- [04/2026] 🔥 SlideRAG 已开源。
- [04/2026] ✨ 新增飞书与 WhatsApp 渠道接入，让同一套 SlideRAG Agent 可运行在更多聊天平台。
🎓 SlideRAG 是一个面向演示文稿（PPT/PPTX）理解场景的端到端智能助手。
🧠 与纯文本文档问答系统不同，SlideRAG 将每一页幻灯片视为结构化多模态单元，并结合解析、检索与 Agent 工具调用。
📌 项目聚焦两个学习场景：课前预习与考前复习。
这段视频以产品化视角展示了 SlideRAG 的核心能力，并完整演示了用户侧使用流程：从上传课件、查看解析结果，到围绕 PPT 内容进行多轮问答。
283d7dc3010f5cc719306119e71a9e2e.mp4
以下是一个例子，展示了 SlideRAG 在多模态幻灯片内容和结构理解方面的功能表现：
 |
 |
 |
 |
 |
 |
问答案例截图：
 |
 |
 |
 |
- 🖼️ PPT 优先的多模态 RAG 管线：使用统一多模态解析器与图检索 + 向量检索混合引擎，支持基于文本、图像、表格、公式的可溯源问答。
- 🪄 面向“高压缩表达”页面的隐式信息扩展：识别信息密度高、文字简略的页面，并补全为有依据的解释性内容。
- 🔗 页面主题抽取与结构关联：抽取页级主题并链接相关页面，建模长课件中的章节连续性。
- 🤝 易于使用：同一后端支持 Web、QQ、飞书、微信、WhatsApp（Bridge 模式），便于在熟悉的学习场景中直接使用。
本节帮助你先快速启动 Web 版本，再按需接入 QQ、飞书、微信或 WhatsApp。
git clone https://github.com/Hitlh/SlideRAG.git
cd SlideRAG
# 核心依赖
pip install -e .
# 可选渠道依赖
pip install -e .[qq]
pip install -e .[feishu]
pip install -e .[weixin]
pip install -e .[whatsapp]
pip install -e .[channels]由于项目聚焦 PPT 理解，还需要安装 LibreOffice 作为系统依赖：
- Ubuntu/Debian：
sudo apt-get install libreoffice - Windows：从官网下载安装包：https://www.libreoffice.org/
- macOS：
brew install --cask libreoffice
将 env.project.example 的内容复制为 .env 文件，并填入你的密钥与模型配置。
说明：如果你希望调整更高级的解析/上下文行为（例如
SUMMARY_LANGUAGE、隐式扩展选项、上下文窗口等），请编辑env.project.example中的 Advanced parser/context options (optional) 小节。
国内用户提示：MinerU 默认使用 Hugging Face。若访问不稳定，可在运行前切换到 ModelScope：
export MINERU_MODEL_SOURCE=modelscope
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=your_base_url
# SlideRAG 管线使用的文本与视觉模型
TEXT_LLM_MODEL=gpt-5.4
VLM_MODEL=gpt-5.4# rag_agent 循环的提供方: openai | anthropic
AGENT_PROVIDER=openai
AGENT_MODEL=gpt-5.4
# Anthropic 提供方配置（仅在 AGENT_PROVIDER=anthropic 时需要）
# 若留空，运行时可能回退到 OPENAI_API_KEY / OPENAI_BASE_URL。
ANTHROPIC_API_KEY=
ANTHROPIC_BASE_URL=streamlit run client/app.py启动后，打开终端输出的 Streamlit 地址，即可围绕 PPT 文件开始提问。
SlideRAG 支持将同一问答 Agent 接入 QQ、飞书、微信与 WhatsApp（Bridge 模式）。
- 创建一个 QQ 机器人。
- 进入 QQ 开放平台（https://q.qq.com/#/），登录并创建机器人。
- 在机器人控制台进入“开发控制”，复制
APPID和APPSecret。 - 进入“沙箱配置”，在“在消息列表配置”中选择“添加成员”，填写你的 QQ 号并扫码。
- 将要对话的文件放到目录中（默认：
./uploaded_docs）。 - 配置 QQ 环境变量：
QQ_ENABLED=false # 设为 true 启用 QQ 集成
QQ_APP_ID= # QQ 开放平台的 APPID
QQ_SECRET= # QQ 开放平台的 APPSecret
QQ_ALLOW_FROM=* # 允许的发送者，* 表示全部允许
QQ_TARGET_FILE= # 默认对话文件，可通过 /file <filename> 切换
QQ_UPLOADED_DOCS_DIR=./uploaded_docs # 源文件存放目录
# 启动就绪通知
QQ_STARTUP_NOTIFY_ENABLED=true # Agent 就绪后发送启动通知
QQ_STARTUP_NOTIFY_MESSAGE=rag agent is ready. # 启动通知文案
QQ_STARTUP_NOTIFY_CHAT_ID= # 启动通知目标会话/用户 ID- 启动 QQ 后端：
python3 -m client.qq.runtime
# 或
sliderag-qq- 开始聊天。可通过
/file <filename>切换当前文档。
- 进入飞书开放平台。中国区可使用 open.feishu.cn，海外区可使用 open.larksuite.com。
- 创建一个应用，并添加“机器人”能力。
- 在开发配置 > 权限管理中，开通消息相关权限：
- im:message
- im:message.p2p_msg:readonly
- 在开发配置 > 事件与回调中使用长连接接收事件，然后添加事件：
- im.message.receive_v1
- 在“凭证与基础信息”中保存 App ID 和 App Secret。
- 发布你的应用。
- 将要对话的文件放到目录中（默认：
./uploaded_docs）。 - 配置飞书环境变量：
FEISHU_ENABLED=true
FEISHU_APP_ID=
FEISHU_APP_SECRET=
FEISHU_ENCRYPT_KEY=
FEISHU_VERIFICATION_TOKEN=
FEISHU_ALLOW_FROM=*
# feishu（中国）| lark（海外）
FEISHU_DOMAIN=feishu
# 可选：启动时自动 ingest 的目标文件
FEISHU_TARGET_FILE=
# 运行目录
FEISHU_UPLOADED_DOCS_DIR=./uploaded_docs
FEISHU_INGEST_OUTPUT_DIR=./output
FEISHU_RAG_WORKING_DIR=./rag_storage_by_feishu_file
FEISHU_RUNTIME_STATE_DIR=./rag_storage_feishu_runtime
# 启动就绪通知
FEISHU_STARTUP_NOTIFY_ENABLED=true
FEISHU_STARTUP_NOTIFY_MESSAGE=agent is ready.
