TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
mad-professor 開源論文閱讀助手，讓會嗆人的教授導讀你的 PDF
mad-professor 是一套 Apache-2.0 開源的 PyQt6 桌面論文閱讀助手：PDF 餵進去自動轉成中英對照，右側的 AI 教授用暴躁人設回答你的問題，還能語音發問與朗讀。這篇算清安裝前的三筆帳：環境工程時間、NVIDIA 顯卡門檻，以及論文文字會送去哪些雲端 API。
用 AI 摘要這篇文章：
mad-professor（暴躁的教授）是一套放在 GitHub 上的開源桌面軟體，採 Apache-2.0 授權：把英文論文 PDF 餵進去，它會自動轉出中英對照的正文，畫面右側的 AI 教授讓你用中文發問，還能開麥克風語音對話，回答一邊顯示文字、一邊用語音朗讀出來。先講結論：這套體驗組合市面上不好找，代價也寫得很明白，要有 NVIDIA 顯示卡、要自己撐起一整套 Python 環境，而且論文文字會送上你自己的雲端 API 帳號。還有一件事得放在最前面：repo 在 2025 年 4 月推了第一次、也是唯一一次 commit 之後就沒再動過，零 release、零後續修補，那 1600 多顆星按的是一份凍結的快照。想裝的人要把它當成現狀買斷的軟體：裝得起來就是你的，裝到一半卡住，沒有開發者會來救。
它換到的體驗，別的地方真的不好找
市面上問 PDF 的工具不少，但「語音對話式的雙語論文導讀」這個組合，目前多半要自己拼。mad-professor 把整條流程做進同一個桌面視窗：左側是論文正文，右上角一鍵切換中英文對照，左右側欄都能折疊收起來做長文沉浸閱讀；右側是對話區，底下選好麥克風，按住講話就完成發問，教授的回答直接播成語音。
操作面照 README 的使用說明走：側邊欄點匯入論文、選好 PDF，等翻譯和索引建完就能讀；也可以把多份 PDF 直接丟進 data 資料夾，程式會偵測沒處理過的檔案批次消化。語音輸入的狀態要看指示燈：按了麥克風按鈕，燈號轉綠再開口；說話時燈號沒有變化，多半是這支麥克風偵測不到人聲，官方的建議很直接，換一個輸入裝置試，別跟驅動程式糾纏。
語音對話還有個實際的坑，README 的已知問題段自己寫了：如果聲音用喇叭外放，教授的回答會被麥克風再收進去，系統把老師的話當成你的提問，一問一答就打結了，實際使用要戴耳機。另外兩條官方自列的限制也該記下：它只認論文結構的 PDF，丟書籍或投影片進去可能直接報錯；音訊裝置還沒載入完成就切換輸入源，可能會切換失敗。
嗆人是表層，底盤是一條正經的論文處理管線
「暴躁的教授」聽起來像個搞怪專案，翻開程式碼會發現工程面意外地扎實。照 repo 的專案結構，一份 PDF 進來後要依序過八個處理器：先把 PDF 解析成 Markdown、結構化成 JSON、做分塊與翻譯、還原版面，接著生成摘要與延伸問題，最後建立向量索引供檢索。PDF 解析用的是開源專案 MinerU，在本機跑；問答時用向量檢索撈出相關段落，連同問題一起送給語言模型。公式也照顧到了，repo 裡打包了整套 KaTeX 函式庫連字型都帶齊，負責渲染論文裡的數學式，prompt 資料夾還有一份公式分析專用的提示詞（同類的 PDF 轉 Markdown 工具，可以參考我們介紹過的〈OCRFlux 把 PDF 批次轉成 Markdown〉）。匯入完成後，每篇論文還會自動生成摘要與延伸問題，第一次打開就有東西可問。問答的設計也值得說清楚：教授的回答以檢索到的論文段落為本，用意在壓低模型憑常識瞎答的空間，而不是把論文丟給聊天機器人自由發揮。
效果面要劃一條誠實的線：翻譯品質、回答準確度、語音反應速度，這些官方文件與程式碼都保證不了；而且它用自備金鑰的雲端模型，表現會跟著你選的模型與網路條件浮動。真的要評估，拿一篇自己讀熟的論文導進去問幾題，比看任何介紹文章都快。
