ACE：用于多幻灯片演示自动化的自校正Agentic画布编辑器

商业设计平台日益通过大语言模型（LLM）智能体编辑文档，但两个实际问题阻碍可靠部署：遗留文档格式只暴露平铺的、绝对定位的元素，智能体必须重算坐标并经常破坏布局；设计没有唯一真值，与参考做差异比较的指标会惩罚有效但不同的输出。我们提出ACE，一个构建在层次化场景图之上、带有演示专用动作空间（98个工具）的智能体画布编辑器，并配套CARE——一个内容感知路由器，只向智能体提供每份文档中相关的切片（平均约减少89%输入token）——以及由无需真值的指令遵循（IF）评审驱动的自校正循环，其自然语言批评作为下一轮指令被反馈。在固定骨干下，单轮的场景图编辑器已能匹敌同骨干、内部迭代的智能体HTML流水线；加入自校正后，ACE在指令遵循上显著超过后者（在全部94个任务基准上IF 4.23对3.81，配对p=.010，并由环外评审复现），同时速度为1.75倍、成本约低44%。VQ均值在统计上不可区分，但26名盲评者总体偏好ACE（58.7%决定性胜率），并在81%的情况下偏好自校正输出；该排序在三个评审家族间保持不变，且环外评审保留了自校正收益的三分之二，为循环性划定了边界。66%的案例在一轮后停止，严格峰值回滚消除了所有观察到的退化。