Prismer

GitHub
946 29 较难 2 次阅读 昨天NOASSERTIONAgent其他
AI 解读 由 AI 自动生成,仅供参考

Prismer 是一款开源的学术研究平台,旨在覆盖从文献阅读、知识整理到论文撰写与发表的完整学术工作流。它主要解决了研究人员在使用传统工具时面临的痛点:以往用户往往需要在文献管理、笔记软件(如 Notion)和写作编辑器(如 Overleaf)之间频繁切换,导致数据割裂且效率低下。Prismer 将这些功能整合在一个统一的界面中,让用户能够无缝衔接“从灵感到成稿”的全过程。

该工具特别适合高校研究人员、研究生、学者以及需要处理大量文献和技术文档的开发者使用。其核心技术亮点在于基于 Next.js 构建的现代化研究工作区,提供了集聊天面板与多编辑器窗口(WindowViewer)于一体的交互体验;同时支持通过 OpenClaw 容器化技术快速部署,并可选配云端知识基础设施以增强智能体协作能力。作为一个开源项目,Prismer 不仅免费开放源代码,还鼓励社区共同参与架构优化与功能扩展,致力于成为学术界透明、高效且可定制的基础设施。

使用场景

一名计算机视觉方向的博士生正试图复现一篇最新的顶会论文,需要从海量文献中快速提取核心算法并搭建实验环境。

没有 Prismer 时

  • 信息碎片化严重:需要在 arXiv、GitHub 和 PDF 阅读器之间反复切换,手动复制粘贴代码片段和公式,极易出错且打断思路。
  • 环境配置耗时:复现论文前需花费数小时阅读杂乱的 requirements.txt 或文档,手动排查依赖冲突,常常因环境报错而无法运行代码。
  • 知识难以沉淀:阅读过的笔记散落在 Notion、本地文件夹和浏览器书签中,缺乏关联,写综述时难以快速回溯之前的灵感。
  • 协作效率低下:与导师或同门讨论时,只能截图或发送文件,无法实时共享可交互的代码环境和批注视图。

使用 Prismer 后

  • 一站式研究空间:Prismer 提供集成的多编辑器窗口,直接在聊天面板中加载论文 PDF 与对应的 GitHub 仓库,实现“阅读 - 代码 - 对话”无缝流转。
  • 自动化环境部署:利用内置的 OpenClaw 容器栈,一键解析论文依赖并启动隔离的开发环境,将原本数小时的配置工作缩短至一分钟。
  • 结构化知识管理:所有阅读批注、代码修改和对话记录自动关联并存储在统一的工作区,形成可追溯的个人学术知识库。
  • 实时协同复现:通过分享云端工作区链接,合作者可直接进入相同的代码与文档上下文,实时查看彼此的调试过程和批注,大幅提升沟通效率。

Prismer 将原本割裂的文献阅读、代码复现与环境管理工作流整合为统一的闭环,让研究者能专注于核心创新而非繁琐的工程细节。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该项目主要通过 Docker 容器化部署(使用 docker-compose.openclaw.yml),无需手动配置 Python 环境或单独安装依赖库。运行前需配置 .env 文件并设置 OPENAI_API_KEY(兼容任何 OpenAI 接口)。主要服务包括 Web UI (端口 3000) 和 Agent Gateway (端口 16888),后者集成了 LaTeX、Jupyter 和 OpenClaw 等功能。
python未说明
Docker
Docker Compose
Next.js
OpenClaw
Prismer hero image

快速开始

Prismer.AI

Prismer.AI

开源的 OpenAI Prism 替代方案

Learn · Openclaw · 文档 · 路线图 · 演示视频

CI 星标 许可证 Discord X (Twitter) LinkedIn

English 简体中文 日本語 Français Deutsch


▶ 观看 Prismer.AI 演示
▶️ 观看演示:从想法到论文,端到端流程


🚀 实时产品

Learn
提供高效使用 Prismer 的课程与学习资源
OpenClaw
一分钟即可部署你的 openclaw
Prismer Cloud
为智能体提供的云端知识基础设施

什么是 Prismer.AI?

