[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-DAMO-NLP-SG--CoI-Agent":3,"tool-DAMO-NLP-SG--CoI-Agent":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":90,"env_os":91,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":99,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":100,"updated_at":101,"faqs":102,"releases":133},3893,"DAMO-NLP-SG\u002FCoI-Agent","CoI-Agent","Official code for paper: Chain of Ideas: Revolutionizing Research via Novel Idea Development with LLM Agents","CoI-Agent 是一款由达摩院（DAMO）开源的研究辅助工具，旨在利用大语言模型（LLM）智能体革新科研创意的生成过程。它核心解决了研究人员在面对海量文献时，难以高效提炼现有成果并激发全新研究思路的痛点。通过独特的“创意链”（Chain of Ideas）机制，CoI-Agent 能够自动解析学术论文 PDF，深度理解领域现状，并模拟人类专家的思维路径，逐步推导并生成具有创新性的研究提案。\n\n该工具特别适合高校科研人员、博士生以及需要探索前沿课题的研发工程师使用。其技术亮点在于构建了多智能体协作框架，不仅支持对 Semantic Scholar 等学术数据库的深度检索，还能结合 Grobid 引擎精准提取论文结构化信息。用户只需输入一个研究主题，CoI-Agent 即可自动完成从文献调研到创意生成的全流程，输出高质量的研究设想。作为一个基于 Apache 2.0 协议开源的项目，它为学术界提供了一个可复现、可扩展的智能化科研伙伴，帮助研究者打破思维定势，加速科学发现的进程。","\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDAMO-NLP-SG_CoI-Agent_readme_7fb8d726b5a4.jpg\" width=\"16%\" height=\"25%\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDAMO-NLP-SG_CoI-Agent_readme_803213e13490.png\" width=\"55%\" height=\"55%\">\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">\nChain-of-Ideas Agent: Revolutionizing Research Via Novel Idea Development with LLM Agents\n\u003C\u002Fh3>\n\n\u003Cfont size=3>\u003Cdiv align='center' > [[📖 arXiv Paper](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2410.13185)] [[📊 Online Demo](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FDAMO-NLP-SG\u002FCoI_Agent)] \u003C\u002Fdiv>\u003C\u002Ffont>\n\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fopensource.org\u002Flicense\u002Fapache-2-0\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCode%20License-Apache_2.0-green.svg\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FInstitution-DAMO-red\">\u003C\u002Fa>\n\u003Ca>\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPRs-Welcome-red\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\n## 🔥 News\n* **[2024.10.12]**  The first version of CoI Agent!\n\n\n## 🛠️ Requirements and Installation\n**Step 1**:\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent.git\ncd CoI-Agent\npip install -r requirements.txt\n```\n\n**Step 2**:\nInstall [SciPDF Parser](https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser) for PDF parsing.\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser.git\npip install git+https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser\npython -m spacy download en_core_web_sm\n```\n\n**Step 3**:\nInstall java for grobid\n```bash\nwget  https:\u002F\u002Fdownload.oracle.com\u002Fjava\u002FGA\u002Fjdk11\u002F9\u002FGPL\u002Fopenjdk-11.0.2_linux-x64_bin.tar.gz\ntar -zxvf openjdk-11.0.2_linux-x64_bin.tar.gz\nexport JAVA_HOME=Your_path\u002Fjdk-11.0.2\n```\n\n**Step 4**:\nset config.yaml to use the LLM APIs.