presenton--presenton/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

快速入门 · 文档 · Youtube · Discord

开源 AI 演示文稿生成器与 API（Gamma、Canva、Beautiful AI、Decktopus、Presentations AI 的替代方案）

从 AI 驱动的演示文稿生成，到编辑、导出和灵活的模型提供商，探索 Presenton 能做什么。

▶ 观看 Presenton 实操演示

✨ 为什么选择 Presenton

无 SaaS 锁定 · 无强制订阅 · 对模型与数据拥有完全控制权

Presenton 有何不同？

• 通过 Docker Package 在 Web 端实现完全自托管（self-hosted）
• 或下载 Desktop App（Mac、Windows 与 Linux）
• 兼容 Ollama、LM Studio、OpenAI、Gemini、Vertex AI、Azure OpenAI、Amazon Bedrock、Fireworks、Together AI、Anthropic，或任何其他 OpenAI 兼容提供商
• 内置 AI 演示文稿生成 API
• 完全开源（Apache 2.0）
• 支持使用你自己的设计/模板
• 可完全编辑的 PPTX 导出

Tip

给我们点个 Star！ 一颗 ⭐ 代表你的支持，也会激励我们持续构建！😇

🎛 功能特性

💻 Presenton Desktop

使用你自己的模型提供商（BYOK，Bring Your Own Key）创建 AI 驱动的演示文稿，或在本地机器上完整运行一切，以获得完全控制与数据隐私。

支持平台

平台	架构	安装包	下载
macOS	Apple Silicon / Intel	.dmg	下载 ↗
Windows	x64	.exe	下载 ↗
Linux	x64	.deb	下载 ↗

部署到云服务商

Presenton 让你对 AI 演示文稿工作流拥有完全控制权。选择你的模型、自定义体验，并保持数据私密。

• 自定义模板与主题 — 使用 HTML 和 Tailwind CSS 创建无限种演示文稿设计
• AI 模板生成 — 从现有 Powerpoint 文档创建演示文稿模板
• 灵活生成 — 通过提示词或上传文档构建演示文稿
• 随时导出 — 以专业格式保存为 PowerPoint（PPTX）和 PDF
• 内置 MCP Server — 通过 Model Context Protocol 生成演示文稿
• Bring Your Own Key — 使用你自己的 API 密钥连接 OpenAI、Google Gemini、Vertex AI、Azure OpenAI、Anthropic Claude 或任何兼容提供商。只为实际使用付费，无隐藏费用或订阅
• Ollama 集成 — 在本地运行开源模型，享有完全隐私
• OpenAI API 兼容 — 使用你自己的模型连接任何 OpenAI 兼容端点
• 多提供商支持 — 自由组合文本与图像生成提供商
• 多样化图像生成 — 可选 DALL-E 3、Gemini Flash、Pexels 或 Pixabay
• 丰富媒体支持 — 图标、图表和自定义图形，打造专业演示文稿
• 本地运行 — 所有处理都在你的设备上完成，无云端依赖
• API 部署 — 作为团队自有的 API 服务托管
• 完全开源 — Apache 2.0 许可，可审查、修改与贡献
• Docker 就绪 — 一条命令即可部署，支持 GPU 以运行本地模型
• Electron 桌面应用 — 在 Windows、macOS 和 Linux 上以原生桌面应用运行 Presenton（无需浏览器）
• 使用 ChatGPT 登录 — 使用免费或付费 ChatGPT 账户登录，即刻开始创建演示文稿 — 无需单独的 API 密钥

☁️ Presenton Cloud

直接在浏览器中运行 Presenton — 无需安装、无需配置。随时随地即刻开始创建演示文稿。

⚡ 运行 Presenton

你可以通过两种方式运行 Presenton： 使用 Docker 一条命令完成搭建，无需安装本地开发 环境栈；或使用 Electron 桌面应用 获得原生应用 体验（适合开发或离线使用）。

