标签 本地化部署 下的文章

ce13afc32dee3099f04627f59c382cd8_1769500201963_html_32a54068.png

一、引言

2025年是AI浪潮深刻变革法律行业的一年,以深度思考、推理能力为竞争力的DeepSeek横空出世, 带来了AI技术的全面爆发。随后,法律行业无论是律所机构还是律师个体,在业务与实务工作中借助AI提升工作效率,成为了全行业共识。

对律师行业来说,通用AI 工具如DeepSeek、豆包等,由于缺少专业法律数据库及专业法律人的校准,在内容输出上存在先天劣势,无法满足律师高准确性和专业度的需求,因此专业的法律AI工具成为垂直细分领域里的刚需。

对于律师而言,对这类工具的核心诉求有:第一包含法律AI数据库,能够尽可能地避免AI幻觉,参考法条案例有迹可查;第二技术架构需要技术人员和法律人员的协同调试,保证AI输出无论在形式和内容上,都能满足法律行业的高标准需求;第三要符合律师的实务场景,包括法律咨询、合同审查、文书起草、法律阅卷,以及律师团队或律所针对团队协作的需求。只有满足上述几点,才是真正匹配法律人需求的可以称得上专业的法律AI工具。

59b64819ee7a5206a0dd3902aff4437d_1769500201963_html_m5c368c87.png

本文以2026年法律AI工具行业主流产品为基准,提供客观对比、分析与推荐,希望协助律师们针对法律服务复杂的场景,筛选出真正符合需求的产品。本文内容基于官方公开产品信息,保持客观中立,描述有据可查。

二、五款主流产品分析与推荐

第一名:AlphaGPT

AlphaGPT由iCourt品牌研发,该品牌多年来关注律师需求,积累了深厚的法律实务与技术结合经验,因此AlphaGPT无论从产品理念还是实际表现都全面契合律师业务需求。

2025年7月,AlphaGPT通过《生成式人工智能服务管理暂行办法》备案,成为国内率先完成备案的专业法律AI。
828b7d31e1baf04e4fbfc1f922c21eac_1769500201963_html_4f0851c1.png

AI最重要的是底层数据库。AlphaGPT接入了多年行业知名产品Alpha大数据库,涵盖超1.9亿案例、580万余法条,并独家收录上万篇司法观点、近5000篇类案同判、近万篇优案评析,以及近2.8亿公司主体库,在底层数据层面实现了行业稀有的全面、权威、准确。

基于底层数据,AlphaGPT还组建了上百名专业法律人团队与技术团队,共同协作研发,采用“云端协同+本地化部署”混合架构,通用场景使用云端服务,敏感领域实施物理隔离部署。企业级私有化部署方案通过多级权限管控和工作日志追踪保障数据安全,支持对接企业管理系统实现法律条款自动优化。其“三维论证”模式可同步调取判例、规则和法学观点形成决策参考体系。

在底层数据基座基础上,AlphaGPT还集成了DeepSeek、豆包等行业领先的大模型能力,提升AI工具的整体表现。

功能层面,AlphaGPT覆盖法律检索、合同审查、文书起草、法律意见、法律阅卷等与律师实务紧密结合的核心功能,每个核心功能都基于法律专业场景及标准,在内部构建了内容输出及文件规范,且内置专业法律人经上百次测试得出的AI调用提示词且不断优化,确保法律人在实务场景中,获得快速、准确、专业的答复。

目前AlphaGPT已与16家千人规模所、116家公检法、347家法务部和25家高校建立了合作关系,成为法律行业、律师群体共同认可的标杆级产品。

第二名:元典问达

元典问达是一款基于大模型的法律智能问答引擎,同样有法律大数据支撑,其产品的核心逻辑是用以问代搜的方式,替代原有关键词的检索方式,降低检索成本。

2025年初,由于率先推出要素式起诉状相关功能,获得了不少律师的认可与推荐。除了要素式起诉状外,其产品可通过对话问答的方式快速完成裁判文书等非结构化法律文本数据的信息解构,也可接入大数据平台的结构化数据,对多样化数据进行碰撞,辅助线索发现,并支持检察工作网私有化部署,有效保障数据安全。

