基于 AI 的 arXiv 论文追踪助手，按研究兴趣发现论文、生成推荐与报告，并支持论文全文问答。

• 论文追踪：管理研究兴趣，手动或定时抓取 arXiv 论文。
• 智能推荐：评估论文相关性，生成推荐理由与研究报告。
• 阅读与问答：下载、解析 PDF，结合语义检索与 BM25 进行全文问答。
• 论文管理：收藏论文、标记阅读状态、查看历史对话。
• 模型接入：支持 OpenAI 兼容接口和 Anthropic，可选配视觉模型辅助解析图表。

准备 Python 3.11+、Node.js 18+、npm、uv 和 Make。以下命令在项目根目录执行。

make setup

安装脚本会创建 .venv、安装前后端依赖，并在 .env 不存在时从 .env.example 复制配置。

编辑 .env，填写实际可用的 API 密钥、服务地址和模型名称：

LLM_PROVIDER=openai
OPENAI_API_KEY=你的密钥
OPENAI_API_BASE=https://api.deepseek.com
LLM_MODEL=你的模型名称

EMBEDDING_API_KEY=你的向量模型密钥
EMBEDDING_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
EMBEDDING_MODEL=text-embedding-v4

论文抓取 Agent 需要支持工具调用的模型，可通过 LLM_AGENT_MODEL 单独指定。使用 Anthropic 时，将 LLM_PROVIDER 改为 anthropic，并配置 ANTHROPIC_API_KEY 和 ANTHROPIC_MODEL；Embedding 仍需单独配置。更多选项见 .env.example。

make dev

• 应用界面：http://localhost:3000
• API 文档：http://localhost:8000/docs

在 Interests 添加研究兴趣后，点击 Fetch Papers 抓取论文；在 Recommendations 和 Reports 查看结果，进入论文详情进行阅读与问答。定时抓取可在 Settings 配置，需要保持后端运行。

make backend    # 单独启动后端
make frontend   # 单独启动前端

后端使用 FastAPI、LangChain / LangGraph、SQLite 和 ChromaDB，PDF 解析使用 Docling；前端使用 React、TypeScript、Vite 和 Tailwind CSS。

backend/     # API、Agent、检索与论文处理服务
frontend/    # Web 界面
demo/        # 界面截图
data/        # 运行时生成的数据库、PDF 与向量索引