import os from playwright.sync_api import sync_playwright HTML_ARCH = """

AI Scientist 自进化科研发现引擎 · 四层总体解耦系统架构

System Architecture: Presentation · Autonomous Multi-Agent Core · Augmentation Tools · Foundation Models 100% 国产百炼 Qwen 开源矩阵 Reviewer #2 对抗审稿 1024维 Dense Vector RAG

Layer 1
一、交互表现层
Streamlit Web 端与可视化人机协同交互工作台
🖥️ 双模式交互工作台
人在回路协同模式（4步渐进式卡片解锁与人类导师先验输入） + 24/7 全自动无人值守发现流
Wizard 进度导航 导师介入注入机制 参数动态调节
⚡ 暗黑极客流式终端
嵌入式 Terminal 终端控制台，实时渲染多智能体状态机底层日志、阶段耗时与思维链轨迹
实时打字光标 ANSI 语法高亮 低延迟流式吞吐
💬 大模型流式对话视窗
直观呈现科研假说推导者与 Reviewer #2 魔鬼审稿人之间的多轮学术思辨对话气泡流
双角色对话气泡 实时 Token 渲染 历史推演回溯
📊 五维审查打分看板
Reviewer #2 50分制量化打分雷达图、各单项指标 Metric 仪表盘与最终学术裁决 Badge
ACCEPT / REVISE / REJECT 5 维度量化条 批注折叠卡片
▼ 用户交互指令 / 状态事件流 Generator 实时双向通信 ▼
Layer 2
二、智能体核心层
自进化超级多智能体分工协同与状态机调度中枢
🧠 引擎主调度控制器
AIScientistEngine
统筹 5 大阶段生命周期状态机，管理自进化闭环学习循环 (Learning Loop) 与轮次自纠偏
阶段状态机控制 1-10 轮自循环
🔍 1. 文献挖掘智能体
LiteratureMiningSkill
提取双引号学术专有名词，调度 arXiv API 并触发 1024 维向量化索引构建
英文术语映射 多领域分类
💡 2. 假说推导智能体
HypothesisGeneratorSkill
基于 RAG 文献证据进行“归纳-演绎”双轨推理，多轮自进化中融合导师反馈与审稿批评
3 组候选假说 可证伪性约束
⚖️ 3. 对抗审稿智能体
HypothesisCriticSkill
化身“Reviewer #2 魔鬼审稿人”，实施 5 维 50 分制严苛量化审查与物理时间线锚定
物理时间线对齐 结构化批注回传
📝 4. 报告编纂智能体
ResearchPlanWriterSkill
自动化编撰严格包含 10 个标准学术规范章节的 Markdown 综合研究计划与证据链路图
10 标准字段规范 真实 DOI 索引
▼ 智能体工具调用 / 知识检索重排 / 拓扑图谱构建请求 ▼
Layer 3
三、工具与向量层
学术工具库、高维向量 RAG 与知识图谱构建引擎
📚 arXiv 真实文献检索工具
ArxivTool：直接调用 arXiv 官方 XML API，自动获取最新论文之标题、摘要、作者及真实 DOI 唯一识别码，覆盖 AI、天文、量子与生物学跨学科领域
学术专有名词提取 真实 DOI 追溯 跨学科多分类支持
🎯 通义 1024 维 Dense Vector Hybrid RAG 引擎
SimpleRAGTool：基于 NumPy 矩阵高速余弦相似度计算，结合 7:3 稠密向量与稀疏关键词重排融合公式 (S_hybrid = 0.7*S_dense + 0.3*S_sparse)，彻底根除大模型事实性幻觉
1024 维稠密表征 Cosine 矩阵加速 Top-K 证据段落重排
🕸️ NetworkX 知识图谱与 Mermaid 转换引擎
KnowledgeGraphTool：大模型驱动 NER/RE 实体关系抽取，提炼 (Subject, Predicate, Object) 科学三元组建立 DiGraph 有向图，自动导出高质量 Mermaid 证据链路可视化代码
科学三元组抽取 NetworkX 有向图 Mermaid 代码原生导出
▼ 标准 OpenAI SDK 兼容接口 / 阿里云百炼 MaaS 平台推理请求 ▼
Layer 4
四、大模型基座层
阿里云百炼 MaaS 平台 · 通义千问开源大模型矩阵
☁️ 阿里云百炼统一网关
LLMClient (MaaS Gateway)
兼容 OpenAI SDK 标准协议，内置异常熔断重试与原生 HTTP REST 优雅降级机制
OpenAI 协议兼容 REST API 回退
🧠 qwen3.7-max
深度复杂逻辑推理基座
负责假说推导中的演绎证明、假说严谨性论证及终审 Reviewer #2 对抗审查
千亿级高深推理 超强数学逻辑
📑 qwen3.7-plus
平衡探索与报告编撰基座
擅长规范化学术文本撰写、实验方案周密设计与学科文献综合分析
学术论文级写作 10字段严谨报告
⚡ qwen3.8-flash / 3.6-flash
极速响应与实体抽取基座
毫秒级流式响应，负责摘要 NER/RE 科学三元组抽取与快速原型流式生成
100万 Token 窗口 提速 +104%
📐 text-embedding-v3
官方配套高维语义向量基座
为学术文献提供 1024 维的高保真稠密语义嵌入，支持精准语义距离度量
1024 维高维向量 多语言学术增强
参赛题目：XH-202619 基于国产开源大模型的 AI Scientist 的研发与应用
系统定位：面向前沿科学研究的“自主进化科研发现超级智能体”工程闭环
技术基石：阿里云百炼 MaaS · 通义千问 Qwen 开源矩阵 · 7:3 Hybrid RAG · 50分制 Reviewer #2
""" HTML_PIPELINE = """