Prismer.AI 是一个开源研究平台,覆盖从阅读论文到发表成果的完整学术工作流。

当前 OSS 范围(本仓库)

本仓库目前聚焦于:

  • web/: Next.js 研究工作区(聊天面板 + 多编辑器 WindowViewer)
  • docker/: 基于 OpenClaw 的容器栈及网关集成
  • docs/: 架构、运行手册、贡献指南和路线图文档

不同于仅处理写作(Overleaf)或笔记记录(Notion)的工具,Prismer.AI 集成了以下功能:

功能 描述
📖 论文阅读 具有引用图谱的 AI 原生 PDF 阅读器
💬 IM & Agent 协议 智能体间消息传递、群组、工作空间及实时事件
📄 文档解析 支持 PDF/文档解析并输出 Markdown 格式
📊 数据分析 带 Python/R 执行能力的 Jupyter 笔记本
✍️ 论文写作 带实时预览的 LaTeX 编辑器
🔍 引用验证 自动对照学术数据库检查参考文献
🤖 多智能体系统 协调专业 AI 智能体进行科研

对比

功能 Prismer.AI OpenAI Prism Overleaf Google Scholar
论文阅读
智能体 IM 协议
文档解析
LaTeX 写作
数据分析
代码执行
引用验证
多智能体
开源
自托管

🔍 引用验证

大型语言模型会捏造引用。Prismer.AI 通过一个评审智能体来解决这一问题,该智能体会在引用出现在你的论文之前,将其与学术数据库(arXiv、Semantic Scholar、CrossRef)进行核对验证。


🔗 相关仓库

仓库 描述
Prismer-AI/luminclaw 开源智能体核心
Prismer-AI/PrismerCloud 开源云底座基础设施

🛠️ 自托管

快速开始

# 1. 克隆并配置
git clone https://github.com/Prismer-AI/Prismer.git
cd Prismer
cp .env.example .env
# 编辑 .env — 设置 OPENAI_API_KEY(任何兼容 OpenAI 的 API)

# 2. 启动(Web + 智能体容器)
cd docker
docker compose -f docker-compose.openclaw.yml up --build -d

然后打开 http://localhost:3000

服务 URL 描述
Web UI http://localhost:3000 Next.js 前端
智能体网关 http://localhost:16888 容器网关(LaTeX、Jupyter、OpenClaw)
健康检查 http://localhost:16888/api/v1/health 汇总的服务健康状态

详细安装、配置选项及 API 参考,请参阅 docker/README.md


🗺️ 路线图

平台

已完成 进行中
✅ 论文阅读器 🚧 评审智能体
✅ IM API(智能体消息、群组、工作空间) 🚧 文档站点
✅ LaTeX 编辑器 🚧 npm 包提取
✅ Jupyter 笔记本
✅ 多智能体系统
✅ 自托管(Docker)

开源工作区

已完成 进行中 计划中
✅ 工作区代码提取与精简 🚧 硬编码 URL 清理 📋 网关兼容层
✅ 无用代码清理(移除约9500行) 🚧 轻量级 Docker 镜像(< 4GB) 📋 本地模式 SQLite 持久化
✅ 静态代理配置 🚧 快速入门指南 📋 可 fork 的 CI 流水线
✅ LICENSE、CONTRIBUTING、SECURITY 文档 📋 本地模式的端到端测试
✅ 移除 K8s 层

详情请参阅 完整路线图开源优化设计


🤝 贡献

欢迎贡献!请先阅读我们的 贡献指南


⭐ 给我们加星

如果您觉得 Prismer.AI 很有帮助,请考虑给我们点个赞!这将帮助我们成长和改进。

请给我们加星

星标历史

星标历史图表


📄 许可证


为研究者而建,由研究者打造。

版本历史

v0.0.1-archive2026/03/03

常见问题

相似工具推荐

stable-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。 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。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-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。 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。 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

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

ML-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。 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。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

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。 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。 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。

77.1k|★★★☆☆|2天前
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架