UditAkhourii/neuroarxiv

解决的问题

NeuroArxiv 通过强制 AI 代理基于 arXiv 的现有先验研究，找到并采纳一个具体且有依据的推荐，从而防止开发人员‘从零开始构建’。与提供一系列来源供用户自行筛选的通用搜索工具不同，NeuroArxiv 采用严谨的流程，将多篇论文整合为一个有引用的架构或算法决策，并特别标注所引用研究的已记录弱点和局限性，以避免高昂的重建成本。

工作原理

该系统遵循严格的“隔离-收敛”流程：

1. 分类：将用户的问题映射到特定的 arXiv 分类和搜索关键词。
2. 获取：对 arXiv 导出 API 执行确定性的 HTTP 请求以收集论文。
3. 发散：LLM 独立阅读每篇论文的摘要，与其他论文完全隔离，以防止来源锚定。
4. 评分与聚类：根据相关性和严谨性对论文进行评分，并按架构方法分组。
5. 收敛：系统选择一条推荐路径，整合研究成果，提供实现的第一步，并列出从所有分析论文中得出的陷阱。

适用人群

专为需要承诺非平凡架构、算法或系统技术的开发人员和研究人员设计，错误选择的成本是完全重建。

亮点

• 决策驱动：超越搜索，强制生成一个有依据的推荐，而非一堆链接列表。
• 来源批判性：特别识别并标记引用来源中的局限性和被撤回的证明。
• 代理集成：可作为 Claude Code 和 Codex CLI 的技能安装。
• 有依据的元数据：使用真实的 arXiv API 元数据，确保引用和链接的真实性。