PaperInfo

PaperInfo 是一套本地优先的论文情报与阅读管理工具。它围绕用户配置的研究领域，从 arXiv 和 DBLP 持续发现论文，使用大语言模型完成相关性与学术价值初筛，并把翻译、收藏、统计、PDF 下载和 Zotero 导出串成一条完整工作流。

项目当前定位为单用户本地工具。默认只监听 127.0.0.1，请勿未经鉴权直接暴露到公网。

主要功能

• 按研究领域配置关键词、arXiv 分类、DBLP 会场和专属 LLM Prompt
• 自动或手动抓取 arXiv、DBLP 论文，支持增量时间窗口
• 规则初筛、数据库去重、LLM 相关性/价值双评分
• 标题、摘要、会议搜索，以及领域、来源、年份、批次组合筛选
• Azure Translator、DeepSeek、MyMemory 多级翻译降级
• 作者单位、摘要和公开 PDF 地址的异步元数据补全
• 收藏、阅读历史、更新日志和统计图表
• CSV、Excel、BibTeX、PDF/ZIP 批量导出
• 写入本地 Zotero 资料库或分类，并尝试附加全文 PDF
• Windows 后台自启动、错过任务补执行和飞书更新通知

完整功能介绍见 项目主要功能总结与介绍。

工作流

领域配置
  → arXiv / DBLP 抓取
  → 时间、分类、会场和关键词过滤
  → 去重 + LLM 双维度评分
  → SQLite 持久化 + 异步元数据补全
  → 搜索 / 翻译 / 收藏 / 阅读
  → PDF / BibTeX / Excel / Zotero

环境要求

• Python 3.11 或更高版本
• Windows、Linux 或 macOS
• 可访问 arXiv、DBLP 及所选外部服务的网络
• 可选：Zotero 桌面端

Windows 任务计划程序相关脚本仅适用于 Windows；Web 应用和核心测试可跨平台运行。

快速开始

git clone https://github.com/JustNSim/PaperInfo.git
cd PaperInfo
python -m venv venv

Windows PowerShell：

.\venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
Copy-Item .env.example .env
python app.py

Linux/macOS：

source venv/bin/activate
python -m pip install -r requirements.txt
cp .env.example .env
python app.py

然后访问 http://127.0.0.1:5000。

首次启动会自动创建 data/papers.db，并初始化两个示例研究领域。数据库、日志、缓存、运行锁和 .env 都不会提交到 Git。

配置层级

PaperInfo 可以在不同配置程度下运行：

配置程度	可用能力
无外部 Key	Web 界面、arXiv/DBLP 抓取、筛选、收藏、历史、统计、导出；LLM 初始化失败时论文将不经过模型过滤
配置一个 LLM	论文相关性/价值评分；也可作为翻译后备服务
配置 Azure Translator	优先使用 Azure 进行学术文本翻译
配置 OpenAlex/Unpaywall	补全作者单位、摘要和公开 PDF
配置飞书机器人	更新完成后推送摘要和优先论文
运行 Zotero 桌面端	将题录和 PDF 保存到本地 Zotero

复制 .env.example 后按需填写。密钥不要写入代码或提交到仓库；推荐将敏感 Key 存入操作系统环境变量。

常用配置：

SECRET_KEY=
PAPERINFO_HOST=127.0.0.1
PAPERINFO_PORT=5000
FLASK_DEBUG=0

LLM_FILTER_ENABLED=false
LLM_PROVIDER=openai
LLM_RELEVANCE_THRESHOLD=30
LLM_VALUE_THRESHOLD=30

如果需要局域网访问，可显式设置 PAPERINFO_HOST=0.0.0.0，同时应配置强随机 SECRET_KEY，并使用操作系统防火墙限制访问范围。当前版本没有多用户登录系统，不适合直接公网部署。

可选依赖

基础依赖安装自 requirements.txt。如果使用 Anthropic 或智谱 SDK：

python -m pip install -r requirements-optional.txt

不同 LLM 提供商只会在被选中时加载相应 SDK。

测试

项目使用 Python 标准库 unittest，普通测试不会调用真实外部服务：

python -m unittest discover -s tests -v

真实 DBLP 冒烟测试默认跳过，需要显式设置：

$env:RUN_DBLP_LIVE_TESTS = "1"
python -m unittest tests.test_dblp_live -v

LLM 连通性检查是手动集成测试：

python scripts/check_llm_connectivity.py

Windows 后台运行

以管理员身份打开 PowerShell：

powershell -ExecutionPolicy Bypass -File scripts\install_autostart.ps1

常用维护命令：

powershell -ExecutionPolicy Bypass -File scripts\restart_server.ps1
powershell -ExecutionPolicy Bypass -File scripts\uninstall_autostart.ps1
Get-ScheduledTask PaperInfo

后台入口为 run_server.py，始终关闭 Flask Debug 和 reloader。

安全说明

• 默认仅监听本机回环地址。
• 修改数据的 Web API 使用会话级 CSRF Token。
• 项目不提供公网身份认证或多用户权限控制。
• /api/clear、批量删除和领域删除等接口具有破坏性，只应在可信本机环境使用。
• 外部 PDF、翻译、LLM 和元数据服务返回的内容均应视为不可信输入。
• 发现安全问题时，请按 SECURITY.md 私下报告，不要直接创建公开 Issue。

项目结构

路径	职责
app.py	Flask 应用、页面和 API
models.py	领域、论文、更新日志和阅读历史模型
crawler/	arXiv/DBLP 抓取、重试、缓存和标准化
scheduler.py	定时任务、补执行、LLM 筛选和更新日志
llm/	多提供商评分和主备降级
affiliation_service.py	作者单位、摘要和 PDF 元数据补全
translation_service.py	学术翻译和服务降级
zotero_service.py	本地 Zotero 写入
templates/、static/	Web 页面与交互
tests/	离线单元测试

参与贡献

欢迎提交 Issue 和 Pull Request。开始之前请阅读 CONTRIBUTING.md 和 CODE_OF_CONDUCT.md。

数据源与第三方服务

PaperInfo 只保存检索和用户工作流所需的论文元数据。使用者应遵守 arXiv、DBLP、OpenAlex、Crossref、Unpaywall、翻译服务、LLM 服务和出版商网站各自的服务条款、速率限制与内容许可。

许可证

本项目代码使用 MIT License 开源。第三方服务、论文元数据和论文全文仍适用其各自的条款与版权。