WriterAgent - 智能论文综述写作助手

类似Openai的DeepResearch，还以写教案，写基金，写报告，只需开发自己的搜索引擎即可。 WriterAgent 是一个基于大语言模型的智能论文综述写作智能体，旨在通过一个直观的 Web 界面，引导用户高效完成从主题确定、大纲生成到内容撰写和二次编辑的全过程。

---

撰写的示例文章: 城市绿地对居民心理健康的积极影响：机制、量化与规划策略.docx

✨ 效果一览

主页	大纲生成
内容撰写	内容编辑

核心功能

• 智能大纲生成: 根据输入的主题，智能生成结构化、逻辑清晰的综述大纲。
• 自动化内容撰写: 基于确认后的大纲，多智能体协作完成各章节内容的详细撰写。
• 内容二次编辑: 在生成内容后，可通过右键菜单调用模型进行局部内容的修改和润色。
• 一键导出: 支持将最终完成的综述内容导出为 .docx 文件。

🏗️ 系统架构

本项目采用前后端分离的微服务架构，由多个独立的智能体（Agent）协作完成复杂的写作任务。

graph TD
    subgraph Frontend
        U[用户输入主题]
    end

    subgraph Backend Services
        M[Main API Gateway]
        O[大纲 Agent]
        C[内容 Agent]
        R[(检索服务)]
        E[检查 Agent]
    end
    
    subgraph Output
        F[最终文稿 .docx]
    end

    U --> M
    M --> O
    O --> R
    M --> C
    C --> R
    C --> X{内容检查}
    X -- 不合格 --> E
    E --> C
    X -- 合格 --> F

Loading

项目结构

WriterAgent/
├── backend/            # 后端服务
│   ├── main_api/       # API 网关
│   ├── main_outline/   # 大纲生成 Agent
│   ├── main_content/   # 内容生成 Agent
│   └── search_api/     # 统一搜索服务
│   └── mock_api/       # 直接模拟体验，代替上面的4个API，只启动这个和前端即可模拟
├── frontend_nextjs/    # 前端应用 (Next.js)
├── train/              # AI 模型训练脚本
├── doc/                # 文档和项目图片
└── docker-compose.yml  # Docker 编排文件

🚀 TODO

• 添加右键编辑的Agent
• 整理训练代码
• 前端兼容适配Meraid流程图

🛠️ 技术栈

• 前端: Next.js, React, TypeScript, Tailwind CSS
• 后端: Python, FastAPI
• AI/LLM: Google Gemini, LangGraph, Agent Development Kit (ADK)
• 部署: Docker, Docker Compose

🚀 快速入门 (Docker)

推荐使用 Docker 进行一键部署，这是最简单快捷的方式。

1. 环境准备

• Docker 和 Docker Compose
• Git

2. 克隆项目

git clone https://github.com/johnson7788/WriterAgent
cd WriterAgent

3. 配置环境变量

custom_model.md 在启动服务前，您需要配置必要的 API 密钥。

1. 项目中 backend/ 下的每个服务目录（main_api, main_outline, main_content, search_api）都包含一个 env_template 文件。

2. 您需要为 每一个 服务复制一份 .env 文件，并填入您的 API 密钥。

   示例 (在项目根目录执行):

   # 为 main_api 创建 .env 文件
   cp backend/main_api/env_template backend/main_api/.env
   
   # 为 main_outline 创建 .env 文件
   cp backend/main_outline/env_template backend/main_outline/.env
   
   # ...为其他后端服务重复此操作

3. 编辑 .env 文件，例如 backend/main_api/.env，并填入 对应的API。

4. 启动服务

完成上述配置后，执行以下命令来构建并启动所有服务：

普通启动
cd backend
python start_backend.py

# 或者docker启动
docker-compose up --build -d

5. 访问应用

服务启动成功后，打开浏览器并访问 http://localhost:3000。

👨‍💻 本地开发 (手动)

如果您希望对代码进行修改和调试，可以采用手动方式分别启动前后端服务。

1. 环境准备

• Python: 3.11+
• Node.js: 18.x+
• Git

2. 后端设置

# 1. 安装所有后端服务的依赖
# (建议在独立的虚拟环境中操作)
pip install -r backend/requirements.txt

# 2. 配置环境变量
# 参照 "快速入门"部分的第 3 步，为每个后端服务创建并配置 .env 文件。

# 3. 依次启动各个后端服务
# 每个服务都需要一个独立的终端窗口

# 启动 Main API (端口 7800)
python backend/main_api/main.py

# 启动 Outline Agent (端口 10050)
python backend/main_outline/main_api.py

# 启动 Content Agent (端口 10051)
python backend/main_content/main_api.py

# 启动 Search API (端口 10052)
python backend/search_api/main.py

3. 前端设置

# 1. 进入前端目录并安装依赖
cd frontend_nextjs
npm install

# 2. 启动前端开发服务器
npm run dev

4. 访问应用

打开浏览器并访问 http://localhost:3000。

5. 问题

如何保持匀速输出内容，即使后端按段落间隔输出。 queue_average.py

6. Todo

• 添加右键编辑正文的接口
• 内部和外部知识库的结合（ragflow)

🤝 贡献

欢迎各种形式的贡献！如果您有任何想法或建议，请随时提交 Pull Request 或创建 Issue。

📄 许可证

完全FREE

📫 联系我

如果您在使用中遇到问题或有任何疑问，欢迎通过以下方式联系我：