基于 OpenAI API 与 LangChain 构建的轻量级PDF分析工具，支持加载PDF文档并通过AI模型（如GPT-4）实现智能问答、内容分段与总结，帮助快速提取PDF关键信息。
- PDF文档加载：支持加载本地PDF文件，自动解析多页内容
- AI智能交互：对接OpenAI GPT系列模型，基于PDF内容回答定制化问题
- 结构化输出：支持内容逻辑分段、要点总结，结果清晰易读
- 环境变量配置：通过
.env文件安全管理API密钥，避免硬编码风险
git clone https://github.com/XiaomingX/openai-pdf-reader.git
cd openai-pdf-reader推荐使用虚拟环境（如venv）隔离依赖，执行以下命令安装所需包：
# 创建并激活虚拟环境（Windows）
python -m venv venv
venv\Scripts\activate
# 创建并激活虚拟环境（macOS/Linux）
python3 -m venv venv
source venv/bin/activate
# 安装依赖
pip install -r requirements.txtdotenv>=1.0.0
langchain-openai>=0.1.0
langchain-community>=0.2.0
langchain-text-splitters>=0.2.0
PyPDF2>=3.0.0- 在项目根目录创建
.env文件 - 填入你的OpenAI API密钥（获取地址：OpenAI API控制台）：
# .env 文件内容
OA_TOKEN=your-openai-api-key-here将需要分析的PDF文件（如示例中的CELEX_32022R2554_DE_TXT.pdf）放入项目根目录。
执行主程序脚本（默认脚本名：main.py），示例代码逻辑如下：
# main.py（核心代码片段）
from dotenv import load_dotenv
import os
from langchain_openai import ChatOpenAI
from langchain.prompts.chat import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate
from langchain_community.document_loaders import PyPDFLoader
from langchain.schema.output_parser import StrOutputParser
# 加载环境变量与初始化模型
load_dotenv()
if not (api_key := os.getenv("OA_TOKEN")):
raise ValueError("请在.env文件中配置OA_TOKEN（OpenAI API密钥）")
llm = ChatOpenAI(api_key=api_key, model="gpt-4-0125-preview")
# 1. 加载PDF文档
def load_pdf(file_path):
loader = PyPDFLoader(file_path)
return loader.load() # 返回文档所有页内容
# 2. 调用AI分析文档
def ai_analyze_pdf(documents, user_query):
# 定义提示词模板
system_prompt = SystemMessagePromptTemplate.from_template(
"你是PDF文档分析助手，需基于提供的文档内容，准确、简洁地回答用户问题，可适当分段。"
)
human_prompt = HumanMessagePromptTemplate.from_template(
"文档内容：\n{doc_content}\n\n用户问题：{query}"
)
prompt = ChatPromptTemplate.from_messages([system_prompt, human_prompt])
# 构建处理链并执行（截取前3页避免内容过长）
doc_content = "\n\n".join([page.page_content for page in documents[:3]])
chain = prompt | llm | StrOutputParser()
return chain.invoke({"doc_content": doc_content, "query": query})
# 主流程
if __name__ == "__main__":
# 配置参数
pdf_path = "CELEX_32022R2554_DE_TXT.pdf" # 你的PDF文件名
user_query = "请将文档内容按逻辑分段，并总结每段核心要点" # 你的分析需求
# 执行分析
print(f"正在加载PDF：{pdf_path}")
docs = load_pdf(pdf_path)
print(f"成功加载 {len(docs)} 页，正在调用AI分析...")
result = ai_analyze_pdf(docs, user_query)
print("\n=== AI分析结果 ===")
print(result)运行脚本后，终端会输出AI对PDF的分析结果（如内容分段、要点总结等）。
openai-pdf-reader/
├── main.py # 主程序脚本（核心逻辑）
├── .env # API密钥配置文件（需自行创建）
├── .gitignore # Git忽略文件（建议包含venv/、.env等）
├── requirements.txt # 项目依赖清单
├── README.md # 项目说明文档（当前文件）
└── CELEX_32022R2554_DE_TXT.pdf # 示例PDF文件（可替换）
-
API密钥错误：
若提示“OA_TOKEN未配置”，检查.env文件是否存在、API密钥是否正确（无多余空格）。 -
PDF加载失败：
确认PDF文件路径正确（建议放在项目根目录），文件未损坏且无加密。 -
AI调用超时/失败：
检查OpenAI API密钥是否有余额，网络是否可访问OpenAI服务（必要时配置代理）。
本项目采用 MIT License 开源，可自由修改、分发，详情见项目根目录的LICENSE文件。
如有bug或功能建议，欢迎通过GitHub Issues提交：
https://github.com/XiaomingX/openai-pdf-reader/issues
也欢迎Fork仓库并提交Pull Request，共同优化工具！