基于 HelloAgents 框架的 PaperAssistant 智能论文助手6 大检索源与多智能体学术写作全流程实战【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents本文围绕开源仓库中的 PaperAssistant 项目 展开系统讲解如何基于 HelloAgents 框架与 DeepSeek 构建一个面向研究生与科研人员的多智能体学术辅助工具。文章以项目 README 为骨架结合src/下 9 个 Tool 的真实源码实现覆盖文献检索6 大数据源、论文总结、引用生成、论文润色、大纲生成、论文写作与 PDF 转 Markdown 的完整能力读者学完后既能掌握多智能体工具链的设计思路也能直接部署一套可运行的智能论文助手。一、项目定位解决科研场景中的哪些真实痛点PaperAssistant 是 HelloAgents 社区共创项目之一定位为面向研究生和科研人员的智能论文助手通过多智能体协作帮助用户高效完成从文献调研到论文撰写的全流程学术任务。其核心目标不是做一个聊天机器人而是把学术写作中重复、繁琐、容易出错的环节逐一拆解并自动化。围绕 README 中解决什么问题一节可以归纳出六个真实痛点与对应的产品化解法科研痛点对应解法文献检索耗时单一数据库覆盖不全6 大数据源自由切换论文阅读量大难以快速提取关键信息LLM 结构化总结引用格式繁琐、容易出错GB/T 7714 / APA / MLA 一键生成论文润色需反复修改多轮对话式润色记住上下文持续优化论文大纲构思困难多轮对话式大纲构建持续调整细化论文写作难度大根据大纲逐章撰写引用真实文献这些痛点彼此衔接先检索文献再总结论文生成引用随后润色与构建大纲最终按大纲逐章写作——形成一条完整的学术工作流。二、技术栈与整体架构2.1 技术选型一览README 用一张表概括了项目的技术栈层级技术智能体框架HelloAgents v1.0智能体范式SimpleAgent多轮对话记忆LLM 后端DeepSeek-ChatWeb 界面Gradio学术 APISemantic Scholar / AMiner / OpenAlex / PubMed / CrossRef / arXivPDF 处理PyPDF2文本提取 Markdown 转换对话管理JSON 持久化 多轮上下文记忆 会话历史其中框架依赖在 requirements.txt 中有明确声明hello-agents1.0.0、gradio4.0.0、PyPDF23.0.0、python-dotenv1.0.0以及 Jupyter 环境所需的jupyterlab4.0.0与ipykernel6.5.0。2.2 模块化目录结构chengH425-PaperAssistant/ ├── README.md # 项目文档 ├── requirements.txt # 依赖列表 ├── main.ipynb # Jupyter Notebook完整演示 ├── app.py # Gradio Web 界面8 标签页 ├── .env / .env.example # 环境变量 ├── src/ # 源代码模块9 个工具 │ ├── __init__.py │ ├── literature_tool.py # Semantic Scholar 全学科检索 │ ├── aminer_tool.py # AMiner 中文学术检索 │ ├── openalex_tool.py # OpenAlex 开放获取检索 │ ├── pubmed_tool.py # PubMed 生物医学检索 │ ├── crossref_tool.py # CrossRef 期刊论文检索 │ ├── arxiv_tool.py # arXiv 预印本检索 │ ├── pdf_tool.py # PDF 转 Markdown 工具 │ └── citation_tool.py # 学术引用生成 ├── data/ # 示例数据 └── outputs/ # 输出结果、对话记录、会话存档这一结构体现了清晰的工具即模块设计每个学术数据源对应一个独立的 Tool 类全部继承自 HelloAgents 框架的Tool基类既方便独立测试也便于按需扩展新数据源。