📫 Contact

De belangrijkste bijdrager van deze repository is een masterstudent die afstudeert in 2026. Neem gerust contact op voor samenwerking of mogelijkheden.

De belangrijkste bijdrager aan deze repository is een masterstudent die in 2026 afstudeert. Neem gerust contact op voor samenwerking of uitwisseling van ideeën.

📅 Nieuws

[2026/01]: We ondersteunen nu vrije vorm en sjabloongeneratie, inclusief PPTX-export en offline modus! Contextbeheer toegevoegd om context-overloop te voorkomen.
[2025/12]: 🔥 V2 uitgebracht met grote verbeteringen - Diepe Onderzoeksintegratie, Vrije Vorm Visueel Ontwerp, Autonome Asset Creatie, Tekst-naar-beeld Generatie en Agent-omgeving met sandbox & meer dan 20 tools.
[2025/09]: 🛠️ MCP-serverondersteuning toegevoegd - zie MCP Server voor configuratiedetails
[2025/09]: 🚀 V2 uitgebracht met grote verbeteringen - zie releasenotes voor details
[2025/08]: 🎉 Paper geaccepteerd bij EMNLP 2025!
[2025/05]: ✨ V1 uitgebracht met kernfunctionaliteit en 🌟 doorbraak: 1.000 sterren op GitHub bereikt! - zie releasenotes voor details
[2025/01]: 🔓 Codebase open source gemaakt, met experimentele code gearchiveerd bij experiment release

📖 Gebruik

[!BELANGRIJK]

1. Al deze API-sleutels, configuraties en diensten zijn vereist.

2. Aanbevolen Agent-backbone: Gebruik Claude voor de Research Agent en Gemini voor de Design Agent. GLM-4.7 is ook een goede keuze bij open-sourcemodellen.

3. Offline modus wordt ondersteund met beperkte functionaliteit (zie Offline Setup hieronder).

1. Omgevingsconfiguratie

Maak configuratiebestanden aan (vanaf de hoofdmap van het project):

  cp deeppresenter/deeppresenter/config.yaml.example deeppresenter/deeppresenter/config.yaml
  cp deeppresenter/deeppresenter/mcp.json.example deeppresenter/deeppresenter/mcp.json
  ``Online setup:
  MinerU: Vraag een API-sleutel aan via mineru.net. Let op: elke sleutel is 14 dagen geldig.
  Tavily: Vraag een API-sleutel aan via tavily.com.
  LLM: Stel je model-endpoint, API-sleutels en gerelateerde parameters in via config.yaml.
Offline setup:

  MinerU: Implementeer de MinerU-server volgens de instructies op MinerU docker gids
  Config-switch: Stel offline_mode: true in config.yaml in om te voorkomen dat netwerkafhankelijke tools (zoals fetch, search) worden geladen.

  MinerU endpoint: Stel MINERU_API_URL in mcp.json in op de URL van je lokale MinerU-service
2. Service-opstart
Bouw docker-images: docker compose build
Via Docker Compose:
  
`bash
  docker compose up -d
  `
Lokaal uitvoeren:
  `bash
  cd deeppresenter
  pip install -e .
  playwright install-deps
  playwright install chromium
  npm install
  npx playwright install chromium
  python webui.py
  `
[!TIP]
🚀 All configurable variables can be found in constants.py.
💡 Case Study
#### Prompt: Please present the given document to me.
  
  
  
  
  
  
  
  
  
  
#### Prompt: 请介绍小米 SU7 的外观和价格
  
  
  
  
  
  
#### Prompt: 请制作一份高中课堂展示课件，主题为“解码立法过程：理解其对国际关系的影响”
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

Citation 🙏
If you find this project helpful, please use the following to cite it:

bibtex
@inproceedings{zheng-etal-2025-pptagent,
    title = "{PPTA}gent: Generating and Evaluating Presentations Beyond Text-to-Slides",
    author = "Zheng, Hao  and
      Guan, Xinyan  and
      Kong, Hao  and
      Zhang, Wenkai  and
      Zheng, Jia  and
      Zhou, Weixiang  and
      Lin, Hongyu  and
      Lu, Yaojie  and
      Han, Xianpei  and
      Sun, Le",
    editor = "Christodoulopoulos, Christos  and
      Chakraborty, Tanmoy  and
      Rose, Carolyn  and
      Peng, Violet",
    booktitle = "Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.emnlp-main.728/",
    doi = "10.18653/v1/2025.emnlp-main.728",
    pages = "14413--14429",
    ISBN = "979-8-89176-332-6",
    abstract = "Automatically generating presentations from documents is a challenging task that requires accommodating content quality, visual appeal, and structural coherence. Existing methods primarily focus on improving and evaluating the content quality in isolation, overlooking visual appeal and structural coherence, which limits their practical applicability. To address these limitations, we propose PPTAgent, which comprehensively improves presentation generation through a two-stage, edit-based approach inspired by human workflows. PPTAgent first analyzes reference presentations to extract slide-level functional types and content schemas, then drafts an outline and iteratively generates editing actions based on selected reference slides to create new slides. To comprehensively evaluate the quality of generated presentations, we further introduce PPTEval, an evaluation framework that assesses presentations across three dimensions: Content, Design, and Coherence. Results demonstrate that PPTAgent significantly outperforms existing automatic presentation generation methods across all three dimensions."
}

--- Tranlated By Open Ai Tx | Last indexed: 2026-02-22 ---