Sholar Agent in LangGraph

这是一个本地运行的学术论文阅读 agent 骨架，能够自动扫描新添加的论文并生成对应笔记。项目结构以 LangGraph 为中心。agent 启动后会自动扫描论文、生成缺失摘要、展示待读摘要；用户不是控制流调度者，而是 graph 中的 human-in-the-loop 节点。

核心是一张自动执行的图：

• initialize_memory: 初始化长期记忆数据库
• scan_library: 递归扫描 PDF 文件夹并登记论文
• select_unsummarized_paper: 从数据库选择摘要未生成的论文
• generate_summary: 读取 PDF 文件并以 base64 形式发送给模型，生成摘要、关键词、分类
• load_review_queue: 加载摘要已生成但用户未读的论文
• human_summary_review: 暂停给用户看摘要，用户只选择“深度分析”或“跳过”
• record_summary_decision: 记录用户选择
• prepare_deep_analysis_context: 准备论文 PDF 和同分类历史笔记
• draft_deep_analysis_note: 生成深度分析笔记初稿，并立即写入 *.notes.md
• human_note_review: 暂停给用户看当前已落盘笔记，用户可以提问、结束问答并修订，或直接确认终稿
• question_and_answer: 基于论文 PDF 和当前笔记回答用户问题，并记录问答历史
• revise_deep_analysis_note: 基于累计问答记录改写笔记，然后直接进入保存
• save_final_note: 保存终稿并更新数据库

LangGraph 入口在 langgraph.json 中声明：

{
  "dependencies": ["."],
  "graphs": {
    "research_agent": "./scholar_agent/agent.py:graph"
  },
  "env": "./.env"
}

安装

cd /home/hjr/sholarAgentinLangGraph
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

python -m venv .venv 会创建项目自己的 Python 虚拟环境。

source .venv/bin/activate 会启用这个虚拟环境。

pip install -e ".[dev]" 会用可编辑模式安装当前项目，并安装测试、LangGraph CLI 等开发工具。

配置

cp .env.example .env

核心配置：

• SHOLAR_DB_PATH: SQLite 数据库路径，默认 ./data/scholar_agent.sqlite3
• SHOLAR_PDF_ROOT: 默认递归扫描 PDF 的根目录，默认 ./papers
• SHOLAR_LLM_PROVIDER: placeholder 时使用占位实现，其他值都会走远程 LLM 接口
• SHOLAR_API_KEY: 调用模型生成摘要和笔记时使用的 API Key
• SHOLAR_LLM_MODEL: 模型名
• SHOLAR_BASE_URL: 远程 LLM 的完整请求 URL，直接按 .env 配置使用，不做额外拼接

启动

langgraph dev

LangGraph 会读取 langgraph.json，加载 research_agent 这张图。你可以在 LangGraph Studio 或 SDK 中启动 graph。graph 启动后会自动执行：

1. 初始化数据库
2. 扫描 PDF 目录
3. 为所有摘要未生成的论文生成摘要
4. 逐篇展示“摘要已生成且用户未读”的论文
5. 用户选择 d 深度分析或 s 跳过
6. 如果深度分析，agent 生成笔记初稿并立即落盘，然后暂停等待用户修改、提问或确认
7. 用户可以围绕论文细节多轮追问，看到单独答案后再输入 done 结束问答
8. agent 基于问答记录修订笔记并保存终稿，然后继续处理下一篇待读论文

用户介入通过 LangGraph interrupt() 完成：human_summary_review 返回 deep_analysis 或 skip；human_note_review 中以 confirm 开头表示直接确认终稿，输入 done 表示结束问答并开始修订，其他输入会先进入问答节点生成单独答案。

数据库设计

主表：papers

• title: 论文标题，主键，作为唯一 id
• conference: 论文所属会议
• publication_time: 论文发表时间
• summary_generated: 论文是否生成摘要
• user_read: 用户是否已读摘要
• deep_analyzed: 是否深度分析
• note_path: 论文笔记文件位置
• pdf_path: 论文 PDF 文件位置
• summary: 摘要内容
• keywords_json: 关键词列表 JSON
• categories_json: 分类列表 JSON
• created_at, updated_at: 本地记录时间

辅助表：deep_analysis_sessions 记录深度分析确认状态和终稿路径。