\n```yaml\n# Sementic scholor api, it should be filled\nSEMENTIC_SEARCH_API_KEY: \"\"\n\nis_azure : True # if false, it is openai\n\n# set it if you set is_azure to True\nAZURE_OPENAI_ENDPOINT : \"\"\nAZURE_OPENAI_KEY : \"\"\nAZURE_OPENAI_API_VERSION : \"\"\n\n# set it if you set is_azure to False\nOPENAI_API_KEY: \"\"\nOPENAI_BASE_URL: \"\"\n\n# if not set it will be set to the same as main llm\nEMBEDDING_API_KEY: \"\"\nEMBEDDING_API_ENDPOINT: \"\"\nEMBEDDING_MODEL: \"\"\n\nMAIN_LLM_MODEL: \"\" # \"gpt-4o\" or ...\n\nCHEAP_LLM_MODEL: \"\" # \"gpt-4o\" or ...\n```\n\n## 🚀 Quick Start\n**Step 1**: Run grobid\n\nIf you can successfully start grobid in [SciPDF Parser](https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser.git), run the following commands:\n```bash\ncd scipdf_parser\nbash serve_grobid.sh\n```\n\n(Optional) Or, you can refer to the following process to install grobid if the previous commands fail:\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fkermitt2\u002Fgrobid.git\ncd grobid\n.\u002Fgradlew clean install\n.\u002Fgradlew run\n```\n\n**Step 2**: Generate idea\n```python\npython main.py --topic {your research topic}\n```\n\n## 📖 Evaluation Data\nAll evaluation data as well CoI generated results can be found in `dataset` fold.\n\n## :black_nib: Citation\n\nIf you find our work helpful for your research, please consider starring the repo and citing our work.   \n\n```bibtex\n@article{li2024chain,\n  title={Chain of Ideas: Revolutionizing Research in Novel Idea Development with LLM Agents},\n  author={Li, Long and Xu, Weiwen and Guo, Jiayan and Zhao, Ruochen and Li, Xinxuan and Yuan,\n            Yuqian and Zhang, Boqiang and Jiang, Yuming and Xin, Yifei and Dang, Ronghao and \n            Rong, Yu and Zhao, Deli and Feng, Tian and Bing, Lidong},\n  journal={arXiv preprint arXiv:2410.13185},\n  year={2024},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.13185}\n}\n```\n","\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDAMO-NLP-SG_CoI-Agent_readme_7fb8d726b5a4.jpg\" width=\"16%\" height=\"25%\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDAMO-NLP-SG_CoI-Agent_readme_803213e13490.png\" width=\"55%\" height=\"55%\">\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">\n思想链代理：利用大语言模型代理推动新创意开发，革新科研方式\n\u003C\u002Fh3>\n\n\u003Cfont size=3>\u003Cdiv align='center' > [[📖 arXiv论文](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2410.13185)] [[📊 在线演示](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FDAMO-NLP-SG\u002FCoI_Agent)] \u003C\u002Fdiv>\u003C\u002Ffont>\n\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fopensource.org\u002Flicense\u002Fapache-2-0\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F代码%20许可-Apache_2.0-green.svg\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F机构-DAMO-red\">\u003C\u002Fa>\n\u003Ca>\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F欢迎%20提交%20PR-red\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\n## 🔥 最新消息\n* **[2024.10.12]**  CoI代理的第一个版本发布！