Gemini文档处理器生成泰语摘要指南：2026年AI工具全解析

项目概述

Gemini Document Processor 是一款功能强大的文档处理工具，它利用 Google 的 Gemini AI 模型，从 PDF 和 EPUB 文件中生成高质量的泰语摘要。该工具还具备图像提取功能，并能与 Obsidian 笔记软件无缝集成，为用户提供一个从文档处理到知识管理的完整工作流。

核心特性

核心功能

• AI 驱动摘要生成：使用 Google 最新的 Gemini 模型（gemini-2.0-flash, gemini-2.5-flash-preview, gemini-1.5-pro）。
• 多格式支持：可处理 PDF 和 EPUB 两种主流文档格式。
• 泰语优化摘要：专门针对生成全面、准确的泰语摘要进行优化。

高级处理能力

• 智能分块处理将大型文档分割成可管理的小块进行AI处理的技术。：将文档分割为易于管理的“块”，以提升 AI 处理性能与效果。
• 图像提取与过滤从文档中提取图像并基于大小阈值进行筛选的技术。：从文档中提取图像，并可根据预设的大小阈值进行筛选。
• 鲁棒的错误处理：包含智能重试机制，并可在主模型失效时自动回退到备用模型。
• 超时管理：为 API 调用和分块处理提供可配置的超时设置。

用户体验

• Web 界面：提供简洁、选项卡式的 Web 应用程序，用于文档处理。
• 实时进度跟踪：在处理过程中提供实时更新。
• 任务状态监控：跟踪处理失败的“块”，并可重试有问题的部分。
• 并行处理：采用多线程进行图像提取，以提高性能。

Obsidian 集成

• 直接导出：可在您的 Obsidian 知识库中直接创建 Markdown 文件。
• 元数据支持：生成的 Markdown 文件包含 YAML 前置元数据，支持标签等。
• 自定义标签：可为处理后的文档定义您自己的 Obsidian 标签。

安装指南

1. 克隆此仓库：

   git clone https://github.com/kidpeterpan/gemini-document-processor.git
   cd gemini-document-processor
   

2. 安装所需依赖：

   pip install -r requirements.txt
   

3. 获取 Google Gemini API 密钥：请前往 Google AI Studio 获取。

使用说明

启动 Web 界面

运行 Web 服务器：

python document_gui.py

然后在您的网页浏览器中访问：http://127.0.0.1:8081/

Web 界面功能

界面主要分为三个选项卡：

• 基础设置：

  • 上传 PDF 或 EPUB 文件。
  • 选择 Gemini 模型：gemini-2.0-flash（更快）、gemini-2.5-flash-preview（更准确）、gemini-1.5-pro（备用选项）。
  • 调整分块大小（每个处理单元的页数）。
  • 输入您的 Gemini API 密钥。
  • 切换图像提取功能。

• Obsidian 集成：

  • 启用自动导出至 Obsidian。
  • 验证并设置 Obsidian 知识库路径。
  • 配置标签、作者、封面 URL 和评分。
  • 自动路径验证。

• 高级设置：

  • 配置超时设置：分块处理超时（60-1800 秒）、API 请求超时（30-300 秒）。
  • 设置 API 调用的重试次数。
  • 配置图像大小阈值。
  • 选择图像格式（PNG/JPG）。
  • 调整工作线程数量（1-16）。

任务状态与监控

• 实时进度：在处理过程中查看详细进度。
• 日志查看器：实时查看所有处理事件。
• 失败分块：识别并可重试有问题的部分。
• 结果管理：下载或查看生成的摘要。
• Obsidian 导出：跟踪已导出至 Obsidian 知识库的文件。

工作原理

1. 文档加载：应用程序加载 PDF 或 EPUB 文件并提取文本内容。
2. 分块处理：内容被分割成易于管理的“块”（PDF 按页，EPUB 按章节）。
3. 图像提取：提取图像，进行大小过滤，并单独保存。
4. AI 处理：每个“块”被发送至 Gemini API，并带有超时处理和重试机制。
5. 错误恢复：跟踪处理失败的“块”，并可使用更稳健的设置进行重试。
6. 摘要生成：将结果编译成格式良好的 Markdown 文档。
7. 集成输出：摘要和图像被保存到本地，并可（选择性地）保存到 Obsidian。

故障排除

常见问题

• API 错误：请检查您的 API 密钥和网络连接。
• 处理超时：请在“高级设置”中增加分块和 API 的超时值。
• 失败分块：使用任务状态页面上的“重试失败分块”按钮。
• Obsidian 集成问题：请确保您的 Obsidian 知识库路径正确，并且其中包含 .obsidian 文件夹。

错误日志

如需详细的错误信息，请检查终端或命令提示符中的应用程序日志。

项目结构

• document_gui.py - Web 界面和任务管理。
• document_processor.py - 文档处理的核心逻辑。
• epub_processor.py - EPUB 文件的特定处理功能。
• templates/ - Web 界面的 HTML 模板。
• uploads/ - 上传文件和处理结果的临时存储目录。

许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

致谢

本项目使用了以下技术：

• Google Generative AI API
• Flask
• PyPDF
• ebooklib
• Bootstrap（用于 Web 界面）