# 智课灵匠_PPT  Agent

**Repository Path**: gz_djy/ai-agent

## Basic Information

- **Project Name**: 智课灵匠_PPT  Agent
- **Description**: 智教AI 助手是一个面向教育领域的智能课件生成系统，基于 RAG（检索增强生成）技术构建，提供智能问答和多种格式课件的自动生成功能。
核心功能：
📚 智能问答：基于知识库的语义检索和AI回答
🎨 课件生成：一键生成PPT、Word、PDF格式的课件
📹 多模态处理：支持文档和视频的上传、处理与向量化
🤖 意图识别：7种意图自动识别，智能澄清模糊需求

- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2026-05-29
- **Last Updated**: 2026-05-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智教AI助手

![输入图片说明](photo/3.png)
一个面向教育领域的智能课件生成系统，基于 RAG（检索增强生成）技术，支持多模态内容理解、智能决策流和课件自动生成功能。

- **智能意图识别**：基于向量相似度的混合策略，自动识别用户需求
- **多模态内容理解**：支持文档、图片、视频等多种格式的内容分析
- **智能课件生成**：自动生成 PPT、Word、PDF 和 HTML5 互动游戏
- **知识库管理**：基于 FAISS 的向量检索系统
- **用户系统**：完整的用户认证和历史记录管理

## 项目架构

本项目采用前后端分离架构，包含三个核心模块：

```
ai-agent/
├── frontend/          # 前端 - Vue3 用户界面
├── rag_server/        # RAG 服务 - Python FastAPI
└── springblocks/      # 后端服务 - Java Spring Boot
```

### 架构层次

| 层次 | 模块 | 技术栈 | 职责 |
|------|------|--------|------|
| 前端层 | frontend/ | Vue 3 + Vite + Element Plus | 用户界面、交互逻辑、文件上传/下载 |
| 服务层 | rag_server/ | Python + FastAPI + FAISS | RAG 处理、意图识别、课件生成 |
| 后端层 | springblocks/ | Java + Spring Boot + MySQL | 用户认证、数据管理、后台管理 |
| 外部服务 | DeepSeek API | - | AI 模型推理 |

### 核心数据流

```
用户 → 前端 → RAG服务 → 知识库(FAISS)
              ↓
            DeepSeek API
              ↓
            生成回答/课件
              ↓
前端 ← 结果展示/下载 ← RAG服务
  ↓
Java后端 ← 保存历史记录
```

## 核心功能

### 1. 智能意图识别（基于向量相似度）
- **多意图识别**：自动识别聊天、生成PPT/Word/游戏、搜索、上传文档等8种意图
- **混合判断策略**：
  - 直接关键词匹配（ppt/word/游戏等明确词汇）
  - 向量相似度匹配（Sentence-BERT 计算与示例的相似度）
  - AI 分类器兜底（DeepSeek API 辅助判断）
- **智能澄清**：当需求不明确时，AI主动询问以澄清意图
- **参数提取**：自动提取页数、主题、风格等参数
- **模板智能选择**：根据主题关键词自动选择PPT/Word模板

### 2. 智能决策流
- **知识库优先**：有相关资料时，必须基于资料回答或生成
- **无资料降级**：知识库未检索到相关内容时，自动调用 DeepSeek 通用能力回答
- **模糊指令追问**：用户指令不清晰时，AI 主动反问确认主题
- **语义相似度过滤**：基于余弦相似度阈值（默认 0.6）判断检索结果相关性

### 3. 多模态课件生成
- **PPT生成**（.pptx）：支持5种模板（cartoon/tech/simple/chinese/gov），动态版式探测
- **Word文档**（.docx）：支持5种模板（formal/academic/business/technical/simple）
- **HTML5游戏**（.html）：互动问答游戏，支持即时反馈和得分统计
- **PDF生成**：带 CSS 模板样式的PDF文档
- **文件管理**：30分钟自动清理过期文件

