PaperBot 是一个面向计算机领域的研究工作流工具链：支持从顶会自动获取论文、持续追踪学者发表、通过多 Agent 完成论文/代码深度分析与评审，并生成包含影响力评分（PIS）的结构化报告；同时提供 Paper2Code（ReproAgent）能力，用于从论文生成代码骨架并进行验证。

此外，本仓库包含一个 AI for Science & LLM Papers Collection（AI4S/），收录相关顶会论文与代码实现（也可参考 AI4S Repository）。

• 后端：Python（Agents / Workflows）+ FastAPI（SSE 流式）
• 客户端：Terminal UI（Ink/React）+ Web Dashboard（Next.js）
• 数据源：Semantic Scholar（可选 API Key）、会议官网/出版方页面、GitHub、（可选）OpenReview、（可选）本地/混合数据源

改造的详细评估与可执行计划见：docs/PLAN.md

• 全自动追踪：定期监测指定学者的最新论文（基于 Semantic Scholar；支持离线/本地数据源回退）。
• Deep Research 模式：支持迭代式反思循环（Reflection Loop），对论文与方向进行多轮检索与总结，构建更完整的学者画像。
• 多 Agent 协作：
  • ResearchAgent：提炼论文贡献点、摘要与方法概括，并支持 Literature Grounding（新颖性/先验工作验证）。
  • CodeAnalysisAgent：发现并分析关联 GitHub 仓库，评估工程质量与可复现性。
  • Quality/Reviewer/Verification：质量评估、深度评审、声明验证等。
• 影响力评分（PIS）：
  • 静态指标：引用数、venue 等级、GitHub Stars 等。
  • 动态指标：Citation Velocity（引用增速）与 Momentum Score（趋势动量）。
  • 引用语境情感：可选，基于 LLM 区分正面/负面/中性引用语境（未配置时自动降级）。
• 自动化报告：生成 Markdown 报告（支持模板渲染与学术模板）。

• 支持四大安全顶会论文下载与元数据提取：
  • IEEE Symposium on Security and Privacy (IEEE S&P)
  • Network and Distributed System Security Symposium (NDSS)
  • ACM Conference on Computer and Communications Security (ACM CCS)
  • USENIX Security Symposium
• 支持“智能下载”（批量下载 + 动态并发调整 + 缓存命中统计）。

• 自动提取论文/页面/PDF 中的代码仓库链接（优先 GitHub）。
• 深度健康检查（Code Health）：
  • 空壳检测：识别仅含 README/占位内容的仓库。
  • 文档覆盖率：评估 README/API 文档/示例完整性。
  • 依赖风险扫描：识别高风险/过时依赖（基于工具链与策略配置）。

• DeepReview 模式：模拟同行评审流程（初筛 → 深度批评 → 决策）。
• 输出结构化评审报告：Summary、Strengths、Weaknesses、Novelty Score 等。
• 支持 Accept/Reject/Borderline 等决策输出。

• 基于“抽取关键声明 → 检索证据 → 支撑/反驳/争议判定”的流程。
• 多视角证据检索：支持 Semantic Scholar API。
• 输出裁定：Strongly Supported / Refuted / Controversial / Unverified。

• 用于验证“新颖性/相关工作覆盖”：自动生成 prior-art 查询，在学术数据库检索并生成对比结论。

• HuggingFaceAgent：搜索论文关联的 HuggingFace 模型。
• 获取下载量、点赞数、Model Card 元数据等。
• 依赖：huggingface_hub（未安装时会提示并降级）。

• OpenReviewAgent：从 OpenReview 获取审稿评分与意见（适用于 ICLR/NeurIPS/ICML/AAAI 等）。
• 自动计算平均评分、提取决策结果，并用 LLM 总结优缺点。
• 依赖：openreview-py（未安装时会提示并降级）。

• 多阶段流水线：Planning → Analysis → Generation → Verification。
• 自愈调试：Verification/Debugging 结合错误分类与修复循环（语法/依赖/逻辑）。
• 执行后端：支持 Docker 与 E2B 云沙箱（可选）。

