32 DeepSeek接入这个智能体后，能够吞下整本书了，确实可以封神了！
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，全文3059字，22图。
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，访问入口：
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）
- 工作目录路径：/Users/zhenguo/Documents/code/mcp-agent
## 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.txt
8. 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
然后，点击3前往MCP页面，添加MCP Servers，进入下面界面，其中前两个是我自己编写的MCP Servers，部署在本地，后面通过Trae配置的。
本次主要用到pdf-reader（这是我自己编写的一个MCP Server智能体，代码全部开源），点击如下图所示的「添加」按钮：
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": { "txt-reader": { "command": "/Users/zhenguo/anaconda3/envs/mcp/bin/python", "args": [ "/Users/zhenguo/Documents/code/mcp-txt-reader/txt_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.
完整代码已经开源在github，如下图所示：
访问入口：
https://github.com/DeepSeekMine/mcp-pdf-reader
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，实际精度会有打折扣，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上下文长度，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。
感兴趣的可以获取下Trae软件，然后按照文中步骤，很快也能在本地部署上「吞书智能体」，代码已全部准备后，并能够复现。