AI Scientist 自进化科研发现闭环全流程图

End-to-End Autonomous Scientific Discovery Pipeline & Self-Evolution Control Loop 【五大关键阶段清晰平铺展开 · 无缝衔接与对抗迭代】

Stage 01
🎯 科学问题输入
📥 输入数据
自然语言科研难题 Query（如：大模型长程推理幻觉突破机制、拓扑量子物态发现）
⚙️ 引擎执行操作
1 解析问题深层科研语义与学科分类
2 设置审查通过门槛（默认 35 分）
3 配置最大自进化迭代轮数（1-10 轮）
4 选择底座大模型（Qwen 系列热切换）
📤 阶段产物
标准化科研问题配置对象与环境上下文
➔
Stage 02
📚 文献深度挖掘
🤖 调度智能体 / 工具
LiteratureMiningSkill + ArxivTool
⚙️ 引擎执行操作
1 基于智能映射提取双引号英文学术关键词
2 实时向 arXiv API 发起多篇真实前沿论文检索
3 提取论文真实 Title、Abstract、Date、DOI
4 调用 text-embedding-v3 生成 1024 维向量
5 执行 7:3 稠密-稀疏混合重排算法 (Hybrid RAG)
📤 阶段产物
真实文献元数据池 + Top-K 真实学术证据切片
➔
Stage 03
🕸️ 知识图谱构建
🤖 调度智能体 / 工具
KnowledgeGraphTool + Qwen NER/RE
⚙️ 引擎执行操作
1 调用 Qwen 结构化抽取文献实体与关联谓词
2 提炼 (Subject, Predicate, Object, Evidence)
3 注入 NetworkX 构建科研概念 DiGraph 有向图
4 遍历边集计算拓扑特征并剔除虚假连接
5 一键导出为标准的 Mermaid 语法拓扑代码
📤 阶段产物
学科知识拓扑图谱 + Mermaid 可视化证据链代码
➔
Stage 04 · 核心进化闭环
⚖️ 假说推导与对抗审稿
🤖 协同智能体
HypothesisGeneratorSkill ⇋ 对抗 ⇋ HypothesisCriticSkill
⚙️ 双轨推导与 5 维严苛审查
1 假说生成：结合真实文献上下文，流式推导 3 组科学假说
2 物理时间线锚定：消除外部最新成果与知识库截断的幻觉
3 Reviewer #2 严苛审稿：从逻辑、文献、证伪、新颖、可行 5 维量化打分 (50分制)
4 综合判定：得分 ≥ 35 (ACCEPT) / 25-34 (REVISE) / <25 (REJECT)
🔄 闭环学习循环 (Self-Evolution Loop) 核心自进化
若判定为 REVISE/REJECT 且未达最大轮数：系统自动捕获审稿人批注，注入生成 Prompt 作为惩罚性约束，触发下一轮假说自我纠偏（轮数 t = t + 1）。
📤 阶段产物
通过最终严苛审查的“最佳科学假说”与量化审稿报告
➔
Stage 05
📝 报告自动编纂
🤖 调度智能体
ResearchPlanWriterSkill (qwen3.7-plus)
⚙️ 引擎执行操作
1 组装最终通过的最佳科学假设与审稿依据
2 嵌入阶段 3 抽取的 Mermaid 证据链路可视化图谱
3 自动推演方法论架构图与验证实验基线对比
4 注入真实 arXiv DOI 参考文献列表（确保可回溯）
5 严格编纂 10 个标准学术规范章节完整报告
📤 阶段产物
《科学假设与研究计划报告》Markdown 终稿与一键下载
数据流向：科学问题 ➔ 真实文献检索 ➔ 知识图谱三元组 ➔ 假说对抗自进化 ➔ 10字段规范学术报告
核心机制：7:3 Hybrid RAG + 1024维向量 · 50分制 Reviewer #2 · 多轮闭环反馈迭代纠偏
系统价值：打破 LLM 科研幻觉 · 实现可验证假说的全自动化闭环发现与探索
""" def generate_images(): output_dir = "docs" os.makedirs(output_dir, exist_ok=True) with sync_playwright() as p: browser = p.chromium.launch() # 1. 渲染系统四层总体解耦架构图 (16:9 宽屏，2400x1450) page1 = browser.new_page(viewport={"width": 2400, "height": 1450}) page1.set_content(HTML_ARCH) path1 = os.path.join(output_dir, "01_system_architecture.png") page1.screenshot(path=path1, full_page=True) print(f"Rendered: {path1}") # 同时替换原有的 architecture_diagram.png (不再拥挤，字迹极大、排版极度舒展) path_main = os.path.join(output_dir, "architecture_diagram.png") page1.screenshot(path=path_main, full_page=True) print(f"Rendered (replaced): {path_main}") page1.close() # 2. 渲染全流程自进化科研发现闭环流程图 (16:9 宽屏，2400x1350) page2 = browser.new_page(viewport={"width": 2400, "height": 1350}) page2.set_content(HTML_PIPELINE) path2 = os.path.join(output_dir, "02_workflow_pipeline.png") page2.screenshot(path=path2, full_page=True) print(f"Rendered: {path2}") page2.close() browser.close() if __name__ == "__main__": generate_images()