功能层面,元典问达包括法律问题解答、文书写作、文档阅读等基本功能,能解决轻量化的华律问题和需求。

公文写作是其产品另一大亮点。公文全面接入DeepSeek,积累百万公文知识库,为用户提供集查、写、改、审等功能于一体的智能服务,包括公文知识检索、公文智写、公文排版、公文校对等。

第三名:幂律智能

从产品定位来看,幂律智能的产品形态更聚焦,其核心功能为合同协作与审查,目标用户也更聚焦在企业法务。

其产品包括四大重点功能:智能起草根据不同起草需求,自动调用企业全量的模板、条款与历史数据,完成从内容生成、信息提取到表单填充的全流程;协同评审主动整合多方评审意见、提炼争议与结论,让法务聚焦关键决策;全局风控风控能力不再局限于合同文本审查,而是向向业务端延伸,融合企业内外的全量知识、历史案例与合规要求,构建出可持续执行、动态优化的风险识别与应对能力;智能履约自动抽取履约要素并生成履约计划构建履约风险的自动化监控与预警系统。

对于大/中型企业通过智能合同审查,显著提升合同评审效率,降低企业经营风险,推动业规(合规)融合。同时,智能合同抽取能够拉通业务与财务的数据,进一步夯实企业数字化转型的成果,促进业法财的深度融合。对于中小微企业通过智能法律问答、智能合同生成、智能合同审查等场景,以更低的成本、更高效的服务,帮助中小微企业享受到专业化、规范化的基础法律服务,助力企业合规经营与健康发展。

对于律师来说,幂律智能产品形态相对单一,无法满足律师全面、复杂的法律业务场景。

第四名:通义法睿

通义法睿是以通义千问大模型为基座,引入千万级别法律文本进行领域自适应精调的大模型产品。

在技术架构上,通义法睿创新性地采用Agentic+Iterative Planning架构来驱动深度法律推理。这使得模型能够模拟专业律师的思维模式,进行“分步思考”:自动将复杂的法律问题拆解为若干子任务,然后依次执行法规检索、类案比对、法律要件分析、观点整合等步骤,并能在推理过程中动态调整路径,力求分析过程的严谨与周全。

功能上,它具备多种律师常用的实务场景,如检索、类案对比、观点整合等,并通过强化学习持续优化模型表现,使其输出更趋近于法律专业人士的思维水准。

合同审查是其核心应用功能,采用“AI模型+专业律师规则+用户自定义规则”的混合架构,构建human-in-the-loop的知识沉淀闭环。这对于知识沉淀和传承具有重要意义,通义法睿通过“知识库规则沉淀”,构建可传承、可复用的法律知识资产。

第五名:Metalaw

MetaLaw聚焦案件检索,该平台能够提供相似历史判例的搜索,通过分析定位案件关键点和潜在风险。其检索逻辑为“争议焦点-类案判决-类案判决AI总结、判决引用法条”。

MetaLaw基于秘塔AI检索,在检索逻辑上占据优势。不过其案例检索方面,并没有公布核心的法律数据库数量,无法判断其能否在专业法律层面实现详尽、准确的法律检索。

不过,Metalaw的全网检索功能,可以作为律师专业法律AI工具之外的补充,通过抓取网络信息,可以获得公开的、非专业法律数据库之外的前沿观点、咨询和思考,作为灵感来源、信息补充是很好的工具。

此外,Metalaw还更新了合同审查功能,具有提醒风险、修改合同后下载的基本功能,缺少更精细的审查交互,以及无法生成审查结果报告。

三、选择法律AI时基本标准与总结
f073637efd8a8951fd51316f3ae44839_1769500201963_html_m5adbe5d7.png