选项 1：Electron（桌面应用）

以原生桌面应用运行 Presenton。可在应用中配置 LLM 与图像提供商 （API 密钥等）。运行捆绑后端时，适用与 Docker 相同的环境变量。

前置要求：Node.js（LTS）、npm、Python 3.11，以及 uv （用于 servers/fastapi 中的共享 FastAPI 后端）。

• 初始化设置（首次）

  cd electron
  npm run setup:env

  这将安装 Node 依赖，在 FastAPI 服务器中运行 uv sync，并安装 Next.js 依赖。

• 开发模式运行

  npm run dev

  这将编译 TypeScript 并启动 Electron。后端与 UI 在桌面窗口内本地运行。

• 构建可分发版本（可选） 为 Windows、macOS 或 Linux 创建安装包：

  npm run build:all
  npm run dist

  输出文件写入 electron/dist （或按你的 electron-builder 配置）。

  若要在 Mac App Store 之外分发公开 macOS DMG，请在 electron/ 目录下，完成 docs/macos/dev/direct-distribution.md 中的一次性 Developer ID 与公证（notarization） 设置后，运行 APPLE_KEYCHAIN_PROFILE="presenton-notary" npm run build:all:mac:signed。

选项 2：Docker

• 启动 Presenton Linux/MacOS（Bash/Zsh Shell）：

  docker run -it --name presenton -p 5001:80 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

  Windows（PowerShell）：

  docker run -it --name presenton -p 5001:80 -v "${PWD}\app_data:/app_data" ghcr.io/presenton/presenton:latest

• 打开 Presenton

  在任意浏览器中打开 http://localhost:5001 即可使用 Presenton。

  注意： 可将 5001 替换为任意其他端口号，以在不同端口上运行 Presenton。若使用 Docker Compose，请设置 PRESENTON_HTTP_HOST_PORT，例如 PRESENTON_HTTP_HOST_PORT=8080 docker compose up production。

⚙️ 部署配置

下列列表与本仓库 docker-compose.yml（production、production-gpu、development 和 development-gpu）中转发的环境变量一致。请将取值写入与 compose 文件同目录的 .env 文件，或在执行 docker compose up 之前导出它们。在 Docker 外运行时，Electron 应用后端也可读取相同名称的变量。

代码中还存在其他可选变量（例如高级 Mem0 路径、LiteParse 运行器，或当 Next.js 与 FastAPI 非同源时的 FAST_API_INTERNAL_URL）；它们未接入 docker-compose.yml。受支持的名称可从 servers/fastapi/utils/get_env.py 以及 servers/nextjs/ 下的 Next.js 服务端工具中发现。

