DeepSeek接入这个智能体后，能够吞下整本书了

你好，我是郭震

最近收到读者后台留言，他上传了一本几百页的电子书，问DeepSeek，但是显示 只能处理前30% ，问我如何解决，截图如下所示：

今天这篇文章来探讨大家普遍遇到的这个问题，经过我至少二十次的实验，终于摸索出了一个不错的解决方法，本文提供完整复现教程，感兴趣的可以看看。

此解决方法，具有如下三个特点：

1）本地运行

2）完全免费，不用花一分钱

3）不需要自己写一行代码，对不会编程的朋友也很友好。

接下来分享这个智能体，大家能直接在自己电脑上也能用上，更好的帮助大家提升工作和学习效率。

1 效果展示

基于DeepSeek-R1，下面是做的这个智能体，起名为：吞书智能体，如下所示：

使用Sutton编写的《强化学习》这本书，作为测试，如下所示：

全书 338页：

导入吞书智能体后，处理过程，如下GIF图所示，受限于公众号GIF图帧数限制，一个GIF只能展示几帧：

第二个GIF展示了，吞书智能体理解了第一章后，自动开始处理第二章：

吞书智能体前后处理大概10分钟，便能精细化的理解全书15个章节，自动生成如下总结html网页，如下是前几章的章节摘要总结GIF展示：

「吞书智能体」会 自动生成 十五个章节总结txt文件，如下所示：

接下来跟大家介绍「吞书智能体」详细制作步骤，大家 根据我的步骤就可以在自己的电脑，完整复现出这个智能体。

2 吞书智能体-制作步骤

在制作 吞书智能体时，我尝试过Vscode, Claude, Trae, 发现Trae是对MCP智能体支持最好、且对智能体编排做了深度优化，字节开发的，免费使用：

第一步，获取软件并安装在本地，安装步骤很简单，都是下一步，不再赘述。

内置模型，如Doubao-1.5-pro, DeepSeek-R1等，可以免费使用：

第二步，本地电脑新建一个文件夹，直接使用Trae打开此文件夹，然后右下角选择DeepSeek-R1，再 点击@智能体：

点击后再点击「创建智能体」：

弹出下面界面，依次按照1,2,3顺序，前两项如下填写，其中2是最关键的一项，这些提示词是智能体执行编排流程， 直接关系到智能体是否精准工作：

完整提示词我放在下面文本框里，这个提示词我迭代了不下20次，现在分享给大家:

# PDF章节提取与总结自动化处理## 初始设置1. 使用PDF阅读器工具读取目标PDF文件的目录索引（通常位于前10页）## 目录索引处理2. 使用文件系统工具创建book_index.txt文件3. 将每章的【起始页码,终止页码】信息提取并按格式写入book_index.txt   - 格式示例：第1章,10,25## 章节处理循环4. 从第1章开始，执行以下步骤直到所有章节处理完毕：   a. 读取book_index.txt获取当前章节[i]的起始页码和终止页码   b. 使用PDF阅读器工具，传入页码范围参数读取章节[i]的完整内容   c. 分析章节[i]内容，提取关键要点并按条目列出（确保不遗漏重要信息）   d. 使用文件系统工具创建chapter[i]_summary.txt文件   e. 将章节[i]的要点总结写入chapter[i]_summary.txt   f. 明确输出处理进度：'已完成第[i]章处理，准备处理第[i+1]章'## 汇总与展示5. 检查是否所有章节均已处理完毕6. 按章节顺序读取并合并所有chapter[i]_summary.txt文件内容7. 将合并内容写入summary_results.txt8. 将summary_results.txt内容转换为响应式HTML网页   - 实现精美布局与样式   - 添加目录导航功能   - 确保在移动设备上有良好显示效果

本次主要用到pdf-reader，点击如下图所示的「添加」按钮： 这 进入下面界面，点击「手动配置」：

弹出下面界面，大家把下面JSON串直接复制过来就行：

JSON串文字版：

{  'mcpServers': {    'pdf-reader': {      'command': '/Users/zhenguo/anaconda3/envs/mcp/bin/python',      'args': [        '/Users/zhenguo/Documents/code/mcp-pdf-reader/pdf_server.py'      ]    }  }}

然后点击确认，再点击箭头所示的刷新图标，刷新后应该会报错，因为此时你还没有在指定目录配置上代码文件，大家也要记得修改上面的JSON串为你自己本地的文件目录：

等配置代码文件和目录正确后，刷新正确后，就会看到pdf-reader，因为支持MCP协议，所以能够无缝集成到Trae里面，并且看到里面有三个工具：read_pdf_text, read_by_orc, read_pdf_images.

3 DeepSeek吞书原理

DeepSeek为啥不原生支持一次吞下500页的书，难点在哪里？根本原因在于：

1）模型输入长度受限，超长文本无法一次塞进 Transformer 结构；
2） 即便能塞下，注意力计算复杂度是 O(n²)，文本越长，计算和显存开销爆炸增长，现有硬件难以承受。

有些读者可能听说过，有些大模型号称能够处理100万，200万的上下文Token ，其实也不是真正实现了无损精度的上下文，他们都采用了各种优化，如稀疏注意力，分块，局部聚焦等，实际精度会打折扣，如下图所示：

所以可能不如咱们针对自己的具体需求，使用智能体定制，比如本文使用Trae里构建智能体及流程优化，比较方便的就能实现逐章节提炼摘要总结，每个章节的上下文目前基本不会超过主流大模型长度，比如R1的128K上下文。

因此，文中解决方案通过多智能体协作，实现了对一本书每章摘要总结，具备如下能力：

1）精度无损的实现了对完整一本书每章的摘要总结，分析每章并把结果写入到指定文件，注意这些文件都是智能体自动保存出来的：

2）自动提取每个章节的起始、终止页码，如下图所示：

3）具备很好的可扩展性，哪怕一本书1000页，也能应对。

当然文中方案，也不是完美的。在中间执行流程中，会出现模型思考次数已达上限，输入继续后才能再走下去，需要手工配合输入：继续，如下图所示：

总结一下

本文解决了大家普遍面临的一个难题，就是大模型无法直接高精度的分析总结一整本书的问题。

文中方案一句话总结：使用Trae+多智能体协作+分章节编排提示词，相对较好的解决了整本书精准总结问题。

Trae软件使用免费，除了通过@方便接入智能体外，还有#某个文档，直接接入本地文档，使用还是挺方便的。

另外， Trae使用免费，不用大家花一分钱。