本教程将带你从零开始，掌握如何利用AI开源工具 DeepRead 将书籍自动转化为可交互的知识图谱，实现从线性阅读到多维知识探索的飞跃，帮助您快速构建书籍知识网络。
核心内容
- 了解 DeepRead 的核心功能与背后的AI技术原理
- 掌握从环境安装、书籍处理到生成图谱的完整操作流程
- 查看已构建的经典文学作品知识图谱实例与效果
什么是 DeepRead？
DeepRead 是一款基于 AI 技术将书籍内容自动转化为可交互知识图谱的开源工具。它的核心目标是打破传统线性阅读的局限，帮助读者快速理解书中关键概念、人物与事件之间的关联，并支持可视化浏览、主题聚类与多维度探索，让知识获取更加高效直观。
功能速览
- 智能解析引擎：项目采用大语言模型（LLM）对书籍文本进行智能分析。它能够自动识别并提取关键元素，如人物、事件、概念、地点等，并深度挖掘它们之间复杂的关联关系，构建完整的知识图谱体系。
- 可视化知识图谱：解析完成后，DeepRead 会生成一个交互式的知识图谱。该图谱以可视化方式呈现书籍内容结构，用户可通过点击节点快速跳转，在知识点之间自由穿梭，彻底打破传统阅读的线性限制。
- 多维度探索：生成的知识图谱支持从不同维度（如人物关系、事件脉络、概念演变等）对书籍内容进行深度探索，显著提升用户的理解效率、记忆效果与知识关联能力。
- 实例丰富：项目已成功构建多个经典文学作品的交互式知识图谱作为演示，例如《三体》、《红楼梦》、《西游记》、《百年孤独》等20余部经典样例，这些实例直观展示了该工具的强大功能与实用价值。
- 工作流自动化：一键格式转换（EPUB/PDF/TXT → Markdown），AI 任务列表自动生成，批量填充节点，并支持中断恢复，大幅提升处理效率。
- 输出与分享：生成 Markdown 知识库文件夹，便于导入 Obsidian 等工具使用；同时支持在线发布为 wiki 页面，方便团队协作与知识共享。
安装与部署
环境准备（推荐本地自建）
- 工具安装：
- MinerU：克隆
https://github.com/opendatalab/MinerU，使用pip install安装依赖（Python 3+ 环境）。 - BookTools：执行
npm install -g booktools（需 Node.js 18+ 版本）。 - Gemini CLI：克隆
https://github.com/google-gemini/gemini-cli，并配置有效的 API Key。
- MinerU：克隆
- 验证安装：运行
booktools --version和gemini --help，确认命令可正常使用。
小提示：如果你只想快速体验，可以跳过本地安装步骤，直接使用在线 demo 进行预览。
在线 demo（零安装）
- 访问
https://deepread.aizhi.site/，浏览已生成的26本书籍知识图谱。 - 每个链接如
https://deepread.aizhi.site/三体/三体-宏观蓝图提供静态可视化展示。
自建知识库
- 克隆仓库：
git clone https://github.com/liujuntao123/DeepRead.git - 按照
GUIDE.md中的指引执行工作流。 - 输出的
wiki文件夹可直接导入 Obsidian 或部署为静态站点（如 Vercel/Netlify 等平台）。
要求：需要 Gemini API Key（提供免费额度），处理大型书籍时建议至少配备 8GB 内存。
使用流程
- 准备书籍：下载 EPUB/PDF/TXT 格式的书籍文件，创建
/wiki - 格式转换：
- EPUB 格式：执行
booktools process（生成.epub wiki/+.md GEMINI.md）。 - PDF 格式：先用 MinerU 解析，然后
cp output/，再执行.md wiki/ booktools template。 - TXT 格式：
cp，然后执行.txt wiki/ .md booktools template。
- EPUB 格式：执行
- 启动 AI 解析：进入
wiki目录，运行gemini，然后执行开始【初始构建】任务（生成宏观蓝图及todo.md任务清单）。 - 节点填充：执行
开始批量完成前30个【节点填充】任务（AI 自动生成节点 MD），随后迭代执行继续批量完成接下来的30个【节点填充】任务，直至todo.md中的任务全部完成。 - 组织输出：运行
booktools organize，将实体、事件等内容自动分类到不同文件夹。 - 探索与分享：将生成的
wiki文件夹导入 Obsidian 查看知识图谱，或上传至 GitHub Pages 进行发布。在线 demo 可预览类似效果。 - 恢复中断：如果工作流意外中断，重启 Gemini 后执行对应的续接提示即可继续处理。
小提示：处理大型书籍时，建议分段执行节点填充任务，避免单次请求超时导致中断。
项目信息速览
- 项目地址：
https://github.com/liujuntao123/DeepRead - 开发者：liujuntao123（AI Web 工具开发者）
- Stars / Forks：90 ⭐ / 8 Forks
常见问题
- Q：如何处理中断？
A：重启 Gemini CLI，然后执行对应的续接提示即可。例如，如果节点填充任务中断，在 Gemini 中输入“继续批量完成接下来的30个【节点填充】任务”即可恢复。 - Q：一定要用 Gemini API 吗？可以用其他大模型吗？
A：目前项目默认使用 Gemini CLI，但原理上兼容其他大语言模型（LLM）。你可以修改代码中的 API 调用部分，适配 OpenAI、Claude 等模型，但需要自行调整相关配置。 - Q：PDF 书籍解析效果不好怎么办？
A：建议先使用 MinerU 进行预处理，它能较好地提取 PDF 中的文本和结构信息。如果仍有问题，可以尝试将 PDF 转换为 EPUB 格式后再处理。 - Q：生成的图谱怎么分享给别人？
A：将wiki文件夹部署为静态网站（如 GitHub Pages、Vercel 等平台），或者直接导入 Obsidian 后分享整个仓库给他人。
现在，你已经掌握了 DeepRead 的核心用法。无论是深入研究经典名著，还是梳理复杂的技术文档，都可以通过这个AI开源工具快速构建知识网络，让阅读变得更加高效有趣，实现从线性阅读到知识图谱的全面升级。