DaseS — CS 学术论文多智能体检索系统

面向计算机科学领域的学术论文检索与相关工作生成系统。后端基于 Python + FastAPI，通过 LangGraph 编排多智能体协作完成论文检索、摘要与深度分析；同时暴露 MCP 服务，支持 Claude Code、Gemini CLI 等工具通过标准化命令直接调用。

智能体架构

系统提供两种使用入口，共享同一套后端智能体服务。

web 端工作流

用户输入
    └─→ Coordinator（意图识别 & 任务分发）
            ├─→ PaperRetriever（论文检索：ES BM25 + 向量混合）
            ├─→ Summarizer（结构化摘要生成）
            └─→ Analyzer（深度分析：相关工作 / 调研报告）
    └─→ Coordinator（聚合各智能体结果）
    └─→ 用户（SSE 流式输出）

cli 端工作流（MCP）

1. 用户输入： /search_semantic_articles <query>
2. cli 调用 start_search，根据 ES 分布分析返回消歧问题（会议方向 / 时间段 / CCF 评级）
3. 用户选择后，cli 携带 answers 调用 execute_search 完成检索，格式化输出论文列表
4. 多轮追问：用户继续输入 "基于这些文章写一篇相关工作"
5. cli 调用 write_related_work，按 venue 分组输出结构化引用列表，LLM 据此撰写段落

智能体职责

Coordinator — 协调器

文件：backend/app/agents/coordinator.py

解析用户意图，判断本次请求属于「检索」「摘要」「深度分析」或「混合」任务
通过 LangGraph StateGraph 将任务分发到对应的专职智能体
收集各智能体输出，合并成最终回复后返回给用户
负责多轮对话上下文管理

PaperRetriever — 论文检索智能体

文件：backend/app/agents/retriever.py

向量相似度检索（Elasticsearch 8.x kNN，BAAI/bge-large-en-v1.5 Embedding）
BM25 关键词检索（Elasticsearch，定制 paper_bm25 相似度参数 k1=1.2 / b=0.5）
结果融合排序（Reciprocal Rank Fusion）
按需调用 Semantic Scholar / arXiv 在线 API 补充外部论文

Summarizer — 摘要智能体

文件：backend/app/agents/summarizer.py

单篇论文摘要提炼（标题、方法、贡献、局限）
多篇论文综合摘要（主题归纳、研究趋势）
关键发现与技术细节提取

Analyzer — 深度分析智能体

文件：backend/app/agents/analyzer.py

相关工作段落生成（支持 academic / survey / brief 三种风格）

MCP 服务

MCP 服务以 Streamable HTTP transport 内嵌于 FastAPI，随后端服务一同启动，无需单独运行。后端启动后，MCP 端点即可访问：http://localhost:8000/mcp/

实现说明：mcp_server.py 中通过 FastMCP.streamable_http_app() 生成 ASGI 子应用，并在 main.py lifespan 中显式调用 mcp.session_manager.run() 初始化 task group，最终以 app.mount("/mcp", mcp_app) 挂载。

工具列表

工具	说明
`start_search(query)`	初始化检索会话，基于 ES aggregation 分析论文分布，返回消歧问题（会议方向 / 时间段 / CCF 评级）与 `session_id`
`execute_search(session_id, answers, search_mode, size, page)`	根据用户对消歧问题的选择执行检索，结果追加到会话工作区；支持翻页；`search_mode` 可选 `bm25` / `phrase` / `fuzzy`
`list_session_papers(session_id)`	查看当前会话工作区中已收集的全部论文
`write_related_work(session_id, topic, dblp_keys, style)`	将工作区论文按 venue 分组，输出结构化引用列表供 LLM 撰写相关工作段落

会话机制

每次 start_search 生成唯一 session_id（12位 hex），后续工具调用均需携带
会话状态存储于进程内存，TTL 为 1 小时（生产环境迁移 Redis）
同一会话内 execute_search 可多次调用（翻页 / 追加检索），结果自动去重

认证与配额

通过 MCPAuthMiddleware 保护 HTTP MCP 入口（mcp_auth.py）：

Authorization: Bearer <api-key> 请求头认证
按 UTC 自然日统计每个 key 的调用配额
配额后端支持 memory（开发）/ redis（生产），Redis 不可用时自动降级

