写在前面的话

本来打算写长一点，从设计哲学铺到各条管线的技术架构，并开发的更加完善一点再发出来。但做到一半懒得继续了，写这类业务端应用实在没什么意思，还是回去写游戏引擎。大概过几个月需要水论文的时候会再捡起来。

另外这个项目是随手花了半个多月 AI coding 做的，基本功能应该完善了，bug 还有不少没修。说实话我并不精通 TypeScript，整个过程纯 vibe coding——不像写 C++ 我还会逐个功能去测试调试。斟酌阅读使用即可。

项目说明

不知道你是否有过这种经历——Zotero 管文献但不理解论文内容，Elicit 能做 AI 分析但维度不可定制，Obsidian 的知识连接全靠手动，写作时开个 Claude 窗口问来问去但引用全靠幻觉。四件事在实际研究中根本不是独立的，你在写某段论证的时候同时在调用文献分析、书目管理、知识管理和写作表达，但现有工具逼你在不同应用之间反复切换，每次切换打断一次心流。而这些软件背着历史包袱，想接入 AI 也很困难。

大多数 AI 辅助科研还停留在开个 Gemini、Claude、ChatGPT 你问我答的阶段。自媒体视频里描绘的“全自动科研”又过于遥远。两者之间有一片空白。

Abyssal 试图填这片空白。它在做 Zotero（文献管理）+ Elicit（AI 论文分析）+ Connected Papers（论文发现）+ Jenni AI（AI 学术写作辅助）+ Obsidian（笔记）五合一，以 AI + 概念锚定 串起整条科研链路。

这个项目的出发点是 AI 不取代人的判断，只是在整条链路里引入 AI 来提升效率、降低心智负担——另一种意义上可以理解为学术版的 Cursor。

概念锚定同理：概念不是标签，而是贯穿始终的组织基元，它有双语定义、成熟度等级、层级关系、搜索关键词、演化历史。概念框架的变更会自动触发影响分析，告诉你哪些映射和综述需要更新。从 Search 到 Article，概念是唯一不变的线索。

项目整体由文献库、阅读器、分析、图谱、写作和笔记六个页面构成。

文献库

这部分着重介绍三个核心功能：论文的获取、处理、分析。

论文获取

解决的痛点很简单：拿到一个 DOI 或标题，不应该自己去各种网站手动找 PDF。

获取引擎分四层级联。Layer 0 是快速路径——对 arXiv、bioRxiv、PLOS、MDPI、Frontiers 等十种开放获取出版商，直接由 DOI 前缀构造 PDF 链接，零网络请求。DOI 以 10.48550 开头即知是 arXiv，直接拼 URL 下载。Layer 1 是并行侦察——对非 OA 论文，同时向 DOI 重定向、OpenAlex、CrossRef 三个源发起查询（Promise.allSettled，任一失败不阻塞），获取 OA 状态、可用 PDF 链接、出版商域名，结果带 TTL 缓存。Layer 2 是策略评分——将所有候选下载源按可靠性打分排序（Fast Path OA: 95 → OpenAlex PDF: 90 → CrossRef: 85 → 机构代理: 65 → PMC: 40 → Sci-Hub: 30），并根据失败记忆动态调整——某个出版商的 DOI 前缀在该源上反复失败，自动降权。Layer 3 是投机执行——高分候选源通过 Promise.any() 并行下载（默认 5 路并发），第一个成功的结果立即采用，其余取消；低分复杂源（PMC、知网、万方、Sci-Hub）按序兜底。

如果论文只有标题没有 DOI，会通过 CrossRef + Semantic Scholar 模糊匹配尝试恢复标识符。下载后可选通过 LLM 验证 PDF 内容是否与预期论文匹配（标题、作者对不对得上），防止下错论文。

导入方式支持手动上传 PDF、URL 导入（网页自动转 Markdown）、标识符搜索（DOI / arXiv / PMCID）、BibTeX / RIS 批量导入。

