PaperCompanion 0.2.0

An academic paper reading companion application with AI-powered features for PDF processing, translation, RAG retrieval, Q&A, and voice interaction.

AI论文助手（AI Paper Assister）

该项目是 LinYi's Team 的 mad-professor 的一个分支，主要用于个人论文阅读

TODO LIST:

• 删除TTS功能减少项目复杂性，增加稳定性
• 添加并排阅读模式
• 添加对MacOS的支持(MPS backend)
• 添加快捷键（例如对于Vim-like的键位绑定）
• 添加更多管理阅读PDF的功能
• 将程序作为Package呈现
• 固定使用Deepseek V3模型，增加API优惠时间提醒
• 提供更便捷的论文文档管理功能（通过标记方式实现）
• 添加归档功能，将已阅读的文章打包存储
• 更新download_models.py 源自Github仓库
• 添加聊天历史记录
• 增加不同的处理管线

项目Demo

安装指南

具体参考原项目的安装指南（在底部）

1. 下载模型

   python download_models.py
   

   python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

   修改【用户目录】配置文件magic-pdf.json中"device-mode"的值来启用MPS

   {
       "device-mode":"mps"
   }
   

2. 安装依赖 (按需生成需要venv环境)

   pip install -r requirements.txt
   

3. 运行应用

   python -m PaperCompanion.main
   

4. 或者打包为.whl文件 (Recommended after running with cli)

   python -m build
   pipx install dist/PaperCompanion-<version>-py3-none-any.whl
   

配置说明（当前版本）

API配置来源

• 默认读取顺序：
  1. 环境变量 / .env 中的 API_KEY 和 API_BASE_URL
  2. PaperCompanion/config.py 中默认值（DEFAULT_API_KEY / DEFAULT_API_BASE_URL）
• API_BASE_URL 默认值：https://api.deepseek.com/v1

配置文件位置

• 应用级配置文件：~/.config/ai-paper-assister/.env
• 示例：

  API_KEY=your_api_key
  API_BASE_URL=https://api.deepseek.com/v1
  

应用内设置模块

• 启动后可在标题栏点击 ⚙ 设置（快捷键 Ctrl+,）打开设置窗口。
• 可直接在设置窗口修改并保存 API_KEY / API_BASE_URL。
• 如果启动时缺少 API_KEY，应用不会阻断退出，会自动打开设置窗口引导配置。

Prompt 覆盖机制（适用于 PyPI 安装）

• 内置 prompt 作为默认值（随包安装）。
• 用户修改会保存到：~/.config/ai-paper-assister/prompts/
• 运行时读取规则：用户覆盖文件优先，若不存在则回退到包内默认 prompt。
• 因此即使升级/重装包，用户目录下的自定义 prompt 仍会保留并继续生效。

---

（以下为原README内容）

暴躁的教授读论文（mad-professor）

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。

项目概述

"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。

主要特性

• 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

技术架构

• 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

安装指南

环境要求

• Python 3.10或更高版本
• CUDA支持
• 6GB 以上显存

项目依赖

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

安装步骤

1. 使用conda创建环境

   conda create -n mad-professor python=3.10.16
   conda activate mad-professor
   

2. 安装MinerU依赖

   pip install -U magic-pdf[full]==1.3.3 -i https://mirrors.aliyun.com/pypi/simple
   

3. 安装剩余依赖

   pip install -r requirements.txt
   

4. 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

5. 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
   

6. 模型下载

   python download_models.py
   

   python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

7. 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

使用说明

教授人设/声音修改

目前人设和声音的修改只能通过手动修改代码实现

1. 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

2. 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
           }
       })
   

启动应用

运行main.py

python main.py

导入论文

1. 点击侧边栏的"导入论文"按钮

2. 选择PDF文件导入

3. 点击“继续”，等待处理完成（包括翻译和索引构建）

4. 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

   

论文阅读

1. 在侧边栏选择已经处理好的论文

   

2. 在主窗口查看论文内容，右上角可切换中英文

   

3. 左右侧可折叠隐藏，提供沉浸式阅读体验

   

AI问答与语音对话

1. 在对话窗口下方选择语音输入设备

   

2. 点击麦克风按钮，等指示灯变绿时开始对话

3. 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

项目结构

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）

已知问题

1. 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

2. 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

3. 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

许可证

本项目采用 Apache 许可证 - 详情见 LICENSE 文件

致谢

特别感谢 MinerU 和 RealtimeSTT 项目