智能体论文摘要工具

使用场景

• 从arXiv和Hugging Face获取最新论文摘要。
• 生成JSON格式输出供下游智能体使用。
• 需要轮询工作流时运行本地API服务器。

环境要求

• 需要Python 3和网络连接。
• 通过以下方式访问LLM：OPENAI_API_KEY或通过OpenAI兼容服务商：LITELLM_API_BASE加LITELLM_API_KEY。
• git为可选的初始化工具；否则使用curl或wget（或Python）下载代码库。

获取代码并安装

• 推荐方式：运行初始化辅助脚本。该脚本优先使用git，若不支持则自动回退至压缩包下载方式。

bash "{baseDir}/scripts/bootstrap.sh"

• 通过设置PROJECT_DIR来覆盖克隆位置。

PROJECT_DIR="$HOME/agentic_paper_digest" bash "{baseDir}/scripts/bootstrap.sh"

运行（推荐使用CLI）

bash "{baseDir}/scripts/run_cli.sh"

• 根据需要传递CLI标志。

bash "{baseDir}/scripts/run_cli.sh" --window-hours 24 --sources arxiv,hf

运行（API可选）

bash "{baseDir}/scripts/run_api.sh"

• 触发运行并读取结果。

curl -X POST http://127.0.0.1:8000/api/run
curl http://127.0.0.1:8000/api/status
curl http://127.0.0.1:8000/api/papers

• 如果需要，停止API服务器。

bash "{baseDir}/scripts/stop_api.sh"

输出

• CLI--json打印run_id、seen、kept、window_start和window_end。
• 数据存储：data/papers.sqlite3（位于PROJECT_DIR).
• API：POST /api/run,GET /api/status,GET /api/papers,GET/POST /api/topics,GET/POST /api/settings.

配置

配置文件位于PROJECT_DIR/config目录下。环境变量可以在shell中设置，或通过.env文件设置。这里的包装器会自动从PROJECT_DIR目录加载.env文件（可通过ENV_FILE=/path/to/.env覆盖此路径）。

环境变量（.env 文件或导出的变量）

• OPENAI_API_KEYOpenAI模型所需项（litellm会读取此配置）。
• LITELLM_API_BASE，LITELLM_API_KEY：使用兼容OpenAI的代理/服务提供商。
• LITELLM_MODEL_RELEVANCE，LITELLM_MODEL_SUMMARY：用于相关性判断和摘要生成的模型（若未设置摘要模型，则默认使用相关性模型）。
• LITELLM_TEMPERATURE_RELEVANCE，LITELLM_TEMPERATURE_SUMMARY：较低值可使输出更具确定性。
• LITELLM_MAX_RETRIES：LLM调用的重试次数。
• LITELLM_DROP_PARAMS=1：丢弃不支持的参数以避免提供商错误。
• WINDOW_HOURS，APP_TZ：时间窗口（小时）和时区设置。
• ARXIV_CATEGORIES逗号分隔的类别（默认包含cs.CL,cs.AI,cs.LG,stat.ML,cs.CR）。
• ARXIV_API_BASE、HF_API_BASE：如有需要，可覆盖源端点。
• ARXIV_MAX_RESULTS、ARXIV_PAGE_SIZE：arXiv 分页限制。
• MAX_CANDIDATES_PER_SOURCE：在 LLM 过滤前，每个源的候选数量上限。
• FETCH_TIMEOUT_S、REQUEST_TIMEOUT_S：源获取和每个请求的超时时间。
• ENABLE_PDF_TEXT=1：在摘要中包含第一页 PDF 文本；需要PyMuPDF（pip install pymupdf）。
• DATA_DIR位置papers.sqlite3。
• CORS_ORIGINS：API服务器允许的逗号分隔的源（供UI使用）。
• 路径覆盖：TOPICS_PATH、SETTINGS_PATH、AFFILIATION_BOOSTS_PATH。