LLM 与 API 密钥

• CAN_CHANGE_KEYS=[true/false]：若希望隐藏 API 密钥并禁止修改，请设为 false。
• LLM=[openai/deepseek/google/vertex/azure/bedrock/openrouter/fireworks/together/cerebras/anthropic/litellm/lmstudio/ollama/custom/codex]：选择文本 LLM。
• OPENAI_API_KEY：当 LLM 为 openai 时必填。
• OPENAI_MODEL：当 LLM 为 openai 时必填（默认：gpt-4.1）。
• DEEPSEEK_API_KEY：当 LLM 为 deepseek 时必填。
• DEEPSEEK_MODEL：当 LLM 为 deepseek 时必填（默认：deepseek-chat）。
• DEEPSEEK_BASE_URL：当 LLM 为 deepseek 时可选（默认：https://api.deepseek.com）。
• GOOGLE_API_KEY：当 LLM 为 google 时必填。
• GOOGLE_MODEL：当 LLM 为 google 时必填（默认：models/gemini-2.0-flash）。
• VERTEX_MODEL：当 LLM 为 vertex 时必填（默认：gemini-2.5-flash）。
• VERTEX_API_KEY：当 LLM=vertex 时的可选认证方式（Vertex Express）。
• VERTEX_PROJECT / VERTEX_LOCATION：使用 GCP 项目凭据且 LLM=vertex 时的可选认证方式（勿与 VERTEX_API_KEY 同时使用）。
• VERTEX_BASE_URL：可选的 Vertex 网关/基础 URL 覆盖。
• AZURE_OPENAI_MODEL：当 LLM 为 azure 时必填（部署/模型名称）。
• AZURE_OPENAI_API_KEY：当 LLM 为 azure 时必填。
• AZURE_OPENAI_API_VERSION：当 LLM 为 azure 时必填（例如 2024-10-21）。
• AZURE_OPENAI_ENDPOINT / AZURE_OPENAI_BASE_URL：当 LLM 为 azure 时至少需设置其一。
• AZURE_OPENAI_DEPLOYMENT：当 LLM 为 azure 时的可选部署覆盖。
• BEDROCK_REGION：当 LLM 为 bedrock 时可选（默认：us-east-1）。
• BEDROCK_MODEL：当 LLM 为 bedrock 时必填。使用标准模型 ID（示例：us.anthropic.claude-3-5-haiku-20241022-v1:0）或较新模型的完整 inference profile ARN（示例：Claude Sonnet 4.6）。会作为 modelId 传递给 Bedrock Converse。请参阅 Amazon Bedrock 指南。
• BEDROCK_API_KEY：当 LLM 为 bedrock 时可选（API 密钥认证；AWS 密钥的替代方案）。
• BEDROCK_AWS_ACCESS_KEY_ID / BEDROCK_AWS_SECRET_ACCESS_KEY：当 LLM 为 bedrock 且未设置 BEDROCK_API_KEY 时，需同时设置。
• BEDROCK_AWS_SESSION_TOKEN：当 LLM 为 bedrock 时的可选会话令牌。
• BEDROCK_PROFILE_NAME：当 LLM 为 bedrock 时的可选 AWS 配置文件名称。
• OPENROUTER_API_KEY：当 LLM 为 openrouter 时必填。
• OPENROUTER_MODEL：当 LLM 为 openrouter 时必填（默认：openai/gpt-4o）。
• OPENROUTER_BASE_URL：当 LLM 为 openrouter 时可选（默认：https://openrouter.ai/api/v1）。
• FIREWORKS_API_KEY：当 LLM 为 fireworks 时必填。
• FIREWORKS_MODEL：当 LLM 为 fireworks 时必填（示例：accounts/fireworks/models/llama-v3p1-8b-instruct）。
• FIREWORKS_BASE_URL：当 LLM 为 fireworks 时可选（默认：https://api.fireworks.ai/inference/v1）。
• TOGETHER_API_KEY：当 LLM 为 together 时必填。
• TOGETHER_MODEL：当 LLM 为 together 时必填（示例：openai/gpt-oss-20b）。
• TOGETHER_BASE_URL：当 LLM 为 together 时可选（默认：https://api.together.ai/v1）。
• CEREBRAS_API_KEY：当 LLM 为 cerebras 时必填。
• CEREBRAS_MODEL：当 LLM 为 cerebras 时必填（默认：llama-3.3-70b）。
• CEREBRAS_BASE_URL：当 LLM 为 cerebras 时可选（默认：https://api.cerebras.ai/v1）。
• ANTHROPIC_API_KEY：当 LLM 为 anthropic 时必填。
• ANTHROPIC_MODEL：当 LLM 为 anthropic 时必填（默认：claude-3-5-sonnet-20241022）。
• CODEX_MODEL：当 LLM 为 codex 时必填（Codex OAuth 流程；compose 将主机端口 1455 映射用于回调）。
• CUSTOM_LLM_URL：当 LLM 为 custom 时的 OpenAI 兼容基础 URL。
• CUSTOM_LLM_API_KEY：当 LLM 为 custom 时的 API 密钥。
• CUSTOM_MODEL：当 LLM 为 custom 时的模型 ID。
• LITELLM_BASE_URL：当 LLM 为 litellm 时的 LiteLLM 代理或网关基础 URL。
• LITELLM_API_KEY：当 LLM 为 litellm 时的可选 API 密钥。
• LITELLM_MODEL：当 LLM 为 litellm 时必填（默认：gpt-4.1）。
• LMSTUDIO_BASE_URL：当 LLM 为 lmstudio 时的可选 LM Studio 基础 URL（默认：http://localhost:1234/v1；省略时会自动追加 /v1）。
• LMSTUDIO_API_KEY：当 LLM 为 lmstudio 时的可选 API 密钥。
• LMSTUDIO_MODEL：当 LLM 为 lmstudio 时必填（示例：openai/gpt-oss-20b）。
• DISABLE_THINKING=[true/false]：若为 true，则对支持该功能的提供商（包括 DeepSeek）禁用“思考”（thinking）。
• WEB_GROUNDING=[true/false]：若为 true，则默认启用网页搜索。
• WEB_SEARCH_PROVIDER=[auto/native/searxng/tavily/exa]：选择网页搜索模式。auto 对 OpenAI、Google 和 Anthropic 使用原生搜索，否则除非你选择外部提供商，否则网页搜索保持关闭。

