Skip to content

README_CN.md

Latest commit

 

History

History
820 lines (605 loc) · 25.8 KB

README_CN.md

File metadata and controls

820 lines (605 loc) · 25.8 KB
Paper2Any Logo

Paper2Any

Python License GitHub Repo Stars

中文 | English

OpenDCAI%2FPaper2Any | Trendshift

✨ 专注论文多模态工作流：从论文 PDF/截图/文本，一键生成模型示意图、技术路线图、实验图和演示文稿 ✨

| 📄 Universal File Support  |  🎯 AI-Powered Generation  |  🎨 Custom Styling  |  ⚡ Lightning Speed |


Quickstart Online Demo Docs Contributing WeChat

Paper2Any Web Interface

📑 目录

🔥 News

Tip

🆕 2026-02-02 · Paper2Rebuttal 更新
新增反驳意见草拟与修改建议，支持结构化回复与图文要点对齐。

Tip

🆕 2026-01-28 · Drawio 更新
新增 Drawio 支持，用于可视化图示的快速创作与展示输出。
KB 一句话概括：支持多文件 PPT 生成（文档转换/合并 + 图片注入 + 向量检索增强）。

Tip

🆕 2026-01-20 · Bug 修复
修复了实验数据图生成的图片和文本 bug，并解决了历史文件缺失的问题。
🌐 在线体验：http://dcai-paper2any.nas.cpolar.cn/

Tip

🆕 2025-12-12 · Paper2Figure 网页端公测上线
支持一键生成多种可编辑科研绘图（模型架构图 / 技术路线图 / 实验数据图）
🌐 在线体验：http://dcai-paper2any.nas.cpolar.cn/

  • 2025-10-01 · 发布 0.1.0 首个版本

✨ 核心功能

从论文 PDF / 图片 / 文本出发，一键生成可编辑的科研绘图、演示文稿、视频脚本、学术海报等多模态内容。

Paper2Any 当前包含以下几个子能力：

  • 📊 Paper2Figure - 可编辑科研绘图：模型架构图、技术路线图（PPT + SVG）与实验数据图，输出可编辑 PPTX。
  • 🧩 Paper2Diagram / Image2Drawio - 可编辑流程图：从论文/文本或图片生成 Drawio 图，支持 drawio/png/svg 导出与对话式编辑。
  • 🎬 Paper2PPT - 可编辑演示文稿：论文/文本/主题一键生成，支持超长文档与表格/图表抽取。
  • 📝 Paper2Rebuttal：自动生成结构化反驳草稿与修改建议，辅助审稿意见回复。
  • 🖼️ PDF2PPT - 版式保留转换：精准保留版式的 PDF → 可编辑 PPTX。
  • 🖼️ Image2PPT - 图片转 PPT：将图片或截图快速转换为结构化幻灯片。
  • 🎨 PPTPolish 智能美化：基于 AI 的排版优化与风格迁移。
  • 🎬 Paper2Video：生成讲解视频脚本与配音素材。
  • 📚 知识库（KB）：文件入库/向量化、语义检索，以及 KB 驱动的 PPT/播客/思维导图生成。

📸 功能展示

🧩 Drawio



✨ Diagram 生成（思维导图 / 流程图 / ER 图 ......）




✨ 模型图生成：上传 PDF 或输入文本，自动生成科研绘图




✨ 图片转可编辑 DrawIO 图

📝 Paper2Rebuttal：审稿回复



✨ 审稿回复草拟与修改建议

📊 Paper2Figure: 科研绘图生成



✨ 模型架构图生成

✨ 模型架构图生成






✨ 技术路线图生成




✨ 实验数据图生成 (多种风格)

🎬 Paper2PPT: 论文转演示文稿



✨ PPT生成案例

✨ Paper / Text / Topic → PPT




✨ 超长文档支持 (40+ 页 PPT)




✨ 智能表格提取与插入




✨ AI 辅助编辑大纲




✨ 历史版本管理

🎨 PPT 智能美化



✨ 基于 AI 的排版优化

✨ 基于 AI 的排版优化与风格迁移

🖼️ PDF2PPT: 版式保留转换



✨ 智能抠图 & 版式保留

✨ 图片转 PPT

🚀 快速开始

环境要求

Python pip

🐳 Docker 快速启动（推荐）— 部署与更新 
# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 后端环境变量（用于 API Key/模型配置）
cp fastapi_app/.env.example fastapi_app/.env

# 3. 构建并启动
docker compose up -d --build

访问地址：

修改与更新：

  • 代码或 .env 变更后重新构建：docker compose up -d --build
  • 拉取最新代码并重建：
    • git pull
    • docker compose up -d --build

常用命令：

  • 查看日志：docker compose logs -f
  • 停止服务：docker compose down

说明：

  • 首次构建会比较慢（系统依赖 + Python 依赖）。
  • 前端配置在构建期生效（compose build args），修改后需重新 docker compose up -d --build。
  • 输出和模型目录会挂载到宿主机（./outputs、./models），数据不会丢。

🐧 Linux 安装

建议使用 Conda 创建隔离环境（推荐 Python 3.11）。

1. 创建环境并安装基础依赖

# 0. 创建并激活 conda 环境
conda create -n paper2any python=3.11 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-base.txt

# 3. 开发模式安装
pip install -e .

2. 安装 Paper2Any 相关依赖（必须）

Paper2Any 涉及 LaTeX 渲染、矢量图处理以及 PPT/PDF 转换，需要额外依赖：

# 1. Python 依赖
pip install -r requirements-paper.txt || pip install -r requirements-paper-backup.txt

# 2. LaTeX 引擎 (tectonic) - 推荐用 conda 安装
conda install -c conda-forge tectonic -y

# 3. 解决 doclayout_yolo 依赖冲突（重要）
pip install doclayout_yolo --no-deps

# 4. 系统依赖 (Ubuntu 示例)
sudo apt-get update
sudo apt-get install -y inkscape libreoffice poppler-utils wkhtmltopdf

3. 配置环境变量

export DF_API_KEY=your_api_key_here
export DF_API_URL=xxx  # 可选：如需使用第三方 API 中转站
export MINERU_DEVICES="0,1,2,3" # 可选：MinerU 任务 GPU 资源池

4. 配置环境文件（可选）

📝 点击展开：详细的 .env 配置指南

Paper2Any 使用两个 .env 文件进行配置。两者都是可选的 - 您可以使用默认设置运行应用程序。

步骤 1：复制示例文件
# 复制后端环境文件
cp fastapi_app/.env.example fastapi_app/.env

# 复制前端环境文件
cp frontend-workflow/.env.example frontend-workflow/.env
步骤 2：后端配置（fastapi_app/.env）

Supabase（可选） - 仅在需要用户认证和云存储时配置：

SUPABASE_URL=https://your-project-id.supabase.co
SUPABASE_ANON_KEY=your_supabase_anon_key

模型配置 - 自定义不同工作流使用的模型：

# 默认 LLM API 地址
DEFAULT_LLM_API_URL=http://123.129.219.111:3000/v1/

# 工作流级别默认值
PAPER2PPT_DEFAULT_MODEL=gpt-5.1
PAPER2PPT_DEFAULT_IMAGE_MODEL=gemini-3-pro-image-preview
PDF2PPT_DEFAULT_MODEL=gpt-4o
# ... 完整列表请查看 .env.example
步骤 3：前端配置（frontend-workflow/.env）

LLM 提供商配置 - 控制 UI 中的 API 端点下拉菜单：

# UI 中显示的默认 API 地址
VITE_DEFAULT_LLM_API_URL=https://api.apiyi.com/v1

# 下拉菜单中的可用 API 地址（逗号分隔）
VITE_LLM_API_URLS=https://api.apiyi.com/v1,http://b.apiyi.com:16888/v1,http://123.129.219.111:3000/v1

修改 VITE_LLM_API_URLS 后的效果：

  • 前端会显示一个下拉菜单，包含您指定的所有 URL
  • 用户可以选择不同的 API 端点，无需手动输入 URL
  • 适用于在 OpenAI、本地模型或自定义 API 网关之间切换

Supabase（可选） - 如需用户认证，取消注释这些行：

VITE_SUPABASE_URL=https://your-project.supabase.co
VITE_SUPABASE_ANON_KEY=your-anon-key
SUPABASE_SERVICE_ROLE_KEY=your-service-role-key
SUPABASE_JWT_SECRET=your-jwt-secret
不配置 Supabase 的情况

如果跳过 Supabase 配置：

  • ✅ 所有核心功能正常工作
  • ✅ CLI 脚本无需任何配置即可使用
  • ❌ 无用户认证或配额限制
  • ❌ 无云文件存储

Note

快速开始： 您可以完全跳过 .env 配置，直接使用 CLI 脚本并通过 --api-key 参数传递密钥。详见下方 CLI 脚本 部分。

高级配置：本地模型服务负载均衡

如果是本地部署高并发环境，可以使用 script/start_model_servers.sh 启动本地模型服务集群（MinerU / SAM / OCR）。

脚本位置：/DataFlow-Agent/script/start_model_servers.sh

主要配置项说明：

  • MinerU (PDF 解析)

    • MINERU_MODEL_PATH: 模型路径 (默认 models/MinerU2.5-2509-1.2B)
    • MINERU_GPU_UTIL: 显存占用比例 (默认 0.2)
    • 实例配置: 脚本默认在 GPU 0 和 GPU 4 上各启动 4 个实例 (共 8 个)，端口范围 8011-8018。
    • Load Balancer: 端口 8010，自动分发请求。

  • SAM (Segment Anything Model)

    • 实例配置: 默认在 GPU 2 和 GPU 3 上各启动 1 个实例，端口 8021-8022。
    • Load Balancer: 端口 8020。

  • OCR (PaddleOCR)

    • 配置: 运行在 CPU 上，使用 uvicorn 的 worker 机制 (默认 4 workers)。
    • 端口: 8003。

使用前请根据实际 GPU 数量和显存情况修改脚本中的 gpu_id 和实例数量。

🪟 Windows 安装

Note

目前推荐优先在 Linux / WSL 环境下体验 Paper2Any。 若你需要在 原生 Windows 上部署，请按以下步骤操作。

1. 创建环境并安装基础依赖

# 0. 创建并激活 conda 环境
conda create -n paper2any python=3.12 -y
conda activate paper2any

# 1. 克隆仓库
git clone https://github.com/OpenDCAI/Paper2Any.git
cd Paper2Any

# 2. 安装基础依赖
pip install -r requirements-win-base.txt

# 3. 开发模式安装
pip install -e .

2. 安装 Paper2Any 相关依赖（推荐）

Paper2Any 涉及 LaTeX 渲染与矢量图处理，需要额外依赖（见 requirements-paper.txt）：

# Python 依赖
pip install -r requirements-paper.txt

# tectonic：LaTeX 引擎（推荐用 conda 安装）
conda install -c conda-forge tectonic -y

🎨 安装 Inkscape（SVG/矢量图处理｜推荐/必装）

  1. 下载并安装（Windows 64-bit MSI）：Inkscape Download
  2. 将 Inkscape 可执行文件目录加入系统环境变量 Path（示例）：C:\Program Files\Inkscape\bin\

Tip

配置 Path 后建议重新打开终端（或重启 VS Code / PowerShell），确保环境变量生效。

⚡ 安装 Windows 编译版 vLLM（可选｜用于本地推理加速）

发布页参考：vllm-windows releases 推荐版本：0.11.0

pip install vllm-0.11.0+cu124-cp312-cp312-win_amd64.whl

Important

请确保 .whl 与当前环境匹配：

  • Python：cp312（Python 3.12）
  • 平台：win_amd64
  • CUDA：cu124（需与你本机 CUDA/驱动适配）

启动应用

Paper2Any - 论文工作流 Web 前端（推荐）

# 启动后端 API
cd fastapi_app
uvicorn main:app --host 0.0.0.0 --port 8000

# 启动前端（新终端）
cd frontend-workflow
npm install
npm run dev

配置前端代理

修改 frontend-workflow/vite.config.ts 中的 server.proxy：

export default defineConfig({
  plugins: [react()],
  server: {
    port: 3000,
    open: true,
    allowedHosts: true,
    proxy: {
      '/api': {
        target: 'http://127.0.0.1:8000',  // FastAPI 后端地址
        changeOrigin: true,
      },
    },
  },
})

访问 http://localhost:3000

Windows 加载 MinerU 预训练模型

# PowerShell环境下启动
vllm serve opendatalab/MinerU2.5-2509-1.2B `
  --host 127.0.0.1 `
  --port 8010 `
  --logits-processors mineru_vl_utils:MinerULogitsProcessor `
  --gpu-memory-utilization 0.6 `
  --trust-remote-code `
  --enforce-eager

启动应用

🎨 Web 前端（推荐）

# 启动后端 API
cd fastapi_app
uvicorn main:app --host 0.0.0.0 --port 8000

# 启动前端（新终端）
cd frontend-workflow
npm install
npm run dev

访问 http://localhost:3000。

🖥️ CLI 脚本（命令行界面）

Paper2Any 提供独立的 CLI 脚本，支持命令行参数输入，可直接执行工作流，无需启动 Web 前后端。

环境变量配置

通过环境变量配置 API 访问（可选）：

export DF_API_URL=https://api.openai.com/v1  # LLM API 地址
export DF_API_KEY=sk-xxx                      # API 密钥
export DF_MODEL=gpt-4o                        # 默认模型

可用的 CLI 脚本

1. Paper2Figure CLI - 生成科学图表（3种类型）

# 从 PDF 生成模型架构图
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type model_arch \
  --api-key sk-xxx

# 从文本生成技术路线图
python script/run_paper2figure_cli.py \
  --input "Transformer 架构与注意力机制" \
  --input-type TEXT \
  --graph-type tech_route

# 生成实验数据可视化图表
python script/run_paper2figure_cli.py \
  --input paper.pdf \
  --graph-type exp_data

图表类型： model_arch（模型架构图）、tech_route（技术路线图）、exp_data（实验数据图）

2. Paper2PPT CLI - 将论文转换为 PPT 演示文稿

# 基础用法
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --api-key sk-xxx \
  --page-count 15

# 自定义风格
python script/run_paper2ppt_cli.py \
  --input paper.pdf \
  --style "学术风格；中文；现代设计" \
  --language zh

3. PDF2PPT CLI - 一键将 PDF 转换为可编辑 PPT

# 基础转换（无 AI 增强）
python script/run_pdf2ppt_cli.py --input slides.pdf

# 启用 AI 增强
python script/run_pdf2ppt_cli.py \
  --input slides.pdf \
  --use-ai-edit \
  --api-key sk-xxx

4. Image2PPT CLI - 将图片转换为可编辑 PPT

# 基础转换
python script/run_image2ppt_cli.py --input screenshot.png

# 启用 AI 增强
python script/run_image2ppt_cli.py \
  --input diagram.jpg \
  --use-ai-edit \
  --api-key sk-xxx

5. PPT2Polish CLI - 美化现有 PPT 文件

# 基础美化
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "学术风格，简洁大方" \
  --api-key sk-xxx

# 使用参考图片保持风格一致性
python script/run_ppt2polish_cli.py \
  --input old_presentation.pptx \
  --style "现代简约风格" \
  --ref-img reference_style.png \
  --api-key sk-xxx

Note

PPT2Polish 系统要求：

  • LibreOffice: sudo apt-get install libreoffice（Ubuntu/Debian）
  • pdf2image: pip install pdf2image
  • poppler-utils: sudo apt-get install poppler-utils

通用选项

所有 CLI 脚本都支持以下通用选项：

  • --api-url URL - LLM API 地址（默认：从 DF_API_URL 环境变量读取）
  • --api-key KEY - API 密钥（默认：从 DF_API_KEY 环境变量读取）
  • --model NAME - 文本模型名称（默认：各脚本不同）
  • --output-dir DIR - 自定义输出目录（默认：outputs/cli/{脚本名称}/{时间戳}）
  • --help - 显示详细帮助信息

查看完整参数文档，可运行任意脚本并添加 --help 参数：

python script/run_paper2figure_cli.py --help

📂 项目结构

Paper2Any/
├── dataflow_agent/          # 核心代码库
│   ├── agentroles/         # Agent 定义
│   │   └── paper2any_agents/ # Paper2Any 专用 Agent
│   ├── workflow/           # Workflow 定义
│   ├── promptstemplates/   # Prompt 模板
│   └── toolkits/           # 工具集（绘图、PPT生成等）
├── fastapi_app/            # 后端 API 服务
├── frontend-workflow/      # 前端 Web 界面
├── static/                 # 静态资源
├── script/                 # 脚本工具
└── tests/                  # 测试用例

🗺️ 开发计划

功能 状态 子功能
📊 Paper2Figure
可编辑科研绘图		 85% 完成
完成
完成
完成
🧩 Paper2Diagram
Drawio 绘图		 80% 完成
完成
完成
完成
🎬 Paper2PPT
可编辑演示文稿		 70% 完成
完成
完成
完成
完成
完成
🖼️ PDF2PPT
版式保留转换		 90% 完成
完成
完成
🖼️ Image2PPT
图片转 PPT		 85% 完成
完成
🎨 PPTPolish
智能美化		 60% 完成
进行中
进行中
📚 知识库（KB）
KB 工作流		 75% 完成
完成
完成
🎬 Paper2Video
视频脚本生成		 40% 进行中
进行中

🤝 贡献

我们欢迎所有形式的贡献！

Issues Discussions PR

📄 License

本项目采用 Apache License 2.0 开源协议。

如果这个项目对你有帮助，请给我们一个 ⭐️ Star！

GitHub stars GitHub forks


DataFlow-Agent 社区微信群
扫码加入社区微信群

❤️ Made with by OpenDCAI Team