基于LangGraph工作流驱动的智能文档生成平台，自动生成高质量的PPT和Word文档。
- 智能内容生成：基于主题自动生成专业的标题、结构化大纲和详细内容
- 多格式支持：可生成PPT演示文稿和Word文档两种格式
- 实时进度跟踪：内容生成过程中显示实时进度和当前处理章节
- 数据持久化：即使服务器重启也能保持用户数据
- 完全可编辑：支持编辑标题、大纲结构和章节内容
- 友好错误处理：提供清晰的错误提示和恢复建议
- 后端：FastAPI
- 工作流引擎：LangGraph (基于LangChain)
- 文档生成：python-docx, python-pptx
- 前端：Vue.js + Element Plus
- 状态管理：Pinia
本项目完全基于LangGraph构建AI工作流，实现了高度模块化和可配置的文档生成流程。
工作流由以下核心节点组成：
generate_title: 根据主题生成文档标题generate_outline: 根据标题和主题生成结构化大纲generate_content: 根据大纲生成各章节详细内容
每个节点专注于单一职责，可以独立运行或作为工作流的一部分。
LangGraph工作流支持以下功能：
- 动态入口点: 可以从任意节点开始执行，适用于编辑后重新生成内容
- 状态管理: 工作流维护DocumentState对象，保存生成过程中的所有信息
- 错误处理: 节点内置异常处理，确保工作流不会完全失败
- 可配置性: 支持运行时配置，如入口点选择
- 进度追踪: 实时跟踪生成进度，反馈给前端
代码示例：
# 创建工作流
workflow = StateGraph(DocumentState)
workflow.add_node("generate_title", title_node)
workflow.add_node("generate_outline", outline_node)
workflow.add_node("generate_content", content_node)
# 定义节点之间的边
workflow.add_edge("generate_title", "generate_outline")
workflow.add_edge("generate_outline", "generate_content")
workflow.add_edge("generate_content", END)
# 编译工作流，支持运行时配置
compiled_workflow = workflow.compile(configurable={"entry_point": True})项目实现了两个关键机制，提升用户体验：
- 实时进度追踪：
- 在内容生成过程中，后端实时更新进度信息
- 前端通过轮询获取进度，展示完成百分比和当前处理章节
- 直观显示已完成和正在生成的章节
# 后端进度更新
generation_progress[request_id].update({
"progress": current_progress,
"current_stage": "generating",
"message": f"正在生成章节: {section_title}",
"current_section": section_title
})- 数据持久化：
- 使用文件存储保存用户请求数据
- 在服务器重启后自动恢复用户数据
- 确保生成过程中断后可以无缝继续
# 自动保存数据的字典实现
class PersistentDict(dict):
def __setitem__(self, key, value):
super().__setitem__(key, value)
save_requests() # 自动保存到文件# 完整工作流
result = await run_document_workflow(
topic="人工智能在教育领域的应用",
page_limit=15,
document_type="ppt"
)
# 从指定阶段开始
initial_state = {
"topic": "人工智能在医疗领域的应用",
"title": "智能医疗：AI赋能现代医学",
"current_step": "title_generated",
# 其他必要参数...
}
result = await run_document_workflow(
topic="人工智能在医疗领域的应用",
page_limit=15,
document_type="ppt",
initial_state=initial_state
)平台提供以下RESTful API端点，全部基于LangGraph工作流实现：
| 端点 | 方法 | 说明 |
|---|---|---|
/document-workflow |
POST | 运行完整工作流，生成标题、大纲和内容 |
/generate-outline |
POST | 只生成标题和大纲 |
/edit-workflow-title/{request_id} |
PUT | 编辑标题 |
/edit-workflow-outline/{request_id} |
PUT | 编辑大纲 |
/regenerate-content/{request_id} |
POST | 在编辑后重新生成内容 |
/generate-document/{request_id} |
POST | 生成最终文档 |
/generation-progress/{request_id} |
GET | 获取内容生成进度 |
POST /document-workflow
{
"topic": "量化投资策略",
"page_limit": 15,
"document_type": "ppt"
}PUT /edit-workflow-outline/{request_id}
{
"outline": [
{
"title": "量化投资概述",
"content": ["定义与起源", "与传统投资的区别", "市场应用现状"]
},
{
"title": "核心策略分析",
"content": ["动量策略", "均值回归", "因子投资", "高频交易"]
},
// 更多章节...
]
}GET /generation-progress/{request_id}
{
"progress": 65,
"current_stage": "generating",
"message": "正在生成章节: 核心策略分析",
"current_section": "核心策略分析",
"completed_sections": ["量化投资概述"]
}USE_LANGCHAIN: 设置为"true"使用LangChain客户端OPENAI_API_KEY: OpenAI API密钥LLM_MODEL: 使用LangChain时的模型名称，默认为"gpt-3.5-turbo"DEEPSEEK_API_KEY: DeepSeek API密钥 (可选，优先使用LangChain)
- 安装依赖：
pip install -r requirements.txt
cd frontend && npm install- 配置环境变量（创建.env文件）：
USE_LANGCHAIN=true
OPENAI_API_KEY=your_api_key
- 运行后端：
python -m app.main- 运行前端（开发模式）：
cd frontend && npm run dev- 访问 http://localhost:5173 (前端开发服务器) 或 http://localhost:8000 (后端静态文件)
Q: 生成过程中出现"找不到对应的请求记录"错误？
A: 这可能是由于服务器重启导致的数据丢失。从步骤1重新开始，或在同一会话中继续操作。
Q: 如何优化生成内容的质量？
A: 提供更具体的主题，并在大纲编辑阶段添加更详细的要点信息。
Q: 生成内容速度较慢？
A: 内容生成是计算密集型任务，需要LLM处理每个章节，请耐心等待。进度条会实时显示完成情况。