处理

处理管线的核心是把一份 PDF 变成可被 RAG 检索的结构化块。

版面分析使用 DocLayout-YOLO 模型，检测十种区块类型：正文段落、章节标题、图片及标题、表格及标题和脚注、公式及标题、废弃区块（页眉页脚之类）。PDF 的逐字符坐标数据与 DLA 检测框做空间匹配——每个字符归属到包含它的最小区块，生成结构化文本。阅读顺序通过文本区块中心点的 x 坐标聚类自动识别单栏还是双栏，双栏按”左栏从上到下 → 右栏从上到下”排序，跨栏元素优先排列。对扫描页面（字符密度 < 10 chars/sq_inch 自动触发），使用 Tesseract.js 多线程 OCR（4 worker 并行），支持中英文。

分块以章节为一级边界，章节内以空行分段，累积到 token 上限（默认 1024）时切出一个 chunk。相邻 chunk 保留 128 tokens 重叠避免语义截断，每个 chunk 记录前后段首句作为局部语境，通过字符偏移量二分查找精确记录起止页码和位置比例——检索结果可以直接跳转到 PDF 原文。

嵌入支持 OpenAI / Jina / SiliconFlow 等多种模型，向量存储在 SQLite + sqlite-vec 中，L2 距离 KNN 检索。

RAG 管线走四路召回：向量语义检索、BM25 全文检索（FTS5，支持 CJK 2-4 字符窗口）、基于概念映射关系的结构化查询、备忘录和标注的强制包含。检索时自动将概念定义和关键词注入查询变体，成熟概念获得更大的扩展因子（established 2.0×, working 1.5×, tentative 1.0×）。检索完成后有一道纠正式 RAG——LLM 从覆盖度、相关性、充分性三个维度评估结果质量，不足时自动执行修复策略（查询改写、分数阈值提升、top-K 扩大），最多重试两轮。上下文组装按论文分组、合并相邻 chunk、保证多样性（每篇论文至少一个最佳 chunk 入选），防止高分论文垄断上下文窗口。可选接入 Cohere / Jina / SiliconFlow 的重排序模型，未配置时退化为纯向量分数排序。

论文分析

分析采用双阶段架构。第一阶段是 Analysis Base——提取每篇论文的核心主张、方法标签（empirical / simulation / RCT 等）、关键术语。这一层与概念框架完全无关，是可复用的事实基础层，概念变更时不需要重跑。第二阶段是 Concept Mapping——将论文与框架中每个概念进行关系判定，生成映射矩阵。每条映射包含关系类型（支持 / 挑战 / 扩展 / 操作化）、置信度（0-1）、双语证据（AI 翻译的英文 + 原文引用，附 chunk 定位和页码）、审阅状态（AI 生成 → 用户接受 / 修正 / 拒绝）。

分析时不是把所有概念都扔给 LLM。三个维度筛选最相关的概念子集——用户标注信号（概念出现在高亮或笔记中）、引文邻域（被引论文已映射的概念）、语义相似度（嵌入向量邻近补充）。模型路由也会根据概念框架状态和论文相关性自动选择分析模式——零概念状态只做发现、低相关性论文跳过、中等相关性做元数据提取、高相关性使用前沿模型做完整映射。

用户可以在热力图或侧边栏中逐条审阅 AI 生成的映射——接受、拒绝、或修正（可调整置信度和关系类型）。审阅后的映射在后续 Synthesize 和 Article 阶段获得更高权重。双语证据卡片左栏原文、右栏 AI 英译，来源页码可点击跳转 PDF。

阅读器

做了两种阅读器，PDF 和网页。核心不是阅读器本身，而是与右侧 AI 的实时交互。

PDF 阅读器基于 pdf.js，四层渲染架构——文本层（选中和 OCR 坐标）、Canvas 层（PDF 渲染）、标注层（高亮 / 笔记 / 概念标签）、交互层（鼠标事件和区域选择）。支持缩放、缩略图导航、跨页选择，大 PDF 使用虚拟窗口和内存预算管理。网页阅读器对导入的网页内容（自动转 Markdown）提供相同的标注工具集。

