[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-johnson7788--MultiAgentPPT":3,"tool-johnson7788--MultiAgentPPT":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":76,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":78,"languages":79,"stars":107,"forks":108,"last_commit_at":109,"license":110,"difficulty_score":10,"env_os":111,"env_gpu":111,"env_ram":111,"env_deps":112,"category_tags":117,"github_topics":76,"view_count":10,"oss_zip_url":76,"oss_zip_packed_at":76,"status":16,"created_at":118,"updated_at":119,"faqs":120,"releases":156},704,"johnson7788\u002FMultiAgentPPT","MultiAgentPPT","MultiAgentPPT 是一个集成了 A2A（Agent2Agent）+ MCP（Model Context Protocol）+ ADK（Agent Development Kit） 架构的智能化演示文稿生成系统，支持通过多智能体协作和流式并发机制","MultiAgentPPT 是一款基于多智能体协作架构的自动化演示文稿生成系统。它能根据用户输入的主题，自动完成从大纲规划、深度资料检索到幻灯片内容生成的全流程，有效解决了传统 PPT 制作中信息搜集繁琐、耗时且创意难以标准化的痛点。\n\n该项目非常适合对 AI 工作流感兴趣的开发者、研究人员，以及需要快速构建高质量演示文稿的技术型用户。MultiAgentPPT 的核心优势在于集成了 A2A、MCP 和 ADK 技术栈，支持多智能体并行调研与流式并发输出。通过循环 Agent 机制，它突破了大模型的单次输出限制，结合 RAG 检索增强内容准确性，并能实时反馈生成进度。此外，系统支持在线编辑与本地导出，为探索 AI 赋能办公自动化提供了极具参考价值的实践方案。","# 🚀 MultiAgentPPT\n**News**: 当前的版本不再维护，因为PPT内容和模版无法很好的维护，所以采用新的方案重构。 推荐采用PPT的模版的方式，更企业化的版本： https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FTrainPPTAgent\n\n作者微信答疑解惑：\n![weichat.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_40fff9de9810.png)\n\n一个基于 A2A + MCP + ADK 的多智能体系统，支持流式并发生成高质量 (可在线编辑）PPT 内容。\n\n## 🧠 一、项目简介\n\nMultiAgentPPT 利用多智能体架构实现从主题输入到完整演示文稿生成的自动化流程，主要步骤包括：\n\n1. **大纲生成 Agent**：根据用户需求生成初步内容大纲。\n2. **Topic 拆分 Agent**：将大纲内容细分为多个主题。\n3. **Research Agent 并行工作**：多个智能体分别对每个主题进行深入调研。\n4. **Summary Agent 汇总输出**：将调研结果汇总生成 PPT 内容，实时流式返回前端。\n\n## 优点\n- **多Agent协作**：通过多智能体并行工作，提高内容生成的效率和准确性。\n- **实时流式返回**：支持流式返回生成的 PPT 内容，提升用户体验。\n- **高质量内容**：结合外部检索和智能体协作，生成高质量的内容大纲和演示文稿。\n- **可扩展性**：系统设计灵活，易于扩展新的智能体和功能模块。\n\n## 二、近期升级\n### ✅ 已完成（Done）\n- ✅ 除 Gemini 以外流的输出 Bug 修复，ADK 和 A2A 的包问题：[查看详情](https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fblob\u002Fstream\u002Fbackend\u002Fbirthday_planner\u002FREADME.md)\n- ✅ 图片渲染方面：根据是否为背景图动态切换样式（`object-cover` 或 `object-contain`），并在非背景图下展示说明文字。为保证 PPT 页面唯一性，使用大模型输出中的 `page_number` 作为唯一标识，替代原先基于标题的方式，以支持内容更新与校对。\n- ✅ 使用循环 Agent 生成每一页 PPT，代替一次性生成全部内容，方便生成更多页数，避免 LLM 的 token 输出限制。\n- ✅ 引入 PPTChecker Agent 检查每一页生成的 PPT 质量。实际测试效果良好，请自行替换为真实图片数据和内容 RAG 数据。\n- ✅ 前端显示每个 Agent 的生成过程状态。\n- ✅ pptx下载，使用python-pptx下载前端json数据，后端渲染。\n- ✅ metadata 数据传输：支持前端向 Agent 传输配置，Agent 返回结果时附带 metadata 信息。