随着人工智能与信息检索领域的快速发展，研究者每天需要面对大量新发布的论文。如何高效获取高质量论文、快速理解论文内容、并进行可追溯的深度阅读与问答，已经成为科研工作中的核心痛点。
Paper Pal 是一个集 论文自动抓取、智能筛选、PDF 全文分析与 RAG 问答 于一体的桌面级论文阅读伴侣系统。项目以 ArXiv 最新 AI 论文 为主要数据源，结合 大语言模型（LLM） 与 信息检索技术，实现从论文发现、质量评估到全文级交互式阅读的完整闭环。
在工程实现上，Paper Pal 采用 Next.js + Electron + FastAPI 的跨平台架构，并引入 桌面精灵（Desktop Agent） 的交互形式，使论文追踪与阅读过程更加轻量、持续且友好；在方法设计上，项目重点探索了：
- LLM 驱动的论文相关性与价值评分机制
- 基于 PDF 全文的 RAG（Retrieval-Augmented Generation）问答
- 面向真实科研场景的可靠性标注与智能降级策略
本项目既是一个可直接使用的科研辅助工具，也是一个完整可复现的工程与方法实践案例，适合对 信息检索、LLM 应用、RAG 系统、科研工具构建 感兴趣的学习者与研究者深入学习和二次开发。
本项目主要面向以下人群：
- 希望高效跟踪最新 ArXiv 论文
- 需要快速判断论文价值、抓住核心贡献
- 希望通过自然语言对话方式深入理解 PDF 全文内容
你将获得：
- 一个可持续运行的论文追踪与阅读系统
- 基于全文的高可靠性问答体验（含来源标注）
- 面向真实科研场景的 RAG 系统实践参考
- 想了解 LLM 在真实复杂系统中的落地方式
- 希望学习 PDF 处理、文本检索与问答系统的工程实现
- 对 Electron + Web + Python 的系统架构感兴趣
你将获得：
- 一个完整、模块化的 LLM 应用工程范例
- 可复用的 PDF RAG、评分与降级设计思路
- 桌面级 AI Agent 的实现经验
- 具备基础 Python / JavaScript 编程能力
- 对 AI 论文阅读与科研效率工具感兴趣
基础要求：
- 了解 Python 与基本 Web 技术（HTML / JS）
- 对 LLM 和信息检索有基础认知（非必须深入）
这里写你的项目目录，已完成的部分用添加上跳转链接
- 第1章
- 第2章
- 第3章
- 3.1 我是3.1的标题
- 3.2 我是3.2的标题
- 第4章
- 4.1 我是4.1的标题
- 4.2 我是4.2的标题
| 姓名 | 职责 | 简介 |
|---|---|---|
| 芙蕖 | 项目负责人 | Datawhale成员 |
| 王翔 | 贡献者 | Datawhale成员 |
| 长琴 | 贡献者 | Datawhale成员 |
注：表头可自定义，但必须在名单中标明项目负责人
- 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你想参与贡献本项目，可以提Pull request，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议