paper-sage 1.1.9

AI-powered literature reading assistant with multi-agent orchestration and hybrid RAG

PaperSage

面向科研阅读、可追溯证据与多 Agent 协作的项目式研究工作台。

PaperSage 将文献、会话、检索证据、长期记忆与 Agent 活动统一放进研究项目。上传资料后，解析、OCR 与索引在后台进行；用户可以立即开始对话，资料就绪后自动进入后续检索范围。

普通文档和可提取文本的 PDF 在本地解析；扫描型 PDF 会使用你在“设置”中配置的支持视觉输入的模型进行逐页 OCR，以避免把本地 OCR 运行时打进所有桌面安装包。

核心能力

• 项目式研究空间：项目拥有资料库、主会话与分支会话、证据、记忆和研究活动，避免跨任务混杂上下文。
• 可追溯问答：项目级 RAG 使用 LanceDB、Dense 向量、全文检索与 RRF 混合召回；回答中的证据可回到原文片段。
• 异步资料处理：多文件上传后依次经历提取、OCR、分块、Embedding 与发布，前端显示真实进度且不阻塞会话。
• 多 Agent 协作：Leader 可委派 researcher、reviewer、writer 等子 Agent；委派和工具调用由持久事件流驱动，而非模拟进度。
• 持久化研究过程：SQLite 保存项目、消息、运行事件和摄取状态，LangGraph checkpoint 保存 Agent 状态；中途离开后可恢复运行与流式答案。
• 研究产物：支持证据引用、Markdown/KaTeX 渲染、上下文检查器，以及受限 A2UI 协议生成的思维导图。

使用方式

1. 新建或选择一个研究项目。
2. 在“资料库”中一次上传多份 PDF、DOCX 或文本资料；不必等待索引完成。
3. 进入主会话提问，或在需要探索不同方向时创建分支会话。
4. 在回答侧边检查器中查看引用证据、资料状态与实际执行活动。

架构概览

flowchart LR
  UI[React 工作台] --> API[FastAPI /api/v1]
  API --> APP[Application 用例]
  APP --> AGENT[Leader 与 Subagents]
  APP --> RAG[LanceDB 混合检索]
  APP --> DB[(SQLite)]
  RAG --> DOC[解析 / OCR / 分块 / Embedding]
  AGENT --> SSE[持久 Run 事件流]
  SSE --> UI

前端是独立的 Vite + React 应用：TanStack Router 管理可导航状态，TanStack Query 管理服务端缓存与轮询，Zustand 仅保存 UI 状态，shadcn/ui 与 Radix UI 提供无障碍组件基础。后端使用 FastAPI 作为传输边界，agent/domain、agent/application 和 agent/adapters 保持分层；UI 不直接调用模型或数据库。

更多设计细节见：Web 应用架构、Agent 运行时、桌面应用。

快速开始

环境要求

• Python 3.11+
• uv
• Node.js 22+
• pnpm 11（建议通过 Corepack 使用）

corepack enable
make install-dev      # 安装 Python 开发依赖
make web-install      # 按 pnpm-lock.yaml 安装前端依赖
make run              # 同时启动 API :8000 和 Vite :5173

浏览器打开 http://127.0.0.1:5173。也可以分别启动：

make api-dev          # FastAPI，支持 reload
make web-dev          # Vite 开发服务器

生产构建由 FastAPI 托管前端静态文件：

make web-build
make serve            # http://127.0.0.1:8000

桌面端

桌面版将 React 前端与 FastAPI 服务一起打包为 Electron 应用，并使用应用内自定义标题栏。

make desktop-dev
make desktop-package-win    # Windows NSIS
make desktop-package-mac    # 仅 macOS 上执行，生成 DMG
make desktop-package-linux  # 仅 Linux 上执行，生成 AppImage 与 deb

发布 vX.Y.Z tag 时，GitHub Actions 会在 Windows、macOS、Linux 原生 runner 上构建安装包、生成 SHA-256 清单，并为公开 Release 生成 GitHub/Sigstore 构建证明。版本号必须同时匹配 pyproject.toml 与 web/package.json。具体的签名、公证和验证操作见桌面发布运维说明。

项目结构

api/                    # FastAPI 路由、schema 与 HTTP transport
web/
  src/components/       # 应用壳、领域组件与 shadcn/ui 组件
  src/pages/            # 项目、研究、资料库、设置页面
  src/lib/              # API client、Zod schema、Query hooks、平台边界
  src/stores/           # Zustand UI 状态
  electron/             # Electron main / preload / 开发启动器
agent/
  domain/               # 领域模型与契约
  application/          # 用例编排
  adapters/             # SQLite、LanceDB、文件、模型等外部适配
  subagent/             # 子 Agent 定义与协作能力
tests/                  # 单元、集成与评测
docs/architecture/      # 架构与运维文档

配置

复制 .env.example 为 .env，或在应用“设置”中保存用户级模型配置。密钥仅由后端读取，API 不会返回完整密钥。

# OpenAI-compatible 模型服务
OPENAI_COMPATIBLE_BASE_URL=https://your-provider.example/v1
OPENAI_MODEL_NAME=your-model
OPENAI_API_KEY=your-secret

# 项目级 RAG：0 表示不限制资料规模
AGENT_LANCEDB_DIR=./.cache/lancedb
LOCAL_RAG_PROJECT_MAX_CHARS=0
LOCAL_RAG_PROJECT_MAX_CHUNKS=0
RAG_INDEX_BATCH_SIZE=256

# 可选：Web 搜索与 Redis 队列
BRAVE_SEARCH_API_KEY=
REDIS_HOST=localhost

不要提交 .env、API Key、签名证书或 Apple notarization 凭据。完整配置项见 .env.example。

开发与质量门禁

make check             # 快速本地门禁：核心 lint/typecheck、Web 检查、单测
make ci                # 完整离线 CI：锁文件、质量、前端测试/构建、全量测试
make test-unit         # Python 单元测试
make web-test          # Vitest 前端组件测试
make quality-full      # Python + 前端 lint/typecheck
make test-evals        # 离线 Agent 评测

变更请遵守 AGENTS.md：保持 UI → application → domain 的依赖方向，业务改动附带测试和文档，并避免把运行时编排或数据访问写入 UI。

贡献

提交前至少运行与改动范围对应的测试。Pull Request 请说明问题背景、变更范围、风险与回滚方式，并附上执行过的验证命令。详细工程约束与评审清单见 AGENTS.md。

License

本项目采用 MIT License。