人格那一層其實就是 prompt 檔。我讀了內建的兩份人設：雷電將軍版是學術至高權威，言詞精準、對膚淺的問題表現不屑、給學生肯定時極度吝嗇；可莉版則是元氣爆棚的爆破迷，講到爆炸話題會興奮起來。軟體名稱裡的「暴躁」，對應的顯然是前者。兩份 prompt 開頭都有一條共同指令：不能透露自己是 AI，角色扮演要撐到底。回答的語氣還會連動語音：TTS 模組的請求參數裡有一個情緒欄位，值由問題內容映射而來，罵得兇的時候連聲音都聽得出來。
想換人設或換聲音，目前沒有設定介面，要改原始碼：在 prompt 資料夾放新的提示詞檔，再去改對話模組開頭的人設路徑常數；聲音則是去語音服務後台建一個 voice id，回來改 TTS 模組的參數。社群裡有人提了 pull request 想加設定選單，到現在沒有被合併。
環境帳：預留一個下午才裝得完
這是三筆帳裡最花時間的一筆。它不是下載點開就能用的軟體，README 的安裝段列了一長串：用 conda 開 Python 3.10 環境（官方範例釘在 3.10.16）、單獨安裝指定版本的 MinerU 套件、裝對應 CUDA 11.8、12.4 或 12.6 的 torch、numpy 得壓在 2.1.1 以下、GPU 版的向量索引庫 FAISS 只能透過 conda 裝，最後跑一支模型下載腳本，把 PDF 解析模型抓到本機，好幾 GB 起跳；文字嵌入模型與麥克風用的 Whisper 語音模型，則是第一次用到時才自動下載。裝完還要改兩處設定：使用者目錄裡的 magic-pdf.json 把 device-mode 改成 cuda，以及 config.py 裡填上自己的 API 金鑰。
難度不是紙上談兵。GitHub issue 裡最有說服力的一則，標題就是「純小白，可以教我怎麼部署嗎」，發問一年多，底下零回應；另外兩則卡在套件找不到、範本檔失蹤的 issue，最後也是社群使用者互相撈出答案的。翻 requirements.txt 還能發現一個小分歧：清單裡列的是 CPU 版 FAISS，README 卻要求 conda 另裝 GPU 版，兩者介面相容，但對照著裝的時候容易疑惑哪一步出了錯。還有一個小地方：README 的安裝範例直接用阿里雲的 pip 鏡像站，照貼不會壞，但卡在下載時換回官方來源試試，速度不一定是壞事。把這些加起來，環境工程預留一個下午是合理的估計，而且預設讀者是寫過 Python 的人。
硬體帳：沒有 NVIDIA 顯卡先繞路
第二個門檻是硬體。README 的環境要求寫得直接：要 CUDA 支援、顯示卡記憶體 6GB 以上。這一條把 Mac 使用者擋在門外，而且不是技術問題，是官方姿態：macOS 支援的 issue 從 2025 年 4 月開到現在，七則討論沒有結論；有人提交了支援 Apple 與 Intel 顯示運算的 pull request，2026 年 6 月被關閉，沒有合併，官方程式碼從未跟上。要求出網頁版的兩則 issue 也靜靜躺著。所以實際的相容範圍就是 Windows 或 Linux 加 NVIDIA 顯示卡，A 卡和 Mac 都不在劇本裡。
Issue 討論裡倒有一個邊緣案例值得知道：有使用者回報在 Mac 上讓 PDF 解析模型動了起來，下載了約 2.2GB 的模型，但那只是管線的前段，語音與 GPU 相關的功能仍是另一回事。把這條路當成玩家玩法可以，當成正式支援就是自找麻煩。門檻本身倒沒有想像中貴：6GB 指的是顯示卡記憶體，規格上 12GB 的入門級顯示卡就已經超過，不必為了它升級整台機器。
資料帳：論文文字會離開你的電腦