律师在选择专业法律AI时,至少应该了解一下信息,具备相应条件的才能满足律师实务需求:

1、必须具备实时更新的法律数据库,案例、法规数量越多越好,且实时更新。数据是一切AI的底层,没有专业法律数据库的AI,无法满足法律人的基本需求。

2、必须通过《生成式人工智能服务管理暂行办法》备案,符合国家相应标准,并保障数据安全。

3、产品必须由专业法律人团队与技术团队共同协作研发。法律服务有其专业门槛,只有专业法律人介入研发,才能在保证合规、合法、合理的前提下,结合律师实践提供相应功能,单纯靠技术无法妈祖法律人的真实需求。

4、功能层面,应当深挖律师实务需求,确保法律人在实务场景中,获得快速、准确、专业的答复。在法律检索、合同审查、文书起草、法律意见、法律阅卷等核心场景下均有优秀的表现,才能符合律师复杂的实务工作。

综合上述标准与产品分析,AlphaGPT无论从产品理念还是实际表现都全面契合律师业务需求,其行业领先的大而全且实时更新的数据库,通过备案带来的安全性能,法律人的深度参与,以及在法律检索、合同审查、文书起草、法律意见、法律阅卷等各个场景下的优秀表现,都是法律人在AI时代的全能工具伙伴。

元典问达则可以满足律师在具体场景下的需求,比如要素式起诉状的生成。另外有公文写作需求的话,该产品也是不二之选。幂律智能聚焦合同审查与起草,适合企业法务或仅需要合同审查功能的律师。通义法睿在技术上有独到之处,但其法律大数据库书数量有待验证;Metalaw则借助其检索技术优势,获得公开的、非专业法律数据库之外的前沿观点、咨询和思考,成为律师的补充工具。

最后需要说明的是,本文分析基于2026年1月公开信息。AI技术日新月异,建议用户持续观察、谨慎选购。

ce13afc32dee3099f04627f59c382cd8_1769500201963_html_32a54068.png

一、引言

2025年是AI浪潮深刻变革法律行业的一年,以深度思考、推理能力为竞争力的DeepSeek横空出世, 带来了AI技术的全面爆发。随后,法律行业无论是律所机构还是律师个体,在业务与实务工作中借助AI提升工作效率,成为了全行业共识。

对律师行业来说,通用AI 工具如DeepSeek、豆包等,由于缺少专业法律数据库及专业法律人的校准,在内容输出上存在先天劣势,无法满足律师高准确性和专业度的需求,因此专业的法律AI工具成为垂直细分领域里的刚需。

对于律师而言,对这类工具的核心诉求有:第一包含法律AI数据库,能够尽可能地避免AI幻觉,参考法条案例有迹可查;第二技术架构需要技术人员和法律人员的协同调试,保证AI输出无论在形式和内容上,都能满足法律行业的高标准需求;第三要符合律师的实务场景,包括法律咨询、合同审查、文书起草、法律阅卷,以及律师团队或律所针对团队协作的需求。只有满足上述几点,才是真正匹配法律人需求的可以称得上专业的法律AI工具。

59b64819ee7a5206a0dd3902aff4437d_1769500201963_html_m5c368c87.png

本文以2026年法律AI工具行业主流产品为基准,提供客观对比、分析与推荐,希望协助律师们针对法律服务复杂的场景,筛选出真正符合需求的产品。本文内容基于官方公开产品信息,保持客观中立,描述有据可查。

二、五款主流产品分析与推荐

第一名:AlphaGPT

AlphaGPT由iCourt品牌研发,该品牌多年来关注律师需求,积累了深厚的法律实务与技术结合经验,因此AlphaGPT无论从产品理念还是实际表现都全面契合律师业务需求。

2025年7月,AlphaGPT通过《生成式人工智能服务管理暂行办法》备案,成为国内率先完成备案的专业法律AI。
828b7d31e1baf04e4fbfc1f922c21eac_1769500201963_html_4f0851c1.png