\n\n\n## 🛠️ 环境要求与安装\n**步骤1**：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent.git\ncd CoI-Agent\npip install -r requirements.txt\n```\n\n**步骤2**：\n安装 [SciPDF Parser](https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser) 用于PDF解析。\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser.git\npip install git+https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser\npython -m spacy download en_core_web_sm\n```\n\n**步骤3**：\n安装Java以运行grobid。\n```bash\nwget  https:\u002F\u002Fdownload.oracle.com\u002Fjava\u002FGA\u002Fjdk11\u002F9\u002FGPL\u002Fopenjdk-11.0.2_linux-x64_bin.tar.gz\ntar -zxvf openjdk-11.0.2_linux-x64_bin.tar.gz\nexport JAVA_HOME=你的路径\u002Fjdk-11.0.2\n```\n\n**步骤4**：\n配置config.yaml文件以使用LLM API。\n```yaml\n# Sementic Scholar API，需填写\nSEMENTIC_SEARCH_API_KEY: \"\"\n\nis_azure : True # 如果为False，则使用OpenAI\n\n# 如果is_azure设置为True，请填写以下内容\nAZURE_OPENAI_ENDPOINT : \"\"\nAZURE_OPENAI_KEY : \"\"\nAZURE_OPENAI_API_VERSION : \"\"\n\n# 如果is_azure设置为False，请填写以下内容\nOPENAI_API_KEY: \"\"\nOPENAI_BASE_URL: \"\"\n\n# 如果未设置，则将使用与主LLM相同的嵌入API\nEMBEDDING_API_KEY: \"\"\nEMBEDDING_API_ENDPOINT: \"\"\nEMBEDDING_MODEL: \"\"\n\nMAIN_LLM_MODEL: \"\" # \"gpt-4o\"或其他\nCHEAP_LLM_MODEL: \"\" # \"gpt-4o\"或其他\n```\n\n## 🚀 快速入门\n**步骤1**：运行grobid\n\n如果能够在 [SciPDF Parser](https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser.git) 中成功启动grobid，请执行以下命令：\n```bash\ncd scipdf_parser\nbash serve_grobid.sh\n```\n\n（可选）如果上述命令失败，也可以参考以下流程安装grobid：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fkermitt2\u002Fgrobid.git\ncd grobid\n.\u002Fgradlew clean install\n.\u002Fgradlew run\n```\n\n**步骤2**：生成研究思路\n```python\npython main.py --topic {你的研究主题}\n```\n\n## 📖 评估数据\n所有评估数据以及CoI生成的结果均可在`dataset`文件夹中找到。\n\n## :black_nib: 引用\n\n如果您认为我们的工作对您的研究有所帮助，请考虑给本项目点赞并引用我们的成果。\n\n```bibtex\n@article{li2024chain,\n  title={思想链：利用大语言模型代理革新新创意开发的科研方式},\n  author={李龙、徐伟文、郭嘉妍、赵若晨、李欣轩、袁雨倩、张博强、蒋宇明、辛一飞、党荣浩、荣宇、赵德利、冯天、邴立东},\n  journal={arXiv预印本 arXiv:2410.13185},\n  year={2024},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.13185}\n}\n```","# CoI-Agent 快速上手指南\n\nCoI-Agent (Chain-of-Ideas Agent) 是一个基于大语言模型智能体的研究辅助工具，旨在通过新颖的创意开发流程革新科研工作。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n- **操作系统**: Linux (推荐) 或 macOS\n- **Python**: 3.8+\n- **Java**: JDK 11 (用于运行 GROBID PDF 解析服务)\n- **Git**: 用于代码克隆\n- **API Key**: 需要准备 OpenAI 或 Azure OpenAI 的 API 密钥，以及 Semantic Scholar API 密钥（用于文献检索）。\n\n## 安装步骤\n\n### 1. 克隆项目并安装基础依赖\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent.git\ncd CoI-Agent\npip install -r requirements.txt\n```\n> **提示**：国内用户可使用清华源加速安装：`pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n### 2. 安装 SciPDF Parser 及 NLP 模型\n该工具依赖 `scipdf_parser` 进行 PDF 解析，并需要下载 spaCy 英文模型。