THESIS Agent: uma ferramenta inteligente para auxiliar na redação de trabalhos acadêmicos

O THESIS Agent é uma ferramenta de inteligência artificial de código aberto hospedada no GitHub, criada para ajudar os usuários a concluir trabalhos acadêmicos com mais eficiência. Ele alivia o trabalho tedioso envolvido na pesquisa acadêmica automatizando o processamento de documentos, analisando dados e gerando conteúdo. O projeto se baseia em um modelo de linguagem avançado, combinado com a tecnologia de colaboração de corpo multiinteligente, fornecendo suporte completo ao processo, desde a documentação até a visualização de dados. O THESIS Agent é adequado para estudantes, pesquisadores e acadêmicos, com código aberto que permite aos usuários personalizar a funcionalidade de acordo com suas necessidades. O projeto tem documentação detalhada e uma comunidade ativa, o que é adequado para usuários com uma certa base técnica para começar a trabalhar rapidamente.

Lista de funções

• Comparação e análise da literaturaExtraia automaticamente as principais informações do artigo e gere um resumo ou palavras-chave.
• Visualização de dadosGeração de gráficos com base em dados de entrada, como gráficos de barras, gráficos de linhas, etc.
• escrita automatizadaAjuda na geração de parágrafos de redação, introdução ou conclusão, reduzindo o tempo de redação manual.
• colaboração de inteligência múltiplaInteligência de IA múltipla: várias inteligências de IA trabalham juntas para decompor tarefas complexas e executá-las com eficiência.
• Geração e depuração de códigoGeração automática de trechos de código e suporte à depuração para otimizar os resultados.
• integração de ferramentasConectividade de suporte a ferramentas externas (por exemplo, bancos de dados acadêmicos) para aprimorar os recursos de processamento de dados.

Usando a Ajuda

Processo de instalação

Para usar o THESIS Agent, primeiro você precisa clonar o repositório do GitHub e configurar o ambiente de tempo de execução. Veja a seguir as etapas detalhadas de instalação:

1. armazém de clones::
   Execute o seguinte comando no terminal para clonar o projeto localmente:

   git clone https://github.com/THESIS-AGENT/thesis-agent-demo.git
   cd thesis-agent-demo
   

2. Instalação de dependências::
   O projeto depende do Python 3.11 e das bibliotecas relacionadas. Recomenda-se um ambiente virtual para evitar conflitos:

   python -m venv venv
   source venv/bin/activate  # Windows 用户运行: venv\Scripts\activate
   pip install -r requirements.txt
   

3. Configuração de variáveis de ambiente::
   O projeto requer uma chave de API (por exemplo, OpenAI ou outro modelo de linguagem). No diretório raiz do projeto, crie o arquivo .env adicione o seguinte:

   OPENAI_API_KEY=your_openai_api_key
   ANTHROPIC_API_KEY=your_anthropic_api_key
   

   Você precisará obter a chave da plataforma apropriada e certificar-se de que a conexão com a Internet esteja estável.

4. Instalação de ferramentas do navegador::
   Alguns recursos exigem o Playwright para interação com a Web. Execute o seguinte comando para instalá-lo:

   pip install playwright
   playwright install chromium --with-deps
   

5. exemplo de execução::
   Quando a instalação estiver concluída, execute o script de amostra para verificar a configuração do ambiente:

   python examples/run_demo.py
   

   Os scripts de amostra demonstrarão a funcionalidade básica da análise da literatura e da visualização de dados.

Função Fluxo de operação

Comparação e análise da literatura

Um dos principais recursos do THESIS Agent é o processamento automatizado da literatura acadêmica. Os usuários podem iniciar uma análise fazendo o upload de um arquivo PDF ou inserindo o URL de um artigo. As etapas são as seguintes:

• No diretório do projeto, localize o arquivo scripts/analyze_literature.py Roteiro.
• Modifique os parâmetros de entrada no script, por exemplo:

  input_file = "path/to/your/paper.pdf"
  output_format = "summary"  # 可选：keywords, abstract
  

• Execute o script:

  python scripts/analyze_literature.py
  

• O resultado é salvo em uma pasta especificada e contém um resumo, palavras-chave ou análise de citação. Os resultados são gerados no formato Markdown para facilitar a inserção diretamente no documento.

