AI Reader V2

快速开始

本指南将帮助你在本地启动 AI Reader V2，完成首次小说分析。

不想配置开发环境？ 可以直接下载桌面应用，开箱即用。

前提条件

依赖 版本要求 说明
Python 3.9+ 后端运行环境
Node.js 22+ 前端构建与开发
uv 最新版 Python 包管理器（替代 pip）
Ollama 最新版 本地 LLM 推理引擎（云端模式可跳过）

第一步：安装 Ollama 并拉取模型

安装 Ollama 后，拉取默认推荐模型：

ollama pull qwen3:8b

拉取完成后确保 Ollama 正在运行（默认监听 http://localhost:11434）。

提示：qwen3:8b 是推荐的平衡之选。显存充足时可尝试更大的模型以获得更好的提取质量；显存有限时可使用更小的模型。系统会根据模型的上下文窗口大小自动调整 Token 预算。

第二步：启动后端

cd backend
uv sync          # 安装 Python 依赖
uv run uvicorn src.api.main:app --reload

后端将在 http://localhost:8000 启动。首次运行时会自动创建 SQLite 数据库（~/.ai-reader-v2/data.db）和 ChromaDB 向量库。

第三步：启动前端

在另一个终端窗口中：

cd frontend
npm install      # 安装前端依赖
npm run dev

前端开发服务器将在 http://localhost:5173 启动，并自动将 /api 和 /ws 请求代理到后端。

第四步：开始使用

  1. 打开浏览器访问 http://localhost:5173
  2. 在书架页点击上传或拖拽一个 .txt 格式的小说文件
  3. 上传完成后，系统会自动拆分章节
  4. 点击"开始分析"，等待 LLM 逐章提取（进度通过 WebSocket 实时推送）
  5. 分析完成后，即可浏览七个可视化维度

提示：分析速度取决于模型大小和硬件性能。qwen3:8b 在 Apple M 系列芯片上通常每章耗时 30-60 秒。

可选：云端 LLM 模式

如果不想使用本地 Ollama，可以配置云端 LLM 提供商。设置以下环境变量后启动后端即可：

export LLM_PROVIDER=openai
export LLM_API_KEY=your-api-key-here
export LLM_BASE_URL=https://api.deepseek.com/v1    # 以 DeepSeek 为例
export LLM_MODEL=deepseek-chat

云端模式的优势：

  • 无需本地 GPU，任何机器均可运行
  • 大上下文窗口（128K+），分析质量更高
  • 速度通常更快

支持的云端提供商包括 DeepSeek、MiniMax、通义千问、Moonshot、智谱、SiliconFlow、零一万物、OpenAI、Gemini 和 Anthropic。详见 产品介绍 中的提供商列表。

环境变量参考

变量 默认值 说明
AI_READER_DATA_DIR ~/.ai-reader-v2/ 数据存储目录
OLLAMA_BASE_URL http://localhost:11434 Ollama 服务地址
OLLAMA_MODEL qwen3:8b 本地模型名称
EMBEDDING_MODEL BAAI/bge-base-zh-v1.5 向量嵌入模型
LLM_PROVIDER ollama LLM 模式：ollama 或 openai
LLM_API_KEY — 云端 API 密钥
LLM_BASE_URL — 云端 API 基础 URL
LLM_MODEL — 云端模型名称
LLM_MAX_TOKENS 8192 最大生成 Token 数

下一步