CYC2002tommy/Deep-Research-Agent

解决的问题

Deep Research Agent (Deep Science Writer) 自动化了学术文献综述中繁琐且容易出错的过程。它消除了常见的 AI 问题，例如虚构的引用、学术写作中的“AI 废话”，以及从受限数据库中收集全文论文的困难。

运作方式

该项目实现了一个为 Hermes/ECC 框架设计的 7 阶段自主流程。它使用多代理系统来查询如 Scopus、OpenAlex 和 Semantic Scholar 等数据库。为了防止幻觉，它遵循严格的顺序：先筛选摘要，然后下载并阅读高度相关论文的全文以验证主张。它包含一个专门的“反幻觉”阶段，在该阶段会对每个 DOI 进行 ping 测试以确保链接有效。最后，它使用 Python 脚本生成格式化的 APA 第七版 .docx 文件，并与 Obsidian 和 Google NotebookLM 集成以进行知识管理。

适用对象

需要严谨、有证据支持的文献综述过程，且遵守严格期刊质量标准（Q1-Q2 期刊）并避免与通用 LLM 相同缺陷的学术研究人员和科学家。

亮点

• 全文验证： 强制阅读全文 PDF，以防止因摘要引起的幻觉。
• 严格的质量控制： 硬编码以优先考虑 Q1-Q2 期刊，并禁止如 MDPI 等特定出版商。
• DOI 验证： 通过 HTTP 请求自动测试每个生成的 DOI，以确保 100% 的有效性。
• 学术语气强制执行： 使用专门的同行评审循环来去除通用的 AI 词汇，并强制执行专业语气。
• 免动手输出： 以编程方式生成具有 APA 第七版格式和数据可视化的 Microsoft Word 文档。
• 知识循环： 自动将研究摘要同步到 Obsidian，并将来源上传到 Google NotebookLM。