# PaperGraph（知脉）- 面向研究者的智能文献工作台
**Academic Paper Search, Reading, Recommendation and Knowledge Graph Workspace** [![Python](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/downloads/) [![FastAPI](https://img.shields.io/badge/FastAPI-0.104+-green.svg)](https://fastapi.tiangolo.com/) [![Vue](https://img.shields.io/badge/Vue-3.x-brightgreen.svg)](https://vuejs.org/) [![License](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE) [![GitHub](https://img.shields.io/badge/GitHub-DeLunnLi/PaperGraph-black.svg)](https://github.com/DeLunnLi/PaperGraph) *基于 HelloAgents 构建的学术文献搜索、阅读、推荐与知识图谱系统* *把找论文、读论文、管理论文和沉淀研究脉络串成一个连续工作流*
--- ## 项目简介 PaperGraph（知脉）是一个面向科研学习、论文调研和研究方向跟踪的智能文献工作台。系统以 SearchAgent、PaperAnalysisAgent 和 KnowledgeGraphAgent 为核心，将自然语言检索、多源论文召回、PDF 阅读问答、每日推荐、文献保存和知识图谱构建整合到同一个 Web 应用中。 它希望解决研究者在日常文献工作中的几个高频痛点： - 关键词检索分散在多个平台，结果需要手动筛选、去重和排序 - 阅读论文时缺少上下文辅助，方法、实验、引用关系难以持续沉淀 - 每日新论文、个人文献库和知识图谱彼此割裂，难以形成长期研究记忆 - 从发现论文到保存、阅读、追问、归类之间缺少一条顺滑的工作流 ### 核心特性 - **自然语言文献搜索**：输入研究问题、论文标题、作者或会议线索，由 LLM 解析意图并生成 SearchRecipe - **多源并行召回与精排**：整合 arXiv、DBLP、OpenAlex 与 Tavily 线索，完成去重、过滤、排序和兜底召回 - **论文阅读助手**：支持 PDF 正文抽取、AI 导读、阅读对话、参考文献查找和表格上下文辅助 - **每日论文推荐**：根据用户兴趣选择 arXiv 分类，生成个性化候选论文与推荐理由 - **我的文献库**：支持论文保存、PDF 下载、分类管理、阅读记录和阅读日历 - **知识图谱构建**：从已保存论文中抽取主题、方法、引用和相关关系，并进行可视化浏览 - **多智能体共享记忆**：通过 GSSC（Gather -> Score -> Select）流水线选择上下文，减少重复信息干扰 ### 技术亮点 - **Recipe 驱动检索**：将 LLM 对用户意图的理解转成可执行检索计划，降低硬编码特殊路径依赖 - **多源召回与优雅降级**：arXiv、DBLP、OpenAlex 和 Tavily 互为补充，单一来源失败时仍尽量返回可用结果 - **流式过程反馈**：搜索过程通过 SSE 返回阶段状态和工具调用摘要，便于用户理解结果来源 - **阅读上下文增强**：阅读器结合论文正文、表格、参考文献和历史记忆回答问题，而不只是展示 PDF - **共享记忆机制**：多个 Agent 共享论文、偏好和反馈上下文，让后续搜索与推荐更贴近用户兴趣 - **前后端契约生成**：通过 OpenAPI 导出前端类型，减少接口字段漂移 ## 应用场景 ### 适合谁使用？ - **研究生/博士生**：快速进入新方向，建立论文阅读和调研脉络 - **科研工作者**：跟踪每日新论文，沉淀个人文献库和主题关系 - **AI/工程研发人员**：围绕技术问题快速查找论文、保存证据和复盘方法 - **课程学习者**：用对话式阅读辅助理解论文方法、实验和引用背景 ### 典型使用场景 1. **主题调研**：输入研究问题 -> 多源召回论文 -> 保存候选论文 -> 形成阅读列表 2. **论文精读**：打开 PDF -> 获取 AI 导读 -> 围绕方法、实验和局限继续追问 3. **每日跟踪**：系统拉取新论文 -> 个性化推荐 -> 保存感兴趣论文 -> 反馈偏好 4. **知识沉淀**：从文献库抽取关系 -> 生成图谱 -> 观察主题、作者和论文之间的连接 ## 系统架构 ### 整体架构 ```text ┌──────────────────────────────────────────────────────────────┐ │ 前端界面层 │ │ 文献搜索 | 每日论文 | 我的文献库 | 论文阅读助手 | 知识图谱 │ └──────────────────────────────────────────────────────────────┘ │ │ REST + SSE ▼ ┌──────────────────────────────────────────────────────────────┐ │ API 接口层 │ │ FastAPI Routes + OpenAPI + Tool Events │ └──────────────────────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ 智能体编排层 │ │ SearchAgent | PaperAnalysisAgent | KnowledgeGraphAgent │ └──────────────────────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ 核心服务层 │ │ Search Pipeline | PDF Parser | Daily Recommend | AgentMemory │ └──────────────────────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ 数据持久层 │ │ SQLite 文献库 | PDF 文件存储 | 阅读记录 | 反馈记忆 │ └──────────────────────────────────────────────────────────────┘ ``` ### 三类智能体 | 智能体 | 职责 | 核心能力 | |--------|------|----------| | **SearchAgent** | 文献搜索与结果解释 | 意图解析、SearchRecipe、多源召回、LLM 精排 | | **PaperAnalysisAgent** | 论文阅读与分析 | 摘要生成、标签归类、阅读问答、引用查找 | | **KnowledgeGraphAgent** | 知识图谱构建 | 论文关系抽取、图谱数据生成、节点详情解释 | ### 搜索链路 ```text 用户问题 -> LLM 意图解析 -> SearchRecipe -> arXiv / DBLP / OpenAlex / Tavily 多源召回 -> 去重与过滤 -> LLM 精排 -> 结果解释与保存 ``` ## Quick Start ### 1. 环境要求 - Python 3.10+ - Node.js 18+ - 可用的 OpenAI 兼容 LLM 服务 ### 2. 后端安装与配置 ```bash cd backend pip install -r requirements.txt ``` 在 `backend/.env` 中配置模型信息： ```env LLM_API_KEY=your_api_key LLM_BASE_URL=https://your-openai-compatible-endpoint/v1 LLM_MODEL_ID=your_model_id ``` 启动后端： ```bash python run.py ``` 默认访问地址：`http://localhost:8000` ### 3. 前端安装与启动 ```bash cd frontend npm install npm run dev ``` 默认访问地址：`http://localhost:5173` ### 4. 一键启动 也可以在项目根目录执行： ```bash ./start.sh ``` ## 使用流程 1. 在 **文献搜索** 页面输入自然语言问题，例如“2024 年视觉语言模型中的 grounding 相关论文”。 2. SearchAgent 解析检索意图，选择关键词、来源、年份、会议等约束，并执行多源召回。 3. 用户将有价值的论文保存到 **我的文献库**，必要时下载 PDF。 4. 在 **我的文献库** 中打开某篇论文，进入 **论文阅读助手** 页面查看 AI 导读，并围绕方法、实验、局限和参考文献继续提问。 5. 在 **每日论文** 页面追踪新论文，在 **知识图谱** 页面观察主题和论文之间的关系。 ## 演示效果 文献搜索、每日论文推荐、文献库、论文阅读助手和知识图谱等界面截图，请参见 [毕业设计提交 PR #614](https://github.com/datawhalechina/hello-agents/pull/614)。 ## 技术栈 | 层级 | 技术 | |------|------| | **智能体框架** | HelloAgents（SimpleAgent + ToolRegistry + CircuitBreaker + ContextBuilder） | | **后端服务** | FastAPI + SQLite + Pydantic | | **前端应用** | Vue 3 + Vite + Ant Design Vue + KaTeX + PDF.js | | **LLM 接入** | DeepSeek-V4 / OpenAI 兼容接口 | | **论文数据源** | arXiv + DBLP + OpenAlex + Tavily | | **PDF 处理** | PyMuPDF（fitz） | ## 工程指标 - **搜索链路**：意图解析 + SearchRecipe + 多源召回 + LLM 精排 - **推荐链路**：arXiv 候选拉取 + 用户兴趣词 + 个性化筛选 + 反馈记忆 - **阅读链路**：PDF 解析 + 正文上下文 + 对话历史 + 参考文献查找 - **交互方式**：REST API + SSE 流式状态更新 - **数据存储**：SQLite 文献库 + 本地 PDF 文件 + 阅读记录 ## 项目结构 ```text . ├─ backend/ # FastAPI 后端与智能体服务 │ ├─ app/agents/ # SearchAgent / PaperAnalysisAgent / KnowledgeGraphAgent │ ├─ app/api/ # API 路由、依赖和 SSE 工具事件 │ ├─ app/core/ # Paper 模型、PDF 下载、搜索源适配 │ ├─ app/services/ # 检索、阅读、推荐、记忆、图谱等业务服务 │ ├─ data/ # 本地数据库与运行数据（不提交） │ └─ downloads/ # PDF 下载目录（不提交） ├─ frontend/ # Vue 3 前端应用 │ ├─ src/views/ # 搜索、每日论文、文献库、阅读器、知识图谱页面 │ ├─ src/components/ # 论文卡片、搜索结果、工具轨迹、阅读日历等组件 │ ├─ src/composables/ # 搜索对话、历史记录、标题关键词等组合逻辑 │ └─ src/services/ # API 客户端与接口封装 ├─ ports.env # 本地端口配置 ├─ start.sh # 一键启动脚本 └─ README.md ``` ## 开发路线图 ### v1.0（当前版本） - [x] 自然语言文献搜索 - [x] 多源论文召回与 LLM 精排 - [x] PDF 阅读助手 - [x] 每日论文推荐 - [x] 我的文献库与阅读日历 - [x] 知识图谱可视化 ### v1.1（计划中） - [ ] 补充搜索、阅读和推荐链路的集成测试 - [ ] 增加搜索结果缓存和可复现实验样例 - [ ] 优化搜索过程可观测性和错误提示 - [ ] 增强知识图谱的关系过滤、编辑和导出能力 ### v2.0（未来） - [ ] 支持 Docker 一键部署 - [ ] 优化移动端与小屏阅读体验 - [ ] 引入向量检索或本地语义索引 - [ ] 支持团队共享文献库和多用户偏好 ## 许可证 MIT License ## 作者 GitHub: [@DeLunnLi](https://github.com/DeLunnLi) 项目地址: [github.com/DeLunnLi/PaperGraph](https://github.com/DeLunnLi/PaperGraph) ## 致谢 感谢 Datawhale 社区和 Hello-Agents 项目。本项目基于 HelloAgents 的智能体、工具注册、上下文构建和熔断能力完成实践探索。