借鉴 DeepCode 的设计理念，ReproAgent 引入以下核心能力：

架构对比：

Legacy Pipeline:
  PaperContext → PlanningNode → AnalysisNode → GenerationNode → VerificationNode

Orchestrator Pipeline:
  PaperContext → BlueprintDistillation → PlanningAgent → CodingAgent ⟷ DebuggingAgent
                                              ↓               ↓
                                        CodeMemory + RAG    VerificationAgent

更多界面截图（论文分析/学者画像/Wiki/DeepCode Studio 等）：

1. 论文深度分析视图

2. 学者画像与统计指标

3. Wiki 知识库

4. DeepCode Studio（代码复现）

• 定位：PaperBot 面向“论文 + 代码 + 复现 + 报告”的多 Agent 工作流；AlphaXiv 更偏论文聚合/推荐。
• 工程维度：PaperBot 会发现/分析代码仓库并输出工程指标与健康度；AlphaXiv 通常聚焦论文元信息/摘要。
• 学者追踪与报告：PaperBot 支持订阅与持续追踪并生成报告；AlphaXiv 通常不提供完整闭环。

引入协作与快速失败机制，降低低质量任务的资源消耗：

• ScoreShareBus：阶段间评分共享与订阅
• FailFastEvaluator：早期拦截低质量/无代码/空壳仓库等情况

支持多种 LLM 后端与成本路由（由 ModelRouter 进行任务类型路由）：

• OpenAI / 兼容接口：如 gpt-4o、gpt-4o-mini 等
• Anthropic：如 Claude 系列
• Ollama：本地模型（可选）

• Python >= 3.8（推荐 3.10）
• Node.js >= 18（可选：Terminal UI / Web）
• Docker（可选：复现验证；或使用 E2B）

安装 Python 依赖：

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

可选依赖：

pip install jinja2
pip install openreview-py huggingface_hub

由于仓库忽略规则限制，示例文件使用 env.example：

cp env.example .env

至少配置一个 LLM Key（如 OPENAI_API_KEY），否则涉及 LLM 的能力将不可用/自动降级。

可选（用于 Research Track Router 的 embedding 路由与缓存；未配置会自动降级为多特征 keyword/memory/task 路由）：

• OPENAI_API_KEY
• OPENAI_BASE_URL（可选：OpenAI 兼容代理地址）

首次运行/更新版本后，建议先跑一次 DB migrations（默认 DB：sqlite:///data/paperbot.db）：

export PAPERBOT_DB_URL="sqlite:///data/paperbot.db"
alembic upgrade head

python -m uvicorn src.paperbot.api.main:app --reload --port 8000

已实现端点：

cd cli
npm install
npm run build
npm start

如后端不在默认地址，设置：

• PAPERBOT_API_URL=http://<host>:8000

cd web
npm install
npm run dev

如后端不在默认地址（http://127.0.0.1:8000），启动前设置：

• PAPERBOT_API_BASE_URL=http://<host>:8000（Next.js 代理到 FastAPI）

• Runbook：Paper2Code、Smoke（可选 docker/e2b）并将日志流写入 Timeline
• Workspace：基于 outputDir 的真实文件树（搜索/打开/保存）
• Diff Staging：Baseline 快照、文件级 diff/revert、hunk 级批量回滚

安全说明（默认行为）：

• Workspace/Runbook 文件操作默认仅允许 tmp 下的项目目录；如需放开其它根目录，设置 PAPERBOT_RUNBOOK_ALLOW_DIR_PREFIXES=/path1,/path2
• Snapshot 默认落盘到 data/runbook_snapshots；DB 默认 sqlite:///data/paperbot.db

python main.py track --summary
python main.py track
python main.py track --scholar-id 1741101
python main.py track --force

python main.py --conference ccs --year 23
python main.py --conference sp --year 23
python main.py --conference ndss --year 23
python main.py --conference usenix --year 23

python main.py review --title "..." --abstract "..."
python main.py verify --title "..." --abstract "..." --num-claims 5

python main.py gen-code --title "..." --abstract "..." --output-dir ./output
python main.py gen-code --title "..." --abstract "..." --use-orchestrator --output-dir ./output

python main.py run-exp --config config/experiments/exp_sentiment.yaml
python main.py render-report --template academic_report.md.j2

