Awesome LLM Apps ArXiv记忆智能体：学术研究AI系统

【免费下载链接】awesome-llm-apps Collection of awesome LLM apps with RAG using OpenAI, Anthropic, Gemini and opensource models. 项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps

你是否还在为学术论文检索效率低、研究方向追踪困难而烦恼？本文将介绍一个功能强大的学术研究AI系统——ArXiv记忆智能体，它能帮助研究者高效搜索学术论文，同时智能记忆你的研究兴趣和历史交互，让学术探索更加智能化。

系统概述

ArXiv记忆智能体是一个基于Streamlit构建的AI研究助手应用，它能够帮助用户搜索arXiv上的学术论文，同时维护用户兴趣和过往交互的记忆。该系统利用OpenAI的GPT-4o-mini模型处理搜索结果，MultiOn进行网页浏览，并通过Mem0与Qdrant维护用户上下文。

系统主要文件结构如下：

• 应用代码：ai_arxiv_agent_memory.py
• 依赖配置：requirements.txt
• 使用说明：README.md

核心功能

论文检索与处理

系统提供直观的arXiv论文搜索界面，用户只需输入搜索查询，AI就能智能处理搜索结果，以提高可读性。系统会调用MultiOn浏览器访问arXiv网站，获取相关论文信息，然后通过GPT-4o-mini模型进行结构化处理。

result = process_with_gpt4(multion.browse(cmd=prompt, url="https://arxiv.org/"))
st.markdown(result)

处理后的结果会以Markdown表格形式展示，包含论文标题、作者、摘要和链接等关键信息，方便用户快速浏览和筛选。

记忆功能

系统使用Mem0与Qdrant实现了持久化记忆功能，能够记住用户的研究兴趣和过往搜索历史。这使得AI助手能够随着时间推移更好地理解用户需求，提供更加个性化的推荐和搜索结果。

config = {
    "vector_store": {
        "provider": "qdrant",
        "config": {
            "model": "gpt-4o-mini",
            "host": "localhost",
            "port": 6333,
        }
    },
}
memory = Memory.from_config(config)

用户可以通过侧边栏的"View Memory"按钮查看系统记忆的内容，了解AI对自己研究兴趣的理解。

智能处理

系统利用OpenAI的GPT-4o-mini模型对搜索结果进行智能处理，提取关键信息并以结构化表格形式呈现。处理函数如下：

def process_with_gpt4(result):
    """Processes an arXiv search result to produce a structured markdown output."""
    prompt = f"""
    Based on the following arXiv search result, provide a proper structured output in markdown that is readable by the users. 
    Each paper should have a title, authors, abstract, and link.
    Search Result: {result}
    Output Format: Table with the following columns: [{{"title": "Paper Title", "authors": "Author Names", "abstract": "Brief abstract", "link": "arXiv link"}}, ...]
    """
    response = openai_client.chat.completions.create(model="gpt-4o-mini", messages=[{"role": "user", "content": prompt}], temperature=0.2)
    return response.choices[0].message.content

系统架构

系统采用模块化设计，主要包含以下组件：

• 用户界面：基于Streamlit构建，提供直观的交互体验
• API密钥管理：安全处理OpenAI和MultiOn等服务的API密钥
• 记忆系统：使用Mem0和Qdrant实现用户记忆的存储与检索
• 搜索模块：通过MultiOn访问arXiv网站获取论文信息
• 结果处理：利用GPT-4o-mini模型处理搜索结果，生成结构化输出

快速开始

环境准备

1. 克隆项目仓库：

git clone https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps
cd awesome-llm-apps/advanced_llm_apps/llm_apps_with_memory_tutorials/ai_arxiv_agent_memory

2. 安装依赖：

pip install -r requirements.txt

3. 启动Qdrant向量数据库：

docker pull qdrant/qdrant
docker run -p 6333:6333 -p 6334:6334 \
    -v $(pwd)/qdrant_storage:/qdrant/storage:z \
    qdrant/qdrant

运行应用

启动Streamlit应用：

streamlit run ai_arxiv_agent_memory.py

在浏览器中访问应用后，输入OpenAI和MultiOn的API密钥，然后就可以开始使用系统进行学术论文搜索和研究了。

使用指南

基本操作流程

1. 在左侧边栏输入用户名，用于记忆系统识别用户身份
2. 在主界面输入API密钥（OpenAI和MultiOn）
3. 在搜索框中输入研究查询，点击"Search for Papers"按钮
4. 系统将展示处理后的论文列表，以表格形式呈现
5. 可以通过侧边栏的"View Memory"按钮查看系统记录的用户兴趣

高级功能

系统会随着使用逐渐学习用户的研究兴趣，记忆功能会记录用户的搜索历史和交互，从而提供更加个性化的搜索结果。用户可以通过多次搜索和查看记忆内容，优化AI对自己研究方向的理解。

总结与展望

ArXiv记忆智能体通过结合论文检索、AI处理和记忆功能，为学术研究者提供了一个强大的辅助工具。它不仅能够提高论文搜索效率，还能随着时间推移更好地理解用户需求，成为研究者的得力助手。

未来，系统可以进一步扩展，增加更多功能，如论文推荐、研究趋势分析、引用关系可视化等，为学术研究提供更全面的支持。

如果你是一名学术研究者，不妨尝试使用ArXiv记忆智能体，体验AI带来的研究效率提升。完整项目代码和更多使用细节，请参考项目README.md。

【免费下载链接】awesome-llm-apps Collection of awesome LLM apps with RAG using OpenAI, Anthropic, Gemini and opensource models. 项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps