📚 PDF 分析系统

一个强大的 PDF 文档分析工具，可以自动提取摘要、关键句子，并进行多文档比较分析。支持 OpenAI GPT 和 xAI 的 Grok-3 API。

✨ 主要功能

• 📄 PDF 文本提取：高质量提取 PDF 文本内容
• 🧩 智能分块：将文本分割成语义块，保留上下文
• 🔍 向量检索：使用先进的嵌入模型进行相似度搜索
• 🤖 多模型支持：同时支持 OpenAI GPT 和 Grok-3 API
• 📊 内容分析：生成摘要、提取黄金句子、回答问题
• 🔗 API 接口：提供 RESTful API，方便与前端集成

🚀 快速开始

安装

1. 克隆仓库并安装依赖：

git clone https://github.com/yourusername/pdf-analysis-system.git
cd pdf-analysis-system
pip install -r requirements.txt

2. 配置环境变量：

cp .env.example .env
# 编辑 .env 文件，设置你的 API 密钥

⚠️ 注意：Windows 用户需要安装 Visual C++ Build Tools 以支持 ChromaDB

使用方法

1️⃣ 直接分析 PDF（使用 main.py）

python main.py <pdf文件路径> [<pdf文件路径> ...]

示例：

python main.py attention.pdf
# 或分析多个文件
python main.py attention.pdf deepseekr254.pdf

结果将保存在 pdf_analysis_results.md 文件中，包含：

• 📝 文档摘要
• ✨ 黄金句子（关键句子及其上下文和重要性解释）
• 🔄 多文档相似度分析（当分析多个文档时）

2️⃣ 使用 API 接口

启动 API 服务器：

python run.py server

然后访问 http://localhost:5000 使用 Web 界面，或通过 API 接口调用。

3️⃣ 命令行交互模式

查看摘要和黄金句子：

python run.py cli attention.pdf

提问关于 PDF 内容的问题：

python run.py cli attention.pdf --question "这篇论文的主要贡献是什么？"

4️⃣ API 示例调用

直接使用 API 示例脚本：

python api/api_example.py attention.pdf "这篇论文的主要贡献是什么？"

⚙️ 配置选项

主要配置项（在 .env 文件中设置）：

配置项	说明	默认值
OPENAI_API_KEY	OpenAI API 密钥	-
GROK_API_KEY	Grok API 密钥	-
DEFAULT_LLM_SERVICE	默认 LLM 服务	auto
MAX_PDF_SIZE_MB	最大 PDF 大小 (MB)	50

🧰 项目结构

├── main.py             # 主入口和工作流编排
├── run.py              # 启动脚本
├── api/                # API 相关模块
├── pdf_processing/     # PDF 处理相关模块
├── vector_storage/     # 向量存储相关模块
├── content_analysis/   # 内容分析相关模块
├── utils/              # 工具函数
└── static/             # 前端静态文件

📝 注意事项

• 请不要将 .env 文件提交到 Git 仓库，它包含敏感信息
• 系统会自动选择可用的 API，优先使用 OpenAI，如果不可用则使用 Grok-3
• 对于大型 PDF 文件，处理可能需要较长时间