refactor: 统一使用 OpenAI 兼容 API，支持自定义 base_url/key/model

- 移除 Gemini 和 Ollama 独立适配，统一使用 ChatOpenAI + base_url
- config.ini 简化为 BASE_URL / API_KEY / MODEL / TEMPERATURE / MAX_RETRIES
- 新增 config.example.ini 示例配置
- 移除 langchain-google-genai / langchain-ollama / pymupdf 依赖
- main.py 新增断点续跑：跳过已有 index.md / index_refined.md
- LLM 请求支持 max_retries 自动重试（默认 3 次）
- 优化 README

README.md

@@ -1,62 +1,86 @@
-## 留子课程幻灯片整理翻译工具
+# 留子课程幻灯片整理翻译工具
 
-本工具旨在为海外留学生提供一个高效、智能的课程资料处理解决方案，以应对他们在学习过程中遇到的语言障碍和复杂的幻灯片整理挑战。
+将课程 PDF 幻灯片自动转换为结构化中文 Markdown，利用 LLM 优化排版、解释图片、翻译并保留英文专业术语。
 
-许多留学生在面对英文或其他语言的课程幻灯片时，不仅需要理解专业内容，还要克服语言隔阂，并且手动整理和翻译耗时费力，容易遗漏关键信息，尤其是在处理含有大量图表的幻灯片时。
+## 功能
 
-### 程序功能
+- **PDF → Markdown**：自动将 PDF 转为结构化 Markdown
+- **智能排版**：LLM 优化格式、修正标题层级、修复数学公式
+- **图片注解**：自动识别图片内容并添加说明
+- **中文翻译**：翻译为简体中文，保留专业术语英文原文（如 `磁共振成像(MRI)`）
+- **断点续跑**：自动跳过已完成的步骤，支持中断后继续
 
-1.  **自动化内容提取与转换：** 将 PDF 格式的课程幻灯片**自动转换为结构化的 Markdown 格式**，便于后续编辑和阅读。
+## 前置要求
-2.  **智能格式优化与增强：** 利用**大型语言模型 (LLM) 进行深度处理，对转换后的 Markdown 内容进行微调，优化版面格式，并智能地为图片增加注解**，提升理解效率。
-3.  **精准专业翻译：** 将内容**翻译成简体中文，同时智能识别并保留专业名词的英文原文注解**，确保专业术语的准确性，避免翻译歧义，让学生在中文语境下理解内容的同时，也能熟悉和掌握专业英文表达。
 
-### 前置要求
+- Nvidia GPU（docling 转换需要）
+- OpenAI 兼容 API（支持 OpenAI / DeepSeek / 通义千问 / Ollama 等）
 
-- Nvidia GPU
+## 安装
-- LLMs API Key
-  - Gemini
-  - OpenAI
-  - Ollama
 
-### 安装
+```bash
+pip install uv
+uv venv
+uv sync
+```
 
-1.  **安装 uv：** 如果您尚未安装 `uv`，请按照官方文档进行安装。通常可以使用 pip 安装：
+## 配置
 
-    ```bash
+复制 `config.example.ini` 为 `config.ini` 并填入你的 API 信息：
-    pip install uv
-    ```
 
-2.  **安装依赖：** 在项目根目录下，使用 `uv` 安装所有必要的依赖：
+```bash
+cp config.example.ini config.ini
+```
 
-    ```bash
+`config.ini` 格式：
-    uv venv
-    uv sync
-    ```
-
-### 配置
-
-本项目使用 `config.ini` 文件来管理 API 密钥。请确保在运行程序之前，在项目根目录下创建 `config.ini` 文件，并按照以下格式配置:
 
 ```ini
 [llm]
-# openai/gemini/ollama
+BASE_URL = https://api.openai.com/v1
-PROVIDER = openai
+API_KEY = sk-xxxx
-GEMINI_MODEL_NAME = gemini-2.5-flash
+MODEL = gpt-4o
-OPENAI_MODEL_NAME = gpt-5-mini
-OLLAMA_MODEL_NAME = gemma3:latest
-OLLAMA_BASE_URL = http://localhost:11434
 TEMPERATURE = 0.7
-GOOGLE_API_KEY =
+MAX_RETRIES = 3
-OPENAI_API_KEY=
 ```
 