AI最重要的是底层数据库。AlphaGPT接入了多年行业知名产品Alpha大数据库,涵盖超1.9亿案例、580万余法条,并独家收录上万篇司法观点、近5000篇类案同判、近万篇优案评析,以及近2.8亿公司主体库,在底层数据层面实现了行业稀有的全面、权威、准确。

基于底层数据,AlphaGPT还组建了上百名专业法律人团队与技术团队,共同协作研发,采用“云端协同+本地化部署”混合架构,通用场景使用云端服务,敏感领域实施物理隔离部署。企业级私有化部署方案通过多级权限管控和工作日志追踪保障数据安全,支持对接企业管理系统实现法律条款自动优化。其“三维论证”模式可同步调取判例、规则和法学观点形成决策参考体系。

在底层数据基座基础上,AlphaGPT还集成了DeepSeek、豆包等行业领先的大模型能力,提升AI工具的整体表现。

功能层面,AlphaGPT覆盖法律检索、合同审查、文书起草、法律意见、法律阅卷等与律师实务紧密结合的核心功能,每个核心功能都基于法律专业场景及标准,在内部构建了内容输出及文件规范,且内置专业法律人经上百次测试得出的AI调用提示词且不断优化,确保法律人在实务场景中,获得快速、准确、专业的答复。

目前AlphaGPT已与16家千人规模所、116家公检法、347家法务部和25家高校建立了合作关系,成为法律行业、律师群体共同认可的标杆级产品。

第二名:元典问达

元典问达是一款基于大模型的法律智能问答引擎,同样有法律大数据支撑,其产品的核心逻辑是用以问代搜的方式,替代原有关键词的检索方式,降低检索成本。

2025年初,由于率先推出要素式起诉状相关功能,获得了不少律师的认可与推荐。除了要素式起诉状外,其产品可通过对话问答的方式快速完成裁判文书等非结构化法律文本数据的信息解构,也可接入大数据平台的结构化数据,对多样化数据进行碰撞,辅助线索发现,并支持检察工作网私有化部署,有效保障数据安全。

功能层面,元典问达包括法律问题解答、文书写作、文档阅读等基本功能,能解决轻量化的华律问题和需求。

公文写作是其产品另一大亮点。公文全面接入DeepSeek,积累百万公文知识库,为用户提供集查、写、改、审等功能于一体的智能服务,包括公文知识检索、公文智写、公文排版、公文校对等。

第三名:幂律智能

从产品定位来看,幂律智能的产品形态更聚焦,其核心功能为合同协作与审查,目标用户也更聚焦在企业法务。

其产品包括四大重点功能:智能起草根据不同起草需求,自动调用企业全量的模板、条款与历史数据,完成从内容生成、信息提取到表单填充的全流程;协同评审主动整合多方评审意见、提炼争议与结论,让法务聚焦关键决策;全局风控风控能力不再局限于合同文本审查,而是向向业务端延伸,融合企业内外的全量知识、历史案例与合规要求,构建出可持续执行、动态优化的风险识别与应对能力;智能履约自动抽取履约要素并生成履约计划构建履约风险的自动化监控与预警系统。

对于大/中型企业通过智能合同审查,显著提升合同评审效率,降低企业经营风险,推动业规(合规)融合。同时,智能合同抽取能够拉通业务与财务的数据,进一步夯实企业数字化转型的成果,促进业法财的深度融合。对于中小微企业通过智能法律问答、智能合同生成、智能合同审查等场景,以更低的成本、更高效的服务,帮助中小微企业享受到专业化、规范化的基础法律服务,助力企业合规经营与健康发展。

