一个基于大语言模型的智能论文助手，帮助研究人员高效地搜索、分析和理解学术论文。通过多种AI模型支持和流式响应技术，提供沉浸式的学术研究体验。
学术研究中面临的挑战：
- 🔍 信息过载：面对海量论文，难以快速找到关键信息
- 📊 理解困难：复杂论文难以快速掌握核心要点
- ⏱️ 效率低下：传统阅读方式耗时耗力
- 🤖 缺乏智能分析：缺少AI辅助的深度分析工具
- 🌐 模型局限性：单一模型无法满足多样化需求
Paper Agent 通过以下方式解决这些痛点：
- 智能论文搜索和推荐系统
- 多模型支持的论文分析和总结
- 流式响应和思考模式展示AI推理过程
- 可视化界面提升用户体验
- 灵活的部署方式适应不同环境需求
graph TD
A[React 前端] <-- HTTP/REST API --> B[FastAPI 后端]
B <--> C[SQLite 数据库]
B <--> D[Chroma 向量数据库]
B <--> E[LLM 服务]
E --> E1[OpenAI API]
E --> E2[Qwen API]
E --> E3[DeepSeek API]
E --> E4[Anthropic API]
E --> E5[Ollama API]
E --> E6[HuggingFace Transformers]
subgraph "后端服务层"
B
end
subgraph "数据存储层"
C
D
end
subgraph "AI 能力层"
E
E1
E2
E3
E4
E5
E6
end
subgraph "客户端"
A
end
style A fill:#4CAF50,stroke:#388E3C
style B fill:#2196F3,stroke:#0D47A1
style C fill:#FF9800,stroke:#E65100
style D fill:#FF9800,stroke:#E65100
style E fill:#9C27B0,stroke:#4A148C
style E1 fill:#f4f4f4,stroke:#999
style E2 fill:#f4f4f4,stroke:#999
style E3 fill:#f4f4f4,stroke:#999
style E4 fill:#f4f4f4,stroke:#999
style E5 fill:#f4f4f4,stroke:#999
style E6 fill:#f4f4f4,stroke:#999
-
客户端层：
- 基于 React 构建的现代化前端界面
- 提供直观的用户交互体验
- 支持流式响应和思考模式展示
-
服务层：
- 基于 FastAPI 构建的高性能后端服务
- 提供 RESTful API 接口
- 实现业务逻辑处理和模块协调
-
数据存储层：
- SQLite：存储文档元数据和处理状态
- ChromaDB：存储文档向量化表示，支持语义搜索
-
AI能力层：
- 抽象的 LLM 服务层，支持多种模型提供商
- 统一接口适配不同模型的 API
- 支持流式响应和同步响应模式
sequenceDiagram
participant U as 用户
participant F as 前端
participant B as 后端
participant V as 向量数据库
participant L as LLM服务
U->>F: 上传论文PDF
F->>B: 发送文件上传请求
B->>B: 处理PDF并提取文本
B->>V: 向量化文本并存储
B->>F: 返回上传成功状态
U->>F: 请求论文摘要
F->>B: 发送摘要请求
B->>V: 检索相关文档片段
B->>L: 调用LLM生成摘要
L->>B: 返回生成结果
B->>F: 返回摘要内容
U->>F: 提出问题
F->>B: 发送问题请求
B->>V: 语义搜索相关片段
B->>L: 调用LLM回答问题
L-->>B: 流式返回结果
B-->>F: 流式转发结果
F-->>U: 流式展示回答过程
Paper Agent 支持多种主流大语言模型，满足不同场景需求：
| 模型提供商 | 模型系列 | 特点 |
|---|---|---|
| OpenAI | GPT-3.5, GPT-4 | 通用性强，理解能力优秀 |
| Qwen | 通义千问系列 | 中文理解能力出色 |
| DeepSeek | DeepSeek系列 | 高性价比，代码理解能力强 |
| Anthropic | Claude系列 | 逻辑推理能力强，安全性高 |
| 模型提供商 | 模型系列 | 特点 |
|---|---|---|
| Ollama | Llama系列 | 本地部署，隐私安全 |
| HuggingFace | 多种开源模型 | 灵活定制，完全控制 |
Paper Agent 提供多种部署方式，适应不同用户需求：
# 安装uv（如果尚未安装）
pip install uv
# 克隆项目
git clone https://github.com/yourusername/paper-agent.git
cd paper-agent
# 创建虚拟环境并安装依赖
uv venv
source .venv/bin/activate # Linux/Mac
# 或 .venv\Scripts\activate # Windows
uv pip install -r requirements.txt
# 运行后端
cd backend
python main.py
# 运行前端（新终端窗口）
cd frontend
npm install
npm start# 构建镜像
docker-compose build
# 启动服务
docker-compose up -d
# 访问应用
# 前端: http://localhost:3000
# 后端API: http://localhost:8000# 克隆项目
git clone https://github.com/yourusername/paper-agent.git
cd paper-agent
