当前位置：首页 > article >正文

【项目实战】通过多模态+LangGraph实现PPT生成助手

article 2025/6/12 22:07:07

PPT自动生成系统

基于LangGraph的PPT自动生成系统，可以将Markdown文档自动转换为PPT演示文稿。

功能特点

Markdown解析：自动解析Markdown文档结构
PPT模板分析：分析PPT模板的布局和风格
智能布局决策：匹配内容与合适的PPT布局
自动生成PPT：根据解析结果生成最终的PPT文件

演示Demo

通过多模态+Agent实现的PPT辅助编辑助手演示视频

部署方法

项目地址：https://github.com/BJSS-China/ppt_assistant

方式一：使用Docker部署

cd docker# 编辑.env文件
cp .env.example .env# 执行部署脚本
./deploy.sh build
# 执行启动脚本
./deploy.sh start

备注：

需要提前安装好docker和docker-compose

方式二：使用本地环境部署(适用于开发调试)

1. 安装依赖

# 创建虚拟环境
conda create -n ppt_gen python=3.12
conda activate ppt_gen# 安装依赖
pip install -r requirements.txt# 初始化子模块
git submodule update --init# 安装ppt_manager
cd libs/ppt_manager
pip install -e .

2. 安装LibreOffice

Mac用户可以通过brew安装LibreOffice

brew install --cask libreoffice

安装之后创建soffice的命令脚本

# 创建软链接
sudo tee /usr/local/bin/soffice <<EOF
#!/bin/bash
/Applications/LibreOffice.app/Contents/MacOS/soffice "\$@"
EOF# 赋予执行权限
sudo chmod +x /usr/local/bin/soffice

验证安装

soffice --version

3. 安装poppler

Mac用户可以通过brew安装poppler

brew install poppler

Linux用户可以通过apt安装poppler

sudo apt-get install poppler-utils

Windows用户需要手动下载安装
下载地址：https://poppler.freedesktop.org/

4. 运行

4.1 复制配置文件

cp .env.example .env

4.2 启动redis服务

docker-compose -f docker/docker-compose-dev.yml up -d

4.3 启动后端FastAPI服务

uvicorn apps.api.main:app --reload --host 0.0.0.0 --port 8000

4.4 启动celery服务

celery -A apps.api.celery_app worker --loglevel=info --concurrency=2 --pool=solo -Q celery,template_analysis,ppt_generation

4.5 启动前端Vue服务

cd apps/web
npm install --legacy-peer-deps
npm run dev

使用方法

访问前端页面

docker部署：http://localhost
本地部署：http://localhost:5173

访问管理后台：点击前端页面右上角管理后台按钮，进入管理后台页面(admin/admin123)
配置API_KEY：点击管理后台，分别配置LLM、VLLM、deepthink的API Key

备注：

模型配置中的文本模型(LLM)和深度思考(deepthink)，本质都是文本大模型。
前者一般承担比较轻量级的任务，后者一般承担上下文比较长的分析任务，为了节省token消耗，区分使用，但都需要配置。

上传PPT模板：在管理后台，上传PPT模板文件，稍等分析完毕后，即可在管理后台看到分析结果
在前端页面，输入Markdown文档，点击生成PPT按钮
下载PPT：待提示PPT生成完毕后，点击PPT文件，即可下载PPT文件

常见问题

问题1： PPT生成过程中，提示"内容规划失败，无法获取内容规划结果".

