Bionic Reading

项目简介

Bionic Reading 是一种新颖的阅读方法，通过在文本中设置人工固定点来引导眼睛的移动，从而提高阅读效率。本项目利用 OLLAMA 大模型（Gemma:7B）智能识别关键词，并加粗这些关键词，以帮助用户更好地理解和记忆文本内容。

功能

• 关键词识别：自动识别文本中的重要关键词。
• 文本加粗：将识别出的关键词加粗，提高阅读体验。
• 文件读写：支持从文件读取输入文本，并将处理后的结果写入输出文件。

技术栈

• Python 3.x：程序开发语言。
• OLLAMA：用于运行大语言模型的工具。
• requests：用于处理 HTTP 请求（如果未来需要与外部服务交互）。

环境要求

• Python 3.7 及以上版本。
• OLLAMA 已安装并配置好，支持 Gemma:7B 模型。

安装步骤

1. 克隆或下载本项目：

   git clone https://github.com/yourusername/bionic_reading.git
   cd bionic_reading

2. 安装依赖：

   在项目目录中，使用以下命令安装所需的 Python 库：

   pip install -r requirements.txt

3. 准备输入文本：

   在 input 文件夹中，您可以修改或添加 sample_text.txt 文件，输入您希望处理的文本。

使用方法

1. 运行主程序：

   在终端中运行以下命令：

   python main.py

2. 查看结果：

   处理完成后，结果将保存在 output/highlighted_text.html 文件中。您可以使用浏览器打开该文件，查看加粗后的文本内容。 这张图片从为项目的输出文件截取

代码结构

bionic_reading/
│
├── main.py                   # 主程序文件
├── requirements.txt          # 项目依赖文件
├── README.md                 # 项目说明文档
├── input/                    # 输入文本文件夹
│   └── sample_text.txt       # 示例文本文件
└── output/                   # 输出文件夹
    └── highlighted_text.html  # 处理后的结果文件

注意事项

• 请确保您的环境中已正确安装并配置 OLLAMA，并且能够成功运行 Gemma:7B 模型。
• 模型返回的关键词格式可能会影响代码，请根据实际情况调整 main.py 中的相关逻辑。
• 在处理较大文本时，可能需要更改一些模型参数以提高性能。

贡献

欢迎任何形式的贡献！如果您有建议或问题，请提出 Issue 或者提交 Pull Request。我们鼓励社区成员参与项目的改进。

联系方式

如有任何问题或建议，请通过以下方式联系我：

• 邮箱: xiexuan@kernel-dev.com

许可证

本项目使用 MIT 许可证，详细信息请参见 LICENSE 文件。