End-to-end AI-powered academic paper writing system — from idea generation and literature search to experiment execution, result backfill, and LaTeX paper compilation. Supports multi-LLM routing, SSH remote training, incremental sync, and anti-AI-detection writing style.

PaperForge Research OS v3 – 结构化的 AI 增强研究助手

它是什么

PaperForge 是一个开源的“研究操作系统”，将基于大型语言模型（LLM）的写作代理、实验管理和可重现的发布流程串联起来。它以 Python（3.10-3.12）构建，并将每个声明、证据、代码工件和实验结果存储在 SQLite 支持的科学记忆中。系统可通过命令行界面（CLI）或轻量级浏览器 UI 驱动，但所有操作都汇入单一运行时服务（PaperForgeService）。

核心概念及其重要性

概念	功能	重要性
统一研究 OS	单一运行时（`ResearchOSRuntime`）处理写作、规划、实验、分析、可视化和发布。	消除“工具链跳跃”，这通常迫使研究人员在分离的脚本、笔记本和 LaTeX 工具之间切换。
证据优先流程	论文中的每个公开陈述都必须有 `claim_id`，链接到存储的证据（代码、数据、指标、许可证等）。	保证可追溯性，并让审查者或审计员更容易验证结果。
受控实验生命周期	提案 → 静态检查 → 小型实验 → 完整实验，每个阶段都需要明确批准。	防止意外浪费资源，并在昂贵的训练或大规模计算前强制执行审查关卡。
多后端计算	通过单一接口访问本地、Docker、SSH、Slurm、Kubernetes、Cloud-SSH 后端。	研究人员可以在笔记本电脑、集群或云之间移动，而无需重写脚本。
政策驱动的执行配置文件	`writing-only`、`research`、`full` – 每个配置文件禁用一组操作（例如，权重加载、远程计算）。	为仅允许特定功能的环境（例如，安全工作站）提供安全网。
带声明关卡的发布引擎	LaTeX 编译 → PDF 渲染 → 布局诊断 → 受限修复 → 不变量验证。	自动化繁琐的“编译-检查-修复”循环，并确保最终 PDF 与记录的声明相符。

主要组件（高级视图）

CLI / UI  →  PaperForgeService
                ├─ ExecutionPolicy (profiles)
                ├─ WorkflowEngine
                │    └─ ResearchOSRuntime
                │          ├─ Typed Agents (LLM writers, reviewers, etc.)
                │          ├─ Provider Registry (model/key handling)
                │          ├─ Compute Backends (Docker, Slurm, …)
                │          └─ Domain Plugins (CV, NLP, RL, Bio, …)
                ├─ SQLite Scientific Memory (claims, evidence, runs)
                ├─ Artifact Registry (datasets, checkpoints, figures)
                └─ Publication Engine → Release Verifier

所有持久化数据都位于 <workspace>/.paperforge/ 下（SQLite 数据库、运行时状态、发布清单等）。

典型工作流程

创建工作区 – 包含 LaTeX 源代码、参考文献和可选的 writing-job.json 清单的文件夹。
运行配置文件 – 例如 paperforge run --profile writing-only … 让 LLM 起草章节、插入引用并编译 PDF。
研究配置文件 – 添加文献搜索、提案创建，以及必须在运行任何实验前批准的提案对象。
完整配置文件 – 批准后，您可以在任何支持的后端启动实验，自动记录代码、数据、超参数和每个工件的 SHA-256 哈希。
发布 – paperforge publish 执行声明关卡、LaTeX 编译、PDF 渲染和布局诊断。输出位于 dist/。
发布 – paperforge release 重新验证每个关卡（秘密扫描、工件哈希、声明覆盖率），并将工作流程标记为 COMPLETED。

如何使用 AI

LLM 代理（“仅写作”和“研究”代理）通过 OpenAI 兼容 API 调用名为 bailu-turing 的提供者。系统会移除不支持的字段（例如 seed、n），并可通过 OPENAI_BASE_URL 指向自定义网关。
代理是类型化的 – 运行时根据选定的执行配置文件，知道代理是否允许请求模型、运行代码，或仅读取证据。
提示工程隐藏在 paperforge run 命令后面；用户只需提供高级指示（标题、摘要等）。

安装与开始使用（快速回顾）

# clone and checkout v3 tag
git clone https://github.com/QJHWC/PaperForge.git && cd PaperForge && git checkout v3.0.0

# create a venv and install the writing extras
python3.12 -m venv .venv && source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e "[writing]"

# optional: add experiment/research extras if you need compute back‑ends
python -m pip install -e "[research,experiment]"

在 ~/.config/paperforge/credentials.json 中设置您的模型密钥（chmod 600）。开箱即用的唯一支持提供者是 bailu-turing。

安全与许可说明

此项目仅供研究使用 – README 包含不得商业使用的免责声明。
所有秘密在记录前都会被编辑；Docker/SSH 上传已列入白名单并扫描秘密。
许可：PaperForge License 1.0 – 免费供个人、学术、非商业使用；禁止商业 SaaS 或营利性再分发。

TL;DR

PaperForge v3 是一个基于 Python 的研究操作系统，结合了 LLM 驱动的论文草稿撰写，以及严格审计的实验跟踪和发布流程。它将每个声明及其证据存储在 SQLite 数据库中，强制执行需批准的运算，并可通过可重现、经声明检查的发布流程发布 LaTeX 论文。非常适合想要从想法到验证 PDF 的单一、可审计工作流程的团队。

QJHWC/PaperForge