📚 Academic Literature Research Agent- A demo

基于 LangGraph 构建的智能学术调研系统｜自动生成结构化文献综述｜支持20+ LLM服务商

✨ 核心特性

• 智能三阶段流程：检索词优化 → 多源文献获取 → 结构化报告生成
• 全平台兼容：无缝支持 OpenAI 格式 & Anthropic 格式 LLM（官方+第三方）
• 双权威数据源：Arxiv（CS/Physics） + PubMed（BioMed）精准检索
• 开箱即用配置：完整模板支持 DeepSeek/Groq/Ollama/DashScope 等 15+ 服务商

🛠️ 架构概览

graph LR
    A[START] --> B(Planner)
    B -->|生成检索词| C(Searcher)
    C -->|获取文献| D(Writer)
    D -->|输出报告| E[END]

Loading

🚀 快速上手

1. 环境配置

# 克隆仓库
git clone https://github.com/your-username/academic-research-agent.git

cd academic-research-agent

# 安装依赖
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

2. LLM 配置（任选其一）

推荐通用配置

LLM_FORMAT=openai          # 支持 "openai" 或 "anthropic"
LLM_API_KEY=sk-your-key
LLM_BASE_URL=https://api.deepseek.com/v1  # 示例：DeepSeek
LLM_MODEL=deepseek-chat

常用服务商速查表

服务商	LLM_BASE_URL	配置示例
DeepSeek	https://api.deepseek.com/v1	LLM_MODEL=deepseek-chat
Groq	https://api.groq.com/openai/v1	LLM_MODEL=mixtral-8x7b-32768
Ollama	http://localhost:11434/v1	LLM_MODEL=llama3
DashScope	https://dashscope.aliyuncs.com/...	LLM_MODEL=qwen-max

查看完整配置模板：.env.example

3. 执行调研

# 交互式模式（推荐）
python research_agent.py

# 指定主题生成报告
python research_agent.py "quantum machine learning" -o quantum_report.md

# 开发者调用示例
from research_agent import create_workflow

result = create_workflow().invoke({
    "topic": "AI in cancer diagnosis",
    "max_papers": 5
})
print(result["final_report"][:500] + "...")

📄 典型输出结构

# 深度学习在医学影像分割中的研究进展

## 研究背景
近年来，U-Net及其变体在医学影像分割任务中...

## 关键方法
1. **nnU-Net**：自适应框架，无需人工调参...
2. **TransUNet**：结合Transformer与CNN...

## 现存挑战
- 小样本场景泛化能力不足
- 多中心数据分布差异

[完整示例报告](examples/sample_report.md)

⚠️ 注意事项

• PubMed API 有 1次/秒 调用限制，批量检索建议添加 --delay 2
• 报告内容严格基于真实文献，绝不虚构参考文献
• 模型输出质量取决于 LLM 服务稳定性，请定期更新 API Key

本项目采用 MIT 许可证 | 基于 LangGraph v2.0 构建