SourceMind - 学术论文智能分析助手

SourceMind 是一个基于 LangGraph 和 Streamlit 构建的智能学术论文分析工具。它能够自动化地从 PDF 文件或 Arxiv 链接中提取核心信息，进行深度研读，并生成结构化的分析报告。

🌟 核心功能

• 多源输入支持：支持直接输入 Arxiv 论文链接或上传本地 PDF 文件。

• 并行化深度分析：

  • 📝 智能翻译：提供摘要、引言、结论的精准翻译。
  • 🔑 核心要点提取：自动识别并提取论文的关键贡献和创新点。
  • 📊 实验结果分析：提取实验设置、数据集、对比方法及结果数据。
  • 📖 术语解释：自动识别专业术语并提供上下文相关的解释。
  • 🔍 相关工作搜索：集成网络搜索（Tavily/Exa/Google），自动关联相关研究背景，包括 GitHub 代码搜索，自动查找官方实现与社区复现。
  • 👥 圆桌讨论 / 对话评审：
    • 对话模式（默认）：模拟初学者与专家的问答，辅助快速理解。
    • 圆桌模式（高级）：模拟一场多智能体（主持人、作者、方法论专家、应用实践者）之间的学术辩论，全方位剖析论文优缺点。
    • 严格约束：所有角色（Methodology Critic, Industry Practitioner）均受到严格的 Prompt 约束，严禁捏造数据、参考文献或虚假案例，确保讨论的学术严谨性。
    • 实时控制：支持实时流式显示讨论内容，并可随时手动停止讨论。

• 💬 互动问答 (Q&A)：分析完成后，支持用户基于论文内容进行自由提问（Human-in-the-loop），获取精准解答。

  • 注：为保证流程专注，系统在分析或讨论进行中会暂时禁用提问功能。

• 👁️ 视觉解析模式 (VLM)：支持使用多模态大模型（如 GPT-4o, Claude 3.5 Sonnet）逐页解析 PDF，完美还原公式、图表和复杂排版。

• 📑 综合报告生成：汇总所有分析维度，生成 Markdown 格式的研读报告。

  • 实时预览：报告生成完成后立即在界面展示，无需等待后续讨论流程。
  • 下载支持：支持下载最终报告及圆桌讨论记录（Markdown 格式）。

• 🤖 灵活的模型配置：

  • 支持 OpenAI, Anthropic, OpenRouter 及 自定义 OpenAI 兼容接口（如 Ollama, vLLM）。
  • 细粒度控制：可为翻译、搜索总结、视觉解析、对话评审等不同任务单独配置特定的模型。

• 🔭 全链路可观测性：集成 Langfuse LangSmith，支持对 LangGraph 工作流及内部 LLM 调用的完整追踪与可视化。

🛠️ 技术栈

• Workflow Orchestration: LangGraph
• LLM Integration: LangChain
• User Interface: Streamlit
• Observability: Langfuse, LangSmith
• PDF Parsing: PyMuPDF4LLM / Custom VLM Parser

🚀 快速开始

1. 环境要求

• Python >= 3.9
• 建议使用 uv 或 pip 管理依赖

2. 安装依赖

# 克隆项目
git clone https://github.com/yourusername/SourceMind.git
cd SourceMind

# 安装依赖
pip install -r requirements.txt
# 或者使用 uv
uv sync

3. 配置环境

复制示例配置文件并重命名为 .env：

cp .env.example .env

编辑 .env 文件，配置你的 API Key：

# 核心模型配置 (必填)
LLM_PROVIDER=OpenAI
OPENAI_API_KEY=sk-proj-...
OPENAI_MODEL_NAME=gpt-4o

# Langfuse 追踪配置 (可选，推荐)
LANGFUSE_PUBLIC_KEY=pk-lf-...
LANGFUSE_SECRET_KEY=sk-lf-...
LANGFUSE_HOST=https://cloud.langfuse.com

# LangSmith 追踪配置 (可选，推荐)
LANGSMITH_TRACING_V2=true
LANGSMITH_ENDPOINT=https://api.smith.langchain.com
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=SourceMind

# 网络搜索配置 (可选，用于相关工作搜索)
TAVILY_API_KEY=tvly-...
EXA_API_KEY=exa-...
SERPAPI_API_KEY=serp-...

4. 启动应用

streamlit run app.py

浏览器自动打开 http://localhost:8501 即可使用。

⚙️ 详细配置说明

模型配置 (Model Configuration)

SourceMind 支持为不同任务配置不同的模型，以平衡成本和效果。你可以在界面侧边栏或 .env 文件中进行配置。

• 核心模型：用于生成最终报告、提取要点、问答等通用任务。
• 翻译专用模型：建议使用上下文窗口大且翻译能力强的模型（如 claude-3-5-sonnet）。
• 评审/圆桌讨论模型：用于驱动圆桌讨论中的主持人与评审员，建议使用推理能力强的模型。
• 视觉解析 (VLM) 模型：仅在开启 VLM 模式时使用，必须支持视觉输入（如 gpt-4o, claude-3-5-sonnet）。

可观测性 (Langfuse & LangSmith)

本项目支持双重可观测性配置：

本项目深度集成了 Langfuse & LangSmith。配置好 LANGFUSE_* LANGSMITH_* 环境变量后：

1. 自动追踪：每次点击“开始分析”，Langfuse 后台会自动生成一条名为 SourceMind Analysis 或 LangGraph 的 Trace。
2. 完整视图：该 Trace 包含从图执行开始，到每一个节点（Node），再到每一次底层 LLM 调用的完整层级结构。

📂 项目结构

SourceMind/
├── app.py              # Streamlit 主程序入口
├── src/
│   ├── graph.py        # LangGraph 工作流定义
│   ├── nodes.py        # 各个分析节点的具体实现 (含 Prompt 逻辑)
│   ├── loader.py       # PDF 加载与解析逻辑 (含 VLM 实现)
│   ├── model_utils.py  # 模型实例化、回调管理与配置
│   ├── prompts.py      # Prompt 模板管理
│   └── state.py        # LangGraph 状态定义
├── .env.example        # 环境变量示例
└── requirements.txt    # 项目依赖

📝 License

MIT License