Resonance AI 是一个端到端的研究智能平台,可将原始研究想法转化为结构化洞察和学术稿件。它主要以智能体式生成式 AI 系统构建,结合了基于 LLM 的推理、检索增强生成(RAG),以及通过 OpenAlex 进行的学术文献检索。它由 LangGraph 编排,遵循多阶段研究流程:理解研究问题、提取 Research DNA、发现并分析相关文献、识别研究空白和创新机会,并生成带上下文感知的 Markdown 和 LaTeX 学术稿件。 其架构将研究智能与稿件生成分离,通过专用的 LLM 阶段,让生成内容以检索到的学术文献为依据,而不是仅依赖模型自身知识。主要特性包括 Research DNA 提取、OpenAlex 学术搜索集成、基于成熟度的空白分析、模块化章节起草,以及支持 LaTeX 和 Markdown 的双格式导出引擎。后端使用 Python 3.11+、FastAPI、Uvicorn、Google GenAI SDK、LangChain Google GenAI、Pydantic v2 和 OpenAlex API;前端使用 React 18、TypeScript、Vite、Tailwind CSS 和 Lucide React。 系统提供的 API 端点包括:POST /api/research/analyze,用于提取 Research DNA、查询 OpenAlex 中的已有文献并综合出研究空白;POST /api/paper/generate-section,用于根据研究上下文生成指定的学术章节。Resonance AI 定位为研究综合与稿件工程助手,而不是学术判断的替代品。生成的内容应由研究人员复核,包括事实正确性、引用准确性、方法有效性、统计有效性、研究创新性、伦理考量、抄袭与原创性以及发表要求。
团队用 Resonance AI 把原始研究想法转化为结构化洞察和学术稿件。
团队用 Resonance AI 从原始项目构想中提取 Research DNA。
团队用 Resonance AI 通过 OpenAlex 发现相关的已有工作和引用指标。
团队用 Resonance AI 对照现有文献评估拟采用的方法,并找出尚未探索的研究方向。
团队用 Resonance AI 生成带上下文感知的稿件章节,如摘要、引言和方法。
团队用 Resonance AI 导出可直接投入使用的 LaTeX 和 Markdown 稿件文件。
团队用 Resonance AI 通过 API 查询 OpenAlex 中的已有文献并综合出研究空白。
团队用 Resonance AI 根据研究上下文生成指定的学术章节。