本项目是在林亦LYi大佬的项目基础上优化得来的,是我自用的项目
原项目把「暴躁教授」人设与 RAG 读论文结合，已经很好玩。我们在不推翻架构的前提下，从阅读体验、配置安全、人设趣味等方向做了增强，主要包括：
-
可点击的引用胶囊（Citation Pill）
AI 回答里若出现基于检索的引用标记（如*ref-[N]），会渲染成可点击的小标签；点击后左侧正文自动滚动到对应段落。比「自己全文找」省时间，也方便核对 AI 是不是在瞎扯——教授再暴躁，也得指哪儿打哪儿。 -
导师风格一键切换
聊天区标题旁提供导师风格菜单，自动扫描prompt/下所有ai_character_prompt_*.txt（例如可莉、雷电等），无需改代码路径即可切换人设。适合演示时瞬间换「导师人格」，增加节目效果。 -
非标准论文 / 幻灯片式 PDF 的兼容入口
原版更偏标准学术论文结构。我们增加MarkdownProcessorSlides（幻灯片处理器），并在顶部设置里提供「使用幻灯片处理器」开关，让版式不像经典论文的 PDF 也有机会被结构化解析、走后续管线。（复杂版式仍可能翻车，但显著拓宽了「能试着读一读」的文档类型。） -
API 配置外部化 + 图形设置
密钥与 Base URL 从硬编码改为读写项目目录下的app_settings.json（该文件已加入.gitignore，避免误提交）。应用内 ⚙ → API 设置… 可填写 DeepSeek / MiniMax 等配置，保存后自动刷新 LLM 客户端。同时.gitignore忽略data/、output/等运行时目录，仓库更干净。
2026/4/7
- 可点击引用胶囊：检索引用标记
*ref-[N]渲染为可点击标签，点击后左侧正文滚动到对应段落 - 导师风格菜单：自动发现
prompt/ai_character_prompt_*.txt，标题旁一键切换人设，无需改代码中的 prompt 路径 - 幻灯片处理器：新增
MarkdownProcessorSlides，设置中「使用幻灯片处理器」开关，兼容非标准论文 / 幻灯片式 PDF 管线 - API 与仓库卫生：
app_settings.json外部化密钥与 Base URL，图形界面配置并刷新客户端；.gitignore忽略app_settings.json、data/、output/等
2025/4/26
- 允许非标准论文文件输入
- 增加了设置选项进行切换原生输入和任意格式输入
2025/4/19
- 增加绕过tts的设置
- 增加了设置菜单,为以后统一管理设置提供基础
一个Python应用程序，特色是具有暴躁个性的AI教授，让学术论文阅读更加高效有趣。
"暴躁教授读论文"是一个学术论文阅读伴侣应用程序，旨在通过富有个性的AI助手提高论文阅读效率。它集成了PDF处理、AI翻译、RAG检索、AI问答和语音交互等多种功能，为学术研究者提供一站式的论文阅读解决方案。
- 论文自动处理：导入PDF后自动提取、翻译和结构化论文内容
- 双语显示：支持中英文对照阅读论文
- AI智能问答：与论文内容结合，提供专业的解释和分析
- 个性化AI教授：AI以"暴躁教授"的个性回答问题，增加趣味性
- 语音交互：支持语音提问和TTS语音回答
- RAG增强检索：基于论文内容的精准检索和定位
- 分屏界面：左侧论文内容，右侧AI问答，高效交互
- 前端界面：PyQt6构建的现代化桌面应用
- 核心引擎：
- AI问答模块：基于LLM的学术问答系统
- RAG检索系统：向量检索增强的问答精准度
- 论文处理管线：PDF转MD、自动翻译、结构化解析
- 交互系统：
- 语音识别：实时语音输入识别
- TTS语音合成：AI回答实时播报
- 情感识别：根据问题内容调整回答情绪
- Python 3.10或更高版本
- CUDA支持
- 6GB 以上显存
本项目依赖以下开源项目
- MinerU https://github.com/opendatalab/MinerU
- RealtimeSTT https://github.com/KoljaB/RealtimeSTT
本项目依赖以下在线API服务（可以通过修改代码改为本地实现）
- DeepSeek https://api-docs.deepseek.com
- MiniMax https://platform.minimaxi.com/document/Voice%20Cloning?key=66719032a427f0c8a570165b
-
使用conda创建环境
conda create -n mad-professor python=3.10.16 conda activate mad-professor -
安装MinerU依赖
pip install -U magic-pdf[full]==1.3.3 -i https://mirrors.aliyun.com/pypi/simple -
安装剩余依赖
pip install -r requirements.txt -
安装电脑显卡版本匹配的CUDA和torch, 要求numpy<=2.1.1，例（具体版本请按电脑配置修改，目前支持CUDA 11.8/12.4/12.6）：
pip install --force-reinstall torch torchvision torchaudio "numpy<=2.1.1" --index-url https://download.pytorch.org/whl/cu124如果出现报错，请根据MinerU和RealtimeSTT开源项目中的CUDA依赖修改符合的torch和torchaudio版本
-
安装FAISS的gpu版本 (注：faiss-gpu版本只能通过conda安装，无法通过pip安装)
conda install -c conda-forge faiss-gpu -
模型下载
python download_models.pypython脚本会自动下载模型文件并配置好配置文件中的模型目录，配置文件可以在用户目录中找到，文件名为magic-pdf.json
windows的【用户目录】为 "C:\Users\用户名", linux【用户目录】为 "/home/用户名"
修改【用户目录】配置文件magic-pdf.json中"device-mode"的值来启用CUDA
{ "device-mode":"cuda" }语音输入的Whisper模型会在运行时自动下载
-
API密钥配置
项目依赖LLM和TTS在线API服务
通过修改
config.py中的对应字段配置请求路径和密钥API_BASE_URL = "YOUR_API_URL" API_KEY = "YOUR_API_KEY"按照DeepSeek官方文档配置 https://api-docs.deepseek.com
