自动化生成学术组会 Beamer PPT 的智能工具

Koda 是一个基于 AI 的学术演示文稿生成工具，专门用于从 arXiv 论文自动生成高质量的 Beamer PPT。

arXiv论文ID → 下载LaTeX源码 → AI生成Beamer → 编译PDF → 逐页修复溢出

• ✅ 自动化：一键从 arXiv 下载、解析、生成、编译
• ✅ 保真度高：直接使用论文的 LaTeX 源码，公式/表格/图注完美保留
• ✅ 组会风格：方法详细、公式完整、实验+消融分析清晰
• ✅ 可编辑：生成后可逐页修复，支持 AI 辅助优化
• ✅ 灵活配置：支持自定义 Beamer 模板、AI 提示词

1. Python 3.10+
2. LaTeX环境 (TeX Live / MacTeX)
3. LLM API密钥 (OpenAI / Anthropic)

# 克隆项目
git clone https://github.com/your-username/Koda.git
cd Koda

# 安装依赖
pip install -r requirements.txt

编辑 config.yaml：

llm:
  provider: "openai"          # 或 "anthropic"
  api_key: "YOUR_API_KEY"     # 填入您的API密钥
  model: "gpt-4o"             # 或 "claude-3-5-sonnet-20241022"

streamlit run app.py

在浏览器中：

1. 输入 arXiv ID（如 2312.12345）
2. 选择 Beamer 模板
3. 点击 "Generate + Compile"
4. 等待 1-3 分钟，查看生成的 PPT

• 部署文档 - 详细的环境配置和安装指南
• 使用指南 - 完整的功能说明和最佳实践
• 任务清单 - 开发进度和未来规划

✅ 推荐使用：

• 论文在 arXiv 上，且有 LaTeX 源码
• 准备博士组会、实验室内部讨论
• 需要"技术型"分享：方法细、公式全、实验详细
• 已有常用的 Beamer 模板

❌ 不推荐：

• 纯 PDF 论文（无 LaTeX 源码）
• 纯理论证明论文（公式过于密集）
• 大众科普型演讲

arXiv ID: 2010.11929
模板: assets/templates/example_template.tex
运行名称: vit_paper_2024

生成结果：

• 标题页
• 动机与问题定义
• 方法（拆分为 3-4 页）
• 实验设置
• 主要结果对比表
• 消融实验分析
• 可视化
• 结论

Koda/
├── app.py                 # Streamlit主应用
├── config.yaml            # 配置文件
├── requirements.txt       # Python依赖
├── core/                  # 核心功能模块
│   ├── fetcher.py         # arXiv下载
│   ├── parser.py          # LaTeX解析
│   ├── generator.py       # LLM调用
│   └── compiler.py        # LaTeX编译
├── utils/                 # 工具函数
│   └── pdf_renderer.py    # PDF渲染
├── assets/
│   ├── AGENTS.md          # AI Prompt模板
│   └── templates/         # Beamer模板库
├── docs/                  # 文档
│   ├── deployment.md      # 部署指南
│   ├── user_guide.md      # 使用手册
│   └── task_list.md       # 任务清单
├── workspace/             # 临时工作目录（自动生成）
└── runs/                  # 运行日志（自动生成）

欢迎提交 Issue 和 Pull Request！

MIT License

以下是项目的原始设计文档和技术规划：

我想做一个项目：有了 codex 和 cc 之后，我现在做科研论文分享 PPT 基本是"流水线"：下载 arXiv LaTeX 源码 → 丢进模板文件夹 → 让 Codex/cc 直接生成 Beamer 正文 → 编译 → 逐页修溢出。 优点很直白：几乎不用手工搬公式/表格/图注，初稿出来就有"论文味"，最后只做边界检查和少量排版。

0. 适用范围 适用：

论文在 arXiv 上，能下到 LaTeX source（强烈建议别用 PDF 去抠） 你有一份常用 Beamer 模板（实验室模板/公开模板都行） 你想要"组会风格"：方法细、公式全、实验+消融讲清楚 电脑可以编译 latex

1. 建一个干净的工作目录（建议每篇论文一个文件夹） 每篇论文我都会单独开一个文件夹，把两样东西放到一起就行：arXiv 的 LaTeX 源码（解压后）+ 你的 Beamer 模板（template.tex）。

paper-talk/ AGENTS.md # 固定的 prompt（下面给一份可复制完整版） template.tex # beamer 模板 paper_src/ # 论文 LaTeX 源码（解压后） talk.tex # 最终 slides（或 talk_body.tex 由模型生成后再 include） figs/ # 你后续替换/截图出来的图（可选） 2. 让 Codex / Claude 生成初稿（我用的prompt） 一般思路是：让它读取：

template.tex paper_src/ 里论文 tex（主入口 + 相关 section） 然后输出：

talk.tex（或 talk_body.tex）里 \begin{document} 到 \end{document} 的正文 你可以直接对模型说类似这种（口吻随意，关键是约束）：

按 AGENTS.md 的规则，读取 template.tex 和 paper_src/ 的论文 LaTeX 源码，生成 Beamer 正文（只输出 document 环境内容），方法部分保留原公式，实验给主结果+消融表，整套按 columns 排版并避免一页太挤。 AGENTS.md# Role 你是资深学术组会 PPT（LaTeX Beamer）开发者。目标是为博士组会生成技术型分享：方法细、公式全、实验/消融讲清楚。# Inputs (Files in this folder)- Beamer 模板：template.tex（包含 preamble/theme/title page 等风格定义）- 论文 LaTeX 源码目录：paper_src/（包含论文正文、公式、表格、图注）# Output (Strict)- 只生成 Beamer 正文：仅输出 \begin{document} 到 \end{document} 之间的内容- 不要输出解释性文字、不要输出模板 preamble、不要新增可能冲突的宏包- 输出必须可编译（在既有模板下）# Talk Structure (Group meeting style)1. Title Page（使用模板的标题页命令/字段）2. Motivation & Problem Definition - 任务/问题定义（沿用论文符号） - 现有方法限制（gap，2-3 点即可） - 本文核心 insight（1-2 句）3. Methodology（高优先级，必须拆成多页） - Overview：整体框架与数据流 - Module Breakdown：关键模块逐页讲清楚（输入/输出/关键设计） - 使用论文原始公式（不要过度简化数学） - 给出训练目标/损失函数（总 loss + 分项）4. Experiments - Setup：数据集、指标（如 SR/SPL）、实现细节（backbone/训练设置） - Main Results：对比表（简化成 beamer 表格） - Ablation：消融表 + 结论解释（为什么掉/为什么提升） - Qualitative：可视化/失败案例（用占位图）5. Conclusion - 贡献总结（3 点内） - 局限 - Future work# Layout Rules (MTU3D-like)- 大量使用 columns： - 左列 0.45\textwidth：要点（bullet） - 右列 0.55\textwidth：图/表（占位图或简化表格）- 每页最多 5–7 条 bullet；超过必须拆页（Method I/II/III…）- 禁止把 Method 挤成一页；宁可多页也要可读# Figures/Tables- 图片统一用占位文件名，方便用户后续替换： - fig_architecture.png, fig_module1.png, fig_qualitative.png- 表格从论文表格抽取，做"能讲清结论"的简化版： - 保留关键 baseline + 本文方法 - 保留关键指标列（如 SR/SPL/Success 等） - 最好成绩加粗(\textbf{}) - 列太多就删列或拆表，不要硬 resize 到看不清# Text Style- 组会口吻：偏技术、偏分析，不要写成泛泛的科普总结- 符号命名以论文为准，全文一致- 不要堆砌形容词；每条 bullet 都要"信息密度高、可讲"# Safety- 不要引入新的宏包- 不要改动模板风格定义- 如果某些图/表无法从源码直接得到，就放占位并在 bullet 里注明"(placeholder)" AGENTS.md# Role You are an expert academic researcher and a LaTeX Beamer developer. I need you to create a high-quality presentation for a doctoral group meeting based on a research paper.# Inputs Provided I will provide you with two distinct blocks of text:1. The Beamer Template Code: This contains the preamble, theme definitions, custom packages, and title page setup.2. The Paper's LaTeX Source: The raw content of the research paper (including abstract, intro, method, experiments, etc.).