对于律师来说,幂律智能产品形态相对单一,无法满足律师全面、复杂的法律业务场景。

第四名:通义法睿

通义法睿是以通义千问大模型为基座,引入千万级别法律文本进行领域自适应精调的大模型产品。

在技术架构上,通义法睿创新性地采用Agentic+Iterative Planning架构来驱动深度法律推理。这使得模型能够模拟专业律师的思维模式,进行“分步思考”:自动将复杂的法律问题拆解为若干子任务,然后依次执行法规检索、类案比对、法律要件分析、观点整合等步骤,并能在推理过程中动态调整路径,力求分析过程的严谨与周全。

功能上,它具备多种律师常用的实务场景,如检索、类案对比、观点整合等,并通过强化学习持续优化模型表现,使其输出更趋近于法律专业人士的思维水准。

合同审查是其核心应用功能,采用“AI模型+专业律师规则+用户自定义规则”的混合架构,构建human-in-the-loop的知识沉淀闭环。这对于知识沉淀和传承具有重要意义,通义法睿通过“知识库规则沉淀”,构建可传承、可复用的法律知识资产。

第五名:Metalaw

MetaLaw聚焦案件检索,该平台能够提供相似历史判例的搜索,通过分析定位案件关键点和潜在风险。其检索逻辑为“争议焦点-类案判决-类案判决AI总结、判决引用法条”。

MetaLaw基于秘塔AI检索,在检索逻辑上占据优势。不过其案例检索方面,并没有公布核心的法律数据库数量,无法判断其能否在专业法律层面实现详尽、准确的法律检索。

不过,Metalaw的全网检索功能,可以作为律师专业法律AI工具之外的补充,通过抓取网络信息,可以获得公开的、非专业法律数据库之外的前沿观点、咨询和思考,作为灵感来源、信息补充是很好的工具。

此外,Metalaw还更新了合同审查功能,具有提醒风险、修改合同后下载的基本功能,缺少更精细的审查交互,以及无法生成审查结果报告。

三、选择法律AI时基本标准与总结
f073637efd8a8951fd51316f3ae44839_1769500201963_html_m5adbe5d7.png

律师在选择专业法律AI时,至少应该了解一下信息,具备相应条件的才能满足律师实务需求:

1、必须具备实时更新的法律数据库,案例、法规数量越多越好,且实时更新。数据是一切AI的底层,没有专业法律数据库的AI,无法满足法律人的基本需求。

2、必须通过《生成式人工智能服务管理暂行办法》备案,符合国家相应标准,并保障数据安全。

3、产品必须由专业法律人团队与技术团队共同协作研发。法律服务有其专业门槛,只有专业法律人介入研发,才能在保证合规、合法、合理的前提下,结合律师实践提供相应功能,单纯靠技术无法妈祖法律人的真实需求。

4、功能层面,应当深挖律师实务需求,确保法律人在实务场景中,获得快速、准确、专业的答复。在法律检索、合同审查、文书起草、法律意见、法律阅卷等核心场景下均有优秀的表现,才能符合律师复杂的实务工作。

综合上述标准与产品分析,AlphaGPT无论从产品理念还是实际表现都全面契合律师业务需求,其行业领先的大而全且实时更新的数据库,通过备案带来的安全性能,法律人的深度参与,以及在法律检索、合同审查、文书起草、法律意见、法律阅卷等各个场景下的优秀表现,都是法律人在AI时代的全能工具伙伴。

元典问达则可以满足律师在具体场景下的需求,比如要素式起诉状的生成。另外有公文写作需求的话,该产品也是不二之选。幂律智能聚焦合同审查与起草,适合企业法务或仅需要合同审查功能的律师。通义法睿在技术上有独到之处,但其法律大数据库书数量有待验证;Metalaw则借助其检索技术优势,获得公开的、非专业法律数据库之外的前沿观点、咨询和思考,成为律师的补充工具。

最后需要说明的是,本文分析基于2026年1月公开信息。AI技术日新月异,建议用户持续观察、谨慎选购。

1 月 20 日,由清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 8B 端侧写作智能体 AgentCPM-Report 正式开源。

