mirror of
https://github.com/yangjian102621/geekai.git
synced 2026-08-12 18:50:58 +00:00
RockYang
9ccff4efbc
- Sync backend and frontend from GeekAI Plus v4.3.0 - Remove commercial License flows and update open-source deployment defaults - Preserve Docker Compose deployment and bump image tags to v4.3.0 BREAKING CHANGE: commercial License configuration and related endpoints are removed
374 lines
13 KiB
Go
374 lines
13 KiB
Go
package ppt
|
|
|
|
// * +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
|
|
// * Copyright 2023 The Geek-AI Authors. All rights reserved.
|
|
// * Use of this source code is governed by a Apache-2.0 license
|
|
// * that can be found in the LICENSE file.
|
|
// * @Author yangjian102621@163.com
|
|
// * +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
|
|
|
|
import (
|
|
"context"
|
|
"encoding/json"
|
|
"fmt"
|
|
"geekai/core/types"
|
|
"geekai/log"
|
|
"strings"
|
|
"time"
|
|
|
|
"github.com/imroc/req/v3"
|
|
)
|
|
|
|
var logger = log.GetLogger()
|
|
|
|
// slidePlan LLM 输出的分镜结构
|
|
type slidePlan struct {
|
|
SlideIndex int `json:"slide_index"`
|
|
Theme string `json:"theme"`
|
|
Title string `json:"title"`
|
|
Points []string `json:"points"`
|
|
ImagePrompt string `json:"image_prompt"`
|
|
}
|
|
|
|
// systemPrompt 图文并茂幻灯片：每页有插图且画面上含与主题一致的文字，文字量与生成模式相关
|
|
const systemPrompt = `
|
|
# Role
|
|
|
|
你是一位顶级的专业演示文稿（PPT）策划专家和 AI 图像提示词（Prompt）工程师。任务是根据用户提供的「内容大纲」或「设计要求」，生成一套逻辑清晰、视觉风格高度统一的幻灯片分镜数据。目标是生成**图文并茂**的幻灯片：每页既有文字又有插图，图片上直接呈现与本页内容一致的文字，而不是留白让用户后加文字。
|
|
|
|
# Rules
|
|
|
|
1. 全局风格锚定：根据大纲推断或遵循用户要求的全局视觉风格。所有配图必须严格遵循此风格。
|
|
2. 结构化拆解：合理拆分为多张幻灯片，单页最多 3-4 个简短要点。
|
|
3. 视觉转译（图文并茂）：
|
|
- 为每页构思的 image_prompt 既要描述**插图画面**，也要明确**画面上应出现的文字**（如本页标题、要点或短句），与当页 theme、title、points 内容一致。不要描述留白或“用于排版文字的空间”。
|
|
- 图片中出现的所有文字必须使用与 theme、title、points **相同的语言**（即本次请求指定的输出语言）。
|
|
- 图片上文字的量由「生成模式」决定（见用户输入中的模式说明）：
|
|
- **详细演示文稿**：图片上的说明文字可适当多一些，如本页要点、一两句说明。
|
|
- **演示用幻灯片**：图片上的文字尽量精简，如仅主标题或少量关键词，便于演讲时配合口述。
|
|
- image_prompt 须包含前缀「[全局风格描述]」，并清晰描述画面中的插图与文字内容（含具体要出现的文字及其语言），不要包含“不要在图片中生成任何文字”的约束。
|
|
4. 严格输出合法的纯 JSON 数组：
|
|
[
|
|
{"slide_index": 1, "theme": "...", "title": "...", "points": ["..."], "image_prompt": "..."}
|
|
]
|
|
禁止输出任何 Markdown 标记或多余文本。`
|
|
|
|
// notebookSystemPrompt 文档提炼：NotebookLM 风格输出 PPT 可用大纲文本（纯文本/Markdown）。
|
|
const notebookSystemPrompt = `
|
|
# Role
|
|
|
|
你是一位“NotebookLM 风格”的专业文档理解与提炼助手。任务是基于用户提供的「原始文档文本」和「设计要求」，提炼出可用于制作 PPT 的结构化大纲内容。
|
|
|
|
# Output Requirements
|
|
|
|
1. 输出必须是纯文本/Markdown（允许使用标题与列表），禁止输出任何 JSON。
|
|
2. 禁止输出代码块（不要出现代码块语法）。
|
|
3. 不要输出解释过程、不要复述提示词。
|
|
4. 大纲必须是“内容大纲/要点”，用于后续继续拆分成幻灯片，而不是直接输出最终幻灯片分镜。
|
|
|
|
# Rules
|
|
|
|
1. 文档优先：尽可能从原始文档中提取信息与措辞；若文档缺失关键点，则给出合理补全的“建议方向”，并明确标注为“（建议）”。
|
|