# Task Your goal is to generate the body content of the Beamer presentation (everything between \begin{document} and \end{document}) by extracting information from the Paper's LaTeX Source and formatting it strictly according to the style defined in the Beamer Template Code.# Content & Logic Requirements (Modeled after "MTU3D" Logic) Since this is for a group meeting, the focus must be on technical depth, methodology details, and experimental analysis, not just a high-level summary. Structure the presentation as follows:1. Title Page: Use the commands from my template (e.g., \title, \author, \institute).2. Motivation & Problem Definition: * What is the specific problem? (e.g., Embodied Navigation, 3D Grounding). * What are the limitations of existing methods? (The "Gap"). * What is the core insight of this paper?3. Methodology (High Priority - Split into Multiple Slides): * Overview: High-level framework diagram explanation. * Module Breakdown: Create separate slides for key technical components found in the paper source (e.g., "Online Query Representation," "Dynamic Memory Bank," "Joint Optimization/Loss Functions"). * Instruction: Use the actual equations from the paper source. Do not simplify the math too much; PhD students need to see the formulas.4. Experiments: * Setup: Datasets, Metrics (e.g., SR, SPL). * Main Results: Comparison tables (convert paper tables to simplified Beamer tables). * Ablation Studies: Crucial for group meetings. Why does each module work? * Qualitative/Visualization: Placeholders for trajectory or segmentation visualizations.5. Conclusion: Summary and Future Work.# Formatting & Layout Constraints1. Layout Strategy: Mimic the "MTU3D" style by extensively using the columns environment. * Left Column (0.4-0.5\textwidth): Explanatory bullet points. * Right Column (0.5-0.6\textwidth): Figure placeholder (\includegraphics...).2. Preventing Overflow (Strict Rule): * Max 5-7 bullet points per slide. * If a methodology section is dense, split it into "Methodology I", "Methodology II", etc. Never squeeze too much text into one frame.3. Figure Handling: * Use the figure captions from the paper source to write the slide titles or descriptions. * Use generic filenames for images (e.g., fig_architecture.png, tab_results.png) so I can replace them later.4. LaTeX Consistency: Ensure the code compiles with the Beamer Template Code I provided. Do not introduce packages that conflict with my template. 3. 逐页修溢出：我一般只让模型改"这一页" 最省事的交互方式：把出问题的 frame 原样贴给模型，让它只改这一页（必要时拆成两页）。 我常用的修边prompt长这样：

