AI驱动的学术文献聚合工具，自动抓取arXiv和Hugging Face最新论文，智能分类并生成结构化摘要，支持本地API服务。
说明：
## 核心用法
Agentic Paper Digest 是一个自动化的学术论文聚合与摘要系统，主要面向研究人员和AI从业者。其核心工作流包括：
1. **多源抓取**：从 arXiv（支持多类别如 cs.CL、cs.AI 等）和 Hugging Face 平台获取最新论文
2. **智能筛选**：通过 LLM 进行相关性评分，基于用户定义的 topics.json 主题配置进行分类
3. **摘要生成**：对筛选后的论文生成结构化摘要，可选启用 PDF 首页文本提取增强摘要质量
4. **输出交付**：支持 CLI JSON 输出或本地 API 服务（端口8000），数据持久化存储于 SQLite
### 运行模式
– **CLI 模式**：单次运行，适合定时任务集成
– **API 模式**：持续服务，支持轮询式工作流，提供 `/api/run`、`/api/papers`、`/api/topics` 等端点
## 显著优点
– **高度可配置**：通过环境变量或 `.env` 文件灵活控制模型选择、温度参数、抓取窗口、分类主题等
– **双模型策略**：支持分别为相关性判断和摘要生成配置不同强度的模型，优化成本与质量平衡
– **机构加权**：affiliations.json 允许对特定研究机构进行加权提升，优先展示权威来源
– **多源整合**：同时覆盖 arXiv 和 Hugging Face 两大核心学术平台
– **主题去重**：`max_per_topic` 机制防止单一主题过度占据结果
## 潜在缺点与局限性
– **依赖外部 LLM**：必须配置 OpenAI API Key 或兼容的 LiteLLM 代理，存在服务中断和成本风险
– **Python 环境依赖**：需要 Python 3 及可选的 PyMuPDF，对非技术用户有一定门槛
– **端口冲突风险**：API 模式固定使用 8000 端口，需手动处理占用情况
– **配置复杂度**：topics.json 要求主题互斥且 ID 精确匹配，配置不当会导致分类失效
– **PDF 解析限制**：PDF 文本提取仅首页，且依赖额外依赖安装
– **无内置持久化调度**：CLI 模式需配合外部 cron/systemd 实现定时运行
## 适合人群
– AI/ML 研究人员需跟踪最新论文动态
– 技术团队构建内部论文推荐系统
– 自动化工作流开发者（可与 n8n、Make 等集成）
– 对 arXiv 特定类别（如 cs.CL、cs.CR）有持续监控需求的从业者
## 常规风险
– **API 密钥泄露**：`.env` 文件或环境变量管理不当可能导致密钥暴露
– **成本失控**：高频调度配合大模型可能产生意外费用，建议设置预算告警
– **数据隐私**：论文元数据和摘要流经第三方 LLM API，敏感研究需注意合规
– **服务可用性**：arXiv/Hugging Face API 变更或 LLM 服务中断会影响功能
– **SQLite 并发**：API 模式下多进程访问 SQLite 可能存在锁竞争，高并发场景建议迁移至 PostgreSQL
会员专属