\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser.git\npip install git+https:\u002F\u002Fgithub.com\u002Ftitipata\u002Fscipdf_parser\npython -m spacy download en_core_web_sm\n```\n\n### 3. 安装并配置 Java (JDK 11)\nGROBID 服务需要 Java 11 环境。以下是 Linux 下的安装示例：\n```bash\nwget https:\u002F\u002Fdownload.oracle.com\u002Fjava\u002FGA\u002Fjdk11\u002F9\u002FGPL\u002Fopenjdk-11.0.2_linux-x64_bin.tar.gz\ntar -zxvf openjdk-11.0.2_linux-x64_bin.tar.gz\nexport JAVA_HOME=Your_path\u002Fjdk-11.0.2\n# 请将 Your_path 替换为实际的解压路径，并将 JAVA_HOME 添加到环境变量\n```\n\n### 4. 配置 API 密钥\n编辑根目录下的 `config.yaml` 文件，填入您的 API 密钥和模型配置。\n\n```yaml\n# Semantic Scholar API (必填)\nSEMENTIC_SEARCH_API_KEY: \"your_semantic_scholar_key\"\n\n# LLM 配置\nis_azure : False # 若使用 Azure 设为 True，否则设为 False (使用 OpenAI)\n\n# Azure 配置 (仅当 is_azure 为 True 时填写)\nAZURE_OPENAI_ENDPOINT : \"\"\nAZURE_OPENAI_KEY : \"\"\nAZURE_OPENAI_API_VERSION : \"\"\n\n# OpenAI 配置 (仅当 is_azure 为 False 时填写)\nOPENAI_API_KEY: \"your_openai_key\"\nOPENAI_BASE_URL: \"\" # 如有代理可填写\n\n# Embedding 模型配置 (若不填则默认与主 LLM 相同)\nEMBEDDING_API_KEY: \"\"\nEMBEDDING_API_ENDPOINT: \"\"\nEMBEDDING_MODEL: \"\"\n\n# 模型名称指定\nMAIN_LLM_MODEL: \"gpt-4o\" \nCHEAP_LLM_MODEL: \"gpt-4o\" \n```\n\n## 基本使用\n\n### 1. 启动 GROBID 服务\n首先需要在后台启动 PDF 解析服务。\n\n**方式一（推荐）**：如果已正确安装 SciPDF Parser：\n```bash\ncd scipdf_parser\nbash serve_grobid.sh\n```\n\n**方式二（备选）**：如果上述命令失败，可手动安装并启动原生 GROBID：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fkermitt2\u002Fgrobid.git\ncd grobid\n.\u002Fgradlew clean install\n.\u002Fgradlew run\n```\n*请保持该终端窗口运行，不要关闭。*\n\n### 2. 生成研究创意\n打开一个新的终端窗口，返回项目根目录，运行以下命令生成创意（将 `{your research topic}` 替换为您的研究主题）：\n\n```python\npython main.py --topic {your research topic}\n```\n\n程序将自动调用配置的 LLM 和文献数据库，输出基于 Chain-of-Ideas 流程的研究创意方案。生成的结果及评估数据可在 `dataset` 文件夹中查看。","某高校人工智能实验室的博士生李明正致力于“大模型在医疗诊断中的可解释性”这一前沿课题，急需从海量文献中挖掘出具有创新性的研究切入点。\n\n### 没有 CoI-Agent 时\n- **文献淹没**：面对 Semantic Scholar 上成千上万篇相关论文，人工阅读摘要效率极低，难以快速定位真正相关的核心工作。\n- **灵感断层**：虽然能读懂单篇论文，但难以跨文档建立逻辑联系，导致提出的新想法往往只是现有方法的简单堆砌，缺乏深度创新。\n- **验证耗时**：构思出一个潜在方向后，需要手动编写代码检索验证数据或对比实验，往往几天过去才发现该思路已被他人发表或不可行。\n- **视野局限**：受限于个人知识储备，容易陷入思维定势，忽略跨学科（如因果推断与深度学习结合）的潜在突破点。\n\n### 使用 CoI-Agent 后\n- **智能聚合**：CoI-Agent 自动调用学术搜索 API 解析数百篇 PDF 文献，瞬间提取关键方法论与局限性，将数周的调研工作压缩至小时级。\n- **链条式创新**：工具通过“思想链”机制，自动分析现有研究的空白点，并像科研搭档一样推演出“结合因果图增强注意力机制”等新颖且逻辑自洽的研究假设。\n- **即时可行性评估**：在生成想法的同时，CoI-Agent 自动检索相关数据集与基线模型，预判实验难度，直接过滤掉不可行的方案，让李明专注于高价值方向。\n- **跨界启发**：基于大规模知识库，CoI-Agent 主动推荐了生物学神经回路领域的概念迁移方案，打破了李明原有的计算机视觉思维框架。\n\nCoI-Agent 将研究人员从繁琐的文献梳理中解放出来，使其能专注于最高价值的科学假设构建，真正实现了用 AI 代理加速科研创新的闭环。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDAMO-NLP-SG_CoI-Agent_7fb8d726.jpg","DAMO-NLP-SG","Language Technology Lab at Alibaba DAMO Academy","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDAMO-NLP-SG_7176372c.png","",null,"https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,509,29,"2026-04-04T07:56:44","Apache-2.0",4,"Linux","未说明",{"notes":94,"python":92,"dependencies":95},"1. 