"下面这个 frame #number 溢出了。只改这一页：最多 6 条 bullet；允许拆成两页；公式符号保持论文一致；表格不要 resize 太狠。输出替换后的 frame 代码。" 然后贴：

该 frame 的 LaTeX log 里 Overfull 提示那一行（可选） 常用修法（按优先级）：

拆页（Method II/III、Ablation I/II）——最稳 表格：删列/删行/拆表（比 \resizebox 更可读） 公式：align 断行、把 "where …" 放 bullet 里 字号：只对局部 \small/\scriptsize（别全局缩，观感很惨） 图：右栏图缩一点，或者减少一张图 4. 结尾：这套流程我觉得值的点 arXiv 源码是最干净的信息源：公式/表格/图注本来就是结构化的，模型搬运+重排比你手动快太多 AGENTS.md 把"输出形态"锁死后，模型就更像"排版工+助教"，而不是"写作文选手" 最后只剩一个工作：逐页把溢出修掉（这部分反而很好外包给模型做） 然后就可以尽情摸鱼了（甚至可以让生成一个对应的稿子，偷偷照着读）

详细的项目规划（更新版）

你说得对。兵马未动，粮草先行。如果不先把技术栈定死，后面写代码就会变成"面多了加水，水多了加面"。

针对 Koda 这种"文本重构 + 编译器调用 + 视觉反馈"的工具，我推荐一套**"轻量级 Python + 交互式 Web UI"**的技术栈。

这是我认为性价比最高的组合：

这是项目的"大脑"，负责脏活累活。

• arxiv: 用于 search 和 download_source。
• tarfile & zipfile: arXiv 的源码通常是 .tar.gz，需要自动解压。
• regex (re): 这是核心中的核心。你需要用正则做以下清洗：
  • 去除 LaTeX 注释 (% 开头的内容)，节省 Token。
  • 扁平化文件：识别 \input{sections/intro.tex}、\include{...}、\subfile{...}、\import{...}，把子文件内容读出来替换进去，把多文件合并成一个长 String 给 LLM。
  • 提取 \begin{frame} 到 \end{frame} 的块，用于后续的"单页修复"。
• tenacity: 调用 LLM 时的重试机制（网络波动是常态）。

这是你的"控制台"。为什么我强烈推荐 Streamlit 而不是 CLI？

因为你的第 3 步是 "逐页修溢出"。

• CLI 体验：

  1. 生成代码。

  2. 打开 PDF 阅读器看一眼。

  3. 发现第 5 页炸了。

  4. 回到终端输入 python koda.py --fix-page 5。

     评价：割裂，累。

-- Streamlit 体验：

• 左栏：显示每一页生成的 LaTeX 源码（Text Area）。
• 右栏：显示对应页的渲染图。
• 交互：右边看到第 5 页溢出了 -> 左边点击"Auto Fix This Slide"按钮 -> 局部调用 LLM -> 局部重编译 -> 右侧图片自动刷新。
• 评价：丝滑。

• 确保电脑上装了 TeXLive (Windows/Linux) 或 MacTeX (macOS)。
• 确保 latexmk 在系统环境变量 PATH 里（若不可用再退回 pdflatex）。

基于这个技术栈，你的工程目录应该长这样：

Plaintext

Koda/
├── app.py                 # Streamlit 入口 (UI逻辑)
├── config.yaml            # 运行配置 (API key / 默认模板 / 编译器路径)
├── core/
│   ├── fetcher.py         # 处理 arXiv 下载、解压
│   ├── parser.py          # 处理 LaTeX 清洗、扁平化、合并
│   ├── generator.py       # 封装 LLM API (Claude/GPT)
│   └── compiler.py        # 封装 subprocess 调用 latexmk/pdflatex
├── assets/
│   ├── AGENTS.md          # 核心 Prompt (保留单一权威版本)
│   └── templates/         # Beamer 模板库
├── utils/
│   └── pdf_renderer.py    # 用 PyMuPDF 把 PDF 转图供 Streamlit 显示
├── requirements.txt       # python 依赖
├── runs/                  # 每次任务的日志与快照 (prompt/context/output)
└── workspace/             # 运行时生成的临时目录

1. 为什么不选 PyQt/Tkinter？
   • 开发太慢，界面太丑。你需要把精力花在 Prompt Tuning 上，而不是调整按钮的 padding。
2. 为什么不选 Web 前端 (React/Vue) + FastAPI？
   • 杀鸡用牛刀。你是单人开发，前后端分离会增加一倍的工作量。Streamlit 是"全栈 Python"，写完逻辑界面就有了。

如果你同意这个技术栈，我们需要做的第一件事不是写代码，而是验证环境。

你需要确认：

1. Python 环境就绪。
2. 本地终端能直接运行 latexmk -pdf your_template.tex 并成功编译（若没有 latexmk，再用 pdflatex）。
3. 拥有 OpenAI 或 Anthropic 的 API Key。

如果这三点都没问题，我们可以直接开始写 Core 模块的 MVP（最小可行性产品）。你觉得如何？