AI-auto_LiteratureReview

基于 LangGraph 的自动化文献综述系统，负责论文抓取、结构化提取、聚类/对比分析以及每周综述报告生成。

技术栈

• 后端：FastAPI、LangGraph、OpenAI SDK、Pydantic
• 前端：Next.js（App Router）、React、TypeScript、marked（Markdown 渲染）
• 数据来源：arXiv API；输出格式包含 CSV、Markdown、JSON

项目结构（概览）

• backend：API 服务与 LangGraph 工作流节点实现
• frontend：Next.js Web 前端（任务控制、结果预览与导出）

快速开始

后端

1. 创建 Python 虚拟环境并安装依赖：

cd backend
pip install -r requirements.txt

2. 配置环境变量（示例）：

# 请替换为你的实际密钥与地址
$env:API_KEY = "your-api-key"
$env:BASE_URL = "https://api.openai.com/v1"
$env:MODEL_NAME = "gpt-4o-mini"

3. 启动后端服务：

uvicorn main:app --reload --host 0.0.0.0 --port 8000

前端

cd frontend
npm install
npm run dev

然后在浏览器打开 http://localhost:3000

运行与配置说明

• 使用本地或远端 LLM：
  • 若需使用本地模型，设置 USE_LOCAL_LLM=true，并提供 LOCAL_API_KEY、LOCAL_BASE_URL、LOCAL_MODEL_NAME。
• 后端任务执行：
  • POST /api/v1/graph/run 启动任务，返回 task_id。
  • GET /api/v1/graph/status?task_id=... 可轮询获取 current_status 与任务进度。
  • 任务完成后可通过 /raw-papers、/paper-cards、/analysis、/digest 获取产出。
• 前端已实现：任务启动、轮询状态、展示/导出 JSON/CSV/Markdown、以及流程图渲染。