# AI 知识库文档智能分块工具

将多种格式文档解析为文本，通过 DeepSeek API 进行语义级智能分块，输出为 Markdown 文件。

## 支持格式

PDF、Word (.docx)、Excel (.xlsx/.xls)、CSV、HTML、TXT/MD、图片 (PNG/JPG/BMP/GIF/WEBP)

## 安装

```bash
cd ai-knowledge-splitter
pip install -r requirements.txt
```

## 使用

```bash
python main.py <输入文件> -k <DeepSeek API Key> [-o 输出路径] [-d 分隔符]
```

示例：

```bash
# 基本用法（输出为同名 .md 文件）
python main.py report.pdf -k sk-xxxxxxxx

# 指定输出路径
python main.py data.docx -k sk-xxxxxxxx -o output/result.md

# 自定义分隔符
python main.py notes.txt -k sk-xxxxxxxx -d "==="
```

## 参数说明

| 参数 | 必需 | 说明 |
|------|------|------|
| `input_file` | 是 | 输入文件路径 |
| `-k, --api-key` | 是 | DeepSeek API Key |
| `-o, --output` | 否 | 输出文件路径（默认：同名 .md） |
| `-d, --delimiter` | 否 | 分块分隔符（默认：`---`） |

## 运行测试

```bash
cd ai-knowledge-splitter
pytest tests/ -v
```