Lightstar

文献启明星（LightStar）- 科研调研智能体系统

项目简介

文献启明星是一款面向科研初学者的 AI 智能体系统，致力于帮助用户从模糊的研究意图出发，自动完成科研调研的核心流程，包括：主题拆解、文献检索、文献聚类、结构总结、代表文献推荐与调研报告生成。

用户仅需输入一句话，即可获得一份结构化的初步调研成果，用于选题、开题、综述写作或项目申报。本项目采用前后端分离架构，支持多端适配，为不同场景下的科研人员提供便捷服务。

最新功能更新

户账户系统：新增用户注册、登录和个人资料管理功能 AI聊天助手：引入智能对话功能，辅助研究过程中的问题解答 研究报告生成：支持自动生成格式化的研究报告，包括章节标题和详细内容 论文检索与显示：优化了论文结果显示，支持查看完整摘要和原文链接 HTML导出：支持将研究报告以HTML格式导出，方便用户保存和分享 UI交互优化：研究助手界面全新设计，分离显示论文列表和研究报告 多语言支持：支持英文研究报告生成 实时进度反馈：在研究过程中提供实时的进度更新和关键词提取

技术架构

后端 (Backend)

• 框架: FastAPI
• 语言: Python 3.8+
• 数据库: SQLite (通过SQLAlchemy ORM)
• 认证: JWT令牌认证
• 核心依赖:
  • arxiv API (文献检索)
  • sentence-transformers (文本向量化)
  • scikit-learn (聚类分析)
  • Deepseek API (报告生成和AI聊天)
  • Pydantic (数据验证)
  • SQLAlchemy (数据库ORM)

前端 (Frontend)

• 框架: Next.js 14
• UI构建: Tailwind CSS 3
• 状态管理: React Hooks
• 认证: 基于JWT的用户验证系统
• 特色功能:
  • 响应式设计，适配不同设备
  • 多主题切换系统
  • 玻璃态UI设计 (Glassmorphism)
  • 模态框交互
  • 实时数据流处理 (Server-Sent Events)
  • 用户面板和个人资料管理

项目结构

lightstar/
├── backend/                    # FastAPI后端服务
│   ├── main.py                 # 主入口
│   ├── config.py               # 配置文件
│   ├── init_db.py              # 数据库初始化
│   ├── api/                    # API路由
│   ├── core/                   # 核心业务逻辑
│   │   ├── auth.py             # 认证系统
│   │   ├── models.py           # 数据模型
│   │   ├── database.py         # 数据库连接
│   │   ├── research.py         # 研究流程
│   │   ├── clustering.py       # 聚类算法
│   │   └── report.py           # 报告生成
│   └── utils/                  # 工具函数
│
├── lightstar-web/              # Next.js前端应用
│   ├── src/
│   │   ├── app/                # 页面
│   │   │   ├── login/          # 登录页面
│   │   │   ├── register/       # 注册页面
│   │   │   ├── dashboard/      # 仪表盘页面
│   │   │   ├── profile/        # 个人资料页面
│   │   │   └── ai-chat/        # AI聊天页面
│   │   ├── components/         # UI组件
│   │   │   ├── ui/             # 基础UI组件
│   │   │   └── forms/          # 表单组件
│   │   └── lib/                # 工具函数
│   └── public/                 # 静态资源
│
└── README.md                   # 项目说明文档

环境配置

1. 克隆仓库

   git clone http://git.fmode.cn:3000/XMD/Lightstar.git
   cd Lightstar
   

2. 配置环境变量 复制环境变量模板并填写必要信息

   cp .env.example .env
   # 编辑.env文件，填写必要的API密钥
   

使用说明

后端服务启动

# 创建虚拟环境(可选)
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

# 安装依赖
pip install -r requirements.txt

# 初始化数据库
cd backend
python init_db.py

# 启动后端服务
python main.py

后端服务将在 http://localhost:8000 启动

前端应用启动

cd lightstar-web
npm install
npm run dev

前端应用将在 http://localhost:3000 启动

功能详解

用户账户系统

1. 用户注册: 创建新账户，提供用户名、邮箱和密码
2. 用户登录: 安全登录系统，获取JWT令牌
3. 个人资料: 查看和更新个人信息
4. 会话管理: 自动刷新令牌，确保无缝体验

