# 基于国产开源大模型的 AI Scientist 自进化科研发现引擎 (XH-202619) > **系统名称**:基于国产开源大模型的 AI Scientist 自进化科研发现引擎 > **核心架构**:基于阿里通义千问 (Qwen) 大模型矩阵与多智能体分工协同架构,融合 1024 维 Dense Vector Hybrid RAG、Reviewer #2 对抗性审查闭环与知识图谱实体推理。 --- ## 🌟 核心亮点 1. **100% 国产开源可控**:深度适配阿里云百炼平台 Qwen 大模型矩阵(`qwen3.7-max` / `qwen3.7-plus` / `qwen3.6-flash`),支持热切换。 2. **1024 维 Dense Vector Hybrid RAG**:接入通义 `text-embedding-v3` 模型,7:3 稠密-稀疏混合检索重排,严格溯源 arXiv 文献,根除幻觉。 3. **Reviewer #2 对抗审稿闭环**:5 大维度(50 分制)严苛对抗性审查,自动触发自进化纠偏循环(1-10 轮可调)。 4. **双模式交互**:Streamlit 现代 Web 前端,支持"人在回路协同模式"(人机共创)与"全自动无人值守模式"。 5. **知识图谱实体与证据链路**:自动抽取文献三元组生成 NetworkX 有向图与 Mermaid 关系链路。 --- ## 📁 目录结构 ```text ├── .streamlit/ # Streamlit 前端配置 ├── docs/ # 架构设计图与文档资产 ├── frontend/ │ └── app.py # 现代化 Streamlit Web 交互界面 ├── outputs/ # 生成的研究计划报告与产物 ├── src/ │ ├── agent/ │ │ └── engine.py # AI Scientist 核心多智能体编排引擎 │ ├── llm/ │ │ └── client.py # 通义千问 LLM 与 Embeddings 统一适配器 │ ├── skills/ │ │ ├── literature_mining.py # 文献挖掘与实体提取 │ │ ├── hypothesis_generator.py # 科学假说自进化生成 │ │ ├── hypothesis_critic.py # Reviewer #2 对抗审查 │ │ └── plan_writer.py # 完整研究方案生成 │ ├── tools/ │ │ ├── arxiv_tool.py # arXiv 实时论文检索工具 │ │ ├── rag_tool.py # 1024维向量检索与重排工具 │ │ └── graph_tool.py # 科学知识图谱构建工具 │ └── config.py # 全局配置中心 ├── requirements.txt # Python 依赖清单 ├── run_paper_example.py # 命令行示例入口 ├── XH-202619-AI_Scientist工程实践方案.md # 详细技术方案文档 └── README.md # 项目说明文件 ``` --- ## 🚀 快速开始 ### 1. 环境准备与依赖安装 建议使用 Python 3.10+ 环境: ```bash # 安装核心依赖 pip install -r requirements.txt ``` ### 2. 配置环境变量 复制环境配置文件并填入 API Key: ```bash cp .env.example .env ``` 在 `.env` 中配置阿里云通义千问或兼容 OpenAI 规范的 API Key: ```env API_KEY=your_dashscope_or_openai_key BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 DEFAULT_MODEL=qwen3.7-max ``` ### 3. 启动应用 #### 方式一:启动 Web 交互界面(推荐) ```bash streamlit run frontend/app.py ``` #### 方式二:运行命令行示例脚本 ```bash python run_paper_example.py ``` --- ## 📄 文档与方案 详细的技术架构、多智能体协同机制及实现细节请参阅 [XH-202619-AI_Scientist工程实践方案.md](XH-202619-AI_Scientist工程实践方案.md)。