我如何用低代码平台复刻NotebookLM体验:从文档到可控PPT生成,全流程实战。


在之前的文章中,我们尝试用纯代码复刻 Google 爆款应用 NotebookLM 中较复杂的视频概览功能(《解密谷歌 NotebookLM 技术幕后【下】:如何用 AI 制作“带讲解的 PPT 演示视频”?》)。不过纯代码方式往往意味着更高的工程复杂度和维护成本,这次我们换个方向——尝试用低代码平台来复刻 NotebookLM 最新的 PPT 生成功能。
我们采用的主要技术栈是:
  • 低代码平台:国产开源BISHENG平台(可视化工作流)
  • LLM:字节的Seed-1.6推理模型 + gpt-4o-mini普通模型
  • 文生图:字节最新的Seedream-4.5模型
  • 外部工具:自编写MCP Server
至于为什么最终选了这套组合,相信你看完全文会有答案。
【本文源代码与工作流配置文件见文末】

PART 01


准备工作


相信很多小伙伴都用过 Google NotebookLM,这次要“复刻”的核心能力包括:
  • 上传文档(Sources)形成临时知识库
  • 基于文档做概要或事实性问答(Agentic RAG)
  • 把文档内容自动转成 PPT 演示稿
不过,既然都自己动手了,那就顺便加点“料”:
在生成 PPT 的过程中加入 HITL(Human in the Loop,人类参与)环节,让内容更可控。
对应NotebookLM中的目标功能:
需要说明的是:本文主要演示“后台工作流”怎么把这些能力串起来。如果你想做成真正可用的一站式应用,还需要补上前端 UI,并通过 API 与工作流协同。

【启动低代码平台BISHENG】
本次我们用到的低代码平台是 BISHENG(Github 搜索BISHENG)。一个国产开源的、面向企业级 LLM 应用开发的低代码平台。其最大特点是独有的面向企业级场景的Workflow编排能力,后面我们会看到它如何在工作流的“复杂管线”里“大展拳脚”。
启动平台最省事的方式是 Docker。步骤如下:
  1. 确保本机有 Docker 和 GitHub CLI
  2. 依次执行以下命令,拉取并启动所有容器:
> git clone https://github.com/dataelement/bisheng.git
>cd bisheng/docker
> docker compose -f docker-compose.yml -p bisheng up -d
启动完成后,在浏览器打开http://localhost:3001/,会看到登录界面:
注册一个账号(会自动成为管理员),然后登录。首次进入的页面是一个内置的开箱即用的前端对话式UI应用,BISHENG的开源协议允许你自定义个性化的LOGO与Slogan:
点击左下方个人头像选择切换到后台管理 — 我们的主战场在后台:
进入后台后,你可以根据自己计划使用的模型,首先在”模型“菜单中先把 LLM / Embedding 配置好,后续工作流会马上用到它们。

PART 02


文档上传、RAG管道、多轮对话


点击左侧菜单的 「构建」,在弹出的“抽屉式界面”里选择 「自定义工作流」,即可进入到工作流画板,开始正式上手流程编排。我们要首先实现的工作流大致如下:
① 上传文档 → 自动解析 → 临时知识库
第一步当然是让用户上传知识源。BISHENG 的工作流支持在同一个“输入”节点中上传多份文档,并且会自动完成格式解析和切片,然后构建一个临时向量知识库。节点配置很直观:
BISHENG的“输入”节点非常适合这里的场景:支持多文件源上传,切片、嵌入、建库这些“累活脏活”,让平台帮你搞定。临时知识库将在后续节点中引用。

② 意图识别:识别用户想干什么
在知识源准备好后,为了与知识对话或者生成指定形态的笔记(PPT),需借助LLM识别意图并路由到不同分支;
当知识库准备就绪,下一步便是让 LLM 判断用户的意图——是希望进行基于文档的问答,还是想让系统生成一份结构化笔记(例如 PPT)。LLM即可胜任这种意图识别的任务,只需一个简单的提示词,就可输出我们期望的路由结果(使用“大模型”节点):

③ 针对不同意图,分支处理
识别出意图后就要“各做各的事”了,可借助“条件分支”节点。
✔ 事实性问题:走 RAG 管道
常规事实类提问(如“文档中某个定义是什么?”)直接走 RAG 就行。BISHENG 工作流里提供了现成的 “文档知识库问答”节点,只要把前面自动生成的临时向量库接进来即可:
✔ 概要性问题:基于文件原始内容回答
对于“给我总结一下全文内容”这一类概括型提问,传统 RAG 不是最优解。在一些低层LLM框架开发中可以借助:
  • 堆叠树状摘要(Tree Summarization)
  • 使用GraphRAG
  • 一些特殊的RAG范式(如RAPTOR)
但随着LLM上下文窗口的扩展,对大部分文档而言,直接把全文供给模型反而更稳也更简单,直接使用“大模型”节点,并将文档内容输入:

④ 多轮对话:超越简单的“问答”
当上面的基本问答能力跑通后,要加上多轮对话,其实非常轻松:只需要把回答节点的输出,再连回输入节点就可以:
此处是我采用BISHENG工作流的主要原因之一:
一些低代码平台把“用户输入”固定为整条工作流的触发入口,因此每一轮对话都得从头开始触发一次工作流。但BISHENG采用的方法是:
“用户输入只是普通节点,而非一定是工作流入口。”
这也意味着:
  • 工作流运行中随时可以“插入”用户的新输入
  • 每次输出之后可以自然衔接下一轮输入
  • 整体更贴近真实的通用工作流场景:对话与节点任务可能交叉进行
当然,这种设计也会某些场景带来一点“小麻烦”(后面会说),但从构建工作流 的体验来说,它更自然、也更符合开发者直觉。
完成上面的配置,一个基本的文档总结与问答流就完成了。当然,这是本文最简单的部分。

PART 03


LLM + 生图模型 + MCP = PPT生成


要实现的意图中,PPT 生成功能无疑是最复杂的一类。我们的做法是:先生成大纲,再将大纲转化为图片式页面,最后合成为可下载的文件。基本流程如下:
这里仅对关键实现要点作解释(详细配置请参考本文附件):
【从文档到 PPT:采用“图片式页面”的策略】
在实际实现中,我们参考 NotebookLM 的思路,直接生成 PPT 页面图片,而不是构建可编辑的 PPT 元素树。这种方式的优势在于实现路径短、视觉表现更灵活…
— 以上为试看内容(约 40%),开通会员后阅读全文 —