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或 venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
# 运行后端
cd backend
python main.py
# 运行前端（新终端窗口）
cd frontend
npm install
npm startpaper_agent/
├── backend/ # FastAPI后端服务
│ ├── api/ # API路由
│ │ └── routes/
│ │ ├── documents.py # 文献管理API
│ │ ├── search.py # 搜索API
│ │ └── summary.py # 摘要生成API
│ ├── config/ # 配置
│ │ └── settings.py # 配置管理
│ ├── models/ # 数据模型
│ │ └── document.py # 文献模型
│ ├── services/ # 业务逻辑
│ │ ├── pdf_processor.py # PDF处理服务
│ │ ├── vector_service.py # 向量数据库服务
│ │ ├── llm_service.py # 大语言模型服务
│ │ └── database.py # 数据库服务
│ └── main.py # FastAPI入口
├── frontend/ # React前端
│ ├── public/
│ ├── src/
│ │ ├── components/ # 组件
│ │ ├── pages/ # 页面
│ │ ├── services/ # API服务
│ │ └── App.js # 主应用
├── paper_agent/ # 核心论文处理模块
│ ├── __init__.py # 包初始化
│ ├── agent.py # 主要接口类
│ ├── search.py # 搜索模块
│ ├── analyzer.py # 分析模块
│ └── utils.py # 工具模块
├── config/
│ └── config.yaml # 配置文件
├── data/
│ ├── pdfs/ # PDF存储
│ └── vector_db/ # 向量数据库
├── tests/ # 测试文件
├── requirements.txt # Python依赖
└── README.md # 项目说明
系统支持多种配置方式：
export OPENAI_API_KEY="your_openai_api_key"
export QWEN_API_KEY="your_qwen_api_key"
export DEEPSEEK_API_KEY="your_deepseek_api_key"
export ANTHROPIC_API_KEY="your_anthropic_api_key"
export LOG_LEVEL="INFO"llm:
provider: "openai" # 可选: "huggingface", "openai", "anthropic", "qwen", "deepseek", "ollama"
model: "gpt-3.5-turbo"
api_key: "your_openai_api_key"
qwen_api_key: "your_qwen_api_key"
qwen_model: "qwen-plus"
deepseek_api_key: "your_deepseek_api_key"
deepseek_model: "deepseek-chat"
ollama_model: "llama3"
ollama_base_url: "http://localhost:11434/v1"
anthropic_api_key: "your_anthropic_api_key"
anthropic_model: "claude-3-haiku-20240307"
temperature: 0.7
max_tokens: 1000
embedding:
model: "all-MiniLM-L6-v2"
dimension: 384
vector_db:
provider: "chromadb"
path: "./data/vector_db"
server:
host: "0.0.0.0"
port: 8000展示AI的完整推理过程，包括：
- 问题分析阶段
- 信息检索过程
- 答案构建步骤
- 可视化进度展示
- 实时文本输出效果
- 更自然的交互体验
- 减少用户等待焦虑
- 前端模型选择器
- 动态切换模型提供商
- 统一API接口设计
- 响应式设计
- 直观的操作流程
- 美观的视觉效果
| 版本 | 功能 | 状态 |
|---|---|---|
| v1.0 | 基础架构和核心功能 | ✅ 已完成 |
| v1.1 | 多模型支持和思考模式 | ✅ 已完成 |
| v1.2 | 高级搜索和推荐系统 | 🔄 开发中 |
| v1.3 | 论文对比和可视化分析 | 📅 计划中 |
| v1.4 | 协作功能和知识图谱 | 📅 计划中 |
| v1.5 | 移动端适配和PWA支持 | 📅 计划中 |
- 🤝 多语言支持：支持更多语言的论文处理
- 🧬 学术领域定制：针对不同学科领域的优化模型
- 📊 数据可视化：论文引用关系图谱和趋势分析
- 🤖 智能助手：语音交互和更自然的对话体验
- 🔗 插件系统：支持第三方工具集成
我们欢迎任何形式的贡献！
- Fork 项目
- 创建功能分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
- 遵循现有代码风格
- 添加适当的测试用例
- 更新相关文档
- 保持提交信息清晰明了
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情
- 感谢所有开源项目提供的支持
- 感谢社区贡献者的宝贵意见和建议
Made with ❤️ for researchers worldwide