深入剖析开源AI阅读器项目Saga Reader基于大模型的文本转换与富文本渲染优化方案

引言

AI阅读器作为一种新型的内容消费工具，正在改变人们获取和处理信息的方式。本文将介绍Saga Reader项目中如何利用大型语言模型(LLM)进行网页内容抓取、智能优化和富文本渲染，特别是如何通过精心设计的提示词(prompt)引导LLM生成样式丰富的HTML内容，提升用户阅读体验。

关于Saga Reader

基于Tauri开发的著名开源AI驱动的智库式阅读器（前端部分使用Web框架），能根据用户指定的主题和偏好关键词自动从互联网上检索信息。它使用云端或本地大型模型进行总结和提供指导，并包括一个AI驱动的互动阅读伴读功能，你可以与AI讨论和交换阅读内容的想法。

Github - Saga Reader，完全开源，可外部服务0依赖，可纯本地电脑运行的AI项目。欢迎大家关注分享。‍码农‍开源不易，各位好人路过请给个小星星Star。

核心技术栈：Rust + Tauri（跨平台）+ Svelte（前端）+ LLM（大语言模型集成），支持本地 / 云端双模式

关键词：端智能，边缘大模型；Tauri 2.0；桌面端安装包 < 5MB，内存占用 < 20MB。

运行截图

系统架构概述

Saga Reader的内容处理流程主要包含以下几个关键步骤：

1. 内容抓取：通过爬虫或RSS获取原始网页内容
2. 内容净化(Purge)：清理原始HTML中的无关元素
3. 内容优化(Optimize)：将净化后的内容转换为富文本格式
4. 内容摘要(Melt)：生成文章摘要
5. 内容渲染：在前端展示优化后的内容

这些步骤形成了一个完整的内容处理管道，每个环节都由专门的处理器负责。

基于LLM的文章处理器

在Saga Reader中，文章处理的核心是ArticleLLMProcessor类，它实现了IArticleProcessor接口，负责调用LLM进行内容转换：

/// 基于LLM的文章处理器。
pub struct ArticleLLMProcessor {
    /// Agent化的生成式服务实例。
    agent: CompletionAgent,
    /// 用于与Agent交互的user prompt。
    user_prompt_command: String,
}

impl IArticleProcessor for ArticleLLMProce