### 4. 智能问答（RAG）
- 基于 FAISS 向量检索
- 支持文档/视频多模态内容
- DeepSeek API + Qwen 多模态模型生成回答
- 意图分析和教学大纲生成

### 5. 视频处理
- 视频上传和异步处理
- 语音转文字（OpenAI Whisper）
- 视频内容向量化入库

### 6. 用户系统
- JWT 身份认证（Access Token + Refresh Token）
- 用户管理、历史记录、收藏功能
- 管理员后台（用户管理、知识库管理、问答审核）

## 技术栈

| 模块 | 技术 |
|-----|------|
| 前端 | Vue 3 + Vite + Element Plus + Pinia |
| RAG 服务 | Python 3.10+ + FastAPI + FAISS |
| 后端服务 | Java 17 + Spring Boot 3.x + MySQL 8.0 |
| AI 模型 | DeepSeek API + Qwen 多模态 |
| 向量数据库 | FAISS (IndexFlatIP) |
| Embedding | Sentence-BERT (all-MiniLM-L6-v2) |
| 语音识别 | OpenAI Whisper |
| 文档生成 | python-pptx + python-docx + Playwright |
| 游戏生成 | HTML5 + CSS3 + JavaScript |

## 快速开始

### 1. 环境准备

确保已安装：
- Node.js 16+
- Python 3.10+
- Java 17+
- MySQL 8.0+
- FFmpeg（视频处理必需）

### 2. 配置 API 密钥

创建 `rag_server/.env` 文件：
```bash
DEEPSEEK_API_KEY=your_deepseek_api_key
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1

# 可选：Qwen 多模态模型（用于图片理解）
QWEN_API_KEY=your_qwen_api_key
QWEN_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
```

### 3. 启动 RAG 服务 (Python 后端)

```bash
cd rag_server
pip install -r requirements.txt

# 方式1：直接运行
python main.py

# 方式2：使用 uvicorn（推荐）
uvicorn main:app --host 0.0.0.0 --port 8000 --reload
```
服务将在 `http://localhost:8000` 运行

### 4. 启动 Java 后端服务

```bash
cd springblocks

# 使用 Maven Wrapper
./mvnw spring-boot:run

# 或直接使用 Maven
mvn clean install
mvn spring-boot:run
```
服务将在 `http://localhost:8080` 运行

**注意**: 如果遇到依赖问题，已在 `pom.xml` 中配置阿里云镜像和 Spring 里程碑仓库。

### 5. 启动前端

```bash
cd frontend
npm install
npm run dev
```
访问 `http://localhost:5173`

## API 接口

### RAG 服务接口 (Python)

| 接口 | 方法 | 说明 |
|-----|------|------|
| `/api/v1/chat` | POST | 智能问答/课件生成（核心接口） |
| `/api/v1/upload` | POST | 文档上传（PDF/Word/TXT/PPT） |
| `/api/v1/download/{file_id}` | GET | 文件下载 |
| `/api/v1/voice/transcribe` | POST | 语音转文字 |
| `/api/v1/video/submit` | POST | 视频提交处理 |
| `/api/v1/video/status/{task_id}` | GET | 查询视频处理状态 |

### Java 后端接口

| 接口 | 方法 | 说明 |
|-----|------|------|
| `/api/auth/**` | - | 用户认证（登录/注册/刷新Token） |
| `/api/user/**` | - | 用户管理 |
| `/api/history/**` | - | 历史记录 |
| `/api/admin/**` | - | 管理员功能 |
| `/rag/**` | - | RAG服务代理（转发到Python后端） |

### /chat 接口响应模式

根据智能决策流，接口会返回四种模式：

#### 1. 意图澄清模式（clarification）
当意图识别置信度低或需要确认时返回：
```json
{
  "success": true,
  "mode": "clarification",
  "message": "您好！我可以帮您制作PPT演示文稿或Word文档...",
  "intent": {"type": "clarification", "topic": "..."},
  "confidence": 0.38,
  "parameters": {
    "page_count": 10,
    "topic": "...",
    "style": "tech"
  }
}
```

#### 2. 追问模式（ask）
用户指令模糊时返回：
```json
{
  "success": true,
  "mode": "ask",
  "message": "请问您想做什么主题的PPT？",
  "reasoning": "用户未指定具体主题"
}
```

#### 3. 纯文本回答模式（chat）
问答意图或无知识库时返回：
```json
{
  "success": true,
  "mode": "chat",
  "message": "资料库中未找到相关内容，根据通用知识回答：...",
  "sources": [],
  "note": "基于通用知识回答"
}
```

