diff --git a/AI/AiService/CallDeepSeekStream.py b/AI/AiService/CallDeepSeekStream.py
index fc33df9e..6cf7c091 100644
--- a/AI/AiService/CallDeepSeekStream.py
+++ b/AI/AiService/CallDeepSeekStream.py
@@ -1,3 +1,5 @@
+import re
+
 import uvicorn
 from fastapi import FastAPI, Body
 from fastapi.middleware.cors import CORSMiddleware
@@ -18,6 +20,7 @@ client = OpenAI(
     base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
 )
 
+
 def markdown_to_dict(markdown_content):
     """
     将 Markdown 内容转换为 Python 字典
@@ -29,6 +32,7 @@ def markdown_to_dict(markdown_content):
     # 将 JSON 字符串转换为字典
     return json.loads(json_content)
 
+
 def extract_level1(json_dict):
     """
     提取一级目录，生成指定格式的 JSON 对象列表
@@ -39,6 +43,7 @@ def extract_level1(json_dict):
         return [{"type": "cover", "data": {"title": level1_title, "text": ""}}]
     return []
 
+
 def extract_level2_and_level3(json_dict, level1_title=None):
     """
     提取指定一级目录下的二级目录及其三级目录内容，生成指定格式的 JSON 对象列表
@@ -81,6 +86,7 @@ def extract_level2_and_level3(json_dict, level1_title=None):
         return result
     return []
 
+
 def extract_contents(json_dict, level1_title=None):
     """
     提取所有二级目录名称，生成目录部分的 JSON 对象
@@ -95,6 +101,48 @@ def extract_contents(json_dict, level1_title=None):
         return {"type": "contents", "data": {"items": level2_titles}}
     return {"type": "contents", "data": {"items": []}}
 
+
+def expand_text_with_ai(json_dict):
+    """
+    调用 AI 扩写每个有 title 属性的节点，生成一句话描述并放到 text 属性上
+    """
+
+    # 递归处理字典
+    def process_dict(d):
+        if isinstance(d, dict):
+            for key, value in d.items():
+                if key == "title" and isinstance(value, str):
+                    # 基于全文和当前 title 生成一句话描述
+                    prompt = f"基于以下内容，为标题 '{value}' 生成一句话描述，言简意赅，不要使用标点符号：\n{json.dumps(json_dict, ensure_ascii=False)}"
+                    # 调用 AI 生成描述
+                    response = client.chat.completions.create(
+                        model=MODEL_NAME,
+                        messages=[
+                            {"role": "system", "content": "你是一个教学经验丰富的基础教育教师"},
+                            {"role": "user", "content": prompt}
+                        ],
+                        temperature=0.7
+                    )
+                    # 提取生成的描述
+                    description = response.choices[0].message.content.strip()
+                    # 去掉标点符号
+                    description = re.sub(r'[^\w\s]', '', description)
+                    # 将描述赋值给 text 属性
+                    d["text"] = description
+                elif isinstance(value, dict):
+                    process_dict(value)
+                elif isinstance(value, list):
+                    for item in value:
+                        process_dict(item)
+        elif isinstance(d, list):
+            for item in d:
+                process_dict(item)
+
+    # 处理整个字典
+    process_dict(json_dict)
+    return json_dict
+
+
 async def ConvertMarkdownToJson(markdown_content):
     """
     生成一个 AsyncIterable，逐行返回 JSON 字符串
@@ -102,6 +150,9 @@ async def ConvertMarkdownToJson(markdown_content):
     # 将 Markdown 转换为字典
     json_dict = markdown_to_dict(markdown_content)
 
+    # 调用 AI 扩写每个有 title 属性的节点
+    json_dict = expand_text_with_ai(json_dict)
+
     # 提取一级目录
     level1_json = extract_level1(json_dict)
     print(level1_json)
@@ -125,6 +176,7 @@ async def ConvertMarkdownToJson(markdown_content):
     # 添加结束标记
     yield '{"type": "end" }'
 
+
 # 获取本机所有 IPv4 地址
 def get_local_ips():
     ips = []
@@ -140,6 +192,7 @@ def get_local_ips():
         print(f"获取 IP 地址失败: {e}")
     return ips
 
+
 # 流式生成数据的函数
 async def generate_stream_markdown(course_name: str):
     """
@@ -150,7 +203,8 @@ async def generate_stream_markdown(course_name: str):
         model=MODEL_NAME,
         messages=[
             {'role': 'system', 'content': '你是一个教学经验丰富的基础教育教师'},
-            {'role': 'user', 'content': '帮我设计一下' + course_name + '的课件提纲，用markdown格式返回。强调1、标签只能返回 #,##,###,-,其它标签一率不可以返回，这个非常重要！2、不要返回 ```markdown 或者 ```  这样的内容！ 3、每部分都有生成完整的一、二、三级内容，不能省略。'}
+            {'role': 'user',
+             'content': '帮我设计一下' + course_name + '的课件提纲，用markdown格式返回。强调1、标签只能返回 #,##,###,-,其它标签一率不可以返回，这个非常重要！2、不要返回 ```markdown 或者 ```  这样的内容！ 3、每部分都有生成完整的一、二、三级内容，不能省略。'}
         ],
         stream=True,  # 启用流式响应
         timeout=6000,
@@ -172,6 +226,7 @@ async def generate_stream_markdown(course_name: str):
     print("\n完整的 Markdown 内容：")
     print(full_markdown)
 