TTS_GROUP_ID = "YOUR_MINIMAX_GROUP_ID" TTS_API_KEY = "YOUR_MINIMAX_API_KEY"按照MiniMax官方文档配置 https://platform.minimaxi.com/document/Voice%20Cloning?key=66719032a427f0c8a570165b
目前人设和声音的修改只能通过手动修改代码实现
-
人设prompt修改
在
prompt文件夹中创建一个新的ai_character_prompt_[你的人设名字].txt将
AI_professor_chat.py程序开头AI_CHARACTER_PROMPT_PATH字段修改为相应的人设prompt路径AI_CHARACTER_PROMPT_PATH = "prompt/ai_character_prompt_[你的人设名字].txt"当前已有两个人设
ai_character_prompt_keli.txt和ai_character_prompt_leidian.txt，可以作为示例 -
声音修改
按照MiniMax官方文档新建voice id，或使用现有voice id。官方文档：https://platform.minimaxi.com/document/Voice%20Cloning?key=66719032a427f0c8a570165b
修改
TTS_manager.py程序TTSManager类中build_tts_stream_body请求方法对应的voice_id参数body = json.dumps({ "model": "speech-02-turbo", "text": text, "stream": True, "voice_setting": { "voice_id": "将这个参数修改为你想要使用的voice id", "speed": 1, "vol": 1, "pitch": 0, "emotion": mapped_emotion }, "audio_setting": { "sample_rate": 32000, "bitrate": 128000, "format": "pcm", "channel": 1 } })
运行main.py
python main.py
-
点击侧边栏的"导入论文"按钮
-
选择PDF文件导入
-
点击“继续”，等待处理完成（包括翻译和索引构建）
-
导入的PDF会存放到data文件夹中，也可以将多篇PDF放入data文件夹，程序会检测未处理的文件批量处理
-
在侧边栏选择已经处理好的论文
-
在主窗口查看论文内容，右上角可切换中英文
-
左右侧可折叠隐藏，提供沉浸式阅读体验
-
在对话窗口下方选择语音输入设备
-
点击麦克风按钮，等指示灯变绿时开始对话
-
如果说话时指示灯没有变黄，可能说明输入设备无法检测到人声，建议切换其他输入设备进行尝试
mad-professor/
├── 核心模块
│ ├── AI_manager.py # AI功能管理器，整合所有AI相关功能
│ ├── AI_professor_chat.py # AI对话逻辑，实现暴躁教授的交互回答
│ ├── AI_professor_UI.py # 主界面实现，应用程序的UI入口
│ ├── data_manager.py # 数据管理器，处理论文索引和内容加载
│ ├── pipeline.py # 处理管线，协调各处理器的工作流程
│ ├── rag_retriever.py # RAG检索系统，实现向量检索和上下文提取
│ ├── TTS_manager.py # TTS管理器，处理语音合成和播放
│ ├── voice_input.py # 语音输入处理，实时语音识别
│ └── threads.py # 线程管理，处理异步任务和并发
│
├── 用户界面组件 (ui/)
│ ├── chat_widget.py # 聊天界面组件
│ ├── markdown_view.py # Markdown渲染和显示组件
│ ├── message_bubble.py # 消息气泡组件
│ ├── sidebar_widget.py # 侧边栏组件（论文列表和上传）
│ └── upload_widget.py # 文件上传组件
│
├── 处理器模块 (processor/)
│ ├── pdf_processor.py # PDF处理器，提取PDF内容转为Markdown
│ ├── md_processor.py # Markdown处理器，结构化解析Markdown
│ ├── json_processor.py # JSON处理器，处理结构化数据
│ ├── tiling_processor.py # 分块处理器，将内容分割为块
│ ├── translate_processor.py # 翻译处理器，中英文翻译
│ ├── md_restore_processor.py # Markdown还原处理器
│ ├── extra_info_processor.py # 额外信息处理器，生成摘要和问题
│ └── rag_processor.py # RAG处理器，生成向量库和检索树
│
├── 提示词模板 (prompt/)
│ ├── ai_character_prompt_keli.txt # 可莉教授人设提示词
│ ├── ai_character_prompt_leidian.txt # 雷电教授人设提示词
│ ├── ai_explain_prompt.txt # 解释功能提示词
│ ├── ai_router_prompt.txt # 路由决策提示词
│ ├── content_translate_prompt.txt # 内容翻译提示词
│ ├── formula_analysis_prompt.txt # 公式分析提示词
│ └── summary_generation_prompt.txt # 摘要生成提示词
│
├── 资源和配置
│ ├── config.py # 配置文件，API密钥和模型设置
│ ├── paths.py # 路径管理，统一管理文件路径
│ ├── main.py # 程序入口文件
│ ├── download_models.py # 模型下载脚本
│ ├── assets/ # 资源文件目录（图片、样式等）
│ └── font/ # 字体文件目录
│
└── 数据目录
├── data/ # 源数据目录（论文PDF）
└── output/ # 输出目录（处理结果）
-
本项目目前仅适用论文结构的PDF文档，对于非论文结构的文档可能报错/失效
-
在音频输入设备未完成加载时激活麦克风按钮，再进行输入设备切换，可能会切换失败，激活麦克风按钮建议在音频设备完全加载后进行
-
当前语音对话在外放时，AI教授的声音可能会被当做用户声音重复录入，建议使用耳机避免声音泄露
本项目采用 Apache 许可证 - 详情见 LICENSE 文件
特别感谢 MinerU 和 RealtimeSTT 项目