标注系统支持选中文本后直接关联到概念框架中的某个概念，跨页选择自动生成 groupId 原子化创建，标注回写 PDF 保持离线阅读时仍可见。

AI 侧边栏是这部分的核心交互点。五个标签页：摘要（分析报告）、映射（双语证据 + 审阅按钮）、标注列表、备忘录、相关论文。AI 通过 RAG 获取当前论文和整个知识库的上下文来回答问题，证据卡片中的页码可直接点击跳转 PDF 对应位置。用户的高亮和笔记会自动注入后续分析的 LLM prompt 中——你在阅读时随手记下的想法，会在所有后续 AI 生成环节被看到。

分析与图谱

这部分 bug 可能有点多，还没做完。

知识图谱基于 Graphology（图数据结构）+ Sigma.js（WebGL GPU 加速渲染）。四种节点类型：论文、概念、备忘录、笔记。七种边类型覆盖引用关系（论文间的引用网络）、概念支持/冲突/扩展（论文与概念的映射关系）、语义邻近（基于嵌入相似度）、概念提及（笔记中提及的概念）、笔记关联（论文与笔记/备忘录的链接）。

交互上支持节点点击聚焦并在右侧面板显示详情、N 跳邻域聚焦（1 跳 / 2 跳 / 全局）、边类型按层切换显示隐藏、相似度阈值滑块过滤语义边、图搜索框加键盘导航。布局使用 ForceAtlas2 力导向算法在 Web Worker 后台计算，支持手动拖拽固定节点位置。

文献发现是一条八步管线。从用户标记为种子的论文出发（分公理级、里程碑级、探索级，不同级别获得不同的引文遍历深度），同时向后引用、向前引用、相关论文三个方向做广度优先遍历，每个种子最多扩展 200 篇。被两个以上不同种子引用的论文被标记为”桥接论文”，后续筛选中获得 1.5× 权重加成——这些往往是连接不同研究社区的关键文献。同时对框架中每个活跃概念，用名称和搜索关键词组合生成查询在 Semantic Scholar 等引擎中搜索。全局按 DOI → arXiv ID → 标准化标题三级 key 去重后，LLM 每 5 篇一批评估相关性（0-1），输出结构化评分和理由。最终有效分数 = 相关性分 × 桥接权重，按阈值分为高/中/低/排除四档，论文和引用边在同一事务中写入数据库。

写作管线

编辑器基于 TipTap（ProseMirror），做了几个学术写作的深度定制：输入 [@ 触发论文自动补全，插入后带删除保护（需两次退格）防止误删；$...$ 行内公式和 $$...$$ 行间公式由 KaTeX 实时渲染，自动编号加交叉引用；脚注导出为 \footnote{}；AI 流式块是运行时节点，显示 AI 实时生成的内容，完成后用户选择保留或丢弃，不会被序列化到文档。每个段落分配 UUID 记录人工编辑状态，用于段落保护。

段落保护是写作管线里比较重要的一个机制。用户手动修改过的段落被标记为”受保护”，AI 重新生成章节时系统提示中注入保护指令，生成完成后自动校验受保护段落是否被保留（编辑距离 < 2%），若 AI 遗漏或篡改了受保护段落，系统会强制恢复原文到近似位置。

导出系统支持 LaTeX（ProseMirror JSON → 完整 LaTeX 文档，带章节结构、引用命令、公式、表格、脚注、交叉引用）、BibTeX（自动生成 .bib 文件，标题双花括号保护大小写）、Markdown、DOCX。引用格式支持 APA / IEEE / GB/T 7714 / Chicago 四种样式，基于 CSL 引擎动态切换。

