PPT转Obsidian知识库：AI自动化转换工具详解

1. 项目概述：从PPT文本到Obsidian知识库的自动化转换

这个工具的核心目标是实现PPT内容到Obsidian知识库的自动化转换。作为一名长期使用Obsidian进行知识管理的用户，我深知手动整理PPT内容的痛苦——每次看完演示文档，要么截图保存失去可搜索性，要么手工复制文本破坏原有结构。这个Python脚本通过结合vLLM的AI能力和结构化输出，完美解决了这个问题。

工具的工作流程非常清晰：将PPT逐页提取为JSONL格式的文本文件，然后通过vLLM模型分析内容，最终生成符合Obsidian Wiki规范的Markdown笔记。每个生成的笔记包含：

• 智能摘要（2-6行核心内容总结）
• 关键词（5-15个专业术语或关键概念）
• 标签（3-12个分类标签）
• 引用页和原文证据（确保摘要的可验证性）

这种结构化处理使得大量PPT内容可以快速转化为可链接、可搜索的知识节点，特别适合需要处理大量技术文档、培训材料或研究报告的场景。

2. 环境准备与数据格式说明

2.1 输入数据准备

输入数据需要是JSONL格式，每个PPT对应一个.jsonl文件，存放在scripts/data目录下。文件结构示例：

json复制{"page":1,"text":"机器学习基础概念","imgs":0}
{"page":2,"text":"监督学习的三要素：模型、损失函数、优化算法","imgs":1}

实际操作中发现，如果PPT包含大量图表，建议先用OCR工具提取图表中的文字，合并到对应页的text字段中，这样AI生成的摘要会更准确。

2.2 vLLM服务部署

脚本依赖vLLM的OpenAI兼容接口，推荐使用Docker快速部署：

bash复制docker run --gpus all -p 8000:8000 vllm/vllm:latest --model qwen/qwen-7b

常见问题排查：

1. 端口冲突：确认8000端口未被占用，或修改为其他端口
2. GPU内存不足：可添加--max-model-len 1024限制上下文长度
3. 模型下载失败：提前从HuggingFace下载模型到本地，通过--model参数指定本地路径

2.3 目录结构规范

code复制scripts/