-### 使用方法
+**常见服务配置：**
 
-1.  将需要处理的 PDF 文件放入 `input` 目录下。
+| 服务 | BASE_URL | MODEL 示例 |
-2.  运行 `main.py` 脚本。程序将自动处理 `input` 目录下的所有 PDF 文件。请使用 `uv run` 命令来执行脚本，以确保在正确的虚拟环境中运行：
+|------|----------|-----------|
-    ```bash
+| OpenAI | `https://api.openai.com/v1` | `gpt-4o` |
-    uv run python main.py
+| DeepSeek | `https://api.deepseek.com/v1` | `deepseek-chat` |
-    ```
+| 通义千问 | `https://dashscope.aliyuncs.com/compatible-mode/v1` | `qwen-max` |
+| Ollama | `http://localhost:11434/v1` | `gemma3:latest` |
+
+> Ollama 的 `API_KEY` 可填任意值（如 `ollama`）。
+
+环境变量 `OPENAI_API_KEY` / `OPENAI_BASE_URL` 也可配置，优先级低于 `config.ini`。
+
+## 使用
+
+将 PDF 放入 `input/` 目录，然后运行：
+
+```bash
+uv run python main.py
+```
+
+输出结构：
+
+```
+output/
+└── 课程名称/
+    ├── index.md            # PDF 转 Markdown
+    ├── index_refined.md    # LLM 精炼翻译
+    └── images/             # 提取的图片
+```
+
+### 断点续跑
+
+程序会自动跳过已完成的步骤：
+
+- `index_refined.md` 已存在 → **跳过整个文件**
+- `index.md` 已存在但 `index_refined.md` 不存在 → **跳过 PDF 转换，仅运行 LLM 精炼**
+
+如需重新处理，删除对应的输出文件即可。
 