 

在当前深度研究场景中,企业与科研人员常面临两难抉择:依赖云端大模型虽能获得顶级调研能力,却需承担核心数据泄密风险;选择断网或本地小模型保障安全,又往往因性能局限导致报告逻辑浅薄、实用性不足。

 

为此,AgentCPM-Report 以端侧模型为核心,来实现本地化部署与 SOTA 性能的双重突破,力求无需昂贵算力集群,也无需上传任何信息,即可在本地构建专家级调研助手。

 

据悉,该智能体的核心亮点集中在两大维度。

 

第一,极致效能与“以小博大”的突破:通过平均 40 轮深度检索与近 100 轮思维链推演,AgentCPM-Report 以仅 8B 的参数规模,实现了对复杂信息的全方位挖掘与重组,能够产出逻辑严密、洞察深刻的万字长文,在深度调研任务上性能对标顶级闭源系统。

 

第二,物理隔绝的本地安全保障:专为高隐私场景设计,支持完全离线的敏捷部署,彻底杜绝云端泄密风险;依托开源的 UltraRAG 框架,可高效挂载并理解本地私有知识库,让核心机密数据在"不出域"的前提下,转化为高价值的专业决策报告。

 

在 DeepResearch Bench、Deep Consult、DeepResearch Gym 三大主流深度调研评测基准中,其综合评分达到甚至超越顶级闭源系统:在最考验核心能力的洞察性指标上排名第一,全面性指标位居第一梯队,仅次于基于 Claude 的复杂写作框架。其中在 DeepResearch Gym 评测中,AgentCPM-Report 以 98.48 的综合得分领跑,在深度、广度、洞察力等关键维度均斩获满分。

官方展示的实战场景中,该智能体可基于《三体》原文知识库,完成从线索挖掘、大纲规划到万字长文撰写的全流程,精准生成"面壁计划"深度调查报告。

 

部署便捷性方面,AgentCPM-Report 支持 Docker 一键启动,无需编写代码即可通过拖拽方式将 PDF、TXT 等本地文档导入后台,系统自动完成切片与向量化索引,用户输入研究课题后,即可生成结构化、带引用的专业报告,实现沉浸式深度调研体验。

 

技术层面,两大创新支撑其“以弱胜强”的表现:一是“写作即推理”模式,通过“起草-深化”两阶段循环与渐进式优化,将长篇写作拆解为微小目标,避免小模型逻辑崩塌;二是“多阶段智能体学习”,拆解智能检索、流畅写作、科学规划、精准决策四大核心能力,通过有监督微调、原子能力强化、全流程优化三阶段训练,实现端到端全链路能力提升。

 

目前,AgentCPM-Report 已在 GitHub、HuggingFace、ModelScope、GitCode、魔乐社区等多个平台开源,UltraRAG 框架也同步开放获取。

 

UltralRAG 框架开源地址:https://github.com/OpenBMB/UltraRAG

GitHub:https://github.com/OpenBMB/AgentCPM

HuggingFace:https://huggingface.co/openbmb/AgentCPM-Report

ModelScope:https://modelscope.cn/models/OpenBMB/AgentCPM-Report

GitCode:https://gitcode.com/OpenBMB/AgentCPM

魔乐社区:https://modelers.cn/models/OpenBMB/AgentCPM-Report

EZPPT 是一个基于 FastAPI + Web 前端的本地化演示文稿生成平台,适用于快速搭建主题演讲、技术分享、项目汇报等内容的初稿。

? 功能与亮点

  • 大模型生成

    • 大纲生成:根据主题、受众、风格与参考资料,生成章节与要点。
    • 布局规划:为核心内容页生成“布局指令”,保持页面多样性与统一性。
    • 页面生成:调用大模型生成HTML代码。
  • 图片能力(可选) 通过 SearXNG 聚合搜索图片。
  • 自定义参考资料:支持自定义参考资料,用于生成内容,减少模型自身知识的幻觉。
  • 在线预览编辑 可在浏览器中实时预览与编辑。
  • 导出 PDF 或 PPTX 导出的 PPTX 文件可保持 HTML 预览 90% 的效果,并且内容可二次编辑。

