Paper Agent

多智能体科技论文分析与推导系统

基于 LLM (Ollama / Qwen3-30B) 的多智能体系统，支持数学、物理、计算机科学等领域论文的自动解析、知识推导与智能续写。六个专业化智能体协同工作，具备自我演化能力——随论文阅读量增长自动积累知识并优化推导策略。

Author & Maintainer: Jiangsheng Yu · License: MIT

核心特性

• 双工作流 — 论文分析 (paper-agent) + 想法生论文 (idea-to-paper)
• 多领域支持 — 数学 · 物理 · 计算机科学 · 工程 · 生物 · 化学 · 跨学科
• 六大专业智能体 — 26 项可组合技能，按论文领域自动调度
• 多层验证 — 自洽性检查 + 反例搜索 + 论证有效性评估
• 自我演化 — 经验积累 → 技能自适应 → 知识提炼，跨论文持续学习
• 学术搜索 — 自动检索 Google Scholar 相关论文并下载 PDF
• 多格式输出 — Markdown / LaTeX (PDF) / JSON 报告
• 可编程 API — 可作为 Python 库在代码中直接调用

---

系统流程

本系统提供两条工作流：论文分析（paper-agent）和想法生论文（idea-to-paper）。

工作流 1 — 论文分析 (paper-agent)

PDF 论文 ──▶ 文本提取 ──▶ LLM 实体抽取 ──▶ 领域检测
                                             │
                   ┌─────────────────────────┘
                   ▼
            知识图谱构建 (NetworkX)
                   │
                   ▼
       ┌───────────────────────┐
       │  AgentRegistry 路由    │
       │  按领域选择智能体       │
       └───┬───┬───┬───┬───┬───┘
           │   │   │   │   │   │
         数学 物理 CS 文献 方法 续写
           │   │   │   │   │   │
       └───┴───┴───┴───┴───┴───┘
                   │
                   ▼
            多层验证 (自洽性 · 反例 · 论证有效性)
                   │
                   ▼
         经验记录 → 知识提炼 → 策略自适应
                   │
                   ▼
          Markdown / LaTeX / JSON 报告

工作流 2 — 想法 → 论文 (idea-to-paper)

想法文本 (.txt)
     │
     ▼
 LLM 想法分析 ──▶ 提取关键词 / 领域 / 研究问题
     │
     ▼
 Google Scholar 搜索 ──▶ 下载相关论文 PDF
     │
     ▼
 逐篇解析 (PaperParser) ──▶ 实体抽取 ──▶ 知识图谱
     │
     ▼
 多智能体推导 (AgentRegistry) ──▶ 新结论候选
     │
     ▼
 LLM 多轮合成
  ├── 摘要 / 引言 / 相关工作 / 方法 / 结论
  └── 跨论文综合 + 新结果推导
     │
     ▼
 LaTeX 论文组装 ──▶ tectonic 编译 ──▶ PDF 输出

---

智能体与技能

数学推导智能体 (math)

技能	策略	描述
推论推导	corollary	对已知定理特殊化，限定参数推导推论
定理推广	generalization	放松前提条件，扩展适用范围
定理组合	combination	链接两个定理的结论与前提，推导新结论
对偶发现	duality	探索对偶形式（正↔对偶空间等）
类比迁移	analogy	将结论迁移到近亲数学结构
逆命题探索	converse	分析逆命题和否命题的成立性

物理推理智能体 (physics)

技能	策略	描述
量纲分析	dimensional_analysis	通过量纲一致性推导物理关系
极限情形	limiting_case	分析极端参数下的方程行为
对称性论证	symmetry_argument	利用对称性推导守恒量
思想实验	thought_experiment	构造理想化场景检验假说

计算机科学智能体 (cs)

技能	策略	描述
复杂度分析	complexity_analysis	分析时间/空间复杂度上下界
算法优化	algorithm_optimization	识别瓶颈并提出改进方案
问题规约	reduction	通过规约建立问题间难度关系
抽象泛化	abstraction	将特定方法抽象为通用框架

文献综合智能体 (literature) — 跨领域

技能	策略	描述
跨论文综合	synthesis	发现互补结论，综合更强结果
矛盾发现	decomposition	识别不同工作间的隐含矛盾
脉络梳理	pattern_recognition	追踪概念演化脉络
空白识别	cross_domain_transfer	发现尚未充分研究的方向

方法论评审智能体 (methodology) — 跨领域

技能	策略	描述
方法论评估	decomposition	评估方法有效性与局限性
实验设计	synthesis	根据理论预测提出实验方案
方法迁移	cross_domain_transfer	将成功方法迁移到新领域
方法重构	decomposition	分解复杂方法并探索替代组合

论文续写智能体 (writing) — 跨领域

技能	策略	描述
后续预测	pattern_recognition	预测最可能的后续研究方向
假说生成	synthesis	提出可验证的新假说
论证写作	synthesis	为新结果撰写完整论证
创新提炼	pattern_recognition	提炼最具原创性的贡献

---

自我演化

系统通过三层机制实现自我演化：

层	模块	功能
经验积累	ExperienceStore	记录每次推导的成败、置信度、失败原因
策略自适应	SkillTracker	成功率 >70% 提升优先级，<30% 降级
知识提炼	KnowledgeBase	LLM 从经验中提炼可复用知识，注入后续 prompt

数据持久化在 data/ 目录，跨运行累积。

---

快速开始

# 安装
pip install -e .

# 启动 Ollama 并下载模型
ollama serve
ollama pull qwen3:30b

# 论文分析
python -m paper_agent paper.pdf

# 想法 → 论文
idea-to-paper idea.txt

论文分析常用选项

python -m paper_agent paper.pdf --domain physics       # 指定领域
python -m paper_agent paper.pdf --agents math cs        # 只用特定智能体
python -m paper_agent paper.pdf --depth 3               # 加大推导深度
python -m paper_agent paper.pdf --no-evolution           # 关闭演化
python -m paper_agent paper.pdf --no-verify              # 跳过验证

想法 → 论文常用选项

idea-to-paper idea.txt --max-papers 10                 # 搜索更多论文
idea-to-paper idea.txt --min-citations 50              # 只用高引论文
idea-to-paper idea.txt --pdfs a.pdf b.pdf              # 附加本地 PDF
idea-to-paper idea.txt --skip-search --pdfs a.pdf      # 跳过Scholar搜索

paper-agent 参数

参数	默认值	说明
pdf	—	PDF 论文路径（必须）
--model	qwen3:30b	Ollama 模型
--ollama-url	http://localhost:11434	Ollama 地址
--depth	2	推导深度
--max-candidates	10	每轮最大候选数
--temperature	0.3	LLM 温度
--output	output	输出目录
--data-dir	data	演化数据目录
--domain	自动	论文领域
--agents	自动	启用的智能体
--no-verify	—	跳过验证
--no-evolution	—	禁用演化
--max-workers	4	最大并发线程数（设为 1 则顺序执行）

idea-to-paper 参数

参数	默认值	说明
idea	—	想法描述文件路径（.txt，必须）
--model	qwen3:30b	Ollama 模型
--ollama-url	http://localhost:11434	Ollama 地址
--max-papers	5	最多搜索论文数
--min-citations	0	最低引用数过滤
--depth	1	多智能体推导深度
--max-candidates	5	每轮最大候选数
--temperature	0.3	LLM 温度
--output	output	输出目录
--skip-search	—	跳过 Google Scholar 搜索
--pdfs	—	额外的本地 PDF 文件路径

---

输出文件

paper-agent 输出

文件	说明
report.md	Markdown 推导报告
derived_results.tex	LaTeX 推导结果
knowledge_graph.json	知识图谱
derivation_log.json	推导日志
agent_capabilities.md	智能体能力报告
evolution_stats.json	演化统计

idea-to-paper 输出

文件	说明
paper.tex	完整 LaTeX 论文源码
paper.pdf	编译后的 PDF 论文
knowledge_graph.json	合并后的知识图谱
synthesis_log.json	合成过程日志

---

项目结构

src/paper_agent/
├── __init__.py               # 包元信息
├── __main__.py               # python -m paper_agent 入口
├── main.py                   # 论文分析主流程（5 阶段管线）
├── idea_to_paper.py          # 想法→论文流水线（idea-to-paper）
├── scholar_search.py         # Google Scholar 搜索 & PDF 下载
├── config.py                 # 全局配置
├── models.py                 # 数据模型（实体 / 候选 / 经验 / 知识）
├── llm_client.py             # Ollama HTTP 客户端
├── paper_parser.py           # PDF 解析 + 领域检测
├── knowledge_graph.py        # NetworkX 知识图谱
├── verification.py           # 多层验证
├── output_manager.py         # 多格式导出
├── utils.py                  # 共用工具函数
│
├── agents/                   # 智能体
│   ├── base_agent.py         # 抽象基类
│   ├── agent_registry.py     # 注册 & 路由 & 协调
│   ├── math_derivation.py    # 数学推导（6 技能）
│   ├── physics_reasoning.py  # 物理推理（4 技能）
│   ├── cs_analysis.py        # CS 分析（4 技能）
│   ├── literature_review.py  # 文献综合（4 技能）
│   ├── methodology_critic.py # 方法论评审（4 技能）
│   └── writing_synthesis.py  # 论文续写（4 技能）
│
├── evolution/                # 自我演化
│   ├── evolution_engine.py   # 演化引擎
│   ├── experience_store.py   # 经验存储
│   ├── skill_tracker.py      # 技能追踪
│   └── knowledge_base.py     # 知识库
│
└── prompts/                  # LLM Prompt 模板
    ├── shared_prompts.py     # 通用（解析 / 验证）
    ├── synthesis_prompts.py  # 想法→论文合成
    ├── math_prompts.py       # 数学推导
    ├── physics_prompts.py    # 物理推理
    ├── cs_prompts.py         # CS 分析
    ├── literature_prompts.py # 文献综合
    ├── methodology_prompts.py# 方法论
    └── writing_prompts.py    # 续写

---

详细文档

文档	内容
系统架构	五阶段管线、模块关系、数据流
智能体详解	6 个智能体 × 26 项技能的完整说明
自演化机制	经验、技能、知识三层演化系统
配置参考	全部参数及常用场景配置示例
贡献指南	编码规范、提交流程、扩展方法

示例代码

• 基础用法 — 命令行各种使用场景
• 编程接口 — 作为 Python 库集成

---

License

MIT — see LICENSE