• WEB_SEARCH_MAX_RESULTS：添加到模型上下文的外部搜索结果数量上限（默认 5，最大 10）。
• SEARXNG_BASE_URL：自托管 SearXNG 实例的基础 URL。
• TAVILY_API_KEY、EXA_API_KEY：可选托管搜索 API 的凭据。

• EXTENDED_REASONING=[true/false]：在已配置技术栈支持的情况下启用扩展推理（extended reasoning）。

Ollama

当 LLM 为 ollama 时使用：

• OLLAMA_URL：Ollama HTTP API 的基础 URL（例如 Docker 中的 http://host.docker.internal:11434）。
• OLLAMA_MODEL：Ollama 中的模型名称（例如 llama3.2:3b）。
• START_OLLAMA=[true/false]：容器入口点（start.js）：可选安装 + ollama serve。默认 false（development / production compose）。

演示文稿记忆（Mem0 OSS）

Mem0 使用本地 Qdrant + SQLite（OSS）；记忆按演示文稿（presentation）作用域划分。

默认情况下，Docker 运行时会将 Mem0 指向本地 Ollama 兼容的 LLM 端点，因此初始化时不再需要 OpenAI 密钥。若希望改用 OpenAI，请将 MEM0_LLM_BASE_URL/MEM0_LLM_API_KEY 设置为你的 OpenAI 兼容端点与密钥。 Docker 镜像在构建期间会安装默认 spaCy 模型（en_core_web_sm），以便 Mem0 在每次运行时无需额外配置即可启动。

变量	用途
MEM0_ENABLED	true/false（compose 默认值 true）。
MEM0_LLM_MODEL	Mem0 LLM 模型名称（compose 默认值 llama3.1:latest 或 OLLAMA_MODEL）。
MEM0_LLM_API_KEY	面向 OpenAI 兼容客户端的 Mem0 LLM API 密钥占位符（compose 默认值 ollama）。
MEM0_LLM_BASE_URL	Mem0 LLM 基础 URL（compose 默认值 OLLAMA_URL 或 http://host.docker.internal:11434）。
MEM0_DIR	根目录（compose 默认值 /app_data/mem0）。
MEM0_EMBEDDER_PROVIDER	嵌入器（Embedder）后端（compose 默认值 fastembed）。
MEM0_EMBEDDER_MODEL	模型 ID（compose 默认值 BAAI/bge-small-en-v1.5）。
MEM0_EMBEDDING_DIMS	向量维度（compose 默认值 384）。
MEM0_SPACY_MODEL	可选的 spaCy 模型覆盖（默认值 en_core_web_sm）。
MEM0_REQUIRE_SPACY_MODEL	保持为 true（默认值）。仅当你有意让 Mem0 在不使用 spaCy 词形还原的情况下运行时，才设置为 false。

文档解析（LiteParse）

变量	用途
LITEPARSE_DPI	OCR 渲染 DPI（compose 默认值 120）。
LITEPARSE_NUM_WORKERS	工作进程数量（compose 默认值 1）。

数据库

• DATABASE_URL：SQLAlchemy URL；若未设置，应用会回退到应用数据目录下的 SQLite。
• MIGRATE_DATABASE_ON_STARTUP：Compose 为所有服务设置 true，以便在启动时运行迁移。

