Paper Agent Lab

一个基于大模型的科研辅助智能体原型，能够将自然语言指令转化为可执行的Python代码技能，用于自动化处理科研数据和生成论文片段。

功能特性

• 技能蒸馏：输入自然语言需求（如“生成三线表”），自动调用大模型生成标准Python代码。
• 技能执行：在本地加载并执行已生成的代码，处理输入数据并输出论文可用的内容。
• 本地技能库：所有生成的代码自动持久化为JSON文件，支持离线调用和版本管理。
• 模型适配：默认适配阿里云百炼/DashScope接口，兼容OpenAI标准协议。

技术架构

核心模块

• SkillLibrary：负责技能的增删改查（CRUD），将代码作为数据存储在本地JSON中。
• ResearchAgent：核心逻辑层，分离了“技能蒸馏”（规划/生成）和“技能调用”（行动/执行）两个阶段。
• OpenAI Client：配置了DashScope的兼容模式接口，连接Qwen系列模型（如qwen-plus）。

工作流程

1. 蒸馏阶段：用户输入任务描述 -> 生成Prompt -> 调用LLM生成代码 -> 正则提取代码 -> 保存至本地技能库。
2. 执行阶段：用户调用技能名 -> 从库中检索代码 -> 使用exec执行代码 -> 返回处理结果。

快速开始

环境依赖

• Python 3.8+
• openai>=1.0

安装与运行

1. 安装依赖库：

   pip install openai

2. 配置API密钥：

   • 修改paper_agent_lab.py中的api_key为你的DashScope或百炼平台密钥。

3. 执行主程序：

   python paper_agent_lab.py

配置说明

• API配置：在文件顶部修改client的api_key和base_url以适配不同的模型服务商。
• 技能存储：技能默认保存在同级目录下的paper_skills.json文件中。
• 模型选择：可通过修改MODEL_NAME常量切换不同的Qwen模型版本。

应用场景

• 论文写作：自动生成符合期刊格式的Markdown表格、图表描述。
• 数据处理：快速编写脚本处理实验数据、计算统计指标。
• 代码复用：将常用的科研计算逻辑保存为技能库，供后续项目调用。

安全与维护

• 执行安全：代码使用exec()执行动态生成的脚本，存在安全风险。建议在沙箱环境或Docker容器中运行。
• 错误处理：当前版本包含基础的异常捕获，建议在生产环境中增加重试机制和更详细的日志记录。
• 密钥管理：请勿将包含API密钥的代码提交至公共仓库，建议使用环境变量管理敏感信息。