#### 4. 课件生成模式（generate）
生成意图且有知识库时返回：
```json
{
  "success": true,
  "mode": "generate",
  "message": "课件生成成功，请点击下载",
  "intent": {"type": "generate", "topic": "...", "format": "ppt"},
  "outline": {...},
  "sources": [...],
  "download_info": {
    "file_id": "abc123...",
    "filename": "课件_主题名称.pptx",
    "file_type": "ppt",
    "download_url": "/api/v1/download/abc123...",
    "expires_in": 1800,
    "expires_at": "2026-04-01T12:00:00"
  }
}
```

### 请求示例

**生成PPT课件：**
```bash
curl -X POST http://localhost:8000/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{
    "question": "请生成水稻种植技术PPT，10页",
    "output_format": "ppt"
  }'
```

**生成Word文档：**
```bash
curl -X POST http://localhost:8000/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{
    "question": "请生成一份关于人工智能的学术报告",
    "output_format": "word"
  }'
```

**生成HTML5游戏：**
```bash
curl -X POST http://localhost:8000/api/v1/chat \
  -H "Content-Type: application/json" \
  -d '{
    "question": "生成一个小学数学问答游戏",
    "output_format": "game"
  }'
```

**上传文档：**
```bash
curl -X POST http://localhost:8000/api/v1/upload \
  -F "file=@document.pdf"
```

## 项目结构

### RAG 服务 (rag_server/)

```
rag_server/
├── api/
│   └── routes.py              # API 路由定义
├── config/
│   ├── settings.py            # 应用配置（Pydantic Settings）
│   └── loader.py              # 配置加载器
├── modules/
│   ├── intent/                # 意图识别模块
│   │   ├── __init__.py
│   │   └── vector_recognizer.py   # 混合意图识别器（向量+AI）
│   ├── pipeline/
│   │   └── rag_pipeline.py    # RAG 流程编排
│   ├── generation/
│   │   ├── deepseek_generator.py  # DeepSeek API 生成器
│   │   ├── prompts/           # 提示词管理
│   │   │   ├── all_prompts.py
│   │   │   ├── game_prompts.py
│   │   │   └── word_prompts.py
│   │   └── base.py
│   ├── knowledge/
│   │   └── faiss_knowledge.py     # FAISS 知识库实现
│   ├── embedding/
│   │   ├── sentence_transformer.py # Sentence-BERT 嵌入
│   │   └── base.py
│   ├── vectorstore/
│   │   └── faiss_store.py         # FAISS 向量存储
│   ├── ingestion/
│   │   ├── document_loader.py     # 文档加载
│   │   ├── text_chunker.py        # 文本切分
│   │   └── multimodal_extractor.py # 多模态提取（OCR/语音）
│   ├── builders/
│   │   ├── ppt_builder.py         # PPT 构建器
│   │   └── game_builder.py        # HTML5 游戏构建器
│   └── video/
│       └── whisper_processor.py   # Whisper 语音处理
├── services/
│   ├── builders.py            # PPT/Word/PDF 构建器服务
│   ├── video_service.py       # 视频处理服务
│   └── knowledge_service.py   # 知识库服务
├── templates/                 # PPT 模板文件
│   ├── cartoon.pptx          # 卡通模板（幼儿教育）
│   ├── simple.pptx           # 简约模板
│   ├── tech.pptx             # 科技感模板
│   ├── chinese.pptx          # 中国风模板
│   ├── gov.pptx              # 党政模板
│   └── word_templates/       # Word 模板目录
│       ├── formal.docx
│       ├── academic.docx
│       ├── business.docx
│       ├── technical.docx
│       └── simple.docx
├── downloads/                 # 生成的课件文件
├── data/
│   ├── uploads/               # 上传的文档
│   ├── faiss/                 # FAISS 索引文件
│   └── tasks/                 # 视频处理任务
├── main.py                    # FastAPI 应用入口
└── requirements.txt           # Python 依赖
```