研究助手界面

研究助手提供了一站式调研流程，主要功能包括：

1. 研究主题输入：用户只需输入自己感兴趣的研究主题
2. 关键词提取：系统自动从研究主题中提取关键词
3. 研究方向生成：基于关键词生成多个研究方向
4. 论文检索：为每个研究方向自动检索相关论文
5. 研究报告生成：为每个研究方向生成详细的研究报告
6. 报告导出：支持将研究报告导出为HTML格式

AI聊天助手

1. 智能对话: 基于大型语言模型的对话系统
2. 研究相关问答: 解答研究过程中的问题
3. 文献解析帮助: 辅助理解复杂文献
4. 研究建议: 提供研究方向和方法建议

界面交互

1. 论文模态框：点击"查看相关论文"可打开论文列表模态框，显示论文标题、作者、年份、摘要等信息，支持点击论文标题查看原文
2. 报告模态框：点击"查看研究报告"可打开报告模态框，显示完整研究报告，支持下载为HTML格式
3. 聊天界面: 友好的聊天界面设计，支持代码高亮和降价格式

功能特点（功能持续拓展中）

• 用户身份验证和账户管理
• 智能AI聊天助手
• 智能研究主题解析
• 自动文献检索与分析
• 文献聚类与可视化
• 研究报告自动生成
• 多主题UI，提供舒适的视觉体验
• 响应式设计，支持各类设备
• HTML格式报告导出
• 实时进度反馈
• 文献原文链接直达

下一步计划

• 添加研究报告PDF导出功能
• 支持更多文献数据库的集成
• 增强文献分析功能，提供引用网络
• 历史研究项目保存与管理
• 团队协作功能
• 开发移动端应用
• 增加自定义研究报告模板
• 引入更多高级AI模型
• 添加主题图表可视化功能
• 支持批量导出文献元数据

贡献指南

1. Fork项目仓库
2. 创建功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add some amazing feature')
4. 推送分支 (git push origin feature/amazing-feature)
5. 创建Pull Request

联系方式

项目负责人：[XMD] - [xumingdi2004@icloud.com]

---

目标用户

• 初入科研的硕士/博士研究生
• 缺乏调研经验的年轻教师或科研助理
• 对某一新领域感兴趣的项目开发人员
• 需要在多种设备上进行科研调研的研究人员

---

核心价值

用户痛点	文献启明星的解决方案
不会选题、不知从哪开始	AI 拆解主题，提炼研究方向
不会查文献，效率低	自动调用开放数据库进行检索
无法判断文献质量	提供引用数、摘要、推荐标记
看完文献却写不出综述	聚类归纳 + 自动报告生成
对研究有疑问无人解答	AI助手提供智能对话支持
时间紧、任务重、无从下手	一站式完成调研闭环
需要随时随地进行研究	多端适配，支持Web/移动/桌面

---

功能流程图

用户注册/登录 → 个人资料设置
         ↓
用户输入研究意图
         ↓
AI 拆解关键词与子主题
         ↓
调用文献 API 自动检索（arXiv / Semantic Scholar）
         ↓
聚类文献主题，归纳关键词与研究路线
         ↓
推荐经典/综述文献（摘要 + 链接）
         ↓
输出结构化调研报告（含HTML导出功能）
         ↓
AI聊天助手辅助解答研究问题

界面预览

• 用户登录/注册界面：简洁明了的身份验证入口
• 个人资料页面：用户信息管理
• 研究助手界面：提供直观的研究主题输入和结果展示
• AI聊天界面：友好的对话式帮助系统
• 论文列表模态框：显示相关论文及其详细信息
• 研究报告模态框：格式化展示完整研究报告，支持HTML导出

错误处理

系统提供了完善的错误处理机制，包括：

• 连接失败重试
• 用户友好的错误提示
• 调试信息记录
• 数据缓存恢复
• 认证错误处理

许可证

本项目遵循 MIT 许可证