AutoScholarLoop – AI辅助研究循环

是什么 – 一个开源框架，用于编排多代理、多阶段研究工作流。它模拟一个小型研究团队，将一个种子想法和可选的参考文献转化为带有审计追踪的完整论文草稿。

主要阶段

1. S00 – 领域档案 – 构建领域地图、论文卡片、方法、数据集和证据库。
2. S01 – 教授决策 – 生成想法，批判性评估，探测新颖性，排序并选择研究方向。
3. S02 – 博士执行 – 规划基线，运行实验，分析失败并撰写评审备忘录。
4. S03 – 写作 – 创建论文计划、主张-证据表，起草文本、图表，并与评审意见迭代。
5. S04 – 质量控制 – 审计新颖性、引用、可复现性，并决定草稿是否适合提交。

每个阶段都会生成结构化的 Markdown 检查点，因此整个过程可审计。

主要功能

• 用于离线演示的确定性本地提供者（无需真实模型）。
• OpenAI 兼容适配器，可接入任何 OpenAI 风格的 LLM（如 OpenAI、DeepSeek）。
• 支持 Semantic Scholar 和 OpenAlex 的文献适配器。
• 支持干运行和本地 shell 执行后端；生成的代码保存在 code/ 目录下，并在主机上运行。
• 支持 ACM、IEEE、Springer LNCS 和中文论文格式的格式感知论文生成（可选 PDF 编译）。
• 基于 Vue 的 Web 控制台，用于配置模型、上传 PDF/笔记、可视化循环进度并预览检查点。
• CLI（autoscholarloop run …）和 Python Web API 均可使用相同流程。

安装

# Python 包（可编辑安装，包含 API、Web UI 和开发扩展）
cd AutoScholarLoop
pip install -e ".[api,web,dev]"
# 前端（Vue，使用 Vite 2 构建）
cd web
npm install

快速开始（CLI）

autoscholarloop run \
  --seed "study retrieval-augmented agents for scientific writing" \
  --loop-mode fast \
  --paper-format ieee \
  --workspace runs/demo

典型选项包括提供参考论文、选择想法数量、选择文献源、选择执行后端（干运行或真实 shell）、设置评审集合大小，并启用 PDF 编译。

Web 控制台

autoscholarloop web --host 127.0.0.1 --port 8000   # 启动 Python API
cd web && npm run dev                               # 启动 Vue UI

UI 会引导用户完成首次模型配置、上传 PDF/笔记、选择循环模式，并实时可视化 S00–S04 的进度。

输出 – 在指定的 --workspace 目录下创建一个可复现的工作区，包含：

• 文献成果（field_map.md, paper_cards.md）
• 想法报告和选定方向
• 实验代码、结果和审计日志
• 写作成果（论文计划、主张-证据表、草稿 Markdown/LaTeX）
• 质量门报告，若 LaTeX 可用则包含编译后的 PDF
• 最终的 release/README.md，总结整个审计轨迹。

状态 – 该系统提供一个可端到端运行的框架，但不保证科学新颖性、正确引用、有效实验或可提交论文。需要人工监督。

许可证与负责任使用 – 采用 AI Scientist Source Code License（一种负责任 AI 类型许可证）发布。用户必须在任何结果论文中披露 AI 协助。

---

AutoScholarLoop 是中国科学院 AI 小组开发的研究自动化工具，旨在使 AI 驱动的科学写作具备可审计性和可扩展性。