问题原因：这种情况是大模型返回的内容存在异常，比如：未按照要求返回。具体可以通过mlflow调试页面查看返回内容。

问题2： PPT生成过程中，生成的PPT文件内容不全，存在部分内容缺失。

问题原因：这种情况是因为大模型在进行内容规划时，对部分内容进行了删减所致。该问题解决方式同问题1。

问题3：开启多模态能力检测，PPT生成时间变得很长。

问题原因：由于目前PPT的视觉检测，主要是依赖于soffice的PPT转图片，这一过程速度慢且无法优化干预，所以暂时没有好的解决方案。

备注：各个模型在不同任务上的表现，可以参考模型对比

项目结构

ppt-assisstant/
├── apps/                  # 应用层
│   ├── api/               # FastAPI接口服务
│   │   ├── routers/       # 接口路由
│   │   │   ├── agent.py   # Agent能力接口
│   │   │   └── file.py    # 文件处理接口
│   │   ├── models/        # 接口数据模型
│   │   ├── dependencies/  # 接口依赖项
│   │   └── main.py        # FastAPI入口
│   │
│   └── web/               # 前端工程
│       ├── public/        # 静态资源
│       ├── src/           # 前端源码
│       └── package.json   # 前端依赖
│
├── core/                  # 核心业务
│   ├── agents/            # LangGraph Agent实现
│   │   ├── markdown_agent.py           # Markdown解析
│   │   ├── ppt_analysis_agent.py       # PPT分析
│   │   ├── content_planning_agent.py   # 内容规划
│   │   ├── slide_generator_agent.py    # 幻灯片生成
│   │   ├── ppt_finalizer_agent.py      # PPT清理与保存
│   │   └── base_agent.py               # 基础Agent
│   │
│   ├── workflows/         # 工作流配置
│   │   ├── ppt_gen.yaml   # 主工作流配置
│   │   └── utils.py       # 工作流工具
│   │
│   └── engine/            # 执行引擎
│       ├── state.py       # 状态管理
│       └── workflow.py    # 工作流引擎
│
├── libs/                  # 第三方库
│   ├── ppt_manager/       # PPT操作库（git子模块）
│   └── ...                # 其他子模块
│
├── workspace/             # 运行时文件
│   ├── sessions/          # 会话数据
│   │   └── {session_id}/  # 按会话隔离
│   ├── cache/             # 缓存文件
│   ├── logs/              # 系统日志
│   ├── mlflow/            # mlflow调试日志
│   ├── outputs/           # 输出文件
│   ├── data/              # 数据文件
│   └── temp/              # 临时文件
│
├── config/                # 配置中心
│   ├── prompts/           # 提示词
│   ├── settings.py        # 应用配置
│   └── model_config.yaml  # 模型配置
│
├── docs/                  # 文档中心
│   ├── arch/              # 架构设计
│   ├── report/            # 报告
│   ├── prd/               # 需求文档
│   └── api/               # API文档
│
├── tests/                 # 测试体系
│   ├── test_files/        # 测试文件
│   └── test_utils.py      # 测试工具
│
├── Dockerfile             # 容器化构建
├── docker-compose.yml     # 服务编排
└── requirements.txt       # Python依赖

实现原理

file

PPT分析agent（ppt_analysis_agent）：

主要负责对PPT模板文件进行逐页的图像生成和调用多模态大模型分析布局，生成详细的PPT特征信息，以Json数据格式保存。

Markdown解析Agent（markdown_agent）：

主要负责对PPT的底稿内容进行分析解析，得到title（标题）、content（内容）、内容之间的关系等信息，以Json数据格式保存。

PPT内容规划Agent（Content_plannning_agent）：

主要负责基于ppt_analysis_agent提供的PPT特征信息和markdown_agent提供的底稿内容，进行PPT每一页幻灯片的规划，包括：幻灯片的顺序、幻灯片的标题、幻灯片的内容、内容计划展现的形式。

PPT生成Agent（slide_generator_agent）：

主要职责：
1.基于Content_plannning_agent提供的规划内容和PPT文件的Dom内容结构，通过大模型分析每一页PPT需要修改的Dom节点内容，生成相应的操作指令提供给slide_generator_agent
2.执行操作指令，修改PPT中对应的幻灯片
3.将修改的幻灯片生成图片后，利用多模态大模型进行排版、内容、样式的检查，进而提供修改指令，直到满足要求或者达到最大修改次数阈值。

PPT归档Agent（PPTFinalizerAgent）：

主要负责基于Content_plannning_agent规划的内容和顺序，调整PPT中幻灯片的顺序，去除多余的幻灯片，最后保存PPT文件。

📄 许可证

本项目采用 Apache License 2.0 开源许可证。

商业使用说明

✅ 开源免费使用：您可以自由使用、修改和分发本软件
✅ 商业用途友好：允许在商业项目中使用，无需支付许可费
✅ 专利保护：提供明确的专利许可条款
⚠️ 版权声明要求：使用时必须保留原始版权声明

🙏 致谢

本项目核心思想来源于PPTAgent提出的多模态大语言模型+Agent框架。我们诚挚感谢该项目提供的创新思路，这为本工程的设计和实现奠定了关键基础。