三筆帳裡，這筆最容易被「開源、本地」的字面印象蓋過去。翻開 config.py，開頭就是四個欄位：API 網址、API 金鑰、語音服務的群組 ID、語音服務的金鑰。翻譯和問答走的是雲端語言模型，README 指名用 DeepSeek，金鑰自己申請；語音合成走 MiniMax。換句話說，匯入論文的那一刻，整篇論文的文字會送到語言模型做全文翻譯，之後每次發問，檢索出來的段落也會當成提示詞送出去，教授的回答再送去語音服務合成聲音。照管線的設計，翻譯在匯入時一次完成，之後閱讀對照不會重複計費；發問時只把檢索到的段落送出去，整本論文不會再上傳一次，但段落同樣出自論文內文，機敏與否的判斷標準不變。帳單算在自己的 API 帳號上，翻譯一份長論文的用量在匯入時一次發生，之後每問一句、每播一次語音都是新的計費。
留在本機的範圍也說清楚：PDF 解析、文字嵌入模型、向量檢索、麥克風的語音辨識，這些都在自己機器上跑，requirements.txt 裡沒有任何遙測或分析類的依賴。嵌入用的模型是開源的 BAAI/bge-m3，這也是評估檢索品質時可以先查的線索。README 表示雲端那兩段可以透過修改程式改接本地模型，不過這是作者的宣稱，改接的工程量要自己評估。還有一層要想清楚的：DeepSeek 與 MiniMax 都是中國的服務商，已發表的公開論文無所謂，還在審稿中或涉及機敏題目的手稿，送出去之前值得停一下。同樣的需求如果不想自架，〈ChatPDF 線上論文問答工具〉是零安裝的雲端選項，〈Read Frog 網頁雙語翻譯閱讀擴充〉則把雙語閱讀留在瀏覽器裡。
1600 顆星背後，是一份不再更新的快照
把時間軸攤開看會更明白自己在裝什麼。repo 在 2025 年 4 月 18 日建立，同一天推送了名為 Initial commit 的唯一一次 commit，之後將近一年半，沒有第二個 commit、沒有任何 release、沒有版本標籤。對照 1600 多顆星與將近 200 次 fork（截至 2026 年 9 月中），它走的是典型的病毒式路線：作品夠有趣，關注湧進來，然後作者回去忙自己的事。issue 區幾乎是社群自治，最有代表性的一則是使用者找不到索引檔 papers_index.json，以為少了檔案，最後由另一位使用者翻出程式碼，指出索引會在第一次成功匯入論文時自動生成，問題才收尾。語音合成正常發請求、喇叭卻沒有聲音的求助文，同樣躺到現在。
這種形態對採用者的意義很實際：教學文章永遠對不上你遇到的版本、釘死的依賴版本會隨時間慢慢腐壞、遇到 bug 要嘛自己修要嘛開 fork。好消息是授權是寬鬆的 Apache-2.0，改作、商用、分支都不需要打招呼，近 200 個 fork 裡想要有人接手升級依賴，自己開一條分支完全合法；壞消息是所有維運責任都隨著下載一起搬到你家。
誰該裝、誰該路過
適合動手的人，四個條件最好同時成立：手上是 Windows 或 Linux 加 NVIDIA 顯示卡；常讀英文論文而且讀得吃力；論文內容不機敏；寫過 Python，遇到套件衝突不會慌。符合的話，它給的東西確實獨特：一位隨時找得到、講中文、還會念你的指導教授。開發者還有另一個進場理由：這份程式碼的模組切分意外乾淨，處理器、檢索、語音、介面各自分層，當 PyQt6 加 RAG 檢索的教學級參考實作來讀，比多數入門範例完整得多。
不符合條件的人有更省力的路：Mac 或輕量使用者去用雲端的 PDF 問答服務；想讀的是 GitHub 專案文件而不是論文的人，〈Zread AI 幫你導讀 GitHub 專案〉更對口。真想試的人，第一步就三件事：把 repo clone 下來、照 README 開 conda 環境裝依賴、跑模型下載腳本，然後把兩把金鑰填進 config.py，丟一份已發表的論文進去當測試品。
一句話收尾：mad-professor 把「找一位嚴厲的指導教授陪讀論文」做成了開源軟體，體驗是真的有魅力；環境、顯卡、資料流向這三筆帳，也是真的要先算清楚。算得過就裝，算不過，看別人裝也很快樂。
