一、项目概述
1.1 项目定位
灵喵AI排版系统是一款基于Adobe Indesign的自动排版软件，解决各类文档排版效率问题。核心理念是"AI执行+人工修正"——AI负责80%的重复劳动，人负责20%的辅助工作，每一步都可控、可修改、可回退。目前主要应用于建筑设计行业的投标方案文本排版，未来可扩展至各行各业的文档排版需求。
相关SOLO应用经验已总结至挑战贴
以下是成果视频展示链接
这是模版生成的视频展示
1.2 与市面产品的差异
| 维度 | 传统排版软件 | 全自动AI排版 | 本系统 |
|---|---|---|---|
| 可控性 | 完全可控 | 不可控 | 每步可控 |
| 效率 | 低 | 高 | 高 |
| 灵活性 | 高 | 低 | 高 |
| 学习成本 | 高 | 低 | 低 |
| AI参与度 | 无 | 全自动 | 半自动 |
1.3 项目规模
| 指标 | 数值 |
|---|---|
| 核心代码 | 113,512行 |
| Python源码 | 211个文件，107,666行 |
| JSX脚本 | 3个文件，5,846行 |
二、系统架构
2.1 整体架构
2.2 核心数据流
Word文档 → 文档解析 → AI分析 → 思维导图 → 智能分页 → 模板匹配 → InDesign排版
数据流转过程：
- 文档解析：提取段落、图片、层级信息
- AI分析：识别文档分类、段落类型、层级关系、图片属性
- 思维导图：可视化编辑文档结构
- 智能分页：根据层级自动决定分页模式
- 模板匹配：推荐合适的排版模板
- InDesign排版：自动应用模板到InDesign
三、四大系统详细介绍
3.1 文档处理系统
定位：将Word文档转换为结构化数据，建立文档的层级关系，为排版提供数据基础。
核心能力：
-
Word文档解析
- 支持多种文档格式
- 段落类型识别
- 图片提取与格式转换
- 图片与段落自动关联
-
AI文档分析
- 智能识别文档分类（行业+类别）
- 建立文档层级体系
- 图片属性识别
- 视觉模型分析
-
思维导图可视化编辑
- XMind风格交互：节点拖拽移动、行内编辑、右键菜单
- 展开/折叠、撤销操作
- 节点增删改：添加子节点/兄弟节点、删除、编辑
-
智能分页
- AI自动分析文档结构，智能决定分页模式
- AI自动分析文档结构，智能决定分页模式
3.2 智能排版系统（核心流程）
定位：将结构化数据按排版规则自动排到InDesign里，实现"AI执行+人工修正"的核心流程。
核心能力：
-
智能排版规则
- AI自动分析文档内容，智能应用排版规则
- 支持多种排版风格和模板
-
模板匹配
- 根据页面内容智能推荐模板
- 支持手动选择模板
- 映射关系可视化预览
-
映射预览
- 直观展示内容与模板的映射关系
- 支持拖拽调整映射
- 实时预览排版效果
-
InDesign桥接
- 与InDesign无缝集成
- 自动应用模板到InDesign
- 支持多种元素类型
3.3 模板管理系统
定位：将排版好的InDesign文档提取为可复用的模板，形成模板库，支持跨项目复用。
核心能力：
-
InDesign元素提取
- 跨页级别提取：主页、段落样式、跨页
- 5种元素类型：文本框、图片框、图形线条、图形形状、排版元素
- 排版元素识别：页码、序号、章节标识、中文数字
- 智能单位转换：pt→mm，自动检测文档单位
- 自动页码识别
- 编组内元素递归提取
- 颜色提取：RGB / CMYK / LAB / SPOT
- 输出结构化格式：主页/样式/跨页三目录结构
-
可视化预览
- 元素编号规则：文本框、图片框、排版元素、线条、形状各有独立编号
- 悬停高亮联动（右侧卡片↔画布）
- 滚轮缩放（以鼠标位置为中心）
- 拖拽交换元素位置
- 出血区域和页边距辅助线
- 跨页分隔线
-
模板应用
- 三种粒度选择性应用：仅主页 / 仅样式 / 仅跨页元素
- 自动检测目标页面尺寸
- 坐标缩放适配不同尺寸
- 字体/字号/行距/对齐方式应用
-
AI排版布局分析
- 调用AI技能分析模板布局特征
- 生成模板综述和布局分析报告
- 构建智能匹配特征
3.4 AI助手系统（核心创新点）
定位：让AI不只是执行命令，而是理解用户意图，主动推荐操作，实现真正的AI协作。
8个独立技能：
| 技能 | 功能 |
|---|---|
| 文档结构分析技能 | 识别六级标题层级 |
| 文本内容识别技能 | 逐页分析文本内容，5级分类+页面摘要 |
| 图片内容识别技能 | 分析图片内容属性，人脸/文字/主体类型 |
| 排版布局分析技能 | 分析排版布局，生成模板特征描述 |
| 模板匹配技能 | 根据文档内容推荐排版模板 |
| 文档结构编辑技能 | 修改文档结构（删除序号/修改标题） |
| 排版调整技能 | 自动调整排版参数，优化版面效果 |
| 文件搜索技能 | 搜索本地文件并读取内容 |
核心创新：
-
渐进式披露（Progressive Disclosure）
- Discovery阶段：扫描技能目录，只加载基本信息（约100 tokens）
- Matching阶段：根据用户消息匹配技能（中文短语/英文关键词/语义/触发词/意图类别/状态门控）
- Activation阶段：按需加载完整指令（小于5,000 tokens）