技术栈

后端

组件	技术
Web 框架	FastAPI
多智能体编排	LangGraph
LLM 调用	LangChain + LiteLLM
关键词检索	Elasticsearch 8.x（BM25）
向量检索	Elasticsearch 8.x（kNN，dense_vector）
关系数据库	PostgreSQL + SQLAlchemy (async)
缓存 / 配额	Redis
Embedding	BAAI/bge-large-en-v1.5
文档解析	PyMuPDF + Unstructured
MCP 服务	FastMCP (Streamable HTTP，内嵌 FastAPI `/mcp/`)
可观测性	LangFuse

前端

组件	技术
框架	Next.js 15 (App Router) + TypeScript
UI 系统	Tailwind CSS + Shadcn UI + Lucide React
异步状态	TanStack Query (React Query v5)
Agent 可视化	React Flow (@xyflow/react v12)
BFF 层	Next.js API Routes → FastAPI
测试	Vitest (单元) + Playwright (E2E)

项目结构

DaseS/
├── backend/                    # 后端服务 (Python + FastAPI)
│   ├── app/
│   │   ├── agents/             # LangGraph 智能体定义
│   │   │   ├── coordinator.py  # 协调器：意图识别 & 任务分发
│   │   │   ├── retriever.py    # 论文检索（向量 + BM25 融合）
│   │   │   ├── summarizer.py   # 摘要生成（单篇 / 多篇）
│   │   │   └── analyzer.py     # 深度分析（对比 / 趋势 / 引用图谱）
│   │   ├── api/                # FastAPI 路由层
│   │   │   ├── chat.py         # SSE 流式对话接口
│   │   │   ├── search.py       # 论文检索接口
│   │   │   ├── agents.py       # 智能体管理接口
│   │   │   ├── prompts.py      # Prompt 版本化管理接口
│   │   │   └── traces.py       # Agent Trace 可观测性接口
│   │   ├── services/
│   │   │   ├── es_service.py   # Elasticsearch 检索 & 消歧服务
│   │   │   └── prompt_service.py  # Prompt 版本管理服务
│   │   ├── rag/                # RAG 管线
│   │   │   ├── parser.py       # PDF 论文解析
│   │   │   ├── chunker.py      # 语义分块（按章节/段落）
│   │   │   └── retriever.py    # 混合检索（向量 + BM25 + RRF）
│   │   ├── core/
│   │   │   ├── config.py       # pydantic-settings 配置
│   │   │   └── deps.py         # 依赖注入
│   │   ├── models/schemas.py   # Paper / PromptTemplate / PromptVersion
│   │   ├── mcp_server.py       # MCP 工具定义（Streamable HTTP，挂载于 /mcp）
│   │   ├── mcp_auth.py         # MCP API Key 认证 & 配额管理
│   │   └── main.py             # FastAPI 应用入口
│   ├── .env.example
│   ├── pyproject.toml
│   └── Dockerfile
├── frontend/                   # 前端 (Next.js 15)
│   └── src/
│       ├── app/(main)/
│       │   ├── chat/           # AI 对话页（SSE 流式）
│       │   ├── trace/          # Agent Trace 可视化
│       │   └── prompts/        # Prompt 版本管理
│       ├── components/         # UI 组件
│       ├── hooks/              # use-chat / use-trace / use-prompts
│       └── lib/                # api-client / utils
├── data/
│   ├── raw/                    # 原始论文数据
│   ├── processed/              # Neo4j / ES 导入数据
│   └── scripts/                # 数据采集与处理脚本
└── docker-compose.yml

