本文介绍了一个学术论文引文系统的实现过程，该系统通过规则抽取、Semantic Scholar API、Neo4j和LangGraph构建引文图谱。系统首先使用正则表达式和置信度分级从PDF中提取参考文献，然后通过Semantic Scholar API获取论文元数据，并利用Neo4j构建引文图谱。文章详细讨论了技术选型（规则抽取优于LLM）、参考文献格式处理、置信度分级策略以及应对API限流的解

摘要 本文探讨了如何为生成式AI代理添加Self-RAG自审机制，解决大模型在长文本输出中可能出现的"自圆其说"问题。作者发现深度阅读输出中存在模型编造数据的情况，提出了基于句子拆分的简化验证方案：将长文本按标点拆分为30-50个句子，通过多路检索获取原文证据，再让LLM进行YES/NO验证。系统设计了批处理查询、结果解析和回退循环等优化，在验证准确性和计算成本间取得平衡。最终方案能有效识别30%

摘要 本文探讨了如何为生成式AI代理添加Self-RAG自审机制，解决大模型在长文本输出中可能出现的"自圆其说"问题。作者发现深度阅读输出中存在模型编造数据的情况，提出了基于句子拆分的简化验证方案：将长文本按标点拆分为30-50个句子，通过多路检索获取原文证据，再让LLM进行YES/NO验证。系统设计了批处理查询、结果解析和回退循环等优化，在验证准确性和计算成本间取得平衡。最终方案能有效识别30%

论文图表智能转化系统开发总结 本文介绍了一个将学术论文中的图表转化为交互式ECharts图表的智能系统开发过程。系统通过以下步骤实现： 图表提取：使用PyMuPDF从PDF中定位图表区域，处理CMYK色彩空间问题，生成PNG图像 视觉识别：通过兼容OpenAI协议的API将图像发送给视觉模型，解析图表数据 交互转换：将识别结果转换为ECharts配置，前端渲染为可交互图表 容错机制：设计正则兜底方

本文介绍了如何优化论文检索和个性化推荐系统。主要工作包括：1）将检索功能独立为Agent节点，采用cosine和BM25混合召回策略，结合Cohere Rerank进行结果重排序，有效提升长论文检索效率；2）利用pgvector构建跨会话用户画像，实现个性化论文推荐。两项工作共享BGE嵌入模型等基础设施，在保持系统轻量化的同时显著提升了检索精度和用户体验。文章还详细探讨了中英混合分词、缓存优化等关