\n- ✅ [本地模型适配.md](docs\u002F%E6%9C%AC%E5%9C%B0%E6%A8%A1%E5%9E%8B%E9%80%82%E9%85%8D.md)\n\n\n### 📝 待完成（Todo）\n- 🔄 整合编辑可见可下载的pptx前端\n\n## 三、使用界面截图展示\n\n以下是 MultiAgentPPT 项目的核心功能演示：\n\n### 1. 输入主题界面\n\n用户在界面中输入希望生成的 PPT 主题内容：\n\n![输入主题界面](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_c2d1bd27393f.png)\n\n### 2. 流式生成大纲过程\n\n系统根据输入内容，实时流式返回生成的大纲结构：\n\n![流式生成大纲](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_6e621598604c.png)\n\n### 3. 生成完整大纲\n\n最终系统将展示完整的大纲，供用户进一步确认：\n\n![完整大纲](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_cc07ad071955.png)\n\n### 4. 流式生成PPT内容\n\n确认大纲后，系统开始流式生成每页幻灯片内容，并返回给前端：\n\n![流式生成PPT](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_3cebe29e9f38.png)\n\n### 5. 对于多Agent生成PPT，slide_agent中，添加进度细节展示\n![process_detail1.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_56f51fdcd289.png)\n![process_detail2.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_9cd2c367abb2.png)\n![process_detail3.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_98cd60c2b3bd.png)\n![process_detail4.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_88f407ac3982.png)\n![image_update.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_5a537667a9fb.png)\n\n## 📊 并发的多Agent的协作流程（slide_agent + slide_outline)\n```mermaid\nflowchart TD\n    A[用户输入研究内容] --> B[调用 Outline Agent]\n    B --> C[MCP 检索资料]\n    C --> D[生成大纲]\n    D --> E{用户确认大纲}\n    E --> F[发送大纲给 PPT 生成 Agent]\n\n    F --> G[Split Outline Agent 拆分大纲]\n    G --> H[Parallel Agent 并行处理]\n\n    %% 并发 Research Agent\n    H --> I1[Research Agent 1]\n    H --> I2[Research Agent 2]\n    H --> I3[Research Agent 3]\n\n    I1 --> RAG1[自动知识库检索 RAG]\n    I2 --> RAG2[自动知识库检索 RAG]\n    I3 --> RAG3[自动知识库检索 RAG]\n\n    RAG1 --> J[SummaryAgent合并结果]\n    RAG2 --> J\n    RAG3 --> J\n\n    J --> L[Loop PPT Agent 生成幻灯片页]\n\n    subgraph Loop PPT Agent\n        L1[Write PPT Agent\u003Cbr>生成每页幻灯片]\n        L2[Check PPT Agent\u003Cbr>检查每页内容质量，最多重试 3 次]\n        L1 --> L2\n        L2 --> L1\n    end\n\n    L --> L1\n```\n\n\n## 🗂️ 项目结构\n\n```bash\nMultiAgentPPT\u002F\n├── backend\u002F              # 后端多Agent服务目录\n│   ├── simpleOutline\u002F    # 简化版大纲生成服务（无外部依赖）\n│   ├── simplePPT\u002F        # 简化版PPT生成服务（不使用检索或并发）\n│   ├── slide_outline\u002F    # 带外部检索的大纲生成大纲服务（大纲根据MCP工具检索后更精准）\n│   ├── slide_agent\u002F      # 并发式多Agent PPT生成主要xml格式的PPT内容\n├── frontend\u002F             # Next.js 前端界面\n```\n\n---\n\n## ⚙️ 四、快速开始\n\n### 🐍 4.1 后端环境配置（Python）\n\n1. 