Paper Agent System

一个基于 LangGraph 和 Claude 3.7 Sonnet 的全自动学术论文处理智能体系统。

系统架构

核心框架

• 编排引擎: LangGraph (状态图管理)
• AI模型: Anthropic Claude 3.7 Sonnet (多模态理解)
• 框架: LangChain (工具集成)

主要功能模块

1. 多模态内容解析模块

   • PDF文档结构化解析
   • 文本、图像、LaTeX公式、表格提取
   • 精确位置坐标映射

2. 智能摘要与重点识别模块

   • 全面智能摘要生成
   • 关键句段自动识别
   • 重要内容标记

3. 动态文本高亮模块

   • 坐标精确映射
   • PDF高亮注释生成
   • 可视化重点标记

4. 分段翻译模块

   • 智能文本分段
   • 多API翻译服务
   • 结构保持翻译

5. 问答系统(RAG)模块

   • 向量知识库构建
   • 多模态检索增强
   • 交互式问答支持

快速开始

1. 环境配置

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的API密钥

2. 使用示例

from paper_agent import PaperAgent

# 初始化智能体
agent = PaperAgent()

# 处理PDF论文
result = await agent.process_paper(
    pdf_path="path/to/your/paper.pdf",
    target_language="zh-CN",
    enable_highlighting=True
)

# 获取处理结果
print(result.summary)           # 智能摘要
print(result.translations)      # 分段翻译
print(result.highlighted_pdf)   # 高亮版PDF路径

# 问答交互
answer = await agent.ask_question("论文的主要贡献是什么？")
print(answer)

3. 系统架构图

输入PDF → 解析模块 → 摘要识别 → 高亮映射 → 翻译模块 → RAG构建 → 问答接口
    ↓         ↓         ↓         ↓         ↓         ↓         ↓
  原始文档   结构化数据   重点内容   坐标映射   多语言版本  向量库    交互问答

技术特性

• 多模态处理: 支持文本、图像、LaTeX公式的综合理解
• 精确高亮: 基于坐标的精确文本高亮定位
• 智能翻译: 多API服务支持，自动故障切换
• 向量检索: 高效的RAG问答系统
• 异步处理: 并发优化，提升处理效率
• 状态管理: LangGraph状态图，支持复杂工作流

系统要求

• Python 3.9+
• 8GB+ RAM (推荐)
• 网络连接 (API调用)

许可证

MIT License