图像生成

这些变量与 docker-compose.yml 对应。IMAGE_PROVIDER 用于选择后端（pexels、pixabay、gemini_flash、nanobanana_pro、dall-e-3、gpt-image-1.5、comfyui、open_webui）。OpenAI 图像模式使用 OPENAI_API_KEY，Gemini 图像模式使用 GOOGLE_API_KEY（与 LLM 部分使用相同的密钥）。

• DISABLE_IMAGE_GENERATION=[true/false]：禁用幻灯片图像生成。
• IMAGE_PROVIDER：提供商 ID（见上文枚举）。
• PEXELS_API_KEY：Pexels 图库图片。
• PIXABAY_API_KEY：Pixabay 图库图片。
• DALL_E_3_QUALITY=[standard/hd]：dall-e-3 的可选配置（默认值 standard）。
• GPT_IMAGE_1_5_QUALITY=[low/medium/high]：gpt-image-1.5 的可选配置（默认值 medium）。
• COMFYUI_URL / COMFYUI_WORKFLOW：自托管 ComfyUI 工作流 JSON。
• OPEN_WEBUI_IMAGE_URL / OPEN_WEBUI_IMAGE_API_KEY：兼容 Open WebUI 的图像端点。
• OPENAI_COMPAT_IMAGE_BASE_URL / OPENAI_COMPAT_IMAGE_API_KEY / OPENAI_COMPAT_IMAGE_MODEL：若使用 openai_compatible 将图像请求发送到任意 OpenAI 兼容的 /v1/images/* 端点（LiteLLM、Azure、vLLM Gateways 等），则为必填项。

遥测

• DISABLE_ANONYMOUS_TRACKING=[true/false]：设置为 true 以禁用匿名遥测。

身份验证（Web 登录）

Presenton 每个实例使用单一管理员账户。凭据存储在 app_data（已哈希；参见 userConfig.json）。可通过 -e 传入，或在 compose 中通过 .env 传入：

• AUTH_USERNAME / AUTH_PASSWORD — 在首次启动时预置管理员登录（密码至少 6 个字符）。若用户已存在则忽略，除非设置了 AUTH_OVERRIDE_FROM_ENV。
• AUTH_OVERRIDE_FROM_ENV=[true/false] — 若为 true，则在每次 FastAPI 启动时从环境变量替换已存储的凭据，并轮换会话签名密钥（会使现有会话失效）。一次性轮换完成后请移除该设置。
• RESET_AUTH=[true/false] — 若为 true，则在启动时清除已存储的凭据。用于单次启动以恢复访问权限，之后请取消设置。

示例

docker run -it --name presenton -p 5001:80 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "${PWD}\app_data:/app_data" ghcr.io/presenton/presenton:latest

docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=newcred456 -e AUTH_OVERRIDE_FROM_ENV=true -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e RESET_AUTH=true -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

docker stop presenton && docker rm presenton && docker run -it --name presenton -p 5001:80 -e AUTH_USERNAME=admin -e AUTH_PASSWORD=changeme123 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

**手动重置：**停止容器，编辑 ./app_data/userConfig.json，删除 AUTH_USERNAME、AUTH_PASSWORD_HASH 和 AUTH_SECRET_KEY，保存后重新启动。

在应用中退出登录：Settings → Other → Sign out。

MCP 身份验证

当已配置身份验证（AUTH_USERNAME / AUTH_PASSWORD）时，位于 /mcp 的 MCP 端点现在也需要身份验证。

1. 登录一次以获取 bearer token：

curl -s -X POST http://localhost:5001/api/v1/auth/login \
  -H "Content-Type: application/json" \
  -d '{"username":"admin","password":"changeme123"}'

响应包含：

• access_token（会话 token）
• token_type（bearer）

2. 配置你的 MCP 客户端，在每次请求中发送该 token：

{
  "mcpServers": {
    "presenton": {
      "url": "http://localhost:5001/mcp",
      "headers": {
        "Authorization": "Bearer <access_token>"
      }
    }
  }
}

