本地离线的桌面 AI 阅读助手，专为马列毛经典著作的研读设计。完全离线运行，数据不出本机。
| 功能 | 说明 |
|---|---|
| 📖 内置阅读器 | PDF 高清渲染（3x DPI），缩放翻页保持 zoom，点击取词，8秒自动分析 |
| .txt .md .docx 等格式自动切换，三栏布局（目录 | 内容 | AI 分析） | |
| 🧠 知识图谱 | 点段落自动提取关联概念，构建知识关系树，支持手动搜索和分析 |
| 💬 智能问答 | 三模式：RAG 文档问答 / 剪贴板上下文 / 直接问答，带对话历史持久化 |
| 📚 文档库 | 拖拽导入文档，自动分块嵌入向量库，分批处理大文件不崩溃 |
| 🖍️ 高亮/书签 | 选中文本高亮标注，添加书签标记，高亮可关联到知识图谱概念 |
| 📝 结构化总结 | 对当前章节或选中文本生成三层总结（核心论点/论证结构/关联知识点） |
| ⚙️ 设置面板 | 模型切换、剪贴板监控、全局快捷键、开机自启 |
| 🎨 极简呼吸主题 | 暖蓝灰背景 + 柔和珊瑚色点缀，宽间距，微妙 hover 过渡 |
理论立场： 分析始终基于马列毛主义理论框架和历史唯物主义视角，提供具体的历史背景和时代条件分析。
国内互联网上很难找到遵循马列毛立场的资料。向 AI 提问多半被”社区规范”拦截。本地模型的优势在于不受审查——它只服从你给的 prompt，不内置内容过滤。
与其去做自己还没吃透的内容讲解，不如做一个能在阅读时实时出示解释的工具——这就是 Spark（星火） 的起点，星星之火可以燎原。
“斗争，失败，再斗争，再失败，直至胜利。”
- Windows 10/11（Linux/macOS 可运行但未充分测试）
- Python 3.10+
- Ollama — 下载安装
- GPU 推荐 — RTX 5060 测试通过，8GB VRAM 可流畅运行 7B 模型
ollama pull qwen2.5:7b
ollama pull nomic-embed-textcd spark
python -m venv backend/.venv
backend\.venv\Scripts\pip install -r requirements.txtbackend\.venv\Scripts\python gui\app.py或者双击 start_spark.bat。
- 在 📖 阅读 Tab 打开文件
- 点击任意段落 → 右侧自动显示概念解释，后台自动提取关联概念
- 在右侧搜索框输入概念名 → 按 Enter → 切换到知识图谱视图查看关系树
- 点击「分析」按钮可强制重新提取关联
- 选中文本 → 右键 → 🖍️ 高亮选中文本
- 右键 → 🔖 添加书签
- 右键 → 🔗 关联到概念（将高亮关联到知识图谱中的概念）
- 右键选中文本 → 📝 总结选中内容
- 工具栏 → 📝 总结本章（自动识别当前章节）
- 💬 直接问答：直接向 AI 提问
- 📋 上下文问答：基于剪贴板内容回答
- 📚 RAG 问答：基于导入文档回答
spark/
├── gui/ # PySide6 桌面 GUI
│ ├── app.py # 入口 + 系统托盘 + 全局快捷键
│ ├── main_window.py # 四标签主窗口
│ ├── chat_tab.py # 问答对话面板
│ ├── reader_tab.py # 三栏阅读器（目录 | 内容 | AI 分析/知识图谱）
│ ├── pdf_renderer.py # PDF 高清渲染 + QGraphicsView 缩放平移
│ ├── toc_panel.py # 目录侧栏（PDF 书签树 + 文本标题提取）
│ ├── library_tab.py # 文档库 + 向量库管理
│ ├── settings_tab.py # 设置面板
│ ├── knowledge_graph.py # 知识图谱面板（搜索 + 关系树 + 详情）
│ ├── conversation_db.py # 对话历史 SQLite
│ ├── summary_worker.py # 结构化总结 Worker
│ ├── ai_worker.py # 后台 AI 线程（不卡 UI）
│ ├── file_parser.py # .pdf/.docx/.txt 文本提取
│ └── resources/
│ └── theme.qss # 极简呼吸主题
├── backend/ # 核心引擎
│ ├── config.py # 模型配置 + Prompt 模板
│ ├── ollama_client.py # Ollama HTTP API
│ ├── clipboard_monitor.py # 剪贴板监听
│ ├── rag_engine.py # ChromaDB 向量检索
│ ├── concept_extractor.py # 概念提取引擎（RAG + LLM）
│ ├── knowledge_db.py # 知识图谱/高亮/书签/总结 SQLite
│ ├── ingest.py # 文档导入 CLI
│ └── main.py # CLI 入口
├── documents/ # 示例文档
├── requirements.txt
├── start_spark.bat # 启动脚本
└── README.md
可在 backend/config.py 或 GUI 的 ⚙️ 设置 Tab 中修改：
| 配置项 | 默认值 | 说明 |
|---|---|---|
| 聊天模型 | qwen2.5:7b |
问答和分析用的 LLM |
| 嵌入模型 | nomic-embed-text |
文本向量化模型 |
| 剪贴板监控 | 开启 | 后台监听剪贴板变化 |
| 自动解释阈值 | 50 字 | 超过此长度的文本自动触发解释 |
| 全局快捷键 | Ctrl+Shift+S |
切换窗口显示/隐藏 |
| 开机自启 | 关闭 | 登录时自动启动 |
Q: 需要联网吗？ A: 不需要。所有处理在本地完成，数据不离开你的电脑。
Q: AI 回答慢怎么办？ A: Qwen2.5 7B 在消费级 GPU 上需要 2-10 秒生成回答。UI 使用后台线程，不会卡死。
Q: 能换其他模型吗？
A: 可以。ollama pull <模型名> 后在设置中切换即可。
Q: 为什么是马列毛主义立场？ A: 国内主流问答平台和 AI 服务受内容审查限制，无法对马列毛经典著作和相关历史事件给出实质分析。Spark 使用本地模型绕开这一限制，站在马列毛理论立场提供历史唯物主义视角的分析。
- GUI 框架： PySide6 (Qt for Python)
- 语言模型： Ollama + Qwen2.5 7B
- 向量数据库： ChromaDB（本地持久化）
- 文本嵌入： nomic-embed-text
- 文档解析： PyMuPDF (PDF) + python-docx (Word)
- 知识存储： SQLite（概念图/高亮/书签/总结/对话历史）
MIT