About Paper Agent

Paper-Agent 是一个面向科研人员和学生的智能论文检索与调研工具。项目基于多智能体协作架构（AutoGen + LangGraph），通过自然语言处理（NLP）、自动化搜索和知识库构建，帮助用户高效查找学术论文、分析文献内容，并进行论文调研。Paper-Agent 支持多平台集成、关键词搜索、自动分析、论文调研，提升了学术研究的效率。适用于论文写作、学术调研、科研项目管理等多种场景，是学术调研的理想助手。

Alternatives to Paper Agent

View All

Anaxa

Anaxa 是一个面向科研工作流的开源智能体系统。它不是单纯的聊天机器人，也不是无人监管的自动发论文机器，而是把文献检索、证据审计、实验执行、论文写作、同行评审式检查和最终产物打包放进同一个可追踪的研究生命周期中。

127

Published by

tswoen

Visit View Profile

Paper Agent

View on GitHub

Paper-Agent: 智能学术调研报告生成系统

语言: 简体中文 · English

📖 简介

Paper-Agent 是一个面向科研人员的自动化调研报告生成系统，目标在于解决学术领域论文调研“耗时长、分析浅”的痛点。它不是简单的文献摘要工具，而是一个具备“检索-阅读-分析-综合-报告”全流程能力的智能领域研究助理，能生成有深度、有见解的领域综述报告。

（趁这个暑假我将对项目进行全面重构与迭代维护，集中修复现存问题、优化整体体验。欢迎大家积极提交使用反馈、功能建议与问题 BUG，一起把项目打磨得更加完善！也欢迎感兴趣的伙伴加入社群QQ（340020097），一同交流协作、参与项目建设。）

📸 项目预览

点击放大截图查看

截图1	截图2	截图3

截图4	截图5	截图6

✨ 核心特性

🤖 多智能体协作架构：基于 AutoGen 框架，采用多智能体协作模式，涵盖检索、阅读、分析、写作等多个智能体，自动协作完成复杂任务
📚 智能文献检索：将自然语言查询转换为精确的搜索条件，支持人工审核，从 arXiv 获取相关学术论文
🔍 结构化信息抽取：智能阅读自动提取论文的核心问题、技术路线、实验结果、数据集、局限性等关键信息，输出标准化 JSON 结构
🧠 深度领域分析：通过聚类分析、深度分析、全局分析三阶段流程，识别研究趋势和热点
✍️ 领域综述报告生成：将分析结果整合成结构完整、逻辑清晰的学术报告，支持 Markdown 格式输出
🔄 实时流式输出：基于 SSE（Server-Sent Events）技术，实时推送任务进度到前端
⚡ 并行处理优化：支持论文并行阅读、聚类并行分析、章节并行写作，大幅提升处理效率
🔧 模块化设计：各功能模块解耦，基于 LangGraph 构建工作流，便于扩展和维护
💾 向量数据库支持：使用 ChromaDB 存储提取的论文信息，支持检索增强写作
👥 用户交互审查：在关键步骤引入人工审核，确保查询条件和生成内容符合预期

系统架构

下面是简要的介绍，更多关于系统架构、节点实现、智能体协作的详细说明，请参考 design.md 文档。

Paper-Agent 采用模块化设计，基于 LangGraph 构建完整的工作流，由六个核心节点协同工作：

核心节点

search_agent_node（论文搜索节点）
- 使用 LLM 将用户自然语言需求转换为结构化查询条件
- 通过用户代理（userProxyAgent）进行人工审核
- 调用 PaperSearcher 从 arXiv 检索相关论文
- 支持查询条件：querys、start_date、end_date
reading_agent_node（论文阅读节点）
- 并行处理多篇论文，提取每篇论文的核心信息
- 按照预定义模型提取：核心问题、关键方法、数据集、评估指标、主要结果、局限性、贡献
- 将提取结果存入向量数据库，支持后续检索增强
analyse_agent_node（论文分析节点）
- PaperClusterAgent：使用嵌入向量和 KMeans 算法进行论文聚类，自动确定聚类数量
- DeepAnalyseAgent：对每个聚类进行深入分析，包括技术路线、方法对比、应用领域等
- GlobalanalyseAgent：汇总所有聚类分析结果，生成包含六大模块的全局分析报告
writing_agent_node（写作节点）
- writing_director_node：根据用户需求和全局分析，生成报告大纲并拆分为写作子任务
- parallel_writing_node：并行执行所有写作子任务，使用多智能体协作完成各章节写作
- 支持检索增强写作和质量审查
report_agent_node（报告生成节点）
- 汇总所有写作章节，生成完整的调研报告
- 使用 Markdown 格式输出，自动补充过渡语句
- 流式输出，实时推送生成进度

