Academic Research Agent

项目目标

Academic Research Agent 面向需要阅读、比较和整理多篇论文的研究者。MVP 目标是打通从文献上传到 RAG 问答、从多文档对比分析到报告优化的核心链路，让研究者可以围绕已上传论文进行检索、提问、分析和写作辅助。

当前版本已经覆盖核心研究工作流：

• 上传 PDF / Word 文献并解析为可检索内容
• 将论文元数据持久化到 PostgreSQL
• 将切块内容写入 Milvus 向量库
• 支持基于已选论文的 RAG 问答
• 支持通用 LLM 问答降级模式
• 支持多文档对比分析和分析历史持久化
• 支持 LangGraph 多 Agent 编排、流式输出和报告优化

技术路径

Next.js Frontend
  -> 文献上传、文献库、问答、分析和设置页面
  -> FastAPI Backend
  -> markitdown / pymupdf4llm 解析 PDF 与 Word
  -> Embedding 生成向量并写入 Milvus
  -> PostgreSQL 保存论文、会话和分析历史
  -> LangGraph 编排 Planner / Retriever / Writer / Reviewer
  -> SSE 流式返回节点进度、分析正文和优化结果

Phase 2 版本引入 LangGraph StateGraph：PlannerNode 拆解查询，RetrieverNode 组织全文或向量检索上下文，WriterNode 生成结构化报告，ReviewerNode 进行质量评分并在低分时打回重写。可选 Tavily Web Search 用于补充外部知识。

部署边界

Academic Research Agent 当前以 Docker 方式部署为前后端分离服务，通过 nginx 暴露统一入口：

https://academic.adong.org.cn

服务器部署复用公共基础设施网络中的 PostgreSQL、Redis 和 Milvus，不重复启动仓库内的 docker-compose.infra.yml。应用容器只负责前端页面和 FastAPI 后端，模型 API Key、Embedding 配置、数据库连接和向量库连接由服务器环境变量注入。