• Phase 1（P0）稳定性与一致性：收敛重复实现、统一网络层与并发模型、补齐解析契约测试
• Phase 2（P1）数据与运营能力：DB 持久化、任务队列/调度、指标与告警、成本治理
• Phase 3（P2/P3）平台化与企业级治理：Source Registry、插件化、多租户/权限/审计/配额、可观测性与合规

详细评估与可执行计划见：docs/PLAN.md。

• 总体计划（Plan）：docs/PLAN.md
• DeepCode 迭代清单（TODO）：docs/DEEPCODE_TODO.md
• Research 个性化 TODO：docs/TODO_PERSONALIZED_MEMORY_CONTEXT.md
• 数据集说明：datasets/README.md
• Web Dashboard：web/README.md

PaperBot/
│
├── AGENTS.md                              # 贡献者指南（给 agent/协作使用）
├── README.md                              # 项目说明
├── LICENSE
├── env.example                            # 环境变量示例
├── pyproject.toml                         # Python 配置（black/isort/pyright 等）
├── requirements.txt
├── requirements-ci.txt
├── pyrightconfig.json
├── alembic.ini
├── alembic/                               # Alembic 迁移框架（env.py 等）
├── src/                                   # Python 源码（主包在 src/paperbot）
│   └── paperbot/
│       ├── agents/                        # Agents（研究/代码/评审/验证/追踪等）
│       ├── api/                           # FastAPI（SSE）后端
│       │   ├── main.py
│       │   ├── streaming.py
│       │   └── routes/                    # track/analyze/gen_code/review/chat + sandbox/runbook/jobs/runs/memory/research
│       ├── application/                   # 应用层（ports/workflows/registries/collaboration）
│       ├── compat/                        # 兼容层
│       ├── core/                          # 核心抽象（pipeline/errors/di/report_engine 等）
│       ├── domain/                        # 领域模型（paper/scholar/influence 等）
│       ├── infrastructure/                # 基础设施（llm/logging/monitoring/queue/stores/connectors 等）
│       ├── memory/                        # 记忆系统（parsers 等）
│       ├── context_engine/                # Context Engine（Research：路由/上下文包/推荐）
│       ├── presentation/                  # CLI/报告渲染（Python 侧）
│       ├── repro/                         # Paper2Code / Repro（executors/orchestrator/memory/rag/nodes）
│       ├── utils/                         # 工具函数
│       └── workflows/                     # 工作流与节点
├── web/                                   # Web Dashboard（Next.js，DeepCode Studio 在 /studio）
├── cli/                                   # Node.js Terminal UI（Ink/React）
├── docs/                                  # 文档（PLAN + DeepCode TODO）
├── config/                                # 配置（models/venues/subscriptions 等）
├── datasets/                              # 数据集与元数据
├── tests/                                 # Python 测试
├── scripts/                               # 脚本工具
├── evals/                                 # 评测相关
├── output/                                # 生成输出（报告/实验）
├── cache/                                 # 缓存
├── logs/                                  # 运行日志（本地）
├── reports/                               # 生成报告（汇总）
├── papers/                                # 论文缓存/样例
├── public/                                # 静态资源（Web）
├── asset/                                 # 文档/截图资源
├── AI4S/                                  # AI4S 论文与代码集合
├── utils/                                 # 顶层辅助脚本/工具
├── main.py                                # Python 入口
├── validate_datasets.py
└── verify_claude.py

pytest -q

• 感谢 Qc-TX 对爬虫脚本的贡献
• 多 Agent 协作与深度研究流程部分实践参考了 BettaFish InsightEngine 的公开实现

MIT，见 LICENSE。