前言

在现代研究和商业领域，信息的收集与分享速度比以往任何时候都更加重要。然而，“ 阅读论文并将其总结为演示幻灯片 ”这一任务，至今仍是耗时最长的创意任务之一。

为了解决这一问题，我开发了 Paper2Slides 。该工具是一款只需上传论文 PDF，即可自动生成精美幻灯片的 AI 应用。

在本设计文档中，我将分享 Paper2Slides 的技术背景、架构设计以及实现细节。

该项目的目标不仅仅是“总结”。 而是要创造一个“能够完成到最终输出形式（幻灯片）的助手”，让用户只需专注于检查和演示。

项目概述

核心理念

• 零操作（Zero Touch） ：最少化的用户设置，上传即生成。
• 默认精美（Beauty as Default） ：利用 Marp 主题，默认提供精美的幻灯片设计。
• 开发者友好（Developer Friendly） ：采用基于 Markdown 的开放架构。

核心技术栈

系统架构

系统由简单且稳健的无服务器（Serverless）架构组成。

1. 超大上下文 PDF 处理

Paper2Slides 活用了 Gemini 2.0 Flash 。由于其具备 100 万 Token 的上下文窗口，因此可以一次性输入超长论文甚至多篇相关论文。

以往通常采用 RAG（检索增强生成）方法提取必要部分并输入 AI。但在“幻灯片结构化”过程中，往往需要理解论文的全局上下文，Gemini 的超大上下文在此展现出了巨大优势。

2. 基于 Markdown 的幻灯片生成

幻灯片引擎采用了 Marp 。Marp 是一款可以将 Markdown 转换为精美幻灯片的工具。

为何选择 Marp？

• 一致性 ：LLM 的输出本就是 Markdown，因此契合度极高。
• 版本控制 ：幻灯片内容可以作为文本进行管理。
• 样式定制 ：可以通过 CSS 轻松进行自定义。

关键实现细节

提示词工程（Prompt Engineering）

该应用最重要的部分就是“幻灯片生成的提示词”。我使用以下系统提示词来指导结构和设计。

PDF 提取与文本预处理

PDF 提取使用了 pdf-parse 等库或云原生 OCR。为了针对 Gemini 优化 Token 使用，在输入前会尽可能剔除多余的页眉、页脚及参考文献信息。

实时预览

在前端使用 @marp-team/marp-react，提供生成过程中 Markdown 的实时预览。这使得用户可以在 AI 生成的同时即时确认幻灯片质量。

挑战与对策

1. AI 的“幻觉（Hallucination）”

问题 ：AI 偶尔会引用不存在的数据或产生错误的总结。 对策 ：实现引用机制。明确指令 AI“标明信息来源章节”，提高透明度以便用户进行交叉核对。

2. 样式处理的难度

问题 ：用 Markdown 生成复杂的布局（如两栏分布）比较困难。 对策 ：使用 Marpit 的 Directives。通过在生成的 Markdown 中嵌入预定义的 CSS 类，使得利用 LLM 表现复杂布局成为可能。

未来路线图

1. 多语言支持 ：在幻灯片生成过程中添加翻译功能。
2. 图表自动生成 ：与 Mermaid.js 集成，实现流程图等的自动生成。
3. 模板商店 ：允许用户上传和分享自定义的 Marp 主题。
4. 集成方案 ：支持 PowerPoint (PPTX) 导出。

结语

Paper2Slides 不仅仅是一个 AI 总结工具，它是研究人员和商务人士的“创意增强器”。通过将信息格式转换的机械性工作自动化，人类可以回归到“思考与分享”这一本质任务中。

AI 工具的未来在于“输出格式的整合”。打通从文本到视觉演示的路径，将显著改变人类的知识分享方式。

参考链接

• Gemini 文档
• Marp 官网
• Vercel 部署指南