面向 AI/ML 领域的科研人员、算法工程师与论文写作者，解决以下痛点：
- 文献爆炸：论文数量激增，人工精读耗时费力，难以快速掌握领域全貌。
- 对比难：横向比较多篇论文的方法、实验、基线时，需要反复翻阅原文、核对数据。
- 研究空白难找：选题时缺乏对「已有共识 vs 未解决问题」的系统梳理。
- 信息不透明：AI 生成的结论常无出处、易幻觉，无法追溯原文，可信度低。
- 隐私顾虑：论文与问答数据敏感，不愿上传云端公共平台。
本项目提供本地私有的一站式平台：上传 PDF → 结构化精读 → 多篇对比 → Agent 对话，让「读论文、找空白、追依据」在一个系统内完成。
1. 私有文献库：本地 PDF 批量上传、持久化存储、分类管理，数据全部落在本地 `data/`。
2. 结构化抽取：基于 LangGraph 多阶段流水线抽取论文关键信息，反幻觉约束（只取原文明确信息，未提及即标「未提及」），支持逐字段手动修改。
3. 多篇对比：RAG 检索原文片段，自动生成对比表格与深度分析报告，每条结论带可点击的引用编号（`[A1]` 等），并挖掘 Research Gap（未解决问题与创新方向）。
4. Agent 对话：基于 RAG 的持续多轮对话，关联多篇论文上下文，引用具体片段，检索不足时明确告知缺失依据。
5. 中英双语：界面、后端错误消息、LLM 新生成内容一键切换中/英文。
6. 管理与安全：用户认证、管理后台、用量配额与 API 速率限制、性能监控、AI 可信度评测、用户反馈。
| 模块 | 技术方案 |
|---|---|
| 前端 | Vue 3 + Element Plus + Vite，vue-i18n 双语 |
| 后端 | FastAPI + Uvicorn，REST API + SSE 流式，限流/鉴权/全局异常处理 |
| AI 链路 | LangGraph + LangChain，抽取/对比/对话三类 Agent，反幻觉 Prompt 工程 |
| 向量检索 | ChromaDB 本地向量库（语义检索） |
| 存储 | SQLite + 本地 PDF 文件 |
| PDF 解析 | PyMuPDF |
| 评测 | 5 组 AI 可信度评测（抽取/对比/对话/一致性/幻觉） |
| 部署 | Docker / docker-compose，单端口托管前后端，Streamlit 可选入口 |
核心链路：PDF 上传 → 分块解析 → 向量化入库 → 多阶段结构化抽取（并行 + 跨块去重合并 + 幻觉过滤）→ 多篇检索对比（引用溯源）→ RAG Agent 对话。支持通义千问 / DeepSeek / Kimi / OpenAI / 豆包（火山方舟）等多种 LLM。
评论