三、快速开始从零部署一套论文助手3.1 环境要求与安装Python 3.10HelloAgents 1.0.0安装依赖只需一条命令pip install -r requirements.txt3.2 配置 API 密钥cp .env.example .env # 编辑 .env 文件填入 DeepSeek API Key从源码看不同工具需要不同的环境变量DEEPSEEK_API_KEYLLM 调用必需SEMANTIC_SCHOLAR_API_KEY可选用于提升 Semantic Scholar 检索限额免费额度为 100 次/5 分钟未配置时自动降级为匿名请求见 literature_tool.py 中的 429 重试逻辑AMINER_API_KEY必需AMiner 工具未配置该 Key 时会直接抛出错误并提示注册地址见 aminer_tool.py。3.3 双入口运行方式一启动 Web 界面推荐python app.py # 浏览器打开 http://127.0.0.1:7860方式二Jupyter Notebookjupyter lab # 打开 main.ipynb 并运行所有单元格双入口设计让不同使用习惯的用户都能快速上手Web 界面适合日常交互使用Notebook 适合逐步调试和二次开发。四、8 大功能标签页界面能力与底层实现README 以表格形式给出了 8 个标签页的功能与技术实现这是理解项目能力地图的关键。结合源码可以进一步透视每个标签页背后的调用链标签页功能技术实现 文献检索6 数据源自由切换 高级筛选学科/年份 API 重试SimpleAgent 多工具路由 论文总结粘贴论文内容生成结构化总结SimpleAgent 引用生成填写表单一键生成 3 种格式引用CitationTool确定性计算✍️ 论文润色多轮对话式润色 会话历史加载SimpleAgent对话记忆 会话持久化 大纲生成多轮对话式大纲构建 会话历史加载SimpleAgent对话记忆 会话持久化 论文写作根据大纲逐章撰写引用真实文献 会话历史加载SimpleAgent 5 检索工具 PDF → Markdown上传 PDF自动识别标题/章节/段落输出 MarkdownPDFExtractTool 对话记录自动保存所有操作每条记录独立删除可回溯查看JSON 持久化 HTML 卡片展示从 app.py 的导入语句可以确认8 个工具类被统一注册到 HelloAgents 的ToolRegistry中包括ArxivSearchTool、PDFExtractTool、CitationTool、LiteratureSearchTool、PubMedSearchTool、CrossRefSearchTool、OpenAlexSearchTool、AminerSearchTool配合HelloAgentsLLM、SimpleAgent、Config构成完整运行链路。对话记录标签页的实现尤为值得关注源码中定义了独立的ConversationLogger类app.py将每条操作按时间戳 标签页 动作 输入 输出的结构持久化到outputs/conversations/session_YYYY-MM-DD.json并支持 HTML 卡片展示与单条删除实现所有操作可回溯。五、6 大学术数据源深度解析5.1 数据源对比选型README 给出了完整的数据源对比表这是选择检索源的核心依据数据源覆盖量学科范围特色Semantic Scholar2亿全学科推荐使用覆盖广AMiner3.2亿全学科中文论文最强清华出品OpenAlex2.5亿全学科开放获取、跨库聚合PubMed3600万生物医学医学领域最权威CrossRef1.5亿全学科期刊元数据最完整arXiv240万CS/数学/物理预印本最快需要特别说明的是以上覆盖量为各数据源官方口径的公开信息实际检索效果会随 API 返回动态变化。各数据源的 API 调用方式差异显著项目通过统一封装成 Tool 屏蔽了差异。5.2 Semantic Scholar全学科检索主力literature_tool.py 是覆盖面最广的检索工具其实现有几个值得学习的细节字段配置请求title、abstract、authors、year、venue、citationCount、openAccessPdf、fieldsOfStudy等字段第 31-35 行保证结果同时包含元数据与可追溯链接。中文学科映射通过FIELD_ALIASES字典把计算机科学、人工智能、医学等 20 个中文领域名映射为 Semantic Scholar 的英文fieldsOfStudy第 38-63 行这是项目支持中文检索体验的关键实现。查询构建支持关键词 作者 学科 年份区间组合limit被限制在 520 之间第 88-122 行。