说明：

• 若你通过 AUTH_OVERRIDE_FROM_ENV=true 轮换凭据，此前签发的会话 token 将失效。
• MCP 在 Electron 桌面应用中不可用（PRESENTON_ELECTRON=true）。Electron 默认以 DISABLE_AUTH=true 运行，且为避免身份验证冲突，MCP 服务器在该环境中被禁用。

注意：当在 .env 中设置时，上述 LLM 和图像变量会从 docker-compose.yml 转发。

按提供商分类的 Docker Run 示例

变量与 compose 相同；直接运行 docker run 时，使用 -e 而非 .env。

• 使用 OpenAI

  docker run -it --name presenton -p 5001:80 -e LLM="openai" -e OPENAI_API_KEY="******" -e IMAGE_PROVIDER="dall-e-3" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Google

  docker run -it --name presenton -p 5001:80 -e LLM="google" -e GOOGLE_API_KEY="******" -e IMAGE_PROVIDER="gemini_flash" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Vertex AI（API key 模式）

  docker run -it --name presenton -p 5001:80 -e LLM="vertex" -e VERTEX_API_KEY="******" -e VERTEX_MODEL="gemini-2.5-flash" -e IMAGE_PROVIDER="gemini_flash" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Azure OpenAI

  docker run -it --name presenton -p 5001:80 -e LLM="azure" -e AZURE_OPENAI_API_KEY="******" -e AZURE_OPENAI_MODEL="gpt-4.1" -e AZURE_OPENAI_API_VERSION="2024-10-21" -e AZURE_OPENAI_ENDPOINT="https://YOUR-RESOURCE.openai.azure.com" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Amazon Bedrock（按需模型 ID）— 有关推理配置文件（inference profiles）、IAM 与故障排查，请参阅 docs/amazon-bedrock.md。

  docker run -it --name presenton -p 5001:80 -e LLM="bedrock" -e BEDROCK_REGION="us-east-1" -e BEDROCK_AWS_ACCESS_KEY_ID="******" -e BEDROCK_AWS_SECRET_ACCESS_KEY="******" -e BEDROCK_MODEL="us.anthropic.claude-3-5-haiku-20241022-v1:0" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Amazon Bedrock（推理配置文件 ARN，例如 Claude Sonnet 4.6）

  docker run -it --name presenton -p 5001:80 -e LLM="bedrock" -e BEDROCK_REGION="us-east-1" -e BEDROCK_AWS_ACCESS_KEY_ID="******" -e BEDROCK_AWS_SECRET_ACCESS_KEY="******" -e BEDROCK_MODEL="arn:aws:bedrock:us-east-1:YOUR_ACCOUNT_ID:inference-profile/us.anthropic.claude-sonnet-4-6" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Fireworks

  docker run -it --name presenton -p 5001:80 -e LLM="fireworks" -e FIREWORKS_API_KEY="******" -e FIREWORKS_MODEL="accounts/fireworks/models/llama-v3p1-8b-instruct" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Together AI

  docker run -it --name presenton -p 5001:80 -e LLM="together" -e TOGETHER_API_KEY="******" -e TOGETHER_MODEL="openai/gpt-oss-20b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Ollama

  docker run -it --name presenton -p 5001:80 -e LLM="ollama" -e OLLAMA_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="*******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 Anthropic

  docker run -it --name presenton -p 5001:80 -e LLM="anthropic" -e ANTHROPIC_API_KEY="******" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 LM Studio（本地）

  docker run -it --name presenton -p 5001:80 -e LLM="lmstudio" -e LMSTUDIO_BASE_URL="http://host.docker.internal:1234" -e LMSTUDIO_MODEL="openai/gpt-oss-20b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 OpenAI 兼容 LLM API

  docker run -it -p 5001:80 -e CAN_CHANGE_KEYS="false"  -e LLM="custom" -e CUSTOM_LLM_URL="http://*****" -e CUSTOM_LLM_API_KEY="*****" -e CUSTOM_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e  PEXELS_API_KEY="********" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 在 GPU 支持下运行 Presenton 若要对 Ollama 模型使用 GPU 加速，需要安装并配置 NVIDIA Container Toolkit，以便 Docker 容器访问 NVIDIA GPU。 安装并配置好 NVIDIA Container Toolkit 后，可通过添加 --gpus=all 标志以 GPU 支持运行 Presenton：

  docker run -it --name presenton --gpus=all -p 5001:80 -e LLM="ollama" -e OLLAMA_MODEL="llama3.2:3b" -e IMAGE_PROVIDER="pexels" -e PEXELS_API_KEY="*******" -e CAN_CHANGE_KEYS="false" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

