PaperSage：AI驱动的学术研究智能工作台

PaperSage是一款AI驱动的学术研究智能工作台，核心结合混合RAG、多智能体工作流和长期记忆机制，旨在解决科研人员文献阅读中的痛点（如耗时、AI幻觉、缺乏引用等），提供可追溯、可验证的论文阅读与分析工具。

学术研究中，文献阅读耗时且强度大，需快速理解核心贡献并建立知识联系。现有AI辅助工具存在幻觉、无准确引用、难以理解复杂论证等局限。PaperSage针对这些痛点构建完善的辅助工作台。

PaperSage基于混合RAG架构，采用多路召回策略：密集检索（向量嵌入捕捉语义相似）、稀疏检索（关键词精确匹配）、结构化解析（利用论文结构提升引用精准度）。混合方法降低幻觉风险，回答基于实际文档片段。

多智能体协作架构包含ReAct（推理-行动交替处理复杂查询）、Plan-Act（明确步骤规划任务）、RePlan（动态调整计划）智能体，通过LangGraph编排形成灵活工作流。

长期记忆机制支持项目级知识积累：论文库管理（统一语义索引，跨论文关联分析）、对话历史记忆（保留索引，支持后续引用）、用户偏好学习（适应领域和提问风格）。

可追溯证据链设计确保学术验证性：引用溯源（标注来源段落，一键跳转）、证据可视化（展示生成逻辑）、置信度评分（提示需核实部分）。

局限性包括AI理解深度有限（无法替代原文阅读）、领域适应性差异、边缘情况仍有幻觉风险。未来展望：数学公式理解、实验数据/代码集成、多模态内容分析。

应用场景涵盖文献综述、方法对比、概念学习、写作辅助。使用建议：初次用户从小规模论文集开始，熟悉系统后扩展文献库。