- 效果：系统提示词从一次性注入所有技能描述（约10,000 tokens）降低到只注入目录（约100 tokens），节省99%的token开销
-
意图理解双引擎
- 快速关键词匹配：三级优先级（一般对话 > 技能触发词 > 文档相关）
- AI深度语义分析：使用AI模型理解用户意图
- 综合结果：置信度加权合并
-
分类扩展规则注入
- 先检测文档分类（行业+类别）
- 根据分类动态加载专属提示词
- 例如：建筑类文档注入建筑行业排版规则
-
流式输出优化
- 增量过滤：实时内容过滤
- 防抖动：批量更新（30-50ms延迟）
- 智能滚动：检测用户手动滚动，非底部时不自动滚动
- 内容过滤：隐藏意图分析标签、JSON代码块、系统标签
-
Temperature动态调整
- general意图：0.9（创意性）
- document意图：0.5（结构化）
- skill意图：0.1（精确执行）
-
并行调用优化
- 并发控制：支持多线程并行调用AI API，提升处理效率
- 速率限制：自动控制每分钟API调用次数上限（如40次/分钟）
- 智能调度：根据任务优先级和API配额，智能分配调用时机
- 失败重试：自动重试失败的API调用，确保任务完成
- 资源优化：避免API调用浪费，提高资源利用率
-
灵喵宠物互动系统
- 情感陪伴：通过吉祥物"灵喵"为用户提供情感陪伴和鼓励
- 智能互动：根据用户操作自动触发互动（如导入文档时欢迎、分析完成时庆祝）
- 行为检测：检测用户连续操作时长，提醒休息；检测反复修改，建议换模板
- 情绪价值：为枯燥的排版工作注入趣味性和人性化体验
整体形象采用AI生成，再通过SOLO处理素材，形成可交互的形象
四、辅助系统
4.1 AI存档系统
定位：解决AI编程的核心痛点——跨对话失忆。让AI记住整个项目的索引、可复用的经验，避免踩相同的坑。
核心文件：
- 最近修改记录：保留最多3条活跃修改
- 项目代码地图：按类名/功能/技能索引所有文件
- 对话记忆：历史、主题索引、用户偏好、待跟进事项
- 任务索引：按标签/负责人/文件路径快速检索
- 自动整理配置：触发阈值、经验提取关键词、整合参数
核心能力：
- 经验提取与验证：自动识别经验关键词，提取通用经验内容
- 攻略与地图更新检查：检查攻略文件是否需要更新
- 经验整合与优化：合并相似经验，标记重复出现的问题
4.2 自动备份系统
定位：对抗AI的"覆写症"——AI有时会用Write工具直接覆写整个代码文件，如果覆写内容有误，原代码就丢了。
核心能力：
- 增量备份：首次完整保存，后续只存差异
- 原子写入：防止数据丢失
- 版本对比：对比任意两个版本差异
- 一键恢复：恢复到指定版本
- 撤销修改：撤销最后一次修改
- 自动检测：MD5哈希检测文件变更
- 系统托盘：右键菜单一键操作
五、技术亮点
5.1 AI深度集成，灵活通用
- AI内置系统：将AI深度集成到整个系统中，用于辅助理解多样化的文档
- 灵活适配：不是代码全部写死，而是通过AI动态理解文档内容和排版需求
- 通用性强：可适配不同行业、不同类型的文档排版需求
- 智能扩展：通过AI技能系统，轻松扩展新的排版功能
5.2 全流程可控，可视化操作
- 每步可控：AI执行的每一步输出结果均可控，用户可随时介入修正
- 可视化界面：提供直观的可视化界面，实时展示排版过程和结果
- 实时预览：支持实时预览排版效果，所见即所得
- 便捷调整：通过拖拽、点击等直观操作，快速调整排版结果
5.3 InDesign深度集成
- 与InDesign无缝集成
- 支持多种元素类型
- 自动应用模板到InDesign
- 坐标缩放适配不同页面尺寸
5.4 思维导图交互
- 完整的XMind风格交互系统
- 节点拖拽移动、行内编辑、右键菜单
- 展开/折叠、撤销操作
- 直观展示文档结构
5.5 映射预览界面
- 直观展示内容与模板的映射关系
- 支持拖拽调整映射关系
- 实时预览排版效果
- 双编号显示，清晰展示对应关系
- 溢出元素和待补充元素的智能提示
5.6 模版预览界面
- 高保真预览模板效果
- 悬停高亮联动（卡片↔画布）
- 滚轮缩放、拖拽交换元素位置
- 出血区域和页边距辅助线显示
- 跨页分隔线等视觉辅助
六、后续开发计划
6.1 AI技能扩展提示词系统
功能定位：通过学习风格模板，为现有8个AI技能生成专属扩展提示词，实现更灵活、更通用的排版。
核心实现思路：
-
扩展提示词生成
- AI分析模板，提取该行业、该分类独有的特点
- 生成对应的文档结构规则和排版规则
- 为8个AI技能分别生成扩展提示词
-
用户交互与确认
- 用户可以与AI讨论生成的扩展提示词
- 支持用户手动修改和优化提示词内容
- 确认后，将扩展提示词注册为系统内部技能
-
提示词优先级机制
- 当扩展提示词与通用提示词冲突时，以扩展提示词为准
- 非冲突部分自动合并，形成完整的技能提示词
-
可视化管理界面
- 提供UI界面，用户可随时查看和修改已注册的扩展提示词
- 支持提示词版本管理和迭代优化
- 形成个人专属的风格模板库
6.2 跨平台迁移：PPT智能排版
功能定位：将成熟的排版逻辑迁移至PowerPoint平台，实现PPT的智能排版。
核心实现思路：
复用现有的AI排版逻辑和系统架构，只需将排版软件从InDesign切换为PowerPoint。核心AI分析系统、模板管理系统、AI助手系统等均可直接复用，只需开发PowerPoint的元素提取和模板应用脚本，即可实现PPT的智能排版。