快速开始

前提条件

Docker & Docker Compose
Python 3.11+，uv 包管理器
Node.js 20+

1. 启动基础设施

docker compose up -d postgres redis langfuse

Elasticsearch 需单独部署（或使用已有实例），在 .env 中配置 ES_HOST。

2. 后端

cd backend
cp .env.example .env               # 填入 LLM_API_KEY、ES_HOST 等实际值
uv sync --extra dev                 # 安装全部依赖（含开发依赖）
.venv/bin/python -m uvicorn app.main:app --reload
# API 文档：http://localhost:8000/docs
# MCP 端点：http://localhost:8000/mcp/

uv run 需要 uv 在 $PATH 中。若系统未安装 uv，直接使用 .venv/bin/python 运行。

3. 前端

cd frontend
npm install
npm run dev
# 访问：http://localhost:3000

4. MCP 服务（cli 工具接入）

MCP 服务随后端 FastAPI 自动启动，无需额外操作。使用以下命令将 MCP 接入 CLI 工具。

Claude Code

Claude Code 的 MCP 配置通过 claude mcp 命令管理，实际写入 ~/.claude.json。

# ── 添加 ──────────────────────────────────────────────
# 本地 HTTP（需 uvicorn 运行在 :8000）
claude mcp add --transport http --scope local dases http://localhost:8000/mcp/

# 远程 HTTP（替换为实际服务器 IP）
claude mcp add --transport http --scope local dases-remote http://<SERVER_IP>:8000/mcp/

# 本地 stdio（不依赖 uvicorn，直接启动进程）
claude mcp add --transport stdio --scope local dases-local -- \
  bash -c "cd /path/to/DaseS/backend && exec uv run python -m app.mcp_server"

# ── 查看 ──────────────────────────────────────────────
claude mcp list                  # 列出所有已配置的 MCP 服务及连接状态
claude mcp get <name>            # 查看某个服务的详细配置

# ── 删除 ──────────────────────────────────────────────
claude mcp remove <name>                        # 删除 local scope 的服务
claude mcp remove --scope user <name>           # 删除 user scope 的服务
claude mcp remove --scope project <name>        # 删除 project scope 的服务

scope 说明

--scope local（默认）：写入 ~/.claude.json，仅当前项目可见，不提交 git

--scope project：写入 .claude/settings.json，团队共享，可提交 git

--scope user：写入 ~/.claude.json 全局段，所有项目可见

注意：手动编辑 .claude/settings.local.json 对 MCP 配置无效，仅 permissions 等字段从该文件读取。

配置完成后，在 Claude Code 中即可使用：

/search_semantic_articles graph neural network

Gemini CLI

在项目根目录的 .gemini/settings.json 中配置：

{
  "mcpServers": {
    "dases": {
      "httpUrl": "http://localhost:8000/mcp/"
    }
  }
}

常用 uv 命令

uv sync                  # 按 uv.lock 同步依赖
uv add <pkg>             # 添加新依赖并更新锁文件
uv run <cmd>             # 在项目虚拟环境中运行命令
uv lock --upgrade        # 升级所有依赖到最新版本

数据源

来源	用途
DBLP	论文元数据（标题 / 作者 / 会议 / 年份）
Semantic Scholar API	论文摘要补全
arXiv API / Bulk	CS 预印本全文
OpenAlex	开放学术图谱（引用关系）
CCF 目录 PDF	会议 / 期刊 CCF 评级

基础设施端口

服务	端口	说明
后端 API	8000	FastAPI，`/docs` 查看接口文档
前端	3000	Next.js dev server
PostgreSQL	5432	关系数据库（Prompt 版本 / 用户数据）
Redis	6379	缓存 & MCP 配额
Elasticsearch	9200	BM25 关键词检索 & kNN 向量检索 & 消歧 aggregation
LangFuse	3001	Agent Trace 可观测性平台

Name		Name	Last commit message	Last commit date
Latest commit History 14 Commits
.claude		.claude
.gemini		.gemini
backend		backend
data/scripts		data/scripts
deployment		deployment
frontend		frontend
.gitignore		.gitignore
AGENTS.md		AGENTS.md
CLAUDE.md		CLAUDE.md
GEMINI.md		GEMINI.md
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

DaseS — CS 学术论文多智能体检索系统

目录

智能体架构

web 端工作流

cli 端工作流（MCP）

智能体职责

Coordinator — 协调器

PaperRetriever — 论文检索智能体

Summarizer — 摘要智能体

Analyzer — 深度分析智能体

MCP 服务

工具列表

会话机制

认证与配额

技术栈

后端

前端

项目结构

快速开始

前提条件

1. 启动基础设施

2. 后端

3. 前端

4. MCP 服务（cli 工具接入）

Claude Code

Gemini CLI

常用 uv 命令

数据源

基础设施端口

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages