本工具是 Nana 项目的其中一个核心功能，一个旨在简化和自动化科研流程的智能助手。

它能够接收一个论文标题列表，自动在线查找论文的详细信息（如 arXiv ID 和 PDF 链接），然后利用大语言模型（LLM）来生成结构清晰、内容详尽的专业摘要。所有结果都将通过一个现代化的 FastAPI + 原生前端 Web 界面进行展示，支持PDF查看、AI摘要显示和智能聊天功能。

• 自动论文信息获取：仅需提供标题，即可自动查找论文的详细信息。
• AI 驱动的论文摘要：利用大语言模型深入阅读 PDF，并根据可配置的模板生成结构化的专业解读。
• 现代化Web界面：基于 FastAPI + 原生HTML/CSS/JS 构建的响应式界面，无需额外依赖。
• PDF在线查看：直接在浏览器中查看论文PDF，支持缩放和导航。
• 智能聊天功能：与PDF进行智能对话，支持上下文记忆和建议问题。
• 三栏布局设计：论文选择、PDF/摘要查看(90vh×90vw)、聊天区域完美分割。
• 动态界面调整：聊天框根据对话内容自动调整高度，提供最佳用户体验。
• Markdown渲染：支持丰富的Markdown格式，包括标题、列表、代码块等。
• 持久化缓存：自动将成功处理的论文及其摘要保存在本地，避免重复工作和开销。
• 灵活配置：通过 config.yaml 文件，可以轻松配置 API 密钥和为不同任务选择不同的大语言模型。
• 结构化日志：在终端输出带有颜色和级别的日志，清晰地展示代理的运行状态和每一步操作。

请遵循以下步骤在您的本地环境中运行本项目。

• Python 3.9 或更高版本
• 一个大语言模型（LLM）提供商的 API 密钥（例如 OpenRouter）
• 现代浏览器（支持ES6+和PDF.js）
• uvicorn（FastAPI应用服务器，已包含在requirements.txt中）

首先，将项目代码克隆到您的本地机器。强烈建议您使用 Python 虚拟环境。

# 进入项目目录
cd nana

# 创建并激活虚拟环境 (推荐)
python -m venv venv
source venv/bin/activate  # Windows 用户请使用 `venv\Scripts\activate`

# 安装所需依赖
pip install -r requirements.txt

本项目使用 config.yaml 文件来管理 API 密钥和模型偏好。为了简化配置，我们提供了一个模板文件。

1. 重命名模板文件： 在 config/ 目录下, 将 config.template.yaml 重命名为 config.yaml。

2. 添加您的 API 密钥： 打开新的 config/config.yaml 文件，将文件中的 API 密钥占位符 ("sk-or-v1-YOUR_OPENROUTER_API_KEY") 替换为您自己的密钥。您也可以在该文件中自定义不同代理任务所使用的模型。

整个工作流程分为两个主要步骤：首先运行代理来收集和分析论文，然后启动现代化的 FastAPI Web 界面来查阅结果。

代理会读取一个输入文件中的论文标题列表，处理它们，并保存结果。

1. 创建输入列表： 在 agents/ 目录下创建一个名为 paper_search_agent.in 的文件。如果该文件不存在，代理在首次运行时会自动为您创建一个包含示例内容的文件。

2. 添加论文标题： 打开 agents/paper_search_agent.in 文件，在其中添加您想要研究的论文标题，每行一个。例如：

   Toolformer: Language Models Can Teach Themselves to Use Tools
   ReAct Meets ActRe: When Language Agents Enjoy Training Data Autonomy
   

3. 执行代理： 在项目根目录下运行以下命令：

   python agents/paper_search_agent.py

   代理会在终端中打印出详细的日志，并将所有结果保存在 storage/paper_search_agent/cache.json 文件中。

当代理完成数据收集后，您可以启动现代化的 FastAPI Web 界面来查看和交互。

1. 启动 FastAPI 服务： 进入 rev1 目录并启动服务：

   cd pages/paper_search_agent_rev1
   uvicorn main:app --host 0.0.0.0 --port 20002 --reload

2. 打开交互界面： 在浏览器中访问 http://localhost:20002，您将看到一个现代化的三栏布局界面：

   • Block 1 - 论文选择区域：

     • 搜索和过滤论文
     • 下拉列表选择论文
     • 显示论文数量统计
     • 刷新按钮

   • Block 2 - 主内容区域 (90vh × 90vw)：

     • PDF查看器 (60%)：直接在线查看论文PDF
     • AI摘要显示 (40%)：结构化的论文解读
     • 可拖拽调整两个面板的大小比例

   • Block 3 - 智能聊天区域：

     • 与选中的论文进行智能对话
     • 支持上下文记忆的多轮对话
     • 自动生成的建议问题
     • 聊天框根据对话内容自动调整高度
     • 丰富的Markdown格式支持

• 响应式设计：适配不同屏幕尺寸
• 无刷新体验：选择论文时页面内容无缝更新
• 智能交互：点击建议问题快速开始对话
• 专业外观：现代化的UI设计和流畅的动画效果
• 键盘支持：回车键发送消息，Shift+回车换行

• FastAPI：现代化的Python Web框架，提供高性能的API服务
• Pydantic：数据验证和序列化，确保API数据的类型安全
• 服务层设计：
  • PaperService：论文数据管理和缓存
  • ChatService：聊天功能和LLM集成
  • 清晰的关注点分离和可维护性

• 原生技术栈：HTML5 + CSS3 + 原生JavaScript，无重型框架依赖
• 模块化设计：
  • app.js：主应用逻辑和状态管理
  • paper-viewer.js：PDF查看器组件
  • chat.js：聊天界面组件
  • resizer.js：可拖拽面板调整组件
• 响应式CSS：自适应布局，支持桌面和移动设备

• PDF.js：Mozilla的PDF渲染引擎，支持在线PDF查看
• Marked.js：高性能Markdown解析和渲染
• MathJax：数学公式渲染支持

1. 用户选择论文 → API获取论文详情 → 更新PDF和摘要显示
2. 用户发送聊天消息 → ChatService处理 → LLM生成回复 → Markdown渲染显示
3. 所有交互均为异步处理，保证界面流畅性

当前版本: Rev1 (FastAPI + 原生前端)

Rev1 是对原版本的重大升级，从 Gradio 迁移到了更加灵活和高性能的 FastAPI + 原生前端架构。主要改进包括：

• 🚀 更高性能：FastAPI 提供更快的API响应速度
• 🎨 更美观的界面：原生CSS设计，完全可定制的用户体验
• 💬 智能聊天功能：与PDF进行自然语言对话，支持上下文记忆
• 📱 更好的响应式设计：适配各种设备屏幕尺寸
• ⚡ 无刷新体验：所有操作都是异步的，页面切换更流畅
• 🔧 更好的可维护性：模块化的代码结构，便于功能扩展

如果您需要使用旧版本的Gradio界面，请运行：

python pages/paper_search_agent/app.py

我们强烈推荐使用Rev1版本以获得最佳的用户体验。