AI-paper-reading

一个面向 AI 论文的小工具。

当前是命令行工具，没有页面。

安装

pip install -e .

配置

项目根目录放一个 .env。下面是当前项目里用到的完整变量：

# OpenAI 兼容接口
OPENAI_API_KEY=your_key
OPENAI_BASE_URL=https://api.openai.com/v1
TEXT_MODEL=gpt-5.4
VISION_MODEL=gpt-5.4
OPENAI_MAX_RETRIES=5
OPENAI_RETRY_BACKOFF_SECONDS=1.5

# 版面识别模型
LAYOUT_MODEL_PATH=./models/doclayout_yolo_docstructbench_imgsz1024.pt
LAYOUT_DEVICE=cpu
LAYOUT_CONFIDENCE=0.1
LAYOUT_PREDICT_IMGSZ=1024

# 运行时默认配置
OUTPUT_ROOT=./output
DEFAULT_LANG=zh-CN

变量说明：

• OPENAI_API_KEY：大模型 API key。
• OPENAI_BASE_URL：OpenAI 兼容接口地址。
• TEXT_MODEL：文本模型，当前用于选图、整体规划、Markdown 写作。
• VISION_MODEL：多模态模型，当前用于逐图解释。
• OPENAI_MAX_RETRIES：模型请求失败后的最大重试次数。
• OPENAI_RETRY_BACKOFF_SECONDS：重试退避时间基数，实际等待时间会按重试轮次递增。
• LAYOUT_MODEL_PATH：版面识别模型路径。支持本地 .pt 权重，也支持 Hugging Face 仓库名。
• LAYOUT_DEVICE：版面识别运行设备，常见值有 cpu、0。
• LAYOUT_CONFIDENCE：版面识别置信度阈值。
• LAYOUT_PREDICT_IMGSZ：版面识别推理分辨率。
• OUTPUT_ROOT：兼容保留配置。当前默认输出目录不再用它，而是直接输出到输入 PDF 所在目录；如果后面恢复全局输出根目录策略，这个字段可以继续复用。
• DEFAULT_LANG：默认输出语言。当前只支持 zh-CN。

不要把真实 .env 提交到仓库里，尤其是 OPENAI_API_KEY。

版面识别模型下载

当前版面识别使用 DocLayout-YOLO。

推荐下载：

• 官方项目：https://github.com/opendatalab/DocLayout-YOLO
• 推荐权重仓库：https://huggingface.co/juliozhao/DocLayout-YOLO-DocStructBench
• 推荐文件名：doclayout_yolo_docstructbench_imgsz1024.pt
• 文件页：https://huggingface.co/juliozhao/DocLayout-YOLO-DocStructBench/blob/main/doclayout_yolo_docstructbench_imgsz1024.pt

最简单的放置方式：

AI-paper-reading/
  models/
    doclayout_yolo_docstructbench_imgsz1024.pt

然后在 .env 里这样写：

LAYOUT_MODEL_PATH=./models/doclayout_yolo_docstructbench_imgsz1024.pt

用法

单篇处理：

paper-read build /path/to/paper.pdf

批量处理某个目录下这一层的所有 PDF：

paper-read batch /path/to/folder

输出

默认输出到输入 PDF 所在目录，目录名格式：

原pdf名-时间

例如：

paper/test-202604012200/

每篇会生成：

• paper_readable.md
• paper_readable.pdf
• artifacts/ 中间产物目录