### 前端 (frontend/)

```
frontend/
├── src/
│   ├── api/                   # API 接口封装
│   │   ├── pptAgentApi.js
│   │   ├── file.js
│   │   └── ...
│   ├── components/            # Vue 组件
│   │   ├── chat/             # 聊天组件
│   │   │   ├── ChatBubble.vue
│   │   │   ├── InputArea.vue
│   │   │   └── game/         # 游戏组件
│   │   └── common/           # 通用组件
│   ├── views/                # 页面视图
│   │   ├── chat.vue          # 主聊天页面
│   │   ├── AdminDashboard.vue
│   │   └── ...
│   ├── router/               # Vue Router 配置
│   ├── stores/               # Pinia 状态管理
│   └── utils/                # 工具函数
├── package.json
└── vite.config.js
```

### 后端 (springblocks/)

```
springblocks/
├── src/main/java/com/tiqs/springblocks/
│   ├── controller/           # REST API 控制器
│   │   ├── UserController.java
│   │   ├── RagProxyController.java  # RAG 服务代理
│   │   └── Admin*.java       # 管理员控制器
│   ├── service/              # 业务逻辑层
│   ├── entity/               # 实体类
│   ├── security/             # JWT 认证
│   │   ├── JwtTokenProvider.java
│   │   └── JwtAuthenticationFilter.java
│   ├── config/               # 配置类
│   └── aspect/               # AOP 日志
└── pom.xml
```

## 关键类与函数

### 意图识别模块

| 类/函数名 | 说明 | 文件位置 |
|-----------|------|----------|
| `HybridIntentRecognizer` | 混合意图识别器 | `modules/intent/vector_recognizer.py` |
| `HybridIntentRecognizer.recognize()` | 识别用户意图 | `modules/intent/vector_recognizer.py` |
| `VectorIntentMatcher` | 向量相似度匹配器 | `modules/intent/vector_recognizer.py` |
| `AIIntentClassifier` | AI 意图分类器 | `modules/intent/vector_recognizer.py` |
| `HybridIntentRecognizer.select_template()` | 智能选择PPT模板 | `modules/intent/vector_recognizer.py` |

### RAG 流程模块

| 类/函数名 | 说明 | 文件位置 |
|-----------|------|----------|
| `RAGPipeline` | RAG 流程编排 | `modules/pipeline/rag_pipeline.py` |
| `RAGPipeline.process()` | 处理用户请求 | `modules/pipeline/rag_pipeline.py` |
| `RAGPipeline.retrieve()` | 检索相关内容 | `modules/pipeline/rag_pipeline.py` |

### 构建器模块

| 类/函数名 | 说明 | 文件位置 |
|-----------|------|----------|
| `PPTBuilder` | PPT 文档构建器 | `services/builders.py` |
| `PPTBuilder.build()` | 构建 PPT 文件 | `services/builders.py` |
| `DocxBuilder` | Word 文档构建器 | `services/builders.py` |
| `GameBuilder` | HTML5 游戏构建器 | `modules/builders/game_builder.py` |

### 用户认证模块

| 类/函数名 | 说明 | 文件位置 |
|-----------|------|----------|
| `JwtTokenProvider` | JWT 令牌提供者 | `springblocks/security/JwtTokenProvider.java` |
| `JwtTokenProvider.generateAccessToken()` | 生成访问令牌 | `springblocks/security/JwtTokenProvider.java` |
| `JwtTokenProvider.validateToken()` | 验证令牌 | `springblocks/security/JwtTokenProvider.java` |

### 前端核心组件

| 组件名 | 说明 | 文件位置 |
|--------|------|----------|
| `chat.vue` | 主聊天界面 | `frontend/src/views/chat.vue` |
| `ChatBubble.vue` | 聊天消息气泡 | `frontend/src/components/chat/ChatBubble.vue` |
| `InputArea.vue` | 输入区域 | `frontend/src/components/chat/InputArea.vue` |
| `CoursewarePreview.vue` | 课件预览 | `frontend/src/components/chat/CoursewarePreview.vue` |

## 配置说明

### RAG 服务配置 (config/settings.py)

```python
# DeepSeek API 配置
DEEPSEEK_API_KEY=your_api_key
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
DEEPSEEK_MODEL=deepseek-v4-flash

# Qwen 多模态配置（可选）
QWEN_API_KEY=your_qwen_api_key
QWEN_MODEL=qwen3.6-plus

# 路径配置
UPLOAD_DIR=data/uploads
FAISS_DIR=data/faiss
DOWNLOADS_DIR=downloads

# 处理配置
CHUNK_SIZE=500              # 文本切分大小
CHUNK_OVERLAP=50            # 切分重叠
SIMILARITY_THRESHOLD=0.6    # 相似度阈值

# 服务配置
HOST=0.0.0.0
PORT=8000
```

