License Python Node.js

Thinking 是一个类似 NotebookLM 的知识处理系统,帮助用户通过 AI 技术分析、总结和重新组织知识文档。支持多种知识输入源(文件上传、URL抓取),通过自然语言对话进行知识加工,最终生成 Markdown 或 PDF 格式的新文档。

• 文件上传:支持 PDF、Markdown 格式文档上传
• URL 抓取:智能抓取网页内容,自动提取标题、正文、图片和表格,转换为 Markdown 文档
• 图片处理:自动下载并本地化存储图片,使用相对路径引用

• 左栏 - 文件库:管理所有上传和抓取的知识文档
• 中栏 - 选中文件:灵活选择一个或多个文档作为分析输入
• 右栏 - 加工区:对话式 AI 交互界面,实时生成和预览内容

• 多轮对话:通过自然语言与 AI 交互,逐步完善分析需求
• 上下文理解:基于选中的文档内容进行智能分析和总结
• 实时响应:流式输出,即时查看 AI 生成的内容

• Markdown 导出:保留原始格式和结构
• PDF 导出:专业排版,适合打印和分享
• 思维导图生成:自动从内容生成可视化 XML 思维导图

• 支持多种大模型:Qoder Assistant、百炼平台、智谱 GLM-4-Flash
• 本地数据存储,保护隐私安全
• 无需用户认证,开箱即用

• Python: 3.11 或更高版本
• Node.js: 18 或更高版本
• 系统: macOS, Linux, Windows

git clone git@github.com:logan-xuan/Thinking.git
cd Thinking

cd backend
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 安装依赖
pip install -r requirements.txt
# 配置环境变量
cp .env.example .env
# 编辑 .env 文件,配置大模型和存储路径

后端环境变量配置 (.env):

# 数据库配置
DATABASE_URL=sqlite:///xknowledge/db/thinking.db
# 大模型配置(选择其一)
LLM_PROVIDER=qoder # 可选: qoder, bailian, zhipu
# 百炼平台配置(如果使用 bailian)
BAILIAN_API_KEY=your_api_key
BAILIAN_MODEL=qwen-turbo
# 智谱配置(如果使用 zhipu)
ZHIPU_API_KEY=your_api_key
ZHIPU_MODEL=glm-4-flash
# 存储路径
STORAGE_PATH=xknowledge
# 开发模式
DEBUG=true

# 在 backend 目录下
playwright install chromium

cd ../frontend
# 安装依赖
npm install
# 配置环境变量
cp .env.example .env
# 编辑 .env 文件,配置 API 地址

前端环境变量配置 (.env):

VITE_API_BASE_URL=http://localhost:8000

cd backend
source venv/bin/activate # Windows: venv\Scripts\activate
python -m uvicorn src.main:app --reload --host 0.0.0.0 --port 8000

后端服务将运行在 http://localhost:8000

打开新的终端窗口:

cd frontend
npm run dev

前端服务将运行在 http://localhost:5173

1. 在浏览器中打开 http://localhost:5173
2. 在左侧文件库上传 PDF/MD 文件,或输入 URL 抓取网页内容
3. 从文件库中选择一个或多个文档到中间栏
4. 在右侧对话框输入分析需求,与 AI 交互
5. 导出生成的内容为 Markdown 或 PDF 格式

• 点击文件库顶部的"上传文件"按钮
• 支持 PDF 和 Markdown 格式
• 文件大小限制:50MB

• 点击"添加 URL"按钮
• 输入完整的网页地址
• 系统自动抓取标题、正文、图片和表格
• 生成的 Markdown 文档自动保存到文件库

• 在左侧文件库中点击文档名称
• 选中的文档将显示在中间栏
• 支持多选,组合不同文档进行综合分析
• 点击"清空选择"可取消所有选中

在右侧对话框输入指令,例如:

• "请总结这些文档的核心观点"
• "提取所有技术要点并整理成清单"
• "基于这些内容写一篇技术文章"
• "生成这些知识的思维导图"

• 点击"导出 Markdown"生成 .md 文件
• 点击"导出 PDF"生成 .pdf 文件
• 点击"生成思维导图"查看 XML 格式的思维导图可视化

Thinking/
├── backend/ # Python 后端服务
│ ├── src/
│ │ ├── api/ # API 路由
│ │ ├── db/ # 数据库配置
│ │ ├── models/ # 数据模型
│ │ ├── services/ # 业务逻辑
│ │ └── main.py # 应用入口
│ ├── tests/ # 测试代码
│ └── requirements.txt # Python 依赖
│
├── frontend/ # React 前端应用
│ ├── src/
│ │ ├── components/ # UI 组件
│ │ ├── services/ # API 服务
│ │ ├── stores/ # 状态管理
│ │ └── pages/ # 页面
│ └── package.json # Node.js 依赖
│
├── xknowledge/ # 数据存储目录
│ ├── documents/ # 上传的文档
│ ├── images/ # 图片资源
│ ├── exports/ # 导出的文件
│ └── db/ # SQLite 数据库
│
├── specs/ # 功能规格文档
├── openspec/ # OpenSpec 变更管理
└── README.md # 项目说明

• 框架: FastAPI
• 数据库: SQLite + SQLAlchemy
• PDF 处理: PyMuPDF
• 网页抓取: Trafilatura, BeautifulSoup4, Playwright
• PDF 生成: WeasyPrint
• 大模型: OpenAI SDK(兼容多种模型)

• 框架: React 19
• 构建工具: Vite
• 样式: TailwindCSS 4
• 状态管理: Zustand
• UI 组件: 自定义组件库
• 思维导图: Markmap

启动后端服务后,访问以下地址查看自动生成的 API 文档:

• Swagger UI: http://localhost:8000/docs
• ReDoc: http://localhost:8000/redoc

欢迎提交 Issue 和 Pull Request!

1. Fork 本仓库
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'feat: add some amazing feature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

遵循 Conventional Commits 规范:

• feat: 新功能
• fix: 修复问题
• docs: 文档更新
• style: 代码格式调整
• refactor: 代码重构
• test: 测试相关
• chore: 构建/工具链更新

本项目采用 MIT 许可证 - 详见 LICENSE 文件

• 灵感来源于 Google NotebookLM
• 感谢所有开源贡献者

• 项目主页: https://github.com/logan-xuan/Thinking
• Issue 反馈: https://github.com/logan-xuan/Thinking/issues

⭐ 如果这个项目对你有帮助,请给个 Star!