子智能体架构

写作模块子智能体

writing_agent：负责根据子任务撰写章节内容
retrieval_agent：从向量数据库检索相关内容，补充写作所需资料
review_agent：审查写作内容质量，通过后输出 "APPROVE" 终止子任务

分析模块子智能体

PaperClusterAgent：论文聚类分析，生成主题描述和关键词
DeepAnalyseAgent：单个聚类深度分析
GlobalanalyseAgent：全局分析，生成六大模块报告

工作流架构

主控协调模块（orchestrator）
- 基于 LangGraph 构建完整工作流
- 协调各节点有序执行
- 管理全局状态与错误处理
- 通过 SSE 实时推送任务进度到前端
状态管理
- 使用 State 管理全局状态
- 通过队列实现前后端通信
- 支持实时状态推送

工作流程

系统基于 LangGraph 构建完整的工作流，通过六个核心节点协同完成调研报告生成：

完整流程

输入查询：用户提供研究主题或问题
论文检索：系统自动生成查询条件，支持人工审核，从 arXiv 检索相关论文
论文阅读：并行处理多篇论文，提取核心信息并结构化
深度分析：
- 聚类分析：按主题对论文进行分组
- 深度分析：对每个聚类进行技术路线、方法对比等深入分析
- 全局分析：汇总所有聚类结果，生成六大模块报告
内容生成：
- 生成大纲：根据用户需求和全局分析，生成报告大纲
- 任务拆分：将大纲解析为可并行执行的写作子任务
- 并行写作：使用多智能体协作完成各章节写作
报告整合：汇总所有章节，生成完整的 Markdown 格式调研报告

关键特性

实时流式输出：基于 SSE 技术，实时推送任务进度到前端
并行处理优化：论文并行阅读、聚类并行分析、章节并行写作
用户交互审查：在关键步骤引入人工审核
检索增强写作：从向量数据库检索相关内容补充写作资料
质量审查机制：review_agent 审查写作内容质量

📂 目录结构

Paper-Agents/
├── main.py                 # 应用主入口，FastAPI应用初始化
├── pyproject.toml          # Python项目配置和依赖声明
├── LICENSE                 # MIT许可证文件
├── README.md               # 中文说明文档
├── design.md               # 系统设计文档
├── .gitignore              # Git忽略文件
│
├── docs/                   # 文档目录
│   └── README_en.md        # 英文说明文档
│
├── src/                    # 源代码目录
│   ├── agents/             # 智能体模块
│   │   ├── orchestrator.py         # 工作流协调器
│   │   ├── search_agent.py         # 论文检索智能体
│   │   ├── userproxy_agent.py      # 用户审查代理
│   │   ├── reading_agent.py        # 论文阅读智能体
│   │   ├── analyse_agent.py        # 论文分析智能体
│   │   ├── writing_agent.py        # 内容写作智能体
│   │   ├── report_agent.py         # 报告生成智能体
│   │   ├── sub_analyse_agent/      # 子分析智能体目录
│   │   │   ├── cluster_agent.py           # 论文聚类智能体
│   │   │   ├── deep_analyse_agent.py      # 论文深度分析智能体
│   │   │   └── global_analyse_agent.py    # 全局分析智能体
│   │   └── sub_writing_agent/      # 子写作智能体目录
│   │       ├── writing_director_agent.py    # 写作主管智能体
│   │       ├── parallel_writing_node.py     # 并行写作节点
│   │       ├── writing_agent.py             # 章节写作智能体
│   │       ├── retrieval_agent.py           # 检索增强智能体
│   │       ├── review_agent.py              # 质量审查智能体
│   │       ├── writing_chatGroup.py         # 写作协作组
│   │       └── writing_state_models.py       # 写作状态模型
│   │
│   ├── core/               # 核心模块
│   │   ├── config.py        # 配置管理
│   │   ├── model_client.py  # 模型客户端
│   │   ├── models.yaml      # 模型配置
│   │   ├── prompts.py       # 提示词模板
│   │   └── state_models.py  # 状态模型定义
│   │
│   ├── services/           # 服务层
│   │   ├── arxiv_client.py           # arXiv API客户端
│   │   ├── arxiv_fetcher.py          # arXiv论文获取器
│   │   ├── chroma_client.py          # Chroma向量数据库客户端
│   │   └── retrieval_tool.py         # 检索工具
│   │
│   ├── tasks/              # 任务模块
│   │   ├── deduplicator.py      # 论文去重（暂不支持，待完善）
│   │   ├── paper_downloader.py  # 论文下载（暂不支持，待完善）
│   │   ├── paper_filter.py      # 论文过滤（暂不支持，待完善）
│   │   ├── paper_search.py      # 论文搜索
│   │   └── papers/              # 论文存储目录（暂不支持，待完善）
│   │
│   └── utils/              # 工具函数
│       └── log_utils.py    # 日志工具
│
├── test/                   # 测试目录
│   ├── test_analyseAgent.py    # 分析智能体测试
│   ├── test_readingAgent.py    # 阅读智能体测试
│   ├── test_searchAgent.py     # 搜索智能体测试
│   ├── test_writingAgent.py    # 写作智能体测试
│   └── test_workflow.py        # 工作流测试
│
├── web/                    # 前端目录
│   ├── index.html          # 前端入口页面
│   ├── package.json        # 前端依赖配置
│   ├── src/                # 前端源代码
│   └── vite.config.js      # Vite配置
│
├── data/                   # 数据存储目录
└── output/                 # 输出目录
    └── log/                # 日志输出目录