• 使用 OpenAI 兼容图像提供商

  这会将所有幻灯片图像请求路由到你的 OpenAI 兼容网关（LiteLLM、Azure、vLLM 等），同时保持文本 LLM 配置独立：

  docker run -it --name presenton -p 5001:80 -e IMAGE_PROVIDER="openai_compatible" -e OPENAI_COMPAT_IMAGE_BASE_URL="https://proxy.example.com/v1" -e OPENAI_COMPAT_IMAGE_API_KEY="******" -e OPENAI_COMPAT_IMAGE_MODEL="gpt-image-1" -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

✨ 通过 API 生成演示文稿

生成演示文稿

端点： /api/v1/ppt/presentation/generate
方法： POST
Content-Type： application/json

身份验证（HTTP Basic）：
除 /api/v1/auth/* 外，所有 /api/v1/ 路由均需身份验证。请发送你的 Presenton 管理员用户名和密码（与 Web UI 相同，或在 Docker 预置时使用 AUTH_USERNAME / AUTH_PASSWORD）。使用 curl 时，在 -u 之后直接写 -u USERNAME:PASSWORD — 即 HTTP Basic 身份验证，会自动设置 Authorization: Basic …。请将下方示例中的 username:password 替换为你的真实凭据。

请求体

参数	类型	必填	说明
content	string	是	用于生成演示文稿的主要内容。
slides_markdown	string[] | null	否	提供自定义幻灯片 Markdown，而非自动生成。
instructions	string | null	否	额外的生成说明。
tone	string	否	文本语气（默认："default"）。 可选值：default、casual、professional、 funny、educational、sales_pitch
verbosity	string	否	内容密度（默认："standard"）。 可选值：concise、standard、text-heavy
web_search	boolean	否	启用网络搜索 grounding（默认：false）。
n_slides	integer	否	要生成的幻灯片数量（默认：8）。
language	string	否	演示文稿语言（默认："English"）。
template	string	否	模板名称（默认："general"）。
include_table_of_contents	boolean	否	包含目录页（默认：false）。
include_title_slide	boolean	否	包含标题页（默认：true）。
files	string[] | null	否	生成时使用的文件。 请先通过 /api/v1/ppt/files/upload 上传。
export_as	string	否	导出格式（默认："pptx"）。 可选值：pptx、pdf

响应

{
  "presentation_id": "string",
  "path": "string",
  "edit_path": "string"
}

示例（curl + 使用 -u 的 HTTP Basic 身份验证）

curl -u username:password \
  -X POST http://localhost:5001/api/v1/ppt/presentation/generate \
  -H "Content-Type: application/json" \
  -d '{
   "content": "Introduction to Machine Learning",
    "n_slides": 5,
    "language": "English",
    "template": "general",
    "export_as": "pptx"
  }'

示例响应

{
  "presentation_id": "d3000f96-096c-4768-b67b-e99aed029b57",
  "path": "/app_data/d3000f96-096c-4768-b67b-e99aed029b57/Introduction_to_Machine_Learning.pptx",
  "edit_path": "/presentation?id=d3000f96-096c-4768-b67b-e99aed029b57"
}

注意： 在 path 和 edit_path 前加上服务器根 URL，即可构成有效链接。

文档与教程

• 部署 Presenton
• 完整 API 文档
• 5 分钟通过 API 生成演示文稿
• 使用 AI 从 CSV 创建演示文稿
• 使用 AI 创建数据报告

🚀 路线图

在 GitHub Projects 上跟踪公开路线图：https://github.com/orgs/presenton/projects/2