+
 app = FastAPI()
 
 # 添加 CORS 中间件
@@ -183,14 +238,16 @@ app.add_middleware(
     allow_headers=["*"],
 )
 
+
 # 根路由，返回提示信息
 @app.get("/")
 def root():
     return PlainTextResponse("Hello ApiStream")
 
+
 @app.post("/api/tools/aippt_outline")  # 仅支持 POST 方法
 async def aippt_outline(
-    course_name: str = Body(..., embed=True, description="课程名称")  # 从请求体中获取 course_name
+        course_name: str = Body(..., embed=True, description="课程名称")  # 从请求体中获取 course_name
 ):
     # 返回流式响应
     return StreamingResponse(
@@ -204,6 +261,7 @@ async def aippt_outline(
         }
     )
 
+
 @app.post("/api/tools/aippt")  # 修改为 POST 方法
 async def aippt(content: str = Body(..., embed=True, description="Markdown 内容")):  # 使用 Body 接收请求体参数
     return StreamingResponse(
@@ -218,18 +276,29 @@ async def aippt(content: str = Body(..., embed=True, description="Markdown 内
         }
     )
 
+
 # 运行应用
 if __name__ == "__main__":
-    # 获取本机所有 IPv4 地址
-    ips = get_local_ips()
-    if not ips:
-        print("无法获取本机 IP 地址，使用默认地址 127.0.0.1")
-        ips = ["127.0.0.1"]
-
-    # 打印所有 IP 地址
-    print("服务将在以下 IP 地址上运行：")
-    for ip in ips:
-        print(f"http://{ip}:5173")
-
-    # 启动 FastAPI 应用，绑定到所有 IP 地址
-    uvicorn.run(app, host="0.0.0.0", port=5173)
\ No newline at end of file
+    # # 获取本机所有 IPv4 地址
+    # ips = get_local_ips()
+    # if not ips:
+    #     print("无法获取本机 IP 地址，使用默认地址 127.0.0.1")
+    #     ips = ["127.0.0.1"]
+    #
+    # # 打印所有 IP 地址
+    # print("服务将在以下 IP 地址上运行：")
+    # for ip in ips:
+    #     print(f"http://{ip}:5173")
+    #
+    # # 启动 FastAPI 应用，绑定到所有 IP 地址
+    # uvicorn.run(app, host="0.0.0.0", port=5173)
+
+    # 读取Sample.md
+    with open("Sample.md", "r", encoding="utf-8") as f:
+        markdown_content = f.read()
+    json_dict = markdown_to_dict(markdown_content)
+
+    # 调用 AI 扩写每个有 title 属性的节点
+    json_dict = expand_text_with_ai(json_dict)
+
+    print(json_dict)
diff --git a/AI/AiService/Sample.md b/AI/AiService/Sample.md
index d72f205a..1a52bf81 100644
--- a/AI/AiService/Sample.md
+++ b/AI/AiService/Sample.md
@@ -1,42 +1,29 @@
 # 方程解决问题的课件提纲
-- 【整体框架展示方程解决实际问题的思路与步骤】
 ## 一、引入方程概念
-- 【从生活实例出发引出方程的概念】
 ### 1.1 生活中的等量关系
-- 【通过具体事例展现等量关系是方程的基础】
 - 分享小明买书的例子 总价等于单价乘以数量
 - 引导学生发现其中存在的等量关系
 ### 1.2 方程的定义
-- 【明确什么是方程及其基本构成要素】
 - 给出方程的正式定义 含有未知数的等式
 - 解释方程中各个部分 如未知数 系数 常数项
 ## 二、建立方程模型
-- 【掌握从实际问题到方程模型的转化方法】
 ### 2.1 分析问题找关键信息
-- 【学会筛选有用信息为建模做准备】
 - 演示如何阅读理解应用题 找出已知条件和所求
 - 强调寻找等量关系的重要性
 ### 2.2 设定未知数构建方程
-- 【正确设定未知数并根据等量关系列出方程】
 - 讲解设未知数的原则 一般设要求的量为x
 - 举例说明根据等量关系列出方程的过程
 ## 三、求解方程
-- 【学习不同类型的方程求解方法】
 ### 3.1 一元一次方程的解法
-- 【掌握最基础的一元一次方程求解技巧】
 - 复习等式的性质 为解方程做铺垫
 - 详细讲解移项 合并同类项 系数化1等步骤
 ### 3.2 验根的重要性
-- 【确保求得的解符合实际情况】
 - 强调验根的意义 防止出现增根或漏根
 - 展示验根的具体操作过程
 ## 四、方程的实际应用
-- 【体会方程在解决实际问题中的价值】
 ### 4.1 行程问题
-- 【利用方程解决与行程相关的计算】
 - 分析路程 速度 时间之间的关系
 - 举例行程问题并用方程求解
 ### 4.2 工程问题
-- 【运用方程处理工程进度方面的难题】
 - 探讨工作量 工作效率 工作时间的关系
 - 通过具体案例体现方程在工程问题中的应用
\ No newline at end of file