创建并激活 Conda 虚拟环境（推荐python3.11以上版本，否则可能有bug）：\n\n   ```bash\n   conda create --name multiagent python=3.12\n   conda activate multiagent\n   ```\n\n2. 安装依赖：\n\n   ```bash\n   cd backend\n   pip install -r requirements.txt\n   ```\n\n3. 设置后端环境变量：\n\n   ```bash\n   # 为所有模块复制模板配置文件\n   cd backend\u002FsimpleOutline && cp env_template .env\n   cd ..\u002FsimplePPT && cp env_template .env\n   cd ..\u002Fslide_outline && cp env_template .env\n   cd ..\u002Fslide_agent && cp env_template .env\n   ```\n\n---\n\n### 🧪 4.2 启动后端服务\n\n| 模块              | 功能              | 默认端口                       | 启动命令                 |\n| --------------- | --------------- | -------------------------- | -------------------- |\n| `simpleOutline` | 简单大纲生成          | 10001                      | `python main_api.py` |\n| `simplePPT`     | 简单PPT生成         | 10011                      | `python main_api.py` |\n| `slide_outline` | 高质量大纲生成（带检索）    | 10001（需关闭 `simpleOutline`） | `python main_api.py` |\n| `slide_agent`   | 多Agent并发生成完整PPT | 10011（需关闭 `simplePPT`）     | `python main_api.py` |\n\n---\n\n## 🧱 五、前端数据库设置和安装与运行（Next.js）\n\n数据库存储用户生成的PPT：\n\n\n1. 使用 Docker 启动 PostgreSQL：\n\n   ```bash\n   使用VPN时使用\n   docker run --name postgresdb -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=welcome -d postgres\n   国内使用：\n   docker run --name postgresdb -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=welcome -d swr.cn-north-4.myhuaweicloud.com\u002Fddn-k8s\u002Fghcr.io\u002Fcloudnative-pg\u002Fpostgresql:15\n   ```\n   \n\n2. 修改`.env` 示例配置：\n\n   ```env\n   DATABASE_URL=\"postgresql:\u002F\u002Fpostgres:welcome@localhost:5432\u002Fpresentation_ai\"\n   A2A_AGENT_OUTLINE_URL=\"http:\u002F\u002Flocalhost:10001\"\n   A2A_AGENT_SLIDES_URL=\"http:\u002F\u002Flocalhost:10011\"\n   DOWNLOAD_SLIDES_URL=\"http:\u002F\u002Flocalhost:10021\"\n   ```\n\n3. 安装依赖并推送数据库模型：\n\n   ```bash\n   cp env_template .env\n   # 安装前端依赖\n   pnpm install\n   # 推送数据库模型和插入用户数据\n   pnpm db:push\n   # 启动前端\n   npm run dev\n   ```\n\n4. 打开浏览器访问：[http:\u002F\u002Flocalhost:3000\u002Fpresentation](http:\u002F\u002Flocalhost:3000\u002Fpresentation)\n\n---\n\n\n## Docker部署\n```\n# 请自行检查docker-compose.yml和每个目录下的Dockerfile文件\ncd frontend\ndocker compose up\n\ncd backend\ndocker compose up\n```\n\n---\n\n## 🧪 示例数据说明\n\n> 当前系统内置调研示例为：**“电动汽车发展概述”**。如需其他主题调研，请配置对应 Agent 并对接真实数据源。\n> 配置真实数据，只需更改prompt和对应的MCP工具即可。