StartThinking Desktop

本地 AI 复习软件：导入资料，使用 Unlimited-OCR 识别 PDF/图片，再用本地 Qwen3.5-4B 生成题目、闪卡和复习队列。

当前可运行版本

当前主入口是 Python 桌面版，不需要下载前端依赖：

desktop_python\run_startthinking.bat

如果系统提示没有 Python，可以安装 Python 3.11+，或者继续使用 Codex 自带 Python 路径运行：

C:\Users\hangi\.cache\codex-runtimes\codex-primary-runtime\dependencies\python\python.exe desktop_python\startthinking.py

架构

• 桌面壳：Python Tkinter（当前可运行主版本）
• 可选桌面壳：Electron（源码已保留，安装依赖后可继续升级）
• OCR：调用本机 baidu/Unlimited-OCR 的 infer.py
• 本地大模型：Ollama，默认 qwen3.5:4b
• 数据保存：data/startthinking.json，资料和生成结果不上传云端

准备本地模型

安装 Ollama 后拉取默认模型：

ollama pull qwen3.5:4b

Ollama 默认服务地址是：

http://127.0.0.1:11434

准备 Unlimited-OCR

项目地址：

https://github.com/baidu/Unlimited-OCR

按官方 README 安装依赖和模型后，在 StartThinking 的“设置”里填写：

• Python：例如 python 或你的虚拟环境 Python 路径
• Unlimited-OCR infer.py：例如 C:\AI\Unlimited-OCR\infer.py
• OCR 并发：个人电脑建议先用 1 或 2

PDF 和图片导入时，软件会调用：

python infer.py --pdf <file> --output_dir <temp> --concurrency <n> --image_mode <mode>

图片会先放入临时目录，然后用 --image_dir 调用。

Electron 可选版本

npm install
npm start

如果 PowerShell 拦截 npm.ps1，用：

npm.cmd install
npm.cmd start

当前能力

• 直接读取 TXT / MD / CSV / JSON。
• PDF / PNG / JPG / JPEG / WEBP 会优先尝试 Unlimited-OCR。
• Windows 原生环境下，Unlimited-OCR 的 SGLang kernel 当前没有 win_amd64 wheel；软件会自动回退到本地 qwen3.5:4b 视觉 OCR。
• 调用 Ollama qwen3.5:4b 生成单选题、填空题、简答题和闪卡。
• Ollama 或 Unlimited-OCR 不可用时，文本资料会回退到本地启发式生成。
• 按“忘记 / 模糊 / 记住 / 熟练”调整下次复习时间。
• 可导出本地 JSON 备份。

OCR 环境状态

已提供脚本：

scripts\setup_unlimited_ocr.bat

它会：

• 克隆 baidu/Unlimited-OCR 到 third_party/Unlimited-OCR
• 创建 .venv-ocr
• 安装 PDF 转图片和请求依赖
• 尝试安装 Unlimited-OCR 的 SGLang wheel

注意：官方 infer.py 走 SGLang。当前 Windows 原生环境会因为 sglang-kernel 缺少 Windows wheel 而无法完整安装 SGLang。要完整运行 Unlimited-OCR，建议后续使用 WSL2 Ubuntu 或 Linux/Docker 环境。当前软件已经做了可用后备：PDF 先转图片，再用本地 qwen3.5:4b 视觉能力提取文字。

模型选择

默认使用 qwen3.5:4b，原因：

• 体积约 3.4GB，个人电脑更容易跑起来。
• 256K 上下文，适合长资料总结和出题。
• 中文、多语言、视觉能力都比普通小模型更适合学习资料处理。