 ## 引用
 
@@ -67,8 +91,8 @@ OPENAI_API_KEY=
 
 ### docling 转换 PDF 时报错
 
-可能是 PDF 文件不规范导致的，可以尝试使用 ghostscript 规范文件。
+可能是 PDF 不规范，用 ghostscript 修复：
 
-```shell
+```bash
-gs -o <output.pdf> -sDEVICE=pdfwrite -dPDFSETTINGS=/default <input.pdf>
+gs -o output.pdf -sDEVICE=pdfwrite -dPDFSETTINGS=/default input.pdf
 ```

config.example.ini

@@ -0,0 +1,8 @@
+[llm]
+# API 配置 (支持任何 OpenAI 兼容 API)
+BASE_URL = https://api.openai.com/v1
+API_KEY = sk-xxxx
+MODEL = gpt-4o
+TEMPERATURE = 0.7
+# 请求失败自动重试次数 (默认 3)
+MAX_RETRIES = 3

llm.py

@@ -5,70 +5,36 @@ import os
 def set_api_key() -> None:
     config = configparser.ConfigParser()
     config.read("config.ini")
-    provider = config.get("llm", "PROVIDER", fallback="gemini")
+    api_key = config.get("llm", "API_KEY", fallback=None)
-    if provider == "gemini":
-        set_gemini_api_key()
-    elif provider == "ollama":
-        set_ollama_config()
-    elif provider == "openai":
-        set_openai_api_key()
-
-
-def set_openai_api_key() -> None:
-    config = configparser.ConfigParser()
-    config.read("config.ini")
-    openai_api_key = config.get("llm", "OPENAI_API_KEY", fallback=None)
     if not os.environ.get("OPENAI_API_KEY"):
-        if openai_api_key:
+        if api_key:
-            os.environ["OPENAI_API_KEY"] = openai_api_key
+            os.environ["OPENAI_API_KEY"] = api_key
         else:
             raise ValueError(
-                "Error: OPENAI_API_KEY not found in config.ini or environment variables"
+                "Error: API_KEY not found in config.ini or environment variables"
             )
-    return
 
 
-def set_gemini_api_key() -> None:
+def get_base_url() -> str | None:
     config = configparser.ConfigParser()
     config.read("config.ini")
-    google_api_key = config.get("llm", "GOOGLE_API_KEY", fallback=None)
+    base_url = config.get("llm", "BASE_URL", fallback=None)
-
+    return base_url or os.environ.get("OPENAI_BASE_URL")
-    if not os.environ.get("GOOGLE_API_KEY"):
-        if google_api_key:
-            os.environ["GOOGLE_API_KEY"] = google_api_key
-        else:
-            raise ValueError(
-                "Error: GOOGLE_API_KEY not found in config.ini or environment variables"
-            )
-    return
-
-
-def set_ollama_config() -> None:
-    config = configparser.ConfigParser()
-    config.read("config.ini")
-    ollama_base_url = config.get(
-        "llm", "OLLAMA_BASE_URL", fallback="http://localhost:11434"
-    )
-
-    if not os.environ.get("OLLAMA_BASE_URL"):
-        os.environ["OLLAMA_BASE_URL"] = ollama_base_url
-    return
 
 
 def get_model_name() -> str:
     config = configparser.ConfigParser()
     config.read("config.ini")
-    provider = config.get("llm", "PROVIDER", fallback="gemini")
+    return config.get("llm", "MODEL", fallback="gpt-4o")
-    if provider == "gemini":
-        return config.get("llm", "GEMINI_MODEL_NAME", fallback="gemini-2.5-flash")
-    elif provider == "ollama":
-        return config.get("llm", "OLLAMA_MODEL_NAME", fallback="gemma3:latest")
-    elif provider == "openai":
-        return config.get("llm", "OPENAI_MODEL_NAME", fallback="gpt-5-mini")
-    return "gemini-2.5-flash"  # Default fallback
 
 
 def get_temperature() -> float:
     config = configparser.ConfigParser()
     config.read("config.ini")
     return float(config.get("llm", "TEMPERATURE", fallback=0.7))
+
+
+def get_max_retries() -> int:
+    config = configparser.ConfigParser()
+    config.read("config.ini")
+    return int(config.get("llm", "MAX_RETRIES", fallback=3))

main.py

@@ -1,6 +1,7 @@
 import os
 from pdf_convertor import (
     convert_pdf_to_markdown,
+    load_md_file,
     save_md_images,
     refine_content,
 )
@@ -24,12 +25,29 @@ def main():
 
         current_output_dir.mkdir(parents=True, exist_ok=True)
 
+        index_md = current_output_dir / "index.md"
+        refined_md = current_output_dir / "index_refined.md"
+
+        # 整个跳过：已存在精炼结果，跳过该文件
+        if refined_md.exists():
+            print(f"Skipping {pdf_path.name}: already processed (index_refined.md exists)")
+            continue
+
         print(f"Processing {pdf_path} -> {current_output_dir}")
 
         with open(pdf_path, "rb") as pdf_file:
             pdf_content = pdf_file.read()
-            md, images = convert_pdf_to_markdown(pdf_content)
+
-            save_md_images(current_output_dir, md, images)
+            # 部分跳过：已存在转换结果，跳过 PDF 转 MD
+            if index_md.exists():
+                print(f"  Skipping PDF→MD conversion: index.md already exists")
+                md, images = load_md_file(index_md)
+            else:
+                md, images = convert_pdf_to_markdown(pdf_content)
+                save_md_images(current_output_dir, md, images)
+
+            # 部分跳过：已存在精炼结果，跳过 LLM 精炼
+            # (前面已检查整个跳过，这里不需要再检查)
 
             try:
                 md = refine_content(md, images, pdf_content)

pdf_convertor.py

@@ -1,6 +1,5 @@
 import re
 import base64
-import os
 from docling.datamodel.accelerator_options import AcceleratorDevice, AcceleratorOptions
 from docling.datamodel.base_models import InputFormat
