📫 Kontakt

Główny współtwórca tego repozytorium to student studiów magisterskich kończący naukę w 2026 roku, zapraszamy do kontaktu w sprawie współpracy lub możliwości zawodowych.

Główny współtwórca tego repozytorium jest absolwentem studiów magisterskich w 2026 roku. Zapraszamy do kontaktu w sprawie współpracy lub wymiany doświadczeń.

📅 Aktualności

[2026/01]: Obsługujemy generowanie swobodnych i szablonowych prezentacji PPTX z możliwością eksportu, tryb offline już dostępny! Dodano zarządzanie kontekstem, aby uniknąć przepełnienia kontekstu.
[2025/12]: 🔥 Wydano V2 z dużymi usprawnieniami – głęboka integracja badań, swobodny projekt wizualny, autonomiczne tworzenie zasobów, generowanie obrazów z tekstu i środowisko agenta z sandboxem i ponad 20 narzędziami.
[2025/09]: 🛠️ Dodano obsługę serwera MCP – zobacz MCP Server dla szczegółów konfiguracji
[2025/09]: 🚀 Wydano v2 z dużymi usprawnieniami – zobacz informacje o wydaniu po szczegóły
[2025/08]: 🎉 Artykuł przyjęty na EMNLP 2025!
[2025/05]: ✨ Wydano v1 z podstawową funkcjonalnością oraz 🌟 przełomem: osiągnięto 1 000 gwiazdek na GitHubie! – zobacz informacje o wydaniu po szczegóły
[2025/01]: 🔓 Kod źródłowy został udostępniony, kod eksperymentalny zarchiwizowany pod wydaniem eksperymentalnym

📖 Użytkowanie

[!WAŻNE]

1. Wszystkie te klucze API, konfiguracje i usługi są wymagane.

2. Rekomendacja dla głównego agenta: Użyj Claude dla agenta badawczego i Gemini dla agenta projektowego. GLM-4.7 to także dobry wybór wśród modeli open-source.

3. Tryb offline jest obsługiwany z ograniczoną funkcjonalnością (patrz konfiguracja offline poniżej).

1. Konfiguracja środowiska

Utwórz pliki konfiguracji (z głównego katalogu projektu):

  cp deeppresenter/deeppresenter/config.yaml.example deeppresenter/deeppresenter/config.yaml
  cp deeppresenter/deeppresenter/mcp.json.example deeppresenter/deeppresenter/mcp.json
  ``Konfiguracja online:
  MinerU: Uzyskaj klucz API na stronie mineru.net. Uwaga: każdy klucz jest ważny przez 14 dni.
  Tavily: Uzyskaj klucz API na stronie tavily.com.
  LLM: Ustaw endpoint modelu, klucze API oraz powiązane parametry w pliku config.yaml.
Konfiguracja offline:

  MinerU: Uruchom serwer MinerU, postępując zgodnie z instrukcjami na stronie MinerU docker guide
  Przełącznik konfiguracji: Ustaw offline_mode: true w config.yaml, aby uniknąć ładowania narzędzi zależnych od sieci (np. fetch, search).

  Endpoint MinerU: Ustaw MINERU_API_URL w mcp.json na adres URL lokalnej usługi MinerU
2. Uruchomienie usługi
Buduj obrazy dockera: docker compose build
Z Docker Compose:
  
`bash
  docker compose up -d
  `
Uruchamianie lokalnie:
  `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 ---