Paper2Slides：一键从论文生成演示文稿
将研究论文、报告和文档在几分钟内自动转化为专业幻灯片和海报，支持多种文件格式与自定义风格。
- Star 数
- ★ 3.8k
- 最近更新
- 5 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 44/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 研究人员需要将长篇论文快速转化为会议演讲幻灯片，以节省手工整理时间。
- 不适合
- 不愿配置API密钥或承担按量付费成本的个人用户
- 仍在使用Python 3.11及以下环境的团队
这个 Agent 能做什么，适合哪些场景？
Paper2Slides 是香港大学数据科学实验室（HKUDS）开源的自动化演示文稿生成工具，采用四阶段流水线（RAG索引、内容分析、布局规划、视觉生成）将文档转化为幻灯片或海报。它支持PDF、Word、Excel、PowerPoint、Markdown等多种格式，并提供命令行和Web界面两种使用方式。用户可选用内置主题（如academic、doraemon）或用自然语言描述自定义风格，并可通过检查点机制随时断点续跑。项目基于Python 3.12，需要配置LLM和图像生成API密钥。
Paper2Slides读取文档文件（PDF、Word、Excel、PowerPoint、Markdown等），通过RAG（利用LightRAG和RAG-Anything）解析并构建检索索引；提取图表、表格和内容结构；随后规划幻灯片或海报布局，并调用图像生成模型（支持OpenRouter或Google Gemini）生成视觉元素，最终输出PNG和PDF文件。命令行接口提供--input、--output、--style、--length、--fast、--parallel等选项，并自动保存检查点以便断点续跑。Web界面由FastAPI后端和React前端组成，可通过start.sh脚本启动。
- 研究人员需要将长篇论文快速转化为会议演讲幻灯片，以节省手工整理时间。
- 学生或教师需要将课程讲义转换为教学演示文稿，支持自定义风格适配课堂氛围。
- 产品经理需要将市场报告或产品文档转换为内部汇报幻灯片，并快速迭代样式。
- 内容创作者需要从PDF或Word文档生成海报，用于会议展示或社交媒体宣传。
- 需要批量处理多份文档，利用并行生成加速制作多套演示材料。
- 在生成过程中遇到中断，利用检查点功能从断点继续，无需从头开始。
如何安装或部署这个 Agent？
- 克隆仓库：
git clone https://github.com/HKUDS/Paper2Slides.git并进入目录。2. 创建conda环境：conda create -n paper2slides python=3.12 -y并激活。3. 安装依赖：pip install -r requirements.txt。4. 在paper2slides/目录下创建.env文件，参考.env.example配置API密钥（包括LLM和图像生成密钥）。
如何使用这个 Agent？
命令行用法示例：python -m paper2slides --input paper.pdf --output slides --style doraemon --length medium --fast --parallel 2。常用选项包括--input（输入文件）、--output（slides或poster）、--style（academic/doraemon/自定义描述）、--fast（跳过RAG索引）、--parallel（并行生成）。Web界面：运行./scripts/start.sh启动前后端，访问http://localhost:5173。若需恢复中断任务，只需重新运行相同命令即可自动检测检查点。
这个 Agent 有哪些优点和局限？
- 支持多种文档格式（PDF、Word、Excel、PPT、Markdown），可同时处理多个文件。
- 四阶段流水线结合RAG，确保内容提取的准确性和源可追溯性。
- 提供检查点机制，中断后可从任意阶段恢复，支持样式快速迭代。
- 支持自定义风格，用户可用自然语言描述视觉主题，灵活性高。
- 提供命令行和Web界面两种交互方式，适应不同用户习惯。
- 依赖外部LLM和图像生成API，需要配置API密钥，可能产生费用。
- 图像生成默认使用OpenRouter的
gemini-3-pro-image-preview模型，可能产生延迟和成本。 - 需要Python 3.12环境，并可能依赖特定系统库（如conda）。
- RAG索引阶段对长文档处理时间较长，快速模式会牺牲部分内容提取深度。
- 项目较新（2025年12月开源），社区和生态尚不成熟，可能缺少长期维护保障。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Paper2Slides：一键从论文生成演示文稿 当前 | 44 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 3.8k | 5 个月前 | Python | — |
| Paper2Any 科研内容工作台 | 63 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 2.8k | 1 个月前 | Python | OpenAI API |
| PPT Master — AI 原生 PowerPoint 生成器 | 0 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 64k | 今天 | Python | Claude Code |
| 灵枢 | 71 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 11 | 2 个月前 | Rust | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：CLI 需要用户提供 API 密钥（.env），但未明确最小权限原则；没有用户确认机制；数据流在 README 中有描述（RAG 索引、检查点），但未说明数据如何传输至外部 API；敏感数据处理（API 密钥）有 .env.example 提示，但未说明加密或保护措施；依赖固定版本较少，未提及安全审计；外部效果包括生成文件、调用外部 API，但未说明副作用；有检查点机制支持恢复，但未明确回滚；来源归属有 MIT 许可证和 HKUDS 版权，但未验证发布者。扣分原因：缺少用户确认、最小权限说明不足、依赖安全未提及。
证据显示：README 描述一致，CLI 选项与文档匹配；依赖列表存在，但未固定所有版本，可能影响可复现性；失败消息未在文档中说明。扣分原因：依赖版本未完全固定，失败处理文档缺失。
证据显示：明确目标用户（研究人员、报告制作者），场景多样（论文、报告、多格式）；能力边界通过 CLI 选项和模式（fast/normal）说明；触发精度通过 CLI 参数和 --from-stage 控制；环境适配有 conda 和 pip 安装说明，但未提及操作系统兼容性。扣分原因：环境适配信息不完整。
证据显示：README 结构清晰，有目录；安装步骤详细；命名稳定（CLI 选项一致）；有示例和 FAQ（通过 COMMUNICATION.md 链接）；已知限制未明确列出；MIT 许可证明确；版本变更记录在 News 部分有两条，但无正式 changelog；维护责任未明确。扣分原因：缺少已知限制、正式 changelog 和维护责任说明。
证据显示：输出为 PDF 和图片，可直接使用；边际价值高（自动化生成幻灯片）；成本效益未讨论，但依赖外部 API 可能产生费用。扣分原因：成本效益分析缺失。
证据显示：README 中的功能声明未提供测试或验证证据；没有交叉来源验证；事实与推断未明确区分。扣分原因：缺乏可验证的证据。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- API 密钥管理：用户需在 .env 中存储密钥，但未提供安全存储指导，存在泄露风险。
- 外部 API 调用：生成过程依赖外部 LLM 和图像生成 API，可能产生费用和数据传输，需用户注意隐私。
- 依赖安全：依赖未完全固定版本，且未提及安全审计，可能存在供应链风险。
常见问题
使用Paper2Slides需要哪些API密钥？
paper2slides/.env.example。生成过程中断怎么办？
--from-stage强制从特定阶段重启。能否自定义幻灯片风格？
--style参数传入内置主题（如academic、doraemon）或任何自然语言描述，例如“Studio Ghibli动漫风格”。支持哪些输入文件格式？
快速模式与普通模式有何区别？
--fast）跳过RAG索引，直接使用LLM查询，适合短文档和快速预览；普通模式构建完整RAG索引，适合长文档和多文件处理。