2. 贴合设计要求：根据设计要求调整大纲的语气、侧重点、术语风格，使内容更符合目标受众与整体风格。
|
|
3. 结构清晰：使用分层标题（例如：# 总主题、## 模块/章节、### 要点），并为每个模块给出 2-4 个要点句（可直接用于 PPT 每页标题/要点）。
|
|
4. 语言一致：所有输出语言必须与本次请求指定的语言一致。
|
|
`
|
|
|
|
// LLMClient 分镜 LLM 客户端
|
|
type LLMClient struct {
|
|
httpClient *req.Client
|
|
}
|
|
|
|
func NewLLMClient() *LLMClient {
|
|
return &LLMClient{
|
|
httpClient: req.C().SetTimeout(2 * time.Minute),
|
|
}
|
|
}
|
|
|
|
// GenerateSlides 调用大模型生成分镜列表。language 约束输出语言，mode 约束图中文字量，maxPages 约束恰好生成 N 页。
|
|
func (c *LLMClient) GenerateSlides(ctx context.Context, cfg types.PPTConfig, content, prompt, language, mode string, maxPages int) ([]slidePlan, error) {
|
|
if cfg.OutlineLLMApiURL == "" {
|
|
return nil, fmt.Errorf("outline LLM api url is empty")
|
|
}
|
|
if cfg.OutlineLLMApiKey == "" {
|
|
return nil, fmt.Errorf("outline LLM api key is empty")
|
|
}
|
|
if maxPages <= 0 {
|
|
maxPages = 10
|
|
}
|
|
if mode != "detailed" && mode != "slides" {
|
|
mode = "slides"
|
|
}
|
|
|
|
type message struct {
|
|
Role string `json:"role"`
|
|
Content string `json:"content"`
|
|
}
|
|
|
|
// 动态 system：加入页数约束
|
|
systemContent := systemPrompt + fmt.Sprintf("\n\n# 页数约束\n请将内容拆分为恰好 %d 页的幻灯片分镜，保证逻辑完整、故事线连贯，不要多也不要少。输出 JSON 数组长度必须为 %d。", maxPages, maxPages)
|
|
|
|
// 组装用户输入
|
|
userContent := fmt.Sprintf("下面是用户提供的演示文稿大纲内容：\n\n%s", content)
|
|
if prompt != "" {
|
|
userContent = fmt.Sprintf("%s\n\n额外的设计要求：%s", userContent, prompt)
|
|
}
|
|
if language != "" {
|
|
langHint := "中文"
|
|
if language == "en" || language == "en-US" {
|
|
langHint = "英文"
|
|
} else if language == "zh-CN" || language == "zh" {
|
|
langHint = "中文"
|
|
} else {
|
|
langHint = "语言代码 " + language + " 对应的语言"
|
|
}
|
|
userContent = fmt.Sprintf("%s\n\n请用%s输出所有分镜内容（theme、title、points、image_prompt 等均使用该语言；图片中出现的文字也必须是%s）。", userContent, langHint, langHint)
|
|
}
|
|
modeHint := "演示用幻灯片"
|
|
if mode == "detailed" {
|
|
modeHint = "详细演示文稿"
|
|
}
|
|
userContent = fmt.Sprintf("%s\n\n本次生成模式为：%s。请按上述规则控制每页插图中文字的量。", userContent, modeHint)
|
|
|
|
modelName := cfg.OutlineLLMModel
|
|
if modelName == "" {
|
|
modelName = "gpt-5.2"
|
|
}
|
|
body := map[string]any{
|
|
"model": modelName,
|
|
"messages": []message{
|
|
{Role: "user", Content: systemContent + "\n\n" + userContent},
|
|
},
|
|
"temperature": 0.8,
|
|
}
|
|
|
|
var respBody struct {
|
|
Choices []struct {
|
|
Message struct {
|
|
Content string `json:"content"`
|
|
} `json:"message"`
|
|
} `json:"choices"`
|
|
}
|
|
|
|
logger.Infof("generate PPT slides with outline LLM, api: %s", cfg.OutlineLLMApiURL)
|
|
r, err := c.httpClient.R().
|
|
SetContext(ctx).
|
|
SetHeader("Content-Type", "application/json").
|
|
SetHeader("Authorization", "Bearer "+cfg.OutlineLLMApiKey).
|
|
SetBody(body).
|
|
SetSuccessResult(&respBody).
