# Burner-X **Repository Path**: bytes9/Burner-X ## Basic Information - **Project Name**: Burner-X - **Description**: No description available - **Primary Language**: Unknown - **License**: AGPL-3.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-01-05 - **Last Updated**: 2026-01-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Paper Burner X - AI文献识别、翻译、阅读与智能分析工具 这是一款开源的、在浏览器中即开即用的 AI 工作站，专为扫除海量的 PDF 文献、复杂的公式和跨语言的障碍。 它为需要进行精细、长文本阅读的研究人员和深度学习者设计，致力于将复杂的文档处理、翻译和分析流程整合到单一、流畅的体验中。
版本 许可证 JavaScript Docker

浏览器即开即用 | 极速并发翻译 | 智能文档分析

📱 落地页 • 🚀 快速开始 • ✨ 特性 • 📖 部署文档

--- * 项目分前端版本和后端版本，目前后端版本构建中，请暂时不要拉取docker镜像。 paper burner x ## 🎯 项目简介 **Paper Burner X** 是为研究生和研究人员设计的 AI 驱动文献处理工具。支持 PDF/DOCX/PPTX/EPUB 等多种格式，能够进行 OCR 识别、高质量翻译、智能分析，完美保留公式、图表和格式。 目前实现了： * **前端 Agent 驱动的智能检索：** 我们在前端实现了一个 Agentic RAG 系统。通过赋予 AI 全局的文章结构 和一系列工具（如 `grep`, `vector search`, `fetch`等等），AI 能够自主决策、多步推理，并在长文本中实现复杂的分析和信息提取任务。 * **高性能批量处理：** 支持多种文档格式（PDF/DOCX/EPUB 等）和代码库的直接导入。利用并发 OCR 和翻译，并结合术语库（支持数万词条快速匹配），显著提升了文献处理效率。 * **高可扩展性与本地化：** 目前所有数据均在浏览器本地，支持用户接入自定义 AI 模型端点，并提供了配套的 [OCR Server](https://github.com/Feather-2/PBX-DS-OCR-server) 和 Docker 部署选项(开发中)，让用户未来可以实现完全离线的本地化使用。 希望这个工具能成为研究人员和知识工作者的得力助手，欢迎试用和提出宝贵意见！ > 该项目扩充了诸多阅读/AI工具上的便利，但如果您需要一个轻量化的文档处理工具，也欢迎使用 [Paper Burner](https://github.com/baoyudu/paper-burner) ， [baoyu](https://github.com/baoyudu) 的原分支。 ## 具体介绍 ### 一体化的文档处理引擎 我们为工具打造了一个强大的“入口”，使其能够轻松消化各种来源的知识。 * **广泛的格式支持：** 能够处理 PDF、DOCX、PPTX、EPUB、Markdown 甚至代码注释等多种格式，并支持导出为 DOCX、MD 等常用格式。 * **智能导入与处理：** 不仅支持本地文件上传，更可一键从 GitHub 仓库或任意 URL 导入内容，自动完成解析。PDF可以使用OCR (支持mineru/doc2x等) 与翻译引擎，并实现**保留原文格式翻译**功能（基于mineru，目前优化中，并会支持更多模型）。 * **术语备择库：** 进行了性能优化，支持一次性导入数万条术语并进行快速匹配。 * 支持自定义模型端点，可以支持检测、多key、快捷导出等机制，使用灵活。 ### 为深度阅读优化的交互体验 * **沉浸式对照阅读：** 提供智能对齐的段落级原译文对照、文档结构目录（TOC）、高亮与标注功能，先进行无障碍的阅读，再进行AI总结。 * **增强学术内容展示：** 针对学术场景，特别优化了复杂公式的渲染。 * **结构化信息提取：** 内置了“文献矩阵”等实用工具，能够将非结构化的论文内容，智能提取为清晰的结构化数据，方便进行横向对比和分析。 ### 不止于问答：前端 Agent 驱动的智能分析 - 我们在纯前端环境中，实现了一个长文本Agent。少量文本下，将使用全量的策略；而当提供长文本时候，使用长文本Agent。 - **赋予 AI 全局视野：** 我们为 AI 构建了“分层意群/地图”，让它在处理长文本时拥有对全文结构的整体认知。 * **为 AI 配备工具箱：** 我们给予 AI 一系列工具，如精确匹配的 `grep`、向量搜索 `vector search`、内容抓取 `fetch` 等。AI 会根据你的问题，自主分析并决定调用哪种工具组合来寻找最佳答案。 - 上述皆在纯前端实现，浏览器打开即用 ### 项目正在活跃地迭代 * **完全本地化部署：** 正在开发Docker 部署方案，还提供了可自托管的 [OCR Server](https://github.com/Feather-2/PBX-DS-OCR-server)，最终目标是让用户可以完全在离线环境中使用全部功能。 * **从单文档到多文档：** 下一个里程碑是将能力从分析单篇文献，扩展到处理多篇文献，并基于此开发能自动生成文献综述的 **综述 Agent**，成为真正的 AI 研究助理。 --- **核心优势：** - ⚡ **极速翻译** - 并发处理，长论文仅需数十秒 - 🎨 **完美排版** - 保留公式、图表、格式 - 🤖 **智能分析** - AI 助手、思维导图、流程图生成 - 🔒 **隐私安全** - 纯前端模式，数据完全本地化 - 🐳 **灵活部署** - 支持 Vercel 静态部署和 Docker 完整部署 --- ## 🚀 快速开始 Paper Burner X 提供**两种部署模式**，根据你的需求选择： ### 📱 模式 1：纯前端部署（推荐个人使用） **特点：** - ✅ 无需服务器，完全免费 - ✅ 5 分钟快速部署到 Vercel - ✅ 数据存储在浏览器本地，隐私安全 - ✅ 适合个人使用和快速体验 **部署步骤：** ```bash # 1. Fork 本仓库到你的 GitHub 账号 # 2. 在 Vercel 中导入项目 # 访问 https://vercel.com/new # 选择你 fork 的仓库 # 点击 Deploy # 3. 部署完成！访问你的域名即可使用 ``` > 💡 **提示：** 纯前端模式下，所有数据存储在浏览器 localStorage/IndexedDB 中，不会上传到任何服务器。 **在线体验：** [https://paperburner.viwoplus.site](https://paperburner.viwoplus.site) --- ### 🐳 模式 2：Docker 完整部署 该模式将尽快上线 **使用 Docker Hub 镜像：** ```bash docker pull feather2dev/paper-burner-x:latest ``` > 📖 **详细文档：** [完整部署指南](deploy/DEPLOYMENT_GUIDE.md) --- ## ✨ 特性概览 ### 1. ⚡ 极速并发翻译 - **多文件并发处理** - 一次上传多个文件，自动排队处理 - **高速并发翻译** - 理想情况下，长论文翻译仅需几十秒 - **自定义并发数** - 可配置文件处理和翻译任务的并发数量 - **提示词池机制** - 智能健康管理提示词，保证翻译质量 - **文件夹批量导入** - 支持整个库/文件夹翻译，保留文件夹层级 ### 2. 🔧 灵活的配置管理 - **术语库系统** - 维护多套术语库，自动注入翻译提示，保持术语一致性 - **自定义提示词** - 支持自定义翻译 Prompt，满足客制化需求 - **提示词池生成** - AI 自动生成提示词变体，保证核心需求不变 - **模型自动检测** - 通过 `/v1/models` API 自动检测可用模型 - **多 Key 轮询** - 支持多个 API Key 轮询使用，提高稳定性 - **配置导入导出** - 方便迁移和备份配置 ### 3. 📖 增强的阅读体验 - **历史记录面板** - 基于 IndexedDB 存储，支持原文/译文/对比模式 - **公式与表格渲染** - 完美支持 LaTeX 公式、图片、表格渲染 - **分块对比** - 原文与译文智能对齐，段落级精准对比 - **目录导航 (TOC)** - 快速浏览文档结构，实现内容间快速跳转 - **沉浸式阅读** - 桌面端沉浸模式，所有要素集中在一个画面 - **标注与高亮** - 字级高亮和标注，支持多种颜色 ### 4. 🤖 智能文档分析 - **AI 聊天助手** - 对长文档进行提问和分析，支持流式输出 - **快捷指令** - 预置学术相关问题，快速提问 - **思维导图生成** - 自动生成文档思维导图 - **流程图生成** - 支持 Mermaid 流程图生成和编辑 - **对话导出** - 将 AI 对话内容快速导出为图片 - **图片上传** - 支持上传图片进行多模态对话 ### 5. 