这部分也还没做完，最理想的情况下，用户拿到导出的 .tex + .bib 后只需要做两件事：选模板填元数据（作者、机构、摘要、关键词），以及编译后微调浮动体位置——后者是 LaTeX 本身的问题，Overleaf 用户也要做。正文、引用、公式、表格、章节结构这些占论文 90% 工作量的部分，可以做到导出即可用。这条管线的定位是高质量初稿生成器，不是 LaTeX 替代品——用户在 Abyssal 里完成思考、检索、组织、写作，最后十分钟在 Overleaf 里完成排版。

笔记

笔记分两层。备忘录是快速灵感捕获，简短片段，纯文本输入，可链接论文、概念、标注、大纲条目。笔记是结构化研究文档，长篇，使用完整的 TipTap 富文本编辑器，可链接论文和概念。两者都支持向量化嵌入后参与 RAG 检索。

两层之间有一条渐进式知识固化路径：备忘录可以升级为笔记（将零散灵感整理为结构化文档，自动建立双向链接），笔记可以升级为概念（将成熟的笔记提升为概念框架中的”试探性”概念，提取标题、定义、关键词）。这条路径模拟的是真实的研究认知过程——碎片灵感到结构化思考到正式理论框架。

备忘录和笔记在分析、综述、写作三个阶段都以绝对优先级注入 LLM 上下文。你在阅读时随手记下的想法，会在所有后续 AI 生成环节被看到。

使用方法

下载

基于 GitHub Release，目前只打包了 Windows 版本，下载安装即可。

https://github.com/xuanxuanQAQ/abyssal/releases/tag/v0.0.1

API 申请

由于本项目是个人兴趣，我也没有实力做商业化，所以 API 大家自己去申请吧。

本项目至少需要配置一个 LLM 和一个 Embedding。最低成本的组合是 DeepSeek（LLM）+ SiliconFlow（Embedding），两者都有免费额度或价格极低。LLM 和 Embedding 可分别选择不同供应商，只要各配一个即可。

必需（至少各配一个）：

服务	用途
DeepSeek	默认 LLM（分析、综述、写作）
SiliconFlow	默认 Embedding（语义搜索依赖向量化）

可选 LLM（替代或补充）：

服务	说明
Anthropic Claude	按 token 计费，分析和写作质量最好
Google Gemini	1M 超长上下文，有免费额度
豆包（ByteDance）	256k 上下文，国内访问稳定
Kimi（Moonshot）	262k 上下文，长文本能力强
SiliconFlow	聚合平台，一个 key 覆盖 LLM + Embedding + Rerank

可选 Embedding（替代 SiliconFlow）：

服务	模型举例
OpenAI	text-embedding-3-small
Jina AI	jina-embeddings-v3

可选 Rerank（提升搜索质量）：

服务	说明
SiliconFlow	bge-reranker-v2-m3
Cohere	rerank-v3.5
Jina AI	多语言 reranker

Rerank 不是必需的，没有配置时退化为纯向量分数排序，搜索仍可正常工作。

论文发现（全部免费）：

服务	说明
OpenAlex	开放学术数据库
Semantic Scholar	不好用，不推荐

可选 Web 搜索：

服务	说明
Tavily	默认后端
SerpAPI	Google 搜索代理
Bing API	微软搜索
博查（Bocha）	国内替代方案

待办

以下为规划但还没实现的功能：

1. 文献翻译
2. 论文写作加入图片等素材支持
3. 输出结构化引用
4. 给项目做个 logo
5. …

尾言

写到最后，终于明白了我对当下 AI 生态一直感到的那种割裂感来自哪里。套用之前在某自驾公司实习时学到的一个词——关键在于当下 AI 所推动的生产力是否是 Human-in-the-loop 的。不是的话，产出的东西大概率就是一坨。

不批判别人了。只是在我看来，AGI 尚未实现的当下，人在环仍然是所有工作不可或缺的部分。所谓 skill 代替员工、OpenClaw 自主开发年入百万之类的叙事，愈发觉得可笑。

本来还打算给这个项目做个视频，但懒，以后再说吧。