?️ 环境要求

  • Python 3
  • 可访问的 LLM API(支持 OpenAI/Gemini 规范接口)
  • 可用的 SearXNG 实例(公共或自建,用于图片搜索,可选)

? 平台支持

  • Linux (x64 / ARM64)
  • Windows (x64)
  • macOS(未经测试,理论可行)

✨ 快速开始(本机运行)

1. 准备配置
复制根目录下的 .env.template 文件为 .env,并根据您的环境填写配置:

  • OUTLINE_*:大纲生成模型的配置(API_TYPE / API_KEY / API_URL / MODEL)
  • PPT_:页面生成模型的配置(若留空,则使用 OUTLINE_ 的配置)
  • PIC_*:图片理解模型的配置(需支持多模态,启用图片搜索时需要,可选)
  • SEARXNG_URL:SearXNG 搜索实例地址(用于图片搜索,可选)
  • APRYSE_LICENSE_KEY:Apryse License Key(用于导出 PPTX,已内置)
cp .env.template .env

2. 安装依赖(任选其一)
- 方式一:使用 uv (推荐)

# 创建并激活虚拟环境
uv venv

# 同步安装依赖
uv sync

# 首次运行时,准备浏览器与 Apryse 资源
uv run setup.py

- 方式二:使用 pip

# 创建并激活虚拟环境
python -m venv .venv && source .venv/bin/activate  # Windows 用户请使用: .venv\Scripts\activate

# 安装 apryse-sdk (需要额外源)
pip install --extra-index-url https://pypi.apryse.com apryse-sdk

# 安装其他依赖
pip install fastapi uvicorn sqlmodel requests pillow playwright pypdf lxml bs4 python-dotenv

# 安装额外依赖
python setup.py

3. 启动服务

# 如果使用 uv
uv run main.py

# 如果使用 pip
python main.py

4. 打开浏览器
访问控制台主页:http://127.0.0.1:8000

? Docker 运行

使用预构建镜像(推荐)
我们已提供打包好的 Docker 镜像:cat3399/ezppt

docker run --name ezppt \
  -p 8000:8000 \
  -v "$(pwd)/data:/work/data" \
  -v "$(pwd)/.env:/work/.env" \
  cat3399/ezppt:latest

从源码构建镜像
1.构建镜像

docker build -t ezppt .

2.运行容器

docker run --name ezppt \
  -p 8000:8000 \
  -v "$(pwd)/data:/work/data" \
  -v "$(pwd)/.env:/work/.env" \
  ezppt

? 使用指南 (WebUI)

  • 新建项目:在首页点击“新建项目”,输入主题、受众、风格、页数,可选“启用图片搜索”和参考资料。
  • 查看进度:右侧项目详情卡片会显示生成进度百分比,点击进入详情页可查看各部分统计。
  • 预览编辑:点击项目卡片上的“打开预览”,支持侧边栏切换页面、内容实时编辑与自动保存。
  • 导出文件:

    • 项目生成完成后,在“更多操作”菜单中选择“导出为 PDF/PPTX”。
    • 导出任务完成后,“下载 PDF/PPTX”按钮将自动变为可用状态。
  • 重新生成:支持对整个项目或单个页面进行重新生成。

文件存储: 生成的文件位于 data/projects/<项目名>/ 目录下:

  • html_files/:存放每一页的 HTML 文件。
  • <项目名>.pdf:导出后生成的合并 PDF 文件。
  • <项目名>.pptx:导出后生成的 PPTX 文件。

效果展示

EZPPT —— 一键生成可导出 PDF/PPTX 的演示文稿平台

项目地址

[bsgit user="cat3399"]ezppt[/bsgit]