💡 建议配合 学习模式 使用本工具 学术合规

ResearchAgent 是清华大学与 KAIST 联合开源的假设生成框架,NAACL 2025 接收。系统从一篇种子论文出发,构建实体关系图谱,再由 LLM 推理生成"问题 / 方法 / 实验设计"三元组候选。

纯 API 调用,无需 GPU,依赖最少。适合作为 AI 科研 Agent 栈的"想法引擎"组件,把输出再喂给 Agent Laboratory 或 SurveyX 做下游扩展。

NAACL 2025 接收

论文被 NLP 顶会 NAACL 2025 正式接收,验证了“实体图谱 + LLM 推理”的假设生成范式在科研场景中的有效性。

从种子论文自动发散

给定一篇种子论文(如 Attention Is All You Need),自动构建实体关系图,生成“问题/方法/实验设计”三元组。

纯 API 最轻量

依赖最少(openai + requests + tqdm),无需 GPU,2 分钟装完环境,是全部 15 份工具中启动最快的。

“想法引擎”角色

适合作为 Agent 科研栈的前端组件,输出的假设可直接喂给 Agent Laboratory 或 InternAgent 做下游实验。

成功判定:依赖装齐 + .env 写入 DashScope Key + import 通过。

① 前置条件检查

python3 --version    # 3.10+ git --version df -h .              # ≥ 2 GB

② 人类必填项

DASHSCOPE_API_KEY 通义千问 创建(需开通 qwen-max)
SEED_PAPER 默认:Attention Is All You Need

③ .env 模板

OPENAI_API_KEY=${DASHSCOPE_API_KEY} OPENAI_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL=qwen-max HF_ENDPOINT=https://hf-mirror.com WANDB_MODE=disabled

④ 按序执行

git clone https://github.com/JinheonBaek/ResearchAgent.git && cd ResearchAgent python3 -m venv .venv && source .venv/bin/activate pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt set -a; source .env; set +a python -c "import os; assert os.getenv('OPENAI_API_KEY'); print('✅ ready')"
⑤ 常见故障排查
依赖冲突逐个 pip install;或创建干净 venv
DashScope 401核对 Key 并确认 qwen-max 访问权限
git clone 超时改用 https://kkgithub.com/JinheonBaek/ResearchAgent.git

AI·RESEARCH·HUB — ResearchAgent — 假设生成 Agent