ollama-ebook-summary

ollama-ebook-summary是利用大型語言模型（LLM）為長文字建立要點筆記摘要的專案。此專案特別適用於epub和pdf格式的書籍，能夠自動化提取章節並將其分割成約2000個token的小塊，以提高回應的粒度。產品背景是創建者希望快速總結一系列書籍，以整合心理學理論和實踐，並基於這些資訊建立連貫的論點。該工具的主要優點包括提高內容梳理效率、支援自訂問題查詢、以及產生每個文字部分的詳細摘要。

需求人群：

"目標受眾為需要處理大量文字訊息的用戶，如作家、研究人員、學生或任何需要從長文本中快速提取資訊的專業人士。該工具適合他們，因為它可以大幅減少手動總結書籍和長文本的時間，提高工作效率。

使用場景範例：

研究人員使用該工具快速總結心理學書籍，整合不同書籍中的理論和實驗結果。

學生利用該工具從長篇歷史文件中提取關鍵事件和日期，準備考試。

作家使用該工具從自己的長篇作品中提取核心思想，建構書籍大綱。

產品特色：

自動化提取書籍章節並分割成小塊：能夠處理epub和pdf格式，自動提取章節並分割成易於處理的小塊。

產生要點筆記摘要：對每個文字區塊產生要點筆記，包括加粗的標題和術語。

支援自訂問題查詢：使用者可以對文字的每個部分提出問題，以獲得更具體的資訊。

支援多種模型使用：包括Ollama和HuggingFace提供的模型，使用者可以根據需要選擇合適的模型。

輸出格式化文字：支援輸出為CSV或Markdown格式，方便使用者進一步處理與檢視。

支援長文本處理：特別適用於長文本，如電子書，能夠處理大量文本並產生摘要。

自訂設定檔：使用者可以根據需要更新配置文件，以適應不同的摘要需求。

使用教學：

1. 確保已安裝Python 3.11.9環境。

2. 安裝專案依賴，透過指令`pip install -r requirements.txt`。

3. 下載並設定所需的模型，使用Ollama或HuggingFace。

4. 更新設定檔`_config.yaml`，設定預設的prompt和模型。

5. 使用腳本`python3 book2text.py ebook-name.epub`將電子書轉換為分塊的CSV或TXT檔案。

6. 執行`python3 sum.py -c ebook-name_processed.csv`產生摘要。

7. 檢視產生的Markdown或CSV文件，以取得書籍的要點筆記摘要。