Histórico
Embora os pesquisadores geralmente precisem coletar vários documentos para análise de tendências, o que tradicionalmente é ineficiente para ser feito manualmente, a colaboração baseada em agentes da LangManus automatiza a coleta de dados, a limpeza e a geração de relatórios.
centro
- Projeto da missãoDigite uma meta, como "Analyse the distribution of models for the top papers in NLP in 2023" (Analisar a distribuição de modelos para os principais documentos em NLP em 2023), por meio da API ou da linha de comando.
- Processo de colaboração da agência:
- O agente pesquisador procura artigos em plataformas como arXiv/ACL usando a API da Tavily;
- O agente codificador extrai os dados do gráfico do PDF e os estrutura;
- O agente repórter gera relatórios de análise no formato Markdown.
- integração de ferramentasConfigure a pesquisa neural do Jina para melhorar a filtragem de relevância ou chame o modelo HuggingFace para resumir o texto.
- Otimização de saída:: Personalize o modelo de relatório em src/prompts/ para exigir a inclusão de gráficos estatísticos e referências.
ponto de partida
É necessário acesso prévio a APIs de bancos de dados acadêmicos (por exemplo, Semantic Scholar), e análises complexas podem combinar várias subtarefas a serem concluídas em etapas.
Essa resposta foi extraída do artigoLangManus: uma estrutura de automação de IA de código aberto que oferece suporte à colaboração com várias inteligênciasO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Como o LangManus pode ser aplicado para automatizar a análise de dados de teses em cenários de pesquisa acadêmica?
Português do Brasil 
简体中文 
English 
日本語 
Deutsch