Future-House/paper-qa

项目概览

值得持续关注其智能体式检索与带文内引用的科研问答能力在真实论文集上的准确性、引用可靠性和成本表现。

项目类型

AI Agent · RAG 与知识库

应用场景

知识问答 · 搜索调研

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 适合把高准确度、证据可追溯和文内引用放在首位的科研人员、文献分析团队与研究工具开发者。
• 适合需要通过命令行快速试用，同时保留 Python 库集成空间的团队。
• 适合希望在默认云端模型与本地托管模型之间进行选择，并能接受自行部署和配置模型链路的用户。

核心能力

• 从文档中检索相关证据，再由生成模型组织回答并加入文内引用。用户获得的不只是结论，还能追踪答案依据；该能力当前可用。
• 语言智能体可以迭代优化检索查询和答案，并调用论文搜索、证据汇集与答案生成工具。它适合需要综合判断与内部反复查证的问题；该能力当前可用。
• 为本地 PDF 和文本文件仓库提供可用的全文搜索引擎，便于在生成回答前直接定位相关内容，也可单独输出检索结果；该能力当前可用。
• 从多个提供方获取冗余的论文元数据，包括引文和期刊质量信息，为检索、筛选及证据判断补充文档正文之外的上下文；该能力当前可用。
• 可解析独立图片以及 PDF 内的图片或表格，并用合成说明增强嵌入，使相关视觉内容能够参与检索；该能力当前可用。
• 可通过 llama.cpp、llamafile、ollama 或 sentence-transformers 配置本地语言模型与嵌入模型，从而减少对默认云端模型服务的依赖；该能力当前可用。
• 可通过 QdrantVectorStore 使用 Qdrant 等外部向量数据库，为需要独立管理向量存储的应用提供扩展路径；该能力当前可用。

限制与风险

• 现有 Python 环境若低于 3.11，需要先升级或建立独立运行环境，这可能影响旧项目中的直接集成。
• 虽然可以处理源代码文件并围绕其内容回答问题，但项目定位不是生成代码，因此不能替代代码补全或编程智能体。
• 高质量设置会提高证据来源上限，因此调用模型的成本相对更高。评估时应同时记录答案质量、证据覆盖和单次任务成本。
• 本地部署虽然可选，但需要相对较大的模型；现有资料明确指出 7B 模型无法取得良好表现，硬件与模型规模必须结合真实任务验证。

如何开始

• 环境需使用 Python 3.11 或更高版本。安装命令为 `pip install paper-qa`，随后可运行 `pqa ask 'What is PaperQA2?'` 验证基本问答链路。
• 默认路径依赖 OpenAI 的语言模型与嵌入模型；若数据不能发送到外部服务，应在导入正式资料前配置 llama.cpp、llamafile、ollama 或 sentence-transformers 对应的本地模型路径。
• 在配置好模型后，应将 PDF、文本或源代码等资料导入本地知识库，建立全文搜索索引，以便进行实证测试和文档检索。

核验依据

• README: PaperQA2 is a package for doing high-accuracy retrieval augmented generation (RAG) on PDFs, text files, Microsoft Office documents, and source code files, with a focus on the scie…
• GitHub 项目简介: High accuracy RAG for answering questions from scientific documents with citations
• README: PaperQA2 is engineered to be the best agentic RAG model for working with scientific papers. Here are some features: - A simple interface to get good answers with grounded response…
• README: pip install paper-qa mkdir my_papers curl -o my_papers/PaperQA2.pdf https://arxiv.org/pdf/2409.13740 cd my_papers pqa ask 'What is PaperQA2?'
• README: Agentic workflows invoking tools for paper search, gathering evidence, and generating an answer

内容核验时间：