 from docling.datamodel.pipeline_options import (
@@ -11,14 +10,11 @@ from docling.datamodel.settings import settings
 from docling.document_converter import DocumentConverter, PdfFormatOption
 from docling_core.types.doc.base import ImageRefMode
 from langchain_core.messages import HumanMessage, SystemMessage
-from langchain_google_genai import ChatGoogleGenerativeAI
-from langchain_ollama import ChatOllama
 from langchain_openai import ChatOpenAI
-from llm import set_api_key, get_model_name, get_temperature
+from llm import set_api_key, get_model_name, get_temperature, get_base_url, get_max_retries
 from io import BytesIO
 from pathlib import Path
-import configparser
+import base64
-import fitz
 
 
 def save_md_images(
@@ -117,35 +113,21 @@ def convert_pdf_to_markdown(pdf: bytes) -> tuple[str, dict[str, bytes]]:
 def refine_content(md: str, images: dict[str, bytes], pdf: bytes) -> str:
     """Refines the Markdown content using an LLM."""
 
-    config = configparser.ConfigParser()
-    config.read("config.ini")
-    provider = config.get("llm", "PROVIDER", fallback="gemini")
-
     set_api_key()
 
     try:
-        if provider == "gemini":
+        kwargs = {
-            llm = ChatGoogleGenerativeAI(
+            "model": get_model_name(),
-                model=get_model_name(), temperature=get_temperature()
+            "temperature": get_temperature(),
-            )
+        }
-        elif provider == "ollama":
+        base_url = get_base_url()
-            llm = ChatOllama(
+        if base_url:
-                model=get_model_name(),
+            kwargs["base_url"] = base_url
-                temperature=get_temperature(),
+        kwargs["max_retries"] = get_max_retries()
-                base_url=os.environ["OLLAMA_BASE_URL"],
+        llm = ChatOpenAI(**kwargs)
-                num_ctx=256000,
-                num_predict=-1,
-            )
-        elif provider == "openai":
-            llm = ChatOpenAI(
-                model=get_model_name(),
-                temperature=get_temperature(),
-            )
-        else:
-            raise ValueError(f"Unsupported LLM provider: {provider}")
     except Exception as e:
         raise BaseException(
-            f"Error initializing LLM. Make sure your LLM configuration is correct. Error: {e}"
+            f"Error initializing LLM. Make sure your configuration is correct. Error: {e}"
         )
 
     with open("pdf_convertor_prompt.md", "r") as f:
@@ -204,36 +186,16 @@ def refine_content(md: str, images: dict[str, bytes], pdf: bytes) -> str:
         }
     )
 
-    if provider == "gemini" or provider == "openai":
+    human_message_parts.extend(
-        human_message_parts.extend(
+        [
-            [
+            {
-                {
+                "type": "file",
-                    "type": "file",
+                "base64": base64.b64encode(pdf).decode("utf-8"),
-                    "base64": base64.b64encode(pdf).decode("utf-8"),
+                "mime_type": "application/pdf",
-                    "mime_type": "application/pdf",
+                "filename": "origin.pdf",
-                    "filename": "origin.pdf",
+            },
-                },
+        ]
-            ]
+    )
-        )
-    if provider == "ollama":
-        doc = fitz.open(stream=pdf, filetype="pdf")
-        for page_num in range(doc.page_count):
-            page = doc.load_page(page_num)
-            pix = page.get_pixmap()
-            img_bytes = pix.tobytes("png")
-            human_message_parts.append(
-                {
-                    "type": "text",
-                    "text": f"This is page {page_num + 1} of the original PDF file:\n",
-                }
-            )
-            human_message_parts.append(
-                {
-                    "type": "image_url",
-                    "image_url": f"data:image/png;base64,{base64.b64encode(img_bytes).decode('utf-8')}",
-                }
-            )
-        doc.close()
 
     message_content = [
         SystemMessage(content=prompt),
@@ -241,7 +203,7 @@ def refine_content(md: str, images: dict[str, bytes], pdf: bytes) -> str:
     ]
 
     print(
-        f"Sending request to {provider} with the PDF, Markdown and referenced images... This may take a moment."
+        "Sending request to LLM with the PDF, Markdown and referenced images... This may take a moment."
     )
     try:
         response = llm.invoke(message_content)
@@ -250,7 +212,7 @@ def refine_content(md: str, images: dict[str, bytes], pdf: bytes) -> str:
         raise BaseException(f"An error occurred while invoking the LLM: {e}")
 
     if str(refined_content) == "":
-        raise BaseException(f"Response of {provider} is empty")
+        raise BaseException("Response of LLM is empty")
 
     return fix_output(str(refined_content))
 

pyproject.toml

@@ -7,9 +7,5 @@ requires-python = ">=3.13"
 dependencies = [
     "docling>=2.57.0",
     "langchain>=1.0.2",
-    "langchain-community>=0.4.1",
-    "langchain-google-genai>=3.0.0",
-    "langchain-ollama>=1.0.0",
     "langchain-openai>=1.0.2",
-    "pymupdf>=1.26.6",
 ]