指数退避重试对 429 限流与网络错误采用2s/4s/8s的指数退避策略并给出明确的用户提示第 184-226 行。README 中的代码调用示例展示了其标准用法from hello_agents import HelloAgentsLLM, ToolRegistry from src.literature_tool import LiteratureSearchTool # 全学科检索 tool LiteratureSearchTool() result tool.run({ keyword: large language model agent, field: 计算机科学, year_from: 2023, max_results: 5 }) print(result.text)5.3 AMiner中文文献补位aminer_tool.py 通过 AMiner 开放平台 API清华出品补充中文文献检索缺口。实现上以title参数作为关键词入口通过Authorization: Bearer头携带 Key第 58-74 行并对 401 未授权、code 非 200/0 等错误做了细粒度处理第 79-85 行。5.4 OpenAlex开放获取聚合openalex_tool.py 是唯一完全免费、无需 API Key的数据源聚合 CrossRef、PubMed、arXiv、DOAJ 等多个来源。它额外支持机构筛选institution参数与开放获取筛选open_access_only参数对应is_oa:true过滤并按引用数降序排序sortcited_by_count:desc方便快速锁定高影响力论文第 66-100 行。5.5 PubMed生物医学权威库pubmed_tool.py 基于 NCBI Entrez E-utilities采用两段式调用先用esearch.fcgi检索 PMID 列表再用esummary.fcgi批量拉取摘要第 45-119 行。年份筛选通过[dp]标签实现支持 MeSH 主题词并针对 Windows 环境关闭了 SSL 校验以保证兼容性第 19-21 行。5.6 CrossRefDOI 精确查询crossref_tool.py 的最大特色是支持DOI 精确查询——传入doi参数时直接请求https://api.crossref.org/works/{doi}命中率最高第 47-48 行否则走query filter组合检索并支持from-pub-date/until-pub-date日期过滤。请求头携带联系邮箱符合 CrossRef 的规范要求。5.7 arXiv预印本最快通道arxiv_tool.py 调用 arXiv 官方 Atom API查询词采用all:term1ANDall:term2拼接第 33-55 行支持category分类筛选如cs.AI、cs.CL、stat.ML是获取最新研究动态的首选。六、引用生成确定性规则引擎CitationTool 是项目中绝不依赖 LLM、完全确定性计算的典范支持三种主流引用格式GB/T 7714中文期刊标准作者. 标题[J]. 期刊, 年份, 卷: 页码.APA 7th作者 (年份). 标题. 期刊, 卷, 页码.有 DOI 时自动追加https://doi.org/{doi}MLA 9th作者. 标题. 期刊, vol. 卷, 年份, pp. 页码.不同格式对作者列表的处理规则在_format_authors中第 25-43 行GB/T 7714逗号直接连接全部作者APA两人用A, B多人用A, B, C最后一位前加 MLA两人用A, and B三人及以上用A, et al。输入参数为title、authors逗号分隔、journal、year、volume、pages、doi、format其中标题与作者必填。这种规则引擎设计保证了引用生成的 100% 确定性杜绝 LLM 幻觉导致的格式错误。七、PDF 转 Markdown学术文档结构化管线PDFExtractTool 实现了完整的PDF → 干净文本 → 结构化 Markdown处理管线其内部流程为四步文本提取_extract_raw_text基于 PyPDF2 按页提取支持start_page/end_page区间控制噪声清洗_clean_text移除独立页码行、页眉页脚数字、合并连续空行、清理尾部空格与零宽字符断行修复_fix_broken_linesPDF 提取最头疼的段落中间硬换行问题通过启发式规则解决——当前行不以句号/问号/感叹号/冒号结尾、且长度大于 20、且下一行不以大写字母/数字/中括号开头时合并两行第 89-120 行Markdown 结构化_to_markdown识别三类标题——编号章节1./1.1/2.3.1转为对应层级#、常见学术章节名SECTION_PATTERNS内置了 Abstract、Introduction、Method、Experiment、Conclusion、Reference 等中英文模式第 22-37 行、全大写短行标题同时识别列表项转为-格式。