### 环境变量 (.env)

```bash
# 必需
DEEPSEEK_API_KEY=your_deepseek_api_key

# 可选
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
QWEN_API_KEY=your_qwen_api_key
```

### 配置文件

- **RAG 服务配置**：`rag_server/config/settings.py`
- **前端配置**：`frontend/.env`
- **Java 后端配置**：`springblocks/src/main/resources/application.properties`

## 意图识别模块详解

### 架构设计

```
用户输入
    ↓
[直接关键词匹配] → 包含 "ppt"/"word"/"游戏"? → 直接返回对应意图
    ↓
[向量相似度匹配] → Sentence-BERT 编码 → 计算与示例的相似度
    ↓
[关键词增强] → 融合关键词匹配分数 → 综合评分
    ↓
[决策判断]
    ├─ 置信度 >= 0.65 → 直接返回结果
    ├─ 置信度 >= 0.35 → 结合 AI 分类器确认
    └─ 置信度 < 0.35 → 调用 AI 分类器判断
    ↓
[结果输出] → 意图类型 + 置信度 + 提取参数
```

### 支持的意图类型

| 意图类型 | 说明 | 触发关键词/示例 |
|---------|------|----------------|
| `CHAT` | 普通聊天 | "你好"、"谢谢"、"什么是..." |
| `GENERATE_PPT` | 生成PPT | "ppt"、"幻灯片"、"演示文稿"、"课件" |
| `GENERATE_WORD` | 生成Word | "word"、"doc"、"文档"、"报告"、"教案" |
| `GENERATE_GAME` | 生成游戏 | "游戏"、"game"、"互动"、"答题"、"竞赛" |
| `UPLOAD_DOCUMENT` | 上传文档 | "上传"、"导入"、"添加文件" |
| `SEARCH` | 搜索知识库 | "搜索"、"查找"、"查询"、"检索" |
| `CLARIFICATION` | 需要澄清 | 置信度低时触发 |

### 识别策略

1. **直接关键词匹配**：当用户输入包含明确的类型指示词时，直接返回对应意图
2. **向量相似度匹配**：使用 Sentence-BERT 模型计算用户输入与意图示例的相似度
3. **AI 分类器兜底**：当本地匹配置信度较低时，调用 DeepSeek API 进行判断

### 置信度阈值

| 阈值 | 值 | 说明 |
|-----|---|------|
| 高置信度 | 0.65 | 直接返回结果，无需 AI 确认 |
| 低置信度 | 0.35 | 需要调用 AI 分类器确认 |
| 澄清阈值 | 0.25 | 低于此值触发澄清询问 |

## 课件生成详解

### PPT 生成

- **智能模板选择**：根据主题自动选择合适的模板（cartoon/tech/simple/chinese/gov）
- **动态版式探测**：自动识别模板中的所有版式并智能分配
- **智能版式推断**：根据内容特征选择合适的版式
- **字体统一**：所有文字自动设置为黑体

### Word 生成

- **智能模板选择**：根据内容自动选择合适的模板（formal/academic/business/technical/simple）
- **数据格式兼容**：支持多种内容格式
- **专业排版**：自动设置标题、段落、列表等格式

### HTML5 游戏生成

- **互动问答游戏**：基于内容自动生成选择题
- **即时反馈**：答题后立即显示正确/错误
- **得分统计**：显示总分和正确率
- **响应式设计**：支持电脑、平板、手机
![输入图片说明](photo/2.png)

## 模板系统

### PPT 模板

| 模板 | 文件名 | 适用场景 | 关键词 |
|-----|--------|---------|--------|
| cartoon | cartoon.pptx | 幼儿教育 | 幼儿园、小学、儿童、卡通 |
| tech | tech.pptx | 科技主题 | AI、人工智能、大数据、编程 |
| simple | simple.pptx | 简约通用 | 默认模板 |
| chinese | chinese.pptx | 中国风 | 国学、传统文化、诗词 |
| gov | gov.pptx | 党政报告 | 党建、党课、政府、政策 |