📁 多格式支持 **支持导入：** - PDF / Markdown / TXT / DOCX / PPTX / HTML / EPUB **支持导出：** - HTML / PDF / DOCX / Markdown（支持图片嵌入或链接）... --- ## 🔑 API 密钥配置 ### 纯前端模式 需要在浏览器中配置以下 API 密钥（本地存储）： 1. **OCR 服务** - [MinerU](https://github.com/opendatalab/MinerU) - [Doc2X](https://doc2x.noedgeai.com/) - [Mistral](http://mistral.ai/) 2. **翻译模型** - [DeepSeek](https://deepseek.com/) - [Google Gemini](https://makersuite.google.com/) - [Anthropic Claude](https://www.anthropic.com/) - [阿里通义千问](https://www.aliyun.com/) - [火山引擎](https://www.volcengine.com/) - 自定义模型端点... ## 🗺️ 路线图 - [X] 纯前端模式 - [X] Docker 部署支持 - [X] 多用户系统 - [X] 管理员面板 - [X] 更多 OCR 引擎支持 - [X] 移动端适配优化 - [ ] UI 界面重构 - [ ] 云端同步（可选） --- ## 🤝 贡献指南 欢迎为 Paper Burner X 做出贡献！ **参与方式：** - 🐛 [报告 Bug](https://github.com/Feather-2/paper-burner-x/issues) - 💡 [提出新功能建议](https://github.com/Feather-2/paper-burner-x/issues) - 🔧 [提交 Pull Request](https://github.com/Feather-2/paper-burner-x/pulls) - 📖 [改进文档](https://github.com/Feather-2/paper-burner-x/wiki) - ⭐ [为项目点 Star](https://github.com/Feather-2/paper-burner-x) --- ## 📚 相关文档 - [部署指南](deploy/DEPLOYMENT_GUIDE.md) - 详细的部署步骤 - [本地测试指南](deploy/LOCAL_TESTING.md) - 本地开发和测试 --- ## ⚠️ 注意事项 - AI 模型翻译结果仅供参考，重要内容请以原文为准 - 大型文档的处理可能需要较长时间，请耐心等待 - 对于包含特殊格式的 PDF，OCR 结果可能需要人工校对 - 使用 API 时请遵守相应服务提供商的使用条款 - 纯前端模式下，数据存储在浏览器本地，清除浏览器数据会丢失历史记录 --- ## 📄 许可证 本项目采用 **GNU Affero General Public License v3.0 (AGPL-3.0)** 许可证开源。 ### 📋 关键要求 如果你部署本项目作为网络服务（包括但不限于）： - 公开的 Web 服务 - SaaS 平台 - 内部企业服务 **你必须**： 1. 在用户界面显著位置提供"源代码"链接 2. 用户可以通过该链接免费获取完整源代码 3. 包括你所做的任何修改 ### 📜 许可证说明 本项目基于 [Paper Burner](https://github.com/baoyudu/paper-burner) (GPL-2.0) 的创意开发（该项目是一款pdf极简翻译工具）： **当前版本 (Paper Burner X)**: - **许可证**: AGPL-3.0 - **适用范围**: 所有当前代码（大部分为新开发内容），已在原始项目上进行了重构和各方面极多内容的扩充。 - **作者**: Feather-2 and contributors - **版权**: Copyright (C) 2024-2025 Feather-2 and contributors **历史归属 (Original Paper Burner)**: - **许可证**: GPL-2.0 - **适用范围**: 重构前，与mistral翻译相关的原始代码和部分ui（见 git 历史记录 before May 16, 2025） - **作者**: Baoyu (baoyudu) - **仓库**: https://github.com/baoyudu/paper-burner **为什么使用 AGPL-3.0？** 作为我所写这部分代码的版权持有人，我选择 AGPL-3.0 是为了： - ✅ 防止"云服务漏洞"（部署为 SaaS 必须开源） - ✅ 保护开源社区的利益（修改必须回馈） 详见 [NOTICE](NOTICE) 文件和 [LICENSE](LICENSE) 文件。 --- ## 🙏 致谢 > 本项目是在 [Paper Burner](https://github.com/baoyudu/paper-burner) 原项目基础上进行扩充和修改的，为示尊重和区分，故命名为 Paper Burner X。 > 该项目扩充了诸多阅读/AI工具上的便利，但如果您需要一个简洁、轻量化的文档处理工具，也欢迎使用 [Paper Burner](https://github.com/baoyudu/paper-burner) ， [baoyu](https://github.com/baoyudu) 的原分支。 **贡献者：**
---

如果这个工具对您有帮助，请考虑给项目一个 ⭐

GitHub • 在线体验