Back to Hello Agents

InnoCore AI - 研创·智核

Co-creation-projects/Apricity-InnocoreAI/README.md

1.0.210.3 KB
Original Source

InnoCore AI - 研创·智核

<div align="center">

智能科研创新助手 | Intelligent Research Innovation Assistant

基于多智能体协作的科研全流程自动化系统

基于 HelloAgent 框架构建,支持灵活的 LLM 切换

English | 简体中文

</div>

📖 项目简介

InnoCore AI(研创·智核)是一个基于 HelloAgent 框架构建的智能科研创新助手系统。通过多智能体协作,实现从论文搜索、深度分析、写作辅助到引用校验的科研全流程自动化。

核心特性

  • 🤖 多智能体协作:四大智能体(Hunter/Miner/Coach/Validator)协同工作
  • 🔄 双模式支持:单独模式(精细控制)+ 协调模式(一键完成)
  • 📚 智能论文分析:自动解析 PDF,提取关键信息,生成深度分析报告
  • ✍️ AI 写作助手:学术润色、风格转换、实时写作建议
  • 🔍 引用智能校验:自动识别 DOI/ArXiv ID,生成多种格式引用
  • 🎯 工作流自动化:一键完成搜索→分析→引用→报告全流程

技术亮点

  • PDF 深度解析:支持学术论文的结构化提取(标题、作者、摘要、全文)
  • 混合检索:向量检索 + 关键词匹配,提升检索准确度
  • 流式输出:WebSocket 实时传输,提供流畅的交互体验
  • 异步架构:基于 FastAPI 异步框架,高性能并发处理
  • 模块化设计:清晰的分层架构,易于扩展和维护

🎯 应用场景

适合谁使用?

  • 📖 研究生/博士生:快速了解研究领域,辅助论文写作
  • 👨‍🏫 高校教师:跟踪最新研究进展,辅助课题申报
  • 🔬 企业研发人员:技术调研,专利分析,竞品研究
  • 📝 学术写作者:论文润色,引用管理,格式规范

典型使用场景

  1. 文献综述:自动搜索相关论文 → 批量分析 → 生成综述报告
  2. 论文写作:实时润色建议 → 引用自动生成 → 格式规范检查
  3. 研究调研:追踪特定主题 → 创新点挖掘 → 研究方向建议
  4. 学术翻译:中英互译 → 学术表达优化 → 术语标准化

🏗️ 系统架构

整体架构

┌─────────────────────────────────────────────────────────┐
│                    前端界面层                            │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐ │
│  │ 论文搜索  │  │ 深度分析  │  │ 写作助手  │  │ 引用管理 │ │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘ │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│                   API 接口层                             │
│  FastAPI + WebSocket + RESTful API                      │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│                 智能体编排层                             │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐ │
│  │ 🕵️Hunter │  │ 🧠 Miner│  │ ✍️ Coach│  │ 🔎 Validator│ │
│  │ 论文搜索 │  │ 深度分析  │  │ 写作助手  │  │ 引用校验  │ │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘ │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│                   核心服务层                             │
│  PDF解析 | 向量检索 | LLM调用 | 任务队列                  │
└─────────────────────────────────────────────────────────┘
                          ↓
┌─────────────────────────────────────────────────────────┐
│                   数据持久层                             │
│  PostgreSQL | Qdrant | Redis | 文件存储                  │
└─────────────────────────────────────────────────────────┘

四大智能体

智能体职责核心能力
🕵️ Hunter论文搜索与监控ArXiv/IEEE 实时搜索,智能过滤,自动下载
🧠 Miner深度分析与挖掘PDF 解析,创新点提取,对比分析,报告生成
✍️ Coach写作辅助与润色学术润色,风格转换,实时建议,术语优化
🔎 Validator引用校验与格式化DOI 验证,多格式生成,元数据校验,标准化

Quick Start

1. Installation

bash
# Install core dependencies
python install.py

# Or install manually
pip install fastapi uvicorn python-multipart python-dotenv pydantic httpx requests

2. Configuration

Create .env file:

bash
cp .env.example .env
# Edit .env file and add your OpenAI API key

3. Run Application

bash
python run.py

4. Access

Features

Work Modes

  • Individual Mode: Use each agent independently for specific tasks
  • Workflow Mode ⭐: Automated complete workflow coordinating all agents

Agents

  • 🕵️ Hunter Agent: Literature search and monitoring
  • 🧠 Miner Agent: Deep paper analysis and insight extraction
  • ✍️ Coach Agent: Writing assistance and style improvement
  • 🔎 Validator Agent: Citation verification and formatting

Workflow Automation

Complete research workflow in one click:

  1. Search papers (Hunter)
  2. Analyze content (Miner)
  3. Generate citations (Validator)
  4. Create report (Coach)

Project Structure

innocore_ai/
├── agents/          # AI agents
├── api/            # REST API routes
├── core/           # Core functionality
├── models/         # Data models
├── services/       # Business logic
├── utils/          # Utilities
├── frontend/       # Web interface
├── main.py         # Main application entry
├── run.py          # Simple run script
├── install.py      # Installation script
└── requirements-core.txt  # Core dependencies

Requirements

  • Python 3.8+
  • OpenAI API key
  • Redis (optional, for caching)

Development

bash
# Install development dependencies
pip install -r requirements.txt

# Run with auto-reload
python run.py

演示效果

主界面 - 双模式切换

论文搜索功能

深度分析功能

📊 性能指标

  • 论文搜索:~5秒(ArXiv API 响应时间)
  • PDF 解析:~3秒/篇(标准学术论文)
  • 深度分析:~20秒/篇(含 AI 推理)
  • 写作润色:~2秒首字生成(流式输出)
  • 引用校验:~3秒/条(含外部 API 验证)
  • 完整工作流:~70秒(搜索3篇+分析+引用+报告)

🛣️ 开发路线图

v1.0(当前版本)✅

  • 四大智能体基础功能
  • PDF 深度解析
  • 双模式工作流
  • Web 界面
  • API 文档

v1.1(计划中)

  • 向量数据库集成(Qdrant)
  • 用户系统与权限管理
  • 历史记录与收藏功能
  • 批量处理优化

v2.0(未来)

  • 双层知识库(L1预置+L2私有)
  • 个性化写作风格学习
  • 多语言支持
  • 移动端适配

🤝 贡献指南

欢迎贡献代码、报告问题或提出建议!

  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🙏 致谢

📮 联系方式


<div align="center">

如果这个项目对你有帮助,请给一个 ⭐️ Star!

Made with ❤️ by InnoCore AI Team

</div>