|
|
Post(cfg.OutlineLLMApiURL)
|
|
if err != nil {
|
|
return nil, fmt.Errorf("request outline LLM failed: %v", err)
|
|
}
|
|
if r.IsErrorState() {
|
|
return nil, fmt.Errorf("outline LLM returned error status: %s", r.Status)
|
|
}
|
|
|
|
if len(respBody.Choices) == 0 {
|
|
return nil, fmt.Errorf("outline LLM returned empty choices")
|
|
}
|
|
|
|
contentStr := respBody.Choices[0].Message.Content
|
|
var plans []slidePlan
|
|
if err := json.Unmarshal([]byte(contentStr), &plans); err != nil {
|
|
return nil, fmt.Errorf("parse outline LLM json failed: %v, raw: %s", err, contentStr)
|
|
}
|
|
|
|
return plans, nil
|
|
}
|
|
|
|
// GenerateNotebookContent 调用文档提炼 LLM，把 rawDocText -> PPT 可用的 content（大纲/结构化要点）。
|
|
func (c *LLMClient) GenerateNotebookContent(ctx context.Context, cfg types.PPTConfig, rawDocText, designPrompt, language string) (string, error) {
|
|
if cfg.OutlineLLMApiURL == "" {
|
|
return "", fmt.Errorf("outline LLM api url is empty")
|
|
}
|
|
if cfg.OutlineLLMApiKey == "" {
|
|
return "", fmt.Errorf("outline LLM api key is empty")
|
|
}
|
|
|
|
rawDocText = strings.TrimSpace(rawDocText)
|
|
if rawDocText == "" {
|
|
return "", fmt.Errorf("rawDocText is empty")
|
|
}
|
|
|
|
// 对超长输入做保守截断，避免请求体过大或上下文溢出。
|
|
// 这里按“字符数”截断，真实 token 仍可能超出，但作为兜底足够。
|
|
const maxChars = 25000
|
|
runes := []rune(rawDocText)
|
|
if len(runes) > maxChars {
|
|
rawDocText = string(runes[:maxChars])
|
|
}
|
|
|
|
langHint := "中文"
|
|
if language == "en" || language == "en-US" {
|
|
langHint = "英文"
|
|
} else if language == "zh-CN" || language == "zh" {
|
|
langHint = "中文"
|
|
} else if language != "" {
|
|
langHint = "语言代码 " + language + " 对应的语言"
|
|
}
|
|
|
|
maxSlides := cfg.MaxSlidesPerTask
|
|
if maxSlides <= 0 {
|
|
maxSlides = 10
|
|
}
|
|
|
|
userContent := fmt.Sprintf("原始文档文本如下（可能很长）：\n\n%s", rawDocText)
|
|
if strings.TrimSpace(designPrompt) != "" {
|
|
userContent = fmt.Sprintf("%s\n\n设计要求（风格/受众/侧重点等）：\n%s", userContent, designPrompt)
|
|
}
|
|
userContent = fmt.Sprintf(
|
|
"%s\n\n请用%s输出 PPT 大纲内容。该大纲应便于拆分为不超过 %d 页的 PPT。",
|
|
userContent,
|
|
langHint,
|
|
maxSlides,
|
|
)
|
|
|
|
type message struct {
|
|
Role string `json:"role"`
|
|
Content string `json:"content"`
|
|
}
|
|
|
|
systemContent := notebookSystemPrompt + fmt.Sprintf("\n\n# 语言约束\n输出语言：%s。", langHint)
|
|
|
|
modelName := cfg.OutlineLLMModel
|
|
if modelName == "" {
|
|
modelName = "gpt-4o-mini"
|
|
}
|
|
|
|
body := map[string]any{
|
|
"model": modelName,
|
|
"messages": []message{
|
|
{Role: "user", Content: systemContent + "\n\n" + userContent},
|
|
},
|
|
"temperature": 0.4,
|
|
}
|
|
|
|
var respBody struct {
|
|
Choices []struct {
|
|
Message struct {
|
|
Content string `json:"content"`
|
|
} `json:"message"`
|
|
} `json:"choices"`
|
|
}
|
|
|
|
logger.Infof("generate PPT content with outline LLM, api: %s", cfg.OutlineLLMApiURL)
|
|
r, err := c.httpClient.R().
|
|
SetContext(ctx).
|
|
SetHeader("Content-Type", "application/json").
|
|
SetHeader("Authorization", "Bearer "+cfg.OutlineLLMApiKey).
|
|
SetBody(body).
|
|
SetSuccessResult(&respBody).