### Word 模板

| 模板 | 文件名 | 适用场景 | 关键词 |
|-----|--------|---------|--------|
| formal | formal.docx | 正式报告 | 正式、报告、公文、官方 |
| academic | academic.docx | 学术论文 | 学术、论文、研究、教案 |
| business | business.docx | 商业文档 | 商业、企业、市场、战略 |
| technical | technical.docx | 技术文档 | 技术、开发、编程、代码 |
| simple | simple.docx | 简约通用 | 默认模板 |

## 智能决策流

### 决策流程

1. **阶段1: 检索**：FAISS 检索相关内容
2. **相似度过滤**：基于余弦相似度阈值（默认 0.6）判断检索结果相关性
3. **阶段2: 决策**：分析用户指令是否模糊
4. **阶段3: 执行**：
   - 无知识库：降级到通用回答（chat 模式）
   - 问答意图：基于知识库回答（chat 模式）
   - 生成意图：基于知识库生成课件（generate 模式）

### 响应模式

| 模式 | 说明 | 应用场景 |
|------|------|----------|
| `clarification` | 意图澄清 | 意图识别置信度低或需要确认 |
| `ask` | 追问模式 | 用户指令模糊时 |
| `chat` | 纯文本回答 | 问答意图或无知识库时 |
| `generate` | 课件生成 | 生成意图且有知识库时 |

## 目录结构

| 目录 | 用途 |
|------|------|
| `data/uploads/` | 上传的文档和视频 |
| `data/faiss/` | FAISS 索引文件 |
| `downloads/` | 生成的课件文件（30分钟过期） |
| `templates/` | PPT 和 Word 模板 |
![输入图片说明](photo/1.png)

## 常见问题排查

### 1. Python 依赖安装失败
```bash
# 使用国内镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
```

### 2. Maven 依赖下载失败
- 已在 `pom.xml` 中配置阿里云镜像
- 尝试删除 `~/.m2/repository` 后重新构建
- 使用 `mvn clean install -U` 强制更新

### 3. 端口被占用
```bash
# 查找占用 8000 端口的进程
netstat -ano | findstr :8000
# 结束进程
taskkill /PID <PID> /F
```

### 4. FAISS 索引加载失败
- 检查 `data/faiss/` 目录是否存在
- 重新上传文档建立索引
- 检查 embedding 模型是否正确加载

### 5. FFmpeg 未找到
- 确保 FFmpeg 已安装并添加到 PATH
- 或在代码中指定 FFmpeg 路径

### 6. JWT 测试编译失败
**问题**：`找不到符号: 方法 generateToken(java.lang.String)`

**解决**：测试代码已更新，使用 `generateAccessToken()` 替代 `generateToken()`

## 注意事项

- **API 密钥**：请妥善保管 DeepSeek API 密钥，不要提交到代码仓库
- **文件存储**：上传的文档和视频存储在 `rag_server/data/` 目录
- **向量索引**：FAISS 索引文件在 `rag_server/data/faiss/`，删除后需重新上传文档
- **临时文件**：生成的课件文件 30 分钟后自动清理
- **FFmpeg**：视频处理需要 FFmpeg，请确保已安装并配置路径

## 开发计划

- [x] RAG 智能问答
- [x] PPT/Word/PDF 课件生成
- [x] 视频处理和语音转写
- [x] 用户系统和历史记录
- [x] 意图识别模块（基于向量相似度、7种意图类型）
- [x] 混合意图识别策略（本地向量+AI分类器）
- [x] 智能决策流（知识库优先、无资料降级、模糊指令追问）
- [x] 意图路由机制（chat/generate 分类）
- [x] 语义相似度阈值过滤
- [x] PPT 构建器 v2（动态版式探测、智能版式推断）
- [x] PPT 智能模板选择（5种模板自动匹配）
- [x] Word 智能模板选择（5种模板自动匹配）
- [x] HTML5 游戏生成
- [x] 黑体字体统一
- [ ] 多轮对话优化
- [ ] 知识库管理后台增强
- [ ] 图片/图表自动插入
- [ ] 动画效果支持
- [ ] 实时协作编辑

## 许可证

MIT License