工具同时支持本地路径与远程 URLurl参数自动下载到outputs/目录并可通过max_chars截断超长输出——这对 LLM 上下文窗口管理非常实用。八、对话记忆与会话持久化多轮交互的基石项目在论文润色、大纲生成、论文写作三个标签页中强调多轮对话式 会话历史加载底层依赖两点SimpleAgent 的多轮对话记忆HelloAgents 框架的 SimpleAgent 天然维护对话上下文保证润色、大纲细化这类需要持续优化的场景中模型能记住用户上一轮的修改意见JSON 持久化ConversationLogger将每次操作追加写入按日分文件的 JSONoutputs/conversations/session_YYYY-MM-DD.json支持加载继续对话与删除历史记录。这种框架记忆 外部持久化的组合兼顾了单次会话的连续性体验与跨会话的数据可回溯性。九、项目亮点总结与后续演进9.1 核心亮点6 数据源集成自由切换告别单一数据库含中文文献支持真实数据驱动文献检索和论文写作均基于学术 API杜绝 LLM 幻觉多轮对话记忆润色、大纲、写作支持上下文连续的对话式交互会话历史管理自动保存对话支持加载继续、删除历史模块化工具系统9 个自定义 Tool独立可测试双入口设计Gradio Web UI Jupyter Notebook多格式引用GB/T 7714 / APA 7th / MLA 9th规则引擎确定性生成。9.2 未来计划README 中明确列出接入 CNKI / 万方等中文数据库支持 PDF 论文的图表识别与解析增加论文查重分析功能支持更多 LLM 后端OpenAI / Claude / GLM支持 DOCX/LaTeX 格式导出。这些方向均为项目作者在 README 中公开声明的规划尚未在当前仓库中实现读者可作为扩展开发的切入点。十、在 HelloAgents 生态中的位置PaperAssistant 是 HelloAgents 社区共创项目Co-creation-projects/目录中的一员。从实现模式看它完整践行了 HelloAgents 框架工具即能力的设计哲学所有外部能力检索、引用、PDF 解析都被封装为继承Tool基类的独立工具通过ToolRegistry统一注册再交由SimpleAgent编排调用。这种模式与本仓库 第七章 所讲解的自建 Agent 框架思路一脉相承——如果你正在学习如何把真实世界的 API 接入智能体PaperAssistant 的 9 个 Tool 就是一份可直接研读的参考实现。对想深入研究的读者建议按以下顺序阅读仓库文件README.md——项目全貌与功能清单app.py——8 标签页 UI 与工具注册的完整链路src/literature_tool.py——最复杂的检索工具含重试与字段映射src/pdf_tool.py——PDF 结构化管线的启发式规则src/citation_tool.py——确定性引用引擎requirements.txt——最小依赖集便于理解项目边界。结语PaperAssistant 是一个麻雀虽小、五脏俱全的多智能体学术工具范例它用 9 个模块化 Tool 覆盖了从文献调研到论文写作的完整链路用 6 个异构学术 API 解决了单一数据库覆盖不全的问题用确定性规则引擎规避了 LLM 在引用格式上的幻觉再用对话记忆与会话持久化支撑起多轮交互体验。对于正在学习 HelloAgents 框架、或想为自己的科研流程打造自动化助手的开发者而言这份代码既是可直接运行的成品也是一份值得逐行研读的工程教材。许可证说明本项目采用 MIT License。所使用的各学术 APISemantic Scholar、OpenAlex、PubMed、CrossRef、arXiv、AMiner均属于其各自所有者的财产项目仅通过公开 API 进行非商业用途的学术检索。【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