\n---\n\n\n## 📎 六、参考来源\n\n前端项目部分基于开源仓库：[allweonedev\u002Fpresentation-ai](https:\u002F\u002Fgithub.com\u002Fallweonedev\u002Fpresentation-ai)\n\n\n# Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_c371581b8755.png)](https:\u002F\u002Fwww.star-history.com\u002F#johnson7788\u002FMultiAgentPPT&Date)\n","# 🚀 MultiAgentPPT\n**📢 更新**: 当前的版本不再维护，因为 PPT 内容和模版无法很好的维护，所以采用新的方案重构。推荐采用 PPT 的模版的方式，更企业化的版本：https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FTrainPPTAgent\n\n作者微信答疑解惑：\n![weichat.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_40fff9de9810.png)\n\n一个基于 A2A (Agent-to-Agent)、MCP (Model Context Protocol) 和 ADK (Agent Development Kit) 的多智能体系统，支持流式并发生成高质量 (可在线编辑）PPT 内容。\n\n## 🧠 一、项目简介\n\nMultiAgentPPT 利用多智能体架构实现从主题输入到完整演示文稿生成的自动化流程，主要步骤包括：\n\n1. **大纲生成 Agent(智能体)**：根据用户需求生成初步内容大纲。\n2. **Topic 拆分 Agent**：将大纲内容细分为多个主题。\n3. **Research Agent 并行工作**：多个智能体分别对每个主题进行深入调研。\n4. **Summary Agent 汇总输出**：将调研结果汇总生成 PPT 内容，实时流式返回前端。\n\n## 优点\n- **多 Agent 协作**：通过多智能体并行工作，提高内容生成的效率和准确性。\n- **实时流式返回**：支持流式返回生成的 PPT 内容，提升用户体验。\n- **高质量内容**：结合外部检索和智能体协作，生成高质量的内容大纲和演示文稿。\n- **可扩展性**：系统设计灵活，易于扩展新的智能体和功能模块。\n\n## 二、近期升级\n### ✅ 已完成（Done）\n- ✅ 除 Gemini 以外流的输出 Bug 修复，ADK 和 A2A 的包问题：[查看详情](https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fblob\u002Fstream\u002Fbackend\u002Fbirthday_planner\u002FREADME.md)\n- ✅ 图片渲染方面：根据是否为背景图动态切换样式（`object-cover` 或 `object-contain`），并在非背景图下展示说明文字。为保证 PPT 页面唯一性，使用大模型输出中的 `page_number` 作为唯一标识，替代原先基于标题的方式，以支持内容更新与校对。\n- ✅ 使用循环 Agent 生成每一页 PPT，代替一次性生成全部内容，方便生成更多页数，避免大语言模型 (LLM) 的 token(词元) 输出限制。\n- ✅ 引入 PPTChecker Agent 检查每一页生成的 PPT 质量。实际测试效果良好，请自行替换为真实图片数据和内容 RAG(检索增强生成) 数据。\n- ✅ 前端显示每个 Agent 的生成过程状态。\n- ✅ pptx 下载，使用 python-pptx 下载前端 json 数据，后端渲染。\n- ✅ metadata 数据传输：支持前端向 Agent 传输配置，Agent 返回结果时附带 metadata 信息。\n- ✅ [本地模型适配.md](docs\u002F%E6%9C%AC%E5%9C%B0%E6%A8%A1%E5%9E%8B%E9%80%82%E9%85%8D.md)\n\n\n### 📝 待完成（Todo）\n- 🔄 整合编辑可见可下载的 pptx 前端\n\n## 三、使用界面截图展示\n\n以下是 MultiAgentPPT 项目的核心功能演示：\n\n### 1. 输入主题界面\n\n用户在界面中输入希望生成的 PPT 主题内容：\n\n![输入主题界面](docs\u002F1 测试界面输入主题.png)\n\n### 2. 流式生成大纲过程\n\n系统根据输入内容，实时流式返回生成的大纲结构：\n\n![流式生成大纲](docs\u002F2 流式生成大纲.png)\n\n### 3. 生成完整大纲\n\n最终系统将展示完整的大纲，供用户进一步确认：\n\n![完整大纲](docs\u002F3 完整大纲.png)\n\n### 4. 流式生成 PPT 内容\n\n确认大纲后，系统开始流式生成每页幻灯片内容，并返回给前端：\n\n![流式生成 PPT](docs\u002F4 流式生成 PPT.png)\n\n### 5. 对于多 Agent 生成 PPT，slide_agent 中，添加进度细节展示\n![process_detail1.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_56f51fdcd289.png)\n![process_detail2.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_9cd2c367abb2.png)\n![process_detail3.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_98cd60c2b3bd.png)\n![process_detail4.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_88f407ac3982.png)\n![image_update.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_5a537667a9fb.png)\n\n## 📊 并发的多 Agent 的协作流程（slide_agent + slide_outline)\n```mermaid\nflowchart TD\n    A[用户输入研究内容] --> B[调用 Outline Agent]\n    B --> C[MCP 检索资料]\n    C --> D[生成大纲]\n    D --> E{用户确认大纲}\n    E --> F[发送大纲给 PPT 生成 Agent]\n\n    F --> G[Split Outline Agent 拆分大纲]\n    G --> H[Parallel Agent 并行处理]\n\n    %% 并发 Research Agent\n    H --> I1[Research Agent 1]\n    H --> I2[Research Agent 2]\n    H --> I3[Research Agent 3]\n\n    I1 --> RAG1[自动知识库检索 RAG]\n    I2 --> RAG2[自动知识库检索 RAG]\n    I3 --> RAG3[自动知识库检索 RAG]\n\n    RAG1 --> J[SummaryAgent 合并结果]\n    RAG2 --> J\n    RAG3 --> J\n\n    J --> L[Loop PPT Agent 生成幻灯片页]\n\n    subgraph Loop PPT Agent\n        L1[Write PPT Agent\u003Cbr>生成每页幻灯片]\n        L2[Check PPT Agent\u003Cbr>检查每页内容质量，最多重试 3 次]\n        L1 --> L2\n        L2 --> L1\n    end\n\n    L --> L1\n```\n\n\n## 🗂️ 项目结构\n\n```bash\nMultiAgentPPT\u002F\n├── backend\u002F              # 后端多 Agent 服务目录\n│   ├── simpleOutline\u002F    # 简化版大纲生成服务（无外部依赖）\n│   ├── simplePPT\u002F        # 简化版 PPT 生成服务（不使用检索或并发）\n│   ├── slide_outline\u002F    # 带外部检索的大纲生成大纲服务（大纲根据 MCP 工具检索后更精准）\n│   ├── slide_agent\u002F      # 并发式多 Agent PPT 生成主要 xml 格式的 PPT 内容\n├── frontend\u002F             # Next.js 前端界面\n```\n\n---\n\n## ⚙️ 四、快速开始\n\n### 🐍 4.1 后端环境配置（Python）\n\n1. 创建并激活 Conda 虚拟环境（推荐 python3.11 以上版本，否则可能有 bug）：\n\n   ```bash\n   conda create --name multiagent python=3.12\n   conda activate multiagent\n   ```\n\n2. 安装依赖：\n\n   ```bash\n   cd backend\n   pip install -r requirements.txt\n   ```\n\n3. 设置后端环境变量：\n\n   ```bash\n   # 为所有模块复制模板配置文件\n   cd backend\u002FsimpleOutline && cp env_template .env\n   cd ..\u002FsimplePPT && cp env_template .env\n   cd ..\u002Fslide_outline && cp env_template .env\n   cd ..\u002Fslide_agent && cp env_template .env\n   ```\n\n---\n\n### 🧪 4.2 启动后端服务\n\n| 模块              | 功能              | 默认端口                       | 启动命令                 |\n| --------------- | --------------- | -------------------------- | -------------------- |\n| `simpleOutline` | 简单大纲生成          | 10001                      | `python main_api.py` |\n| `simplePPT`     | 简单 PPT 生成         | 10011                      | `python main_api.py` |\n| `slide_outline` | 高质量大纲生成（带检索）    | 10001（需关闭 `simpleOutline`） | `python main_api.py` |\n| `slide_agent`   | 多 Agent 并发生成完整 PPT | 10011（需关闭 `simplePPT`）     | `python main_api.py` |\n\n---\n\n## 🧱 五、前端数据库设置和安装与运行（Next.js）\n\n数据库存储用户生成的 PPT：\n\n\n1. 使用 Docker 启动 PostgreSQL：\n\n   ```bash\n   使用 VPN 时使用\n   docker run --name postgresdb -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=welcome -d postgres\n   国内使用：\n   docker run --name postgresdb -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=welcome -d swr.cn-north-4.myhuaweicloud.com\u002Fddn-k8s\u002Fghcr.io\u002Fcloudnative-pg\u002Fpostgresql:15\n   ```\n   \n\n2. 修改 `.env` 示例配置：\n\n   ```env\n   DATABASE_URL=\"postgresql:\u002F\u002Fpostgres:welcome@localhost:5432\u002Fpresentation_ai\"\n   A2A_AGENT_OUTLINE_URL=\"http:\u002F\u002Flocalhost:10001\"\n   A2A_AGENT_SLIDES_URL=\"http:\u002F\u002Flocalhost:10011\"\n   DOWNLOAD_SLIDES_URL=\"http:\u002F\u002Flocalhost:10021\"\n   ```\n\n3. 安装依赖并推送数据库模型：\n\n   ```bash\n   cp env_template .env\n   # 安装前端依赖\n   pnpm install\n   # 推送数据库模型和插入用户数据\n   pnpm db:push\n   # 启动前端\n   npm run dev\n   ```\n\n4. 打开浏览器访问：[http:\u002F\u002Flocalhost:3000\u002Fpresentation](http:\u002F\u002Flocalhost:3000\u002Fpresentation)\n\n---\n\n\n## Docker 部署\n```\n# 请自行检查 docker-compose.yml 和每个目录下的 Dockerfile 文件\ncd frontend\ndocker compose up\n\ncd backend\ndocker compose up\n```\n\n---\n\n## 🧪 示例数据说明\n\n> 当前系统内置调研示例为：**“电动汽车发展概述”**。如需其他主题调研，请配置对应 Agent 并对接真实数据源。\n> 配置真实数据，只需更改 prompt 和对应的 MCP 工具即可。\n---\n\n\n## 📎 六、参考来源\n\n前端项目部分基于开源仓库：[allweonedev\u002Fpresentation-ai](https:\u002F\u002Fgithub.com\u002Fallweonedev\u002Fpresentation-ai)\n\n\n# Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_readme_c371581b8755.png)](https:\u002F\u002Fwww.star-history.com\u002F#johnson7788\u002FMultiAgentPPT&Date)","# MultiAgentPPT 快速上手指南\n\n> ⚠️ **重要提示**：当前版本已停止维护（因 PPT 内容和模版维护困难）。建议参考其推荐的更企业化重构版本：[TrainPPTAgent](https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FTrainPPTAgent)。本指南基于现有代码库整理。\n\n## 一、环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Linux \u002F macOS \u002F Windows (WSL)\n- **Python**：推荐版本 3.12+ (旧版本可能存在 Bug)\n- **Node.js**：用于运行前端项目\n- **数据库**：PostgreSQL (推荐使用 Docker 部署)\n- **包管理工具**：Conda (可选但推荐), pip, pnpm\n\n## 二、安装步骤\n\n### 1. 后端环境配置 (Python)\n\n进入后端目录并创建虚拟环境：\n\n```bash\nconda create --name multiagent python=3.12\nconda activate multiagent\n```\n\n安装依赖并配置环境变量：\n\n```bash\ncd backend\npip install -r requirements.txt\n\n# 为所有模块复制模板配置文件\ncd backend\u002FsimpleOutline && cp env_template .env\ncd ..\u002FsimplePPT && cp env_template .env\ncd ..\u002Fslide_outline && cp env_template .env\ncd ..\u002Fslide_agent && cp env_template .env\n```\n\n### 2. 前端与数据库设置 (Next.js)\n\n#### 启动 PostgreSQL 数据库\n国内用户建议使用华为云镜像加速下载：\n\n```bash\ndocker run --name postgresdb -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=welcome -d swr.cn-north-4.myhuaweicloud.com\u002Fddn-k8s\u002Fghcr.io\u002Fcloudnative-pg\u002Fpostgresql:15\n```\n\n#### 配置前端\n修改 `.env` 文件以连接本地数据库和后端服务：\n\n```bash\ncp env_template .env\n# 编辑 .env 内容如下：\nDATABASE_URL=\"postgresql:\u002F\u002Fpostgres:welcome@localhost:5432\u002Fpresentation_ai\"\nA2A_AGENT_OUTLINE_URL=\"http:\u002F\u002Flocalhost:10001\"\nA2A_AGENT_SLIDES_URL=\"http:\u002F\u002Flocalhost:10011\"\nDOWNLOAD_SLIDES_URL=\"http:\u002F\u002Flocalhost:10021\"\n```\n\n安装依赖并初始化数据库：\n\n```bash\npnpm install\npnpm db:push\n```\n\n## 三、基本使用\n\n### 1. 启动服务\n\n**后端服务**（根据需求选择启动对应模块，注意端口冲突）：\n\n| 模块 | 功能 | 默认端口 | 启动命令 |\n| :--- | :--- | :--- | :--- |\n| `slide_outline` | 高质量大纲生成 | 10001 | `cd backend\u002Fslide_outline && python main_api.py` |\n| `slide_agent` | 多 Agent 并发生成 PPT | 10011 | `cd backend\u002Fslide_agent && python main_api.py` |\n\n> **注意**：若同时启动 `simpleOutline` 或 `simplePPT`，需关闭对应的 `slide_` 系列模块以避免端口占用。\n\n**前端服务**：\n\n```bash\ncd frontend\nnpm run dev\n```\n\n### 2. 访问界面\n\n打开浏览器访问：\n`http:\u002F\u002Flocalhost:3000\u002Fpresentation`\n\n### 3. 生成演示文稿\n\n1. 在输入框中输入主题（例如：**电动汽车发展概述**）。\n2. 系统将流式返回大纲，确认后可生成完整 PPT 内容。\n3. 支持实时查看各 Agent 工作进度及下载生成的 pptx 文件。","某互联网公司产品经理需要在周五前完成季度业务复盘的 PPT，面对海量数据和复杂的跨部门汇报需求，时间非常紧迫。\n\n### 没有 MultiAgentPPT 时\n- 手动搜集分散在各处的业务数据，整合信息耗时且容易遗漏关键指标。\n- 依赖人工梳理大纲，逻辑结构不够严谨，后续修改成本极高。\n- 逐页设计排版和配图，重复性劳动多，严重挤占核心内容创作时间。\n- 内容准确性完全靠人工核对，容易出现数据错误或风格不统一的问题。\n\n### 使用 MultiAgentPPT 后\n- 系统通过并行 Research Agent 自动检索资料并汇总，大幅缩短信息收集周期。\n- 智能体协作生成结构化大纲，支持流式返回，用户可实时确认方向避免返工。\n- 循环 Agent 逐页生成幻灯片内容，自动适配图片样式，解放了排版精力。\n- 内置 PPTChecker 智能体对每一页进行质量检查，确保输出内容的专业度与一致性。\n\nMultiAgentPPT 通过多智能体协作将原本数小时的制作流程压缩至分钟级，显著提升了企业级演示文稿的产出效率与内容质量。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjohnson7788_MultiAgentPPT_c2d1bd27.png","johnson7788",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjohnson7788_534c060d.jpg","https:\u002F\u002Fgithub.com\u002Fjohnson7788",[80,84,88,92,96,100,103],{"name":81,"color":82,"percentage":83},"Python","#3572A5",67.8,{"name":85,"color":86,"percentage":87},"TypeScript","#3178c6",28.3,{"name":89,"color":90,"percentage":91},"JavaScript","#f1e05a",3.5,{"name":93,"color":94,"percentage":95},"CSS","#663399",0.3,{"name":97,"color":98,"percentage":99},"Dockerfile","#384d54",0.1,{"name":101,"color":102,"percentage":99},"HTML","#e34c26",{"name":104,"color":105,"percentage":106},"Shell","#89e051",0,1521,219,"2026-04-05T06:18:29","MIT","未说明",{"notes":113,"python":114,"dependencies":115},"1. 当前版本已停止维护，官方推荐采用新的 TrainPPTAgent 方案；2. 推荐使用 Conda 创建 Python 3.11+ 虚拟环境；3. 需部署 PostgreSQL 数据库存储用户数据；4. 支持 Docker 容器化部署，国内用户需注意使用特定的 Docker 镜像源；5. 后端模块需配置.env 环境变量及 API 密钥（如 Gemini）；6. 完整依赖列表位于 backend 目录下的 requirements.txt 文件中。","3.11+",[116],"python-pptx",[15,13],"2026-03-27T02:49:30.150509","2026-04-06T05:35:31.035819",[121,126,131,136,141,146,151],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},2949,"启动时提示错误：Cannot find module '.prisma\u002Fclient\u002Fdefault' 怎么办？","该问题通常已修复。如果遇到此错误，建议删除数据库相关表后重新尝试。同时检查环境配置是否正确，确保 Prisma Client 已正确生成。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F1",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},2950,"如何配置和使用本地 LLM 服务？","项目支持本地 LLM。需要修改 `slide_agent\u002Fslide_agent\u002Fcreate_model.py`、`simpleOutline\u002Fcreate_model.py` 等文件中的模型创建逻辑，并在 `.env` 文件中配置 `MODEL_PROVIDER` 和 `LLM_MODEL` 这两个环境变量。注意内网环境可能无法访问 Gemini。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F6",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},2951,"Docker 拉取镜像报错（Connection refused）如何解决？","这通常是网络代理问题。解决方案是使用国内的 Docker 镜像源，或者开启系统代理。如果无法自行解决，可以联系作者微信获取远程协助。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F7",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},2952,"如何下载生成的可编辑 PPT 文件？","项目已更新支持直接下载 `.pptx` 文件。请在 UI 界面上查找下载功能（此前通过 save-ppt 模块将 JSON 转换为 pptx），现在可以直接获取可编辑版本。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F13",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},2953,"运行该项目对服务器硬件配置有什么要求？","对服务器要求不高，普通的服务器配置即可满足。推荐配置为 2 核 CPU、4GB 内存、30GB 硬盘空间。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F12",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},2954,"生成 PPT 时报错 Invalid prisma.baseDocument.create() 且提示无 User 记录如何处理？","这是因为前后端 UserID 不匹配导致的。解决方法是将数据库中自动生成的 userId 修改为与前端写死的 userId 一致（例如改为 '01'），即可解决嵌套关联查询失败的问题。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F4",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},2955,"项目是否提供了整体 Docker 化的一键部署方案？","是的，目前已有提供 Docker 部署方案。您可以直接使用现有的 Docker 配置进行一键启动和部署，无需单独配置各个后端服务。","https:\u002F\u002Fgithub.com\u002Fjohnson7788\u002FMultiAgentPPT\u002Fissues\u002F17",[]]