基于 LangChain + LangGraph + Kimi K2.5 的多阶段科研工作流智能体，支持 Web 前端对话、流式输出、代码沙箱执行、长期记忆。
- 🤖 6 位 AI 研究员：文献调研、假设生成、实验设计、代码实现、数据分析、论文撰写
- 💻 代码沙箱：自动生成、验证、执行、修复代码（Agent Loop），实时终端输出
- 📚 真实论文搜索：arXiv 多策略搜索（最新 + 相关性），基于真实文献生成综述
- 🏟️ 多 Agent 讨论：文献专家、方法专家、实验专家、批判者围绕课题讨论创新点
- 🔄 Human-in-the-loop：每个阶段完成后暂停，用户可确认、补充信息或终止
- 📡 SSE 流式输出：LLM 逐 token 实时推送到前端，打字机效果
- 🧠 长期记忆：自动提取用户画像和研究档案，跨会话记忆
- ⚙️ 可配置：前端设置面板配置 Python 环境、工作目录、大模型参数
- 💾 持久化存储：SQLite 保存 checkpoint、会话、用户数据、记忆
- 👤 用户系统：注册/登录，JWT 认证，多用户隔离
- Python >= 3.10（推荐 3.11+）
- Node.js >= 18
- 操作系统：Windows / macOS / Linux
git clone <repo-url>
cd ScienceResearchAgent# 使用 uv（推荐）
uv venv .venv
# 或使用标准 venv
python -m venv .venv# Windows (CMD)
.venv\Scripts\activate.bat
# Windows (PowerShell)
.venv\Scripts\Activate.ps1
# macOS / Linux
source .venv/bin/activatepip install -r research_agent/requirements.txt完整依赖列表：
langchain>=0.2.0
langgraph>=0.2.0
langchain-moonshot>=0.1.0
langgraph-checkpoint-sqlite>=1.0.0
python-dotenv>=1.0.0
fastapi>=0.100.0
uvicorn>=0.20.0
python-jose[cryptography]>=3.3.0
passlib>=1.7.0
bcrypt>=4.0.0
如果需要使用代码研究员运行 PyTorch 等科学计算代码，还需安装：
pip install torch torchvision numpy pandas matplotlib scikit-learncd "Futuristic AI Chat Interface"
npm install
npm run build
cd ..创建 .env 文件（项目根目录）：
MOONSHOT_API_KEY=sk-your-key-here
MOONSHOT_API_BASE=https://api.moonshot.cn/v1API Key 在 platform.moonshot.cn 获取。
也支持其他 OpenAI 兼容接口（DeepSeek、OpenAI 等），启动后在前端 设置 面板中修改。
# Windows - 双击 start.bat
start.bat
# 或手动启动
uvicorn server:app --host 0.0.0.0 --port 8000 --reload浏览器打开 http://localhost:8000，注册账号后即可使用。
| 模式 | 说明 |
|---|---|
| 📋 Workflow | 固定流程：文献→假设→实验→分析→论文，每步确认 |
| 💬 Chat | 自由对话：@项目负责人 按需调用研究员（含代码研究员） |
| 🏟️ 讨论室 | 多 Agent 讨论：围绕课题讨论创新点 |
在 Chat 模式中，当你请求编写或运行代码时，项目负责人会自动调用 @代码实现研究员：
- 🤔 分析需求
- ✍️ 生成代码
- 🔍 语法检查（AST 解析）
▶️ 在沙箱中执行（实时终端输出）- 🔧 如果失败，自动分析错误并修复（最多 3 次）
- ✅ 返回结果
沙箱支持：
pip_install()安装依赖shell_exec()执行 shell 命令fs_read()/fs_write()文件读写- 指定工作目录访问本地数据
点击侧边栏 ⚙️ 设置 按钮，可配置：
- Python 解释器路径：指定 venv/conda 环境
- 工作目录：代码执行的工作目录（可访问本地数据）
- 模型名称：如
kimi-k2.5、gpt-4o、deepseek-chat - API Base URL：模型服务地址
- API Key：模型 API 密钥
├── start.bat # 🚀 Windows 一键启动
├── start.ps1 # 🚀 PowerShell 启动脚本
├── server.py # FastAPI Web 服务
├── .env # 环境变量（API Key）
├── settings.json # 用户设置（自动生成）
├── Futuristic AI Chat Interface/ # React 前端
│ ├── src/app/
│ │ ├── components/
│ │ │ ├── ChatWindow.tsx # 聊天窗口
│ │ │ ├── AgentSteps.tsx # Agent 步骤面板（终端输出）
│ │ │ ├── CodeBlock.tsx # 代码块（可运行）
│ │ │ ├── SettingsPanel.tsx # 设置面板
│ │ │ ├── Sidebar.tsx # 侧边栏
│ │ │ └── MemoryPanel.tsx # 长期记忆面板
│ │ ├── contexts/
│ │ │ ├── ChatContext.tsx # 聊天/SSE 状态管理
│ │ │ └── AuthContext.tsx # 认证状态
│ │ └── lib/
│ │ ├── api.ts # API 工具
│ │ └── markdown.ts # Markdown 渲染
│ └── dist/ # 构建产物
├── research_agent/
│ ├── main.py # LangGraph 工作流
│ ├── code_agent.py # 代码研究员 Agent Loop
│ ├── sandbox.py # 代码沙箱（安全执行）
│ ├── chat_mode.py # Chat 模式（Lead Agent）
│ ├── debate.py # 讨论模式
│ ├── memory.py # 长期记忆
│ ├── streaming.py # SSE 流式管理
│ ├── auth.py # 用户认证
│ ├── llm_utils.py # LLM 调用工具
│ ├── agents/ # 6 位 AI 研究员
│ └── tools/
│ └── scholar.py # arXiv 搜索
└── desktop/ # Electron 桌面客户端（可选）
| 组件 | 技术 |
|---|---|
| LLM | Kimi K2.5 / OpenAI 兼容接口 |
| 工作流 | LangGraph (StateGraph + interrupt) |
| 代码执行 | 子进程沙箱 + 实时输出流 |
| 后端 | FastAPI + uvicorn |
| 认证 | JWT + bcrypt |
| 论文搜索 | arXiv API |
| 流式输出 | SSE (Server-Sent Events) |
| 前端 | React + Vite + Tailwind CSS |
| 持久化 | SQLite |
Q: 代码研究员执行时报 ModuleNotFoundError？
在设置中配置正确的 Python 解释器路径，确保该环境已安装所需包。或者代码研究员会自动尝试 pip_install() 安装。
Q: 如何让代码访问本地数据文件？
在设置中配置"工作目录"为你的数据所在文件夹，代码执行时会以该目录为工作目录。
Q: 支持哪些大模型？
支持所有 OpenAI 兼容接口，包括 Moonshot (Kimi)、DeepSeek、OpenAI、Azure OpenAI 等。在设置中修改 model name 和 base URL 即可。