit, die im Projekt-Setup und im Rendering-Workflow verwendet wird.

Verwandte Links

• MemSlides Paper auf arXiv: Die offizielle Forschungsarbeit, die das Framework und die Experimente beschreibt.
• MemSlides HTML Paper: Eine browserlesbare Version des vollständigen Papers.
• MemSlides auf Hugging Face: Die Papierseite, Community-Diskussion und Projektlinks.
• MemSlides GitHub Repository: Quellcode, Installationsbefehle, Docker-Dateien und Experimentierwerkzeuge.
• MemSlides Projektwebsite: Visuelle Erklärung von Profilspeicher, Arbeitsspeicher und lokaler Überarbeitung.
• MemSlides Live Demo: Die offizielle Weboberfläche zum Testen des Systems.
• Apache License 2.0: Die Lizenz des Open-Source-Repositories.

Zusammenfassung

MemSlides betrachtet die Folien-Erstellung als einen fortlaufenden Autorenprozess und nicht als eine einmalige Generierungsanfrage. Der hierarchische Speicher trennt stabile Benutzerpräferenzen, temporäre deck-spezifische Anweisungen und wiederverwendbare Bearbeitungserfahrungen.

Der begrenzte Überarbeitungsablauf schränkt dann jede Änderung auf den kleinstmöglichen Bereich ein und überprüft das Ergebnis, bevor der Durchgang abgeschlossen wird. In den diagnostischen matched-pair-Experimenten des Papers verbesserte der Werkzeugspeicher die Abschluss- und Überprüfungsquote und reduzierte gleichzeitig die Zeit, die für eine korrekte Änderung erforderlich war.

Die zentrale Idee ist einfach: Ein nützlicher Präsentationsagent muss sich die richtigen Informationen merken, temporäre Details zum richtigen Zeitpunkt vergessen und nur das ändern, was der Benutzer tatsächlich zu ändern aufgefordert hat.