效能工具十之接入deepseek实现AI学习PDF文档读后感文件批量生成功能

水冗水孚
0 阅读6分钟

前言

看文，看的是一种思路，希望笔者的文章能给诸位带来一些灵感思路☺️☺️☺️

历史效能工具文章

文本是效能工具系列文章的第九篇，前八篇分别是

业务需求场景描述

  • 公司每个月都会安排员工学习一个pdf文档（有点形式主义的学习）
  • 然后，根据文档内容写一篇500字左右读后感txt
  • 员工都是把文档丢给AI让其帮忙写读后感
  • 一个员工每个月要花费10分钟，几十个员工，就累计是几个小时的成本
  • 人越多，成本越高
  • 针对于这个情况，笔者思考，倒不如写一个工具
  • 由专人在月末的时候，直接通过工具，点一点，一键生成几十份甚至上百份的学后感
  • 如此这般，就能够进行相应的提效

代码实现

技术选型

  • 首先是pdf的文字提取，这里使用FileReader去读取需要学习的pdf文件（上传pdf）
  • 然后，把读取到的数据，交给pdf-dist中的pdf.js和pdf.worker.js
  • 这里就可以拿到pdf中的所有文字信息了（包括页码数）
  • 再然后，把pdf中的文字信息作为user的内容
  • 再提前写好系统级的提示词内容
  • 丢给deepseek的接口返回给前端
  • 前端再通过file-saver.js下载对应的内容即可做到生成pdf学后感txt文本的功能
  • 生成多份，就批量请求一下接口，整体Promise.allSettled一下即可
  • 最终，再使用jszip把所有的txt打包成一个压缩包，直接下载了

deepseek开放平台注册API keys

地址：platform.deepseek.com/api_keys

截图：

1111111.png

当然，需要充点两块钱，如下：

222.png

实际上，大模型的生成文字的token一般都不贵，笔者测算了一下，生成50篇500字的txt文，成本不到一毛钱

使用express框架通过openai包调用deepseek的服务

有了deepseek的API keys且账户有钱后，就可以在服务端调用了，通过npm安装openai这个包

  "dependencies": {
    "express": "^5.1.0",
    "openai": "^6.9.1"
  }

笔者这里使用的是express

如下：

import express from 'express';
import OpenAI from "openai";

// 初始化 OpenAI
const openai = new OpenAI({
    baseURL: 'https://api.deepseek.com',
    apiKey: 'sk-27cae***********************1093', // 换成自己的
});

const systemContent = `系统级提示词高权重，用于规范限定回答内容`;

app.post('/api/chat', async (req, res) => {
    try {
        const { content } = req.body;

        if (!content) {
            return res.status(400).json({ error: '请提供要学习的内容' });
        }

        const completion = await openai.chat.completions.create({
            messages: [
                { role: "system", content: systemContent },
                { role: "user", content: content },
            ],
            model: "deepseek-chat",
        });
        const result = completion.choices[0]?.message?.content;
        res.json({ result });
    } catch (error) {
        console.error('API 调用失败:', error);
        res.status(500).json({ error: error.message || 'API 调用失败' });
    }
});

编写系统级提示词

上述的systemContent可以根据实际业务情况，进行适当编写

const systemContent =
`
你是一个热爱中国的优秀员工。
所在的公司是xxx。
所在的部门是yyy。
仔细阅读用户提供的学习内容材料，并返回一段学习学后感。

格式要求：
- 纯文本格式，不要使用markdown
- 字数控制在400-600个字符之间
- 使用第一人称"我"来叙述

内容要求：
1. 学后感要简洁明了，逻辑清晰
2. 内容要符合实际
3. 要体现...
4. 要结合学习材料的具体内容，不能泛泛而谈
5. 要实事求是，言之有物，避免空话套话
6. 注意分段落

多样性要求：
- 每次生成都要使用不同的表达方式、不同的角度和不同的案例
- 避免使用重复的词语、句子和段落结构
- 确保每次生成的学后感都是全新的内容

重要提醒：
- 返回的内容必须符合中国的法律法规
- 要结合学习材料的具体内容进行深入思考
- 不要使用缓存！
`;

快速理解什么是提示词？

  • ai交互的核心就是系统级提示词（System Prompt）和用户提示词（User Prompt）

如下表

维度系统级提示词用户提示词
生效范围全局生效（所有对话轮次）仅当前 / 指定轮次生效
优先级更高（覆盖用户提示词冲突项）服从系统规则
核心目的设定规则与角色提出具体问题 / 需求
可见性通常对用户不可见（后台配置）用户主动输入，完全可见

比如，有如下场景

  • 客服智能问答场景：系统提示词定义 “语气友好、优先解决用户问题、无法解答时引导转人工”，用户仅需提问 “我的订单为什么没发货”，AI 就会按该规则响应；

  • AI创作场景：系统提示词设定 “风格为悬疑短篇、字数 500 字以内、结尾留悬念”，用户仅需说 “以雨夜为背景写一个故事”，AI 的输出就会贴合这些要求。

系统级提示词有点像cosplay的身份角色背景设定...

所以，上述systemContent才会定义成为那样的

现在，有了接口了app.post('/api/chat', async (req, res) => { ... })

这样的话，前端就可以做对应请求数据，下载操作了...

篇幅有限，不继续赘述

总结

  • 看完本文，大家可记住这样一句话：所有重复的、没有技术含量的办公操作，都可以考虑使用AI进行提效
  • 此外，大家可以思考一下，如何能把公司的一些业务场景给抽象出来，使用AI进行高效解决问题？

手工创作不易，感谢大家支持鼓励☺️☺️☺️

avatar
文章
阅读
粉丝