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

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

使用

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

示例：

# 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

cd ai-knowledge-splitter
pytest tests/ -v