|
|
Post(cfg.OutlineLLMApiURL)
|
|
if err != nil {
|
|
return "", fmt.Errorf("request outline LLM failed: %v", err)
|
|
}
|
|
if r.IsErrorState() {
|
|
return "", fmt.Errorf("outline LLM returned error status: %s", r.Status)
|
|
}
|
|
if len(respBody.Choices) == 0 {
|
|
return "", fmt.Errorf("outline LLM returned empty choices")
|
|
}
|
|
|
|
return strings.TrimSpace(respBody.Choices[0].Message.Content), nil
|
|
}
|
|
|
|
// titleSystemPrompt 根据大纲生成用于任务列表的短标题（单行纯文本）
|
|
const titleSystemPrompt = `
|
|
# Role
|
|
|
|
你是「演示文稿命名助手」。用户会提供一份 PPT 内容大纲（可能含 Markdown）。请根据大纲主题与受众，生成一个**适合出现在任务列表中的短标题**。
|
|
|
|
# Output Rules
|
|
|
|
1. 只输出**一行**纯文本，不要换行、不要编号、不要引号包裹。
|
|
2. 长度建议 **20 个字以内**（中文）或 **8 个英文单词以内**；若大纲极长，仍只给概括性标题。
|
|
3. 输出语言必须与本次指定的「输出语言」一致。
|
|
4. 不要输出“标题：”“Title:”等前缀，不要复述本说明。
|
|
`
|
|
|
|
// GeneratePPTTitle 调用大模型根据 content 生成列表用短标题；失败时由调用方降级。
|
|
func (c *LLMClient) GeneratePPTTitle(ctx context.Context, cfg types.PPTConfig, content, language string) (string, error) {
|
|
if cfg.OutlineLLMApiURL == "" {
|
|
return "", fmt.Errorf("outline LLM api url is empty")
|
|
}
|
|
if cfg.OutlineLLMApiKey == "" {
|
|
return "", fmt.Errorf("outline LLM api key is empty")
|
|
}
|
|
|
|
content = strings.TrimSpace(content)
|
|
if content == "" {
|
|
return "", fmt.Errorf("content is empty")
|
|
}
|
|
|
|
const maxChars = 10000
|
|
runes := []rune(content)
|
|
if len(runes) > maxChars {
|
|
content = string(runes[:maxChars])
|
|
}
|
|
|
|
langHint := "中文"
|
|
if language == "en" || language == "en-US" {
|
|
langHint = "英文"
|
|
} else if language == "zh-CN" || language == "zh" {
|
|
langHint = "中文"
|
|
} else if language != "" {
|
|
langHint = "语言代码 " + language + " 对应的语言"
|
|
}
|
|
|
|
type message struct {
|
|
Role string `json:"role"`
|
|
Content string `json:"content"`
|
|
}
|
|
|
|
userContent := fmt.Sprintf("输出语言：%s。\n\n下面是用户提供的 PPT 大纲内容，请只返回列表标题：\n\n%s", langHint, content)
|
|
systemContent := titleSystemPrompt + fmt.Sprintf("\n\n# 语言约束\n请用%s撰写标题。", langHint)
|
|
|
|
modelName := cfg.OutlineLLMModel
|
|
if modelName == "" {
|
|
modelName = "gpt-4o-mini"
|
|
}
|
|
|
|
body := map[string]any{
|
|
"model": modelName,
|
|
"messages": []message{
|
|
{Role: "user", Content: systemContent + "\n\n" + userContent},
|
|
},
|
|
"temperature": 0.5,
|
|
}
|
|
|
|
var respBody struct {
|
|
Choices []struct {
|
|
Message struct {
|
|
Content string `json:"content"`
|
|
} `json:"message"`
|
|
} `json:"choices"`
|
|
}
|
|
|
|
logger.Infof("generate PPT list title with outline LLM, api: %s", cfg.OutlineLLMApiURL)
|
|
r, err := c.httpClient.R().
|
|
SetContext(ctx).
|
|
SetHeader("Content-Type", "application/json").
|
|
SetHeader("Authorization", "Bearer "+cfg.OutlineLLMApiKey).
|
|
SetBody(body).
|
|
SetSuccessResult(&respBody).
|
|
Post(cfg.OutlineLLMApiURL)
|
|
if err != nil {
|
|
return "", fmt.Errorf("request outline LLM failed: %v", err)
|
|
}
|
|
if r.IsErrorState() {
|
|
return "", fmt.Errorf("outline LLM returned error status: %s", r.Status)
|
|
}
|
|
if len(respBody.Choices) == 0 {
|
|
return "", fmt.Errorf("outline LLM returned empty choices")
|
|
}
|
|
|
|
raw := strings.TrimSpace(respBody.Choices[0].Message.Content)
|
|
if idx := strings.IndexAny(raw, "\r\n"); idx >= 0 {
|
|
raw = strings.TrimSpace(raw[:idx])
|
|
}
|
|
raw = strings.Trim(raw, `"'「」`)
|
|
return raw, nil
|
|
}
|