Our detailed technical report will be published soon.
DeepSlide 不是“帮你快速做一份 PPT”的工具，而是一个**面向完整演讲交付（delivery-first）**的人机协同系统。
它帮助用户超越“出页”本身，覆盖完整演讲交付流程：叙事规划、逻辑链编辑、页面生成、讲稿生成、交互增强与演练反馈。
🌐 English Version: README.md
- [2026.03.10] 我们提供了一个 4 步指南，支持在 OpenClaw 内直接使用 DeepSlide。
如果你已经在使用 OpenClaw，并希望添加一个专用 Agent 来做 演示文稿生成、叙事组织与演讲交付准备，可以参考这个教程：
[DeepSlide + OpenClaw](https://www.yuque.com/puitar/pug2ub/didlfrgy5ogxzl6p?singleDoc# 《DeepSlide+龙虾直接接入飞书！》) - [2026.03.06] DeepSlide 正式开源发布。
我们开源 DeepSlide 作为一个 human-in-the-loop、delivery-first 的演讲交付系统。
DeepSlide 不止做静态 deck 生成，还覆盖 需求澄清、叙事提案、逻辑链控制、证据驱动生成、讲稿撰写、交互增强与演练准备。
我们提供一个 AgentSkills 兼容的 OpenClaw skill：skills/deepslide-openclaw/：
- 安装与初始化 DeepSlide（服务在宿主机运行）
- 使用 Docker 版 TeX 工具链编译 LaTeX（无需本机安装 TeX）
- 部署与运维（start/stop + 基本健康检查）
如果你的 OpenClaw workspace 不是仓库根目录，可以在 ~/.openclaw/openclaw.json 里通过 skills.load.extraDirs 加入 skills
(ClawHub Link)。
一个高质量演讲并不主要取决于静态页面是否“好看”，更取决于信息是否在受众认知与注意力约束下被组织与交付——包括叙事连贯性、控时与节奏、注意力引导，以及演练准备程度。换言之，artifact 质量 ≠ delivery 质量。
Figure 1. Comparison with existing methods: DeepSlide targets end-to-end presentation delivery rather than deck authoring only.
为此，DeepSlide 提出了一个 四阶段端到端流程：需求澄清与叙事提案 → 逻辑链编辑与证据驱动生成 → 交互增强与注意力控制 → 演练与评估。将演讲交付从 artifact 质量提升到 delivery 质量。
- 叙事策略可控：生成多候选、可控时长（time-budgeted）的逻辑链，支持节点级编辑与强调分配
- 讲稿与页面协同交付：同时产出
recipe/content.tex（slides）与recipe/speech.txt（script） - 讲中注意力策略：基于内容的图像聚焦、表格可视化、文本图示化等可选增强
- 演讲排练指导：提供用户声线声音预览，以及模拟观众提问和建议
Figure 2. 四阶段框架概览：从需求澄清到生成与增强，再到演练与评估的闭环交付流程。
为了更好提供材料质量和演讲过程的双角度评估，我们开发了一个基于大语言模型的双榜单评估榜单，并与现存的一系列方法展开对比：
Figure 3. 20 个领域的双榜单评测结果（Artifact vs. Delivery）。
Figure 4. 各种角色混合场景下的双榜单评测结果（Artifact vs. Delivery）。
Figure 5. 系统界面与关键能力概览：逻辑链编辑、证据驱动生成、交互增强与演练闭环。
论文指出现有“幻灯片代理/生成器”通常只显著降低了 deck authoring 成本，但仍未覆盖完整的演讲准备负担，主要存在三类缺口：
- 缺少可选择、可编辑的叙事策略：多数系统要么跳过叙事规划，要么只输出单一泛化大纲，弱个性化且不可控时长/强调分配
- 缺少讲中注意力策略：主要交付静态 deck，缺少内容感知的注意力引导机制（聚焦、渐进揭示、针对密集图表的表达编码）
- 缺少演练支持：止步于出页，缺少与页面对齐的非冗余讲稿、演练反馈、与现场应对（可能提问）准备
DeepSlide 的方法论是：让演讲者只需锁定高层决策（受众、总时长、目标、风格意图、叙事骨架与强调分配），其余由系统在可控约束下自动落地，并形成可迭代的交付闭环。对应实现为四阶段：
- Stage 1：需求澄清与叙事提案：自由对话收集需求，输出多套 time-budgeted 逻辑链候选
- Stage 2：逻辑链编辑与证据驱动生成：节点级编辑（重排/增删/改写/控时/交叉引用），检索材料证据并生成 slides + script
- Stage 3：交互增强与注意力控制：提供内容感知的可选增强（聚焦、表格可视化、文本图示化、自动布局等）
- Stage 4：演练与评估：听众视角演练（可选音频）、给出可执行修改建议，并一键导出交付产物
核心代码在 deepslide/，运行时是三服务并行：
deepslide/backend：FastAPI（材料解析/生成/编译/导出/评估入口）deepslide/frontend：Vite + React（交互编辑、预览、对话入口）next-ai-draw-io：Next.js（图示与 draw.io 相关能力）
DeepSlide/
├── deepslide/
│ ├── backend/
│ ├── frontend/
│ ├── env.md # 模型/Agent 环境变量总览
│ ├── install.sh # 依赖安装脚本（快捷）
│ ├── start.sh # 一键启动三服务
│ ├── stop.sh # 一键停止
│ └── clear.sh # 清缓存/运行产物（危险：会删项目）
├── experiments/ # 论文评估复现（dual-scoreboard / 消融）
├── DeepSlide-Arxiv/ # 论文工程目录（图表、表格、latex）
├── assets/ # README 等文档资源目录（从论文同步）
└── README_zh.md
- Linux/macOS（推荐）
- Python 3.10+（建议 3.12）
- Node.js 18+（建议 20 LTS）
- npm 9+
- LaTeX（用于编译 Beamer：
xelatex+ beamer 相关包），强烈推荐本项目提供的container/dockerfile配置，无需本地安装 tex。
仓库提供 container/dockerfile，包含 TeXLive 与 Python 环境配置，您可以直接使用 docker 配置 tex 编译环境，免除本地安装 tex 的麻烦。用法：
docker build -t deepslide:latest -f container/dockerfile .