配置文件

• config/topics.json：包含id、label、description、max_per_topic和keywords的主题列表。相关性分类器必须严格按照此处定义的格式输出主题ID。每个主题的最大数量同时限制结果数量GET /api/papers当apply_topic_caps=1时
• config/settings.json：覆盖获取限制（arxiv_max_results、arxiv_page_size、fetch_timeout_s、max_candidates_per_source）。通过POST /api/settings更新
• config/affiliations.json：包含{pattern, weight}模式的列表，通过子字符串匹配应用于机构名称以进行权重提升。权重累加并上限为1.0。无效的JSON会禁用权重提升，因此请保持文件为严格的JSON格式（无尾随逗号）。

强制性工作流程（请逐步遵循）

1. 你首先必须打开并读取来自GitHub仓库的配置：https://github.com/matanle51/agentic_paper_digest你已下载：
   • 加载config/topics.json、config/settings.json以及config/affiliations.json（如果存在）。
   • 在请求用户更改之前，注意当前的主题ID、上限和获取限制。
2. 请用户提供以下偏好设置（协助用户）：
   • 感兴趣的主题→ 更新config/topics.json（topics[].id/label/description/keywords、max_per_topic）。
     显示当前默认值，并询问是保留还是更改它们。
   • 时间窗口（小时）→ 设置WINDOW_HOURS（或通过CLI传递--window-hours参数）仅在用户关注此设置时；否则默认保持为24小时。
   • 请用户填写以下参数（向用户解释其用途）：ARXIV_CATEGORIES、ARXIV_MAX_RESULTS、ARXIV_PAGE_SIZE、MAX_CANDIDATES_PER_SOURCE。
     询问是否保持默认值并显示当前值。
   • 模型/提供商→ 设置OPENAI_API_KEY 或 LITELLM_API_KEY（加上LITELLM_API_BASE如果设置了代理），并设置LITELLM_MODEL_RELEVANCE/LITELLM_MODEL_SUMMARY。
   • 默认情况下不要询问：时区、质量与成本、超时设置、PDF文本、机构偏好、来源列表。除非用户要求更改，否则使用默认值。
3. 确认工作空间路径：询问克隆/运行的位置。默认设置为PROJECT_DIR="$HOME/agentic_paper_digest"如果用户不介意。永远不要硬编码/Users/...这样的路径。
4. 引导仓库：运行引导脚本（除非仓库已存在且用户要求跳过）。
5. 创建或验证.env文件：
   • 如果.env文件缺失，则根据.env.example（在仓库中），然后请用户填写密钥和任何请求的偏好设置。
   • 确保在运行前至少设置了OPENAI_API_KEY或LITELLM_API_KEY中的一个。
6. 应用配置更改：
   • 直接编辑JSON文件（或如果运行API，使用POST /api/topics和POST /api/settings）。
7. 运行流程：
   • 对于一次性JSON输出，推荐使用scripts/run_cli.sh。
   • 仅当用户明确要求UI/API访问或轮询时，才使用scripts/run_api.sh。
8. 报告结果：
   • 如果结果稀疏，建议增加窗口小时数,arXiv最大结果数，或拓展主题范围。

获取良好结果

• 帮助用户定义并保持主题聚焦且互斥，以便分类器能选择正确的ID。
• 如果质量很重要，为摘要使用比相关性更强的模型。
• 如果使用OpenAI的模型，默认选择gpt-5-mini以获得良好的权衡效果。
• 增加窗口小时数或arXiv最大结果数当结果稀疏时，或在结果过于嘈杂时降低它们。
• 调整arXiv类别以适应您的研究领域。
• 当摘要内容过于单薄时，启用PDF文本（ENABLE_PDF_TEXT=1）。
• 使用适度的隶属关系权重来偏置排名，而不淹没相关性。
• 积极主动，帮助用户调整技能以获得良好结果！

故障排除

• 端口8000被占用：运行bash "{baseDir}/scripts/stop_api.sh"或向API命令传递--port参数。
• 结果为空：增加WINDOW_HOURS或验证.env文件中的API密钥。
• 缺少API密钥错误：在运行前于终端中导出OPENAI_API_KEY或LITELLM_API_KEY环境变量。