FEISHU_STARTUP_NOTIFY_CHAT_ID=- 启动飞书后端：
python3 -m client.feishu.runtime- 如果你要使用
FEISHU_ALLOW_FROM或FEISHU_STARTUP_NOTIFY_CHAT_ID，先在飞书里发一条消息，再到运行日志里查看sender_id。
- 将要对话的文件放到目录中（默认：
./uploaded_docs）。 - 配置微信环境变量：
WEIXIN_ENABLED=true # 设为 true 启用微信集成
WEIXIN_ALLOW_FROM=* # 允许的发送者，* 表示全部允许
WEIXIN_TARGET_FILE= # 默认对话文件，可通过 /file <filename> 切换
WEIXIN_UPLOADED_DOCS_DIR=./uploaded_docs # 源文件存放目录
WEIXIN_STARTUP_NOTIFY_ENABLED=true # Agent 就绪后发送启动通知
WEIXIN_STARTUP_NOTIFY_MESSAGE=agent is ready. # 启动通知文案
WEIXIN_STARTUP_NOTIFY_CHAT_ID= # 启动通知目标会话/用户 ID- 启动微信后端：
python3 -m client.weixin.runtime
# 使用 -r 可强制重新登录
python3 -m client.weixin.runtime -r- 首次登录时扫码。
- 开始聊天。可通过
/file <filename>切换当前文档。
SlideRAG 的 WhatsApp 通道采用本地 WebSocket Bridge（协议消息：message/status/qr/error，send/send_media）。
- 启动本仓库自带的本地 WhatsApp Bridge（默认地址
ws://127.0.0.1:3001），并保持进程常驻。 Bridge 启动示例：
cd /path/to/SlideRAG/bridge
npm install
npm run build
export BRIDGE_PORT=3001
export BRIDGE_TOKEN=replace_with_secret
export AUTH_DIR=/abs/path/to/wa_auth
npm start其中 BRIDGE_TOKEN 必须与 SlideRAG .env 中的 WHATSAPP_BRIDGE_TOKEN 保持一致。
温馨提示：如果你是用同一个 WhatsApp 账号给自己发消息做测试， 启动 bridge 前请设置
export WHATSAPP_ACCEPT_FROM_ME=true。
- 配置 WhatsApp 环境变量：
WHATSAPP_ENABLED=true
WHATSAPP_ALLOW_FROM=* # 允许的 sender/chat id，* 表示全部允许
WHATSAPP_BRIDGE_URL=ws://127.0.0.1:3001 # 本地 Bridge 地址
WHATSAPP_BRIDGE_TOKEN=replace_with_secret # 必须与 Bridge 的 BRIDGE_TOKEN 一致
WHATSAPP_RECONNECT_DELAY_S=5
WHATSAPP_SEND_RETRY_ATTEMPTS=3 # 出站发送失败重试次数
WHATSAPP_SEND_RETRY_DELAY_MS=400 # 出站重试间隔（毫秒）
WHATSAPP_ACCEPT_GROUP_MESSAGES=true # 是否接收群消息
WHATSAPP_REQUIRE_MENTION_IN_GROUP=true # 群聊中是否仅在被 @ 时回复
WHATSAPP_TARGET_FILE= # 可选；默认文档，可通过 /file <filename> 切换
WHATSAPP_UPLOADED_DOCS_DIR=./uploaded_docs
WHATSAPP_INGEST_OUTPUT_DIR=./output
WHATSAPP_RAG_WORKING_DIR=./rag_storage_by_whatsapp_file
WHATSAPP_RUNTIME_STATE_DIR=./rag_storage_whatsapp_runtime
WHATSAPP_STARTUP_NOTIFY_ENABLED=true
WHATSAPP_STARTUP_NOTIFY_MESSAGE=agent is ready.
WHATSAPP_STARTUP_NOTIFY_CHAT_ID=- 启动 WhatsApp 后端：
python3 client/whatsapp/runtime.py
# 或
sliderag-whatsapp- 开始聊天。支持：
- 普通问答消息
/file <filename>切换当前文档/status查看运行状态（bridge/whatsapp 连接、队列长度、当前模型与文档）
在 QQ/微信/WhatsApp 先发送一条消息，然后查看运行日志中类似下面的内容：
Inbound message: chat_id=..., sender_id=...
将其中的 sender_id 用于白名单和启动通知目标。
| 项目 | 说明 | 链接 |
|---|---|---|
| RAG-Anything | RAG-Anything: All-in-One RAG Framework | GitHub |
| nanobot | nanobot: The Ultra-Lightweight Personal AI Assistant | GitHub |
如果你觉得本项目对你有帮助，欢迎引用：
@software{sliderag2026,
title={SlideRAG: PPT-Centric Multimodal RAG for Study Preview and Exam Review},
author={He Liu,Jiahao Zhang},
year={2026},
url={https://github.com/Hitlh/SlideRAG}
}