docker run -it --rm \
-v "$(pwd)":/app \
-p 5173:5173 -p 8001:8001 -p 6002:6002 \
deepslide:latest bash进入容器后在 /app 内按“本地安装与启动”步骤运行即可（或直接使用 deepslide/start.sh）。
cd next-ai-draw-io
npm install
cd ..
cd deepslide/backend
python3 -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install -r requirements.txt
cd ../..
cd deepslide/frontend
npm install
cd ../..也可以使用快捷脚本（仍建议先准备好 venv/权限）：bash deepslide/install.sh。
编辑 deepslide/.env。模型变量的详细说明见：deepslide/env.md。
cd deepslide
bash start.sh默认访问地址（端口可在 .env 改）：
- Frontend:
http://127.0.0.1:5173 - Backend API:
http://127.0.0.1:8001/api/v1 - Backend Docs:
http://127.0.0.1:8001/docs - next-ai-draw-io:
http://127.0.0.1:6002
一键停止：
cd deepslide
bash stop.sh请将密钥替换为你自己的值，不要提交真实 key。
# 文本 LLM（默认）
DEFAULT_MODEL_PLATFORM_TYPE=openai
DEFAULT_MODEL_TYPE=gpt-4o-mini
DEFAULT_MODEL_API_URL=https://api.openai.com/v1
DEFAULT_MODEL_API_KEY=YOUR_API_KEY
# Dev Ports
BACKEND_PORT=8001
FRONTEND_PORT=5173
NEXT_AI_DRAWIO_PORT=6002DeepSlide 支持为不同 Agent 配置不同 provider/model/base_url/api_key，以便简单任务用便宜模型、复杂任务用更强模型。完整字段与 Agent 列表见 deepslide/env.md。
- 读取
deepslide/.env - 启动三服务：
next-ai-draw-io、后端uvicorn、前端vite - 写入 PID 到
deepslide/.pids/，便于停止与清理
- 优先按 PID 文件停止
- 兜底按进程特征停止（后端/前端/next-ai-draw-io）
用于“重置运行态”，会清理缓存与运行产物（包含项目目录、上传内容、ASR/TTS 中间文件）。在你希望保留项目结果时不要运行。
用于安装后端/前端/next-ai-draw-io 依赖的快捷脚本。
- 打开前端并创建项目
- 上传材料（论文 PDF / LaTeX zip / 多文档等）
- 完成需求澄清（受众、总时长、目标、风格偏好）
- 查看多候选叙事逻辑链并选择其一（可编辑控时与强调分配）
- 生成 slides + script：产出
recipe/content.tex与recipe/speech.txt - 编译/预览并进行交互增强（聚焦、可视化、图示化、自动布局等）
- 进入演练闭环：预览指标、修改建议、可能提问模拟（Stage 4）
- 导出交付产物（PDF / PPTX / ZIP）
论文评测在 experiments/，核心思想是 dual-scoreboard：区分静态材料质量（Artifact）与交付质量（Delivery）。
建议单独创建评测 venv：
python3 -m venv experiments/.venv
source experiments/.venv/bin/activate
pip install --upgrade pip
pip install -r experiments/main/requirements.txt复制并填写：
experiments/main/.env.template→experiments/main/.env
其中包含：
- LLM Judge（评测指标打分用）
- OCR（默认通过 VLM 做 OCR；可关闭）
source experiments/.venv/bin/activate
python experiments/main/run_oneclick.py输出一般位于 experiments/main/outputs/（scores / reports 等）。
source experiments/.venv/bin/activate
python experiments/role/run_oneclick.py消融实验评测入口在 experiments/xr/run_eval.py：
source experiments/.venv/bin/activate
python experiments/xr/run_eval.py scan
python experiments/xr/run_eval.py evaluate --judge llm --llm-mode packed
python experiments/xr/run_eval.py report提示：
- 若你暂时不配置 OCR，可在 evaluate 时加
--require-ocr 0或设置EVAL_OCR_MODE=off（会影响包含 OCR 的指标） - 若你暂时不配置 LLM judge，可加
--require-judge 0（会跳过需要 judge 的指标）
deepslide/start.sh 会启动该服务。首次运行前务必在 next-ai-draw-io/ 执行 npm install。
后端的 TTS 逻辑会调用仓库内 index-tts/index-tts-main（并依赖 uv 命令）。若你需要语音预览能力，请先按 index-tts/index-tts-main/README.md 完成安装与模型准备，并确保 uv 在 PATH 中。
- 前端连不上后端：检查
BACKEND_PORT与后端是否启动；查看deepslide/.pids/是否存在 PID 文件 - next-ai-draw-io 未启动：确认
next-ai-draw-io已安装依赖；端口默认 6002 - LaTeX 编译失败：确认本机或容器内安装
xelatex与 beamer 依赖；检查字体缺失问题 - 评测报错缺少 OCR / Judge：按
experiments/main/.env.template配置EVAL_MODEL_*与DEFAULT_VLM_*，或使用--require-ocr 0/--require-judge 0跳过
|
|