🚀 快速开始

环境准备
- Python 3.12+
- 项目使用poetry 管理虚拟环境
- 安装依赖：poetry install
配置环境
- 复制 .env.example 为 .env 并填写您的API密钥
- 修改 models.yaml 中的参数
运行系统
```
poetry run python main.py
```
Web界面
```
cd web && npm install && npm run dev
```
- 访问 http://localhost:5173 使用Web界面

配置说明

环境变量配置

在 .env 文件中设置API密钥和相关配置：

# 模型提供商API密钥
OPENAI_API_KEY=your_openai_api_key
# 或其他提供商的API密钥

模型配置

系统配置文件位于 models.yaml，可根据需求调整以下参数：

可选模型提供商

OpenAI
其他兼容的LLM提供商

项目默认使用的模型和嵌入模型配置

默认LLM模型
默认嵌入模型
模型参数（temperature、max_tokens等）

项目模块具体使用的模型和嵌入模型配置（可选）

search_agent：搜索专用模型
reading_agent：阅读专用模型
analyse_agent：分析专用模型
writing_agent：写作专用模型
report_agent：报告生成专用模型
各模块的嵌入模型配置

各个模型提供商的API密钥和基础URL

API密钥配置
基础URL配置
其他连接参数

配置示例

# models.yaml 示例
default:
  model-provider: "openai"
  model: "gpt-4"
  embedding-model: "text-embedding-3-large"
  embedding-dimension: 1024

modules:
  search_agent:
    model-provider: "openai"
    model: "gpt-3.5-turbo"
  reading_agent:
    model-provider: "openai"
    model: "gpt-4"
  analyse_agent:
    model-provider: "openai"
    model: "gpt-4"
  writing_agent:
    model-provider: "openai"
    model: "gpt-4"
  report_agent:
    model-provider: "openai"
    model: "gpt-4"

openai:
  api-key: ${OPENAI_API_KEY}
  base-url: https://api.openai.com/v1

技术栈

后端

编程语言: Python 3.12+
智能体框架:
- AutoGen：多智能体协作框架
- LangGraph：工作流编排框架
Web框架: FastAPI, Uvicorn
实时通信: SSE (Server-Sent Events)
向量数据库: ChromaDB
数据处理: pyyaml, python-dotenv, tenacity
机器学习:
- scikit-learn：KMeans 聚类、肘部法则
- numpy：向量计算
论文检索: arXiv API
网络请求: requests, aiohttp
包管理: Poetry
日志系统: Python标准库logging模块 (自定义配置)

前端

框架: Vue.js 3.4+
构建工具: Vite 5.0+
开发工具: @vitejs/plugin-vue

贡献指南

我们欢迎各种形式的贡献，包括但不限于：

提交issue报告bug或建议新功能
提交pull request改进代码
完善文档

请阅读 CONTRIBUTING.md 了解更多细节。

许可证

本项目采用MIT许可证，详情参见 LICENSE 文件。

联系方式

如有任何问题或建议，请通过以下方式反馈：

GitHub Issues：请在项目仓库中提交Issue，这是最推荐的问题反馈方式
项目主页：https://github.com/Tswoen/paper-agent

⭐ 如果这个项目对你有帮助，请给我们点个星支持一下！

Paper Agent

About Paper Agent

Platforms

Languages

Links

Need Help Installing Paper Agent?

Alternatives to Paper Agent

Anaxa

Paper Agent

Paper-Agent: 智能学术调研报告生成系统

📖 简介

📸 项目预览

✨ 核心特性

系统架构

核心节点

子智能体架构

工作流架构

工作流程

完整流程

关键特性

📂 目录结构

🚀 快速开始

配置说明

环境变量配置

模型配置

配置示例

技术栈

后端

前端

贡献指南

许可证

联系方式

Star 历史