Visualização de dados

O THESIS Agent suporta a geração de gráficos com base nos dados de entrada, o que é adequado para exibir resultados experimentais ou dados estatísticos. O procedimento é o seguinte:

• Prepare o arquivo de dados (por exemplo, formato CSV), certificando-se de incluir os nomes e valores das colunas. Exemplo:

  Year,Value
  2020,100
  2021,120
  2022,150
  

• existir scripts/visualize_data.py Especifique o caminho do arquivo e o tipo de gráfico no campo

  data_file = "data/sample.csv"
  chart_type = "bar"  # 可选：line, pie, scatter
  

• Execute o script:

  python scripts/visualize_data.py
  

• O resultado é um gráfico interativo, salvo no arquivo output/charts/ que suporta a visualização em formato HTML.

escrita automatizada

A função de redação automatizada gera um rascunho da introdução, da conclusão ou dos parágrafos do documento. O procedimento é o seguinte:

• compilador scripts/write_content.py, definir tarefas de redação:

  task = "generate_introduction"
  topic = "AI in academic research"
  word_count = 200
  

• Execute o script:

  python scripts/write_content.py
  

• O resultado é um arquivo Markdown com conteúdo otimizado para modelagem de linguagem e de acordo com as especificações de redação acadêmica. Ele pode ser editado pelo usuário para atender a necessidades específicas.

colaboração de inteligência múltipla

O THESIS Agent usa uma estrutura de corpo multiinteligente para decompor tarefas complexas. Por exemplo, a geração de um artigo completo pode envolver análise de literatura, colaboração de inteligência e geração de conteúdo. O usuário simplesmente executa o script principal:

python main.py --task "write_full_paper" --topic "Machine Learning Trends"

O sistema atribui automaticamente tarefas a diferentes inteligências para gerar o documento final.

integração de ferramentas

O usuário pode configurar o arquivo config/tools.yaml Adicione ferramentas externas (por exemplo, Academic Database API). Exemplo de configuração:

tools:
- name: PubMed
api_key: your_pubmed_api_key
endpoint: https://api.pubmed.gov

Uma vez executado, o sistema recupera automaticamente a literatura relevante do PubMed e a integra à análise.

advertência

• Garanta uma conexão estável com a Internet, pois alguns recursos exigem acesso a uma API on-line.
• Verifique se a versão do Python e as bibliotecas dependentes estão instaladas corretamente para evitar erros de tempo de execução.
• A documentação do projeto está localizada em docs/ catálogo, detalhando recursos avançados e métodos de personalização.

cenário do aplicativo

1. Redação de trabalhos acadêmicos
   Ao escrever uma dissertação, estudantes de pós-graduação ou acadêmicos usam o THESIS Agent para organizar a literatura, extrair informações importantes e gerar rascunhos, economizando tempo e aumentando a eficiência.
2. Análise e apresentação de dados
   Após o experimento, os pesquisadores usam as ferramentas para transformar os dados em gráficos intuitivos para uso em artigos ou relatórios acadêmicos, a fim de aprimorar a visualização dos resultados.
3. Apoio à pesquisa interdisciplinar
   Os projetos de pesquisa que envolvem conhecimento multidisciplinar utilizam recursos de colaboração de inteligência múltipla para integrar rapidamente a literatura e os dados de diferentes disciplinas.
4. auxílio ao ensino
   Os professores usam o THESIS Agent para gerar automaticamente materiais de referência ou programas de estudos relacionados ao curso, reduzindo o estresse da preparação das aulas.

QA

1. Quais modelos de idiomas são compatíveis com o THESIS Agent?
   O projeto é compatível com os modelos de linguagem da OpenAI, Anthropic e Google. Os usuários podem especificar o modelo em um arquivo de configuração, como GPT-4 ou Claude-3.7.
2. É necessário ter experiência em programação?
   É necessário ter conhecimentos básicos de Python para instalar e executar o script. No entanto, a documentação é detalhada e os iniciantes podem seguir as etapas.
3. Ele pode ser usado off-line?
   Alguns recursos (por exemplo, o modelo local Qwen) têm suporte para execução off-line, mas a recuperação de literatura e as chamadas de API exigem acesso à Internet.
4. Como faço para contribuir com o código?
   Os usuários podem enviar Pull Requests por meio do GitHub. CONTRIBUTING.md para obter um guia de contribuição.