rajni-research-assistant：基于多智能体架构的学术论文自动分析工具

rajni-research-assistant是一款开源学术研究助手，采用多智能体架构，结合Streamlit、LangChain、ChromaDB及Gemini/Groq等技术，实现论文自动化分析、知识提取、幻灯片生成和答辩问题预测。适用于研究者、研究生及教育工作者，旨在简化学术工作流程，提升效率。

原作者/维护者为rajnitiwari28，项目开源于GitHub（链接：https://github.com/rajnitiwari28/rajni-research-assistant），发布时间2026-06-16。该工具专为学术研究者设计，可将PDF论文转化为结构化知识产物，支持快速理解文献、准备答辩、制作演示等场景，适合需处理大量文献的研究者、研究生及教育工作者。

系统包含四个智能体：1.摘要生成智能体：提取研究动机、方法、结果等核心逻辑；2.概念提取智能体：识别关键术语与技术概念；3.幻灯片生成智能体：通过python-pptx生成可下载PPT；4.答辩预测智能体：预测答辩问题并提供参考答案。

技术栈包括：前端Streamlit、LLM（Gemini默认/Groq可选）、向量数据库ChromaDB（内存模式）、文本嵌入Sentence-Transformers（MiniLM）、流程编排LangChain、文档处理PyPDF。所有智能体共享LLM工厂，可通过环境变量切换Gemini/Groq，灵活性高。

流程为：PDF→PyPDF加载→文本分割→MiniLM嵌入→ChromaDB存储→各智能体（摘要/概念提取/幻灯片生成/答辩预测）处理。幻灯片生成输出PPT，答辩预测输出JSON格式Q&A，智能体间协作高效。

本地运行：克隆仓库→创建虚拟环境→安装依赖→配置API密钥→运行streamlit run app.py。免费部署：推送代码到GitHub→连接Streamlit Community Cloud→添加Secrets中的API密钥即可零成本分享。

开发者可定制：修改agents目录提示词模板调整输出；添加新智能体（如评审智能体）；启用ChromaDB持久化存储；在llm_factory.py中接入其他LLM提供商。

项目价值：降低文献阅读门槛、提升答辩准备效率、简化学术分享、作为LangChain/RAG学习范例。总结：该工具是深思熟虑的多智能体系统，为研究者提供实用助手，为开发者提供参考架构，值得关注与尝试。