必须安装 Java 11 (OpenJDK 11) 以运行 GROBID 服务。\n2. 需要配置 config.yaml 文件，填入 Semantic Scholar API Key 以及 Azure OpenAI 或 OpenAI 的密钥和端点信息。\n3. 运行前需手动启动 GROBID 服务（通过 scipdf_parser 提供的脚本或单独安装 grobid）。\n4. README 中的安装示例命令针对 Linux 系统（使用 wget 和 tar），其他系统需自行调整 Java 安装方式。",[96,97,98],"scipdf_parser","spacy (en_core_web_sm)","grobid (via Java)",[26,15,54],"2026-03-27T02:49:30.150509","2026-04-06T05:37:56.225545",[103,108,113,118,123,128],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},17800,"CoI-Agent 与 gpt-researcher 有什么区别？","CoI-Agent 引入了“思维链（chain-of-ideas）”结构，帮助大语言模型更有效地思考。这就好比告诉模型 1、2、3，然后问下一个数字是什么，逻辑清晰连贯。而 gpt-researcher 类似于传统的 RAG 方法，给模型的是 1、4、12、11 这样分散的数字让其预测下一个，虽然存在模式但不如前者直观。在评估过程中，项目方也将 gpt-researcher 作为了基线对比模型。更多细节可参考论文：https:\u002F\u002Farxiv.org\u002Fpdf\u002F2410.13185。","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F1",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},17801,"运行生成任务时出现 'unsupported operand type(s) for *: NoneType and NoneType' 错误怎么办？","该错误通常由以下两个原因导致：1. API 替换导致的临时问题（维护者已修复）；2. 用户的 OpenAI Embedding API 配置未正确填写。请检查配置文件，确保相关的 API Key 和 Endpoint 已正确设置。如果问题依旧，请提供具体的报错位置以便进一步排查。","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F9",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},17802,"生成想法时在搜索论文和重写查询之间无限循环，最终失败且 idea 字段为空，如何解决？","这是因为基于当前主题未能检索到相关论文。代码逻辑会不断重写查询以尝试检索，直到达到固定次数后停止。解决方法是尝试简化您的研究主题（topic），使其更通用或更容易被搜索引擎匹配。","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F6",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},17803,"设置 is_azure: false 时仍报错 'ValueError: AZURE_OPENAI_ENDPOINT is not set' 如何处理？","即使不使用 Azure，配置文件中也必须保留相关字段但不能留空（或需按特定格式配置）。请参考以下 config.yaml 配置示例，确保所有字段都存在，非 Azure 用户将 Azure 相关项留空或填入占位符，并正确填写 OPENAI_API_KEY 等信息：\n\nconfig.yaml:\n```\nSEMENTIC_SEARCH_API_KEY: \"my semantic scholar api key\"\nis_azure : false\nAZURE_OPENAI_ENDPOINT : \"\"\nAZURE_OPENAI_KEY : \"\"\nAZURE_OPENAI_API_VERSION : \"\"\nOPENAI_API_KEY: \"my openai api key\"\nOPENAI_BASE_URL: \"https:\u002F\u002Fapi.openai.com\"\nEMBEDDING_API_KEY: \"\"\nEMBEDDING_API_ENDPOINT: \"\"\nEMBEDDING_MODEL: \"\"\nMAIN_LLM_MODEL: \"gpt-4o-mini\"\nCHEAP_LLM_MODEL: \"gpt-4o-mini\"\n```","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F10",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},17804,"CoI-Agent 生成的所有研究想法都会公开吗？","是的，实验结果和生成的案例已上传至 GitHub 仓库。您可以在 `case\u002Fall_case.json` 路径下找到所有生成的想法案例（此前仅展示了 `case\u002Fcase.json` 中的一个案例）。","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F11",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},17805,"能否完全依靠 CoI-Agent 生成一篇符合 arxiv 格式的完整论文？","目前不可行。期望大语言模型从零开始完全独立地创造高质量的研究想法是不现实的。如果克服了“从零创造想法”这一障碍，撰写论文其余部分对 LLM 来说相对容易。虽然有类似 Ai-Scientist 的项目尝试从头写论文，但它们目前只能处理简单的想法，距离真正的科学研究还有很大差距。","https:\u002F\u002Fgithub.com\u002FDAMO-NLP-SG\u002FCoI-Agent\u002Fissues\u002F2",[]]