面向课程科研调研和文献综述场景,用户输入一个科研问题后,Manager、Scholar、Reader、Critic、Writer 五个 Agent 协作完成任务拆解、arXiv/PubMed 论文检索、摘要与本地 PDF 阅读、贡献提取、局限性反思和报告写作。系统生成 Survey、Mindmap、Literature Matrix、Run Log 等结果,并支持 DeepSeek、Qwen/DashScope 与 mock 模式。Web 端提供 Claude-like 三栏工作台、SSE 阶段状态、历史线程、搜索、归档、删除、明暗主题和 Artifact 阅读。
项目采用 Python + LangGraph 实现科研工作流,统一 ResearchState 管理本轮短期记忆;本地 JSON 保存长期、语义和程序性记忆。SearchAgent 使用 ReAct 调用 arXiv/PubMed,ReadingAgent 支持 pdfplumber,本地相关性评分区分核心论文和补充候选;CriticAgent 使用 Reflection 检查证据和局限。Next.js App Router 服务端通过 /api/chat 启动 Python web_runner,并将 agent.status、trace.append、artifact.upsert、run.completed 转为 SSE;API key 仅存服务端环境变量。项目实现了跨领域检索、DNA 空结果修复、历史线程恢复和 Artifact 横向滚动控制。