可编程研究执行系统

A programmable research execution system.
Research question in, structured literature review out — with full audit trail, knowledge graph, and LaTeX export.

Powered by Semantic Scholar + OpenAlex + arXiv  ·  Built on FastMCP

Ariadne是一个开源的MCP服务器，它将Claude变成了一个完整的学术研究系统。它执行系统文献综述的每个阶段——多源发现、PRISMA筛选、结构化提取、概念图构建、对抗性质量评估、牛津三步分类、矛盾检测和LaTeX导出的最终综述汇编——具有局部持久性、语义搜索和方法论严谨性。

89个工具。12个数据库表。5 API集成。20次集成测试。一切都是当地的。所有内容都会在会话期间持续存在。

建筑

                          User
                           |
                      Claude (Agent)
                     /      |      \
              Planner   Executor   Synthesizer
                           |
                   MCP Tool Layer (89 tools)
                  /    |     |      \       \
          Semantic  OpenAlex arXiv  GitHub  Internal LLM
          Scholar    API    API    API    (Haiku/Sonnet)
                  \    |     /               |
               SQLite + FTS5          ChromaDB
             (Knowledge Store)     (Vector Store)
            /    |     |     \          |
      Papers Concepts Citations  Embeddings
        |       |       |        (persistent)
   Extraction Concept  Citation      |
   + Schema   Graph   Network    Passage
   Validation  |       |        Retrieval
               |       |
          Theorem   Citation
          Dep DAG   Context
                           |
                   Synthesis Engine
                  /    |     |     \
          Review  BibTeX  LaTeX  Research
          Draft   Export  Export  Gap Gen

代理角色：

• 规划师 --生成搜索策略，提出审查大纲，建议查询改进，找出差距
• 执行者 --运行搜索、下载PDF、提取结构化数据、构建引文和概念网络
• 合成器 --发现矛盾、红队质量评估、对行动进行分类、汇总审查

运作原理

1.定义 --你提出了一个研究问题。Ariadne配置特定于域的支柱和提取字段，或从您的论文中自动检测它们。

2.发现 --同时查询语义学者（2亿多篇论文）、OpenAlex（2.5亿多篇）和arXiv。追踪引文线索，绘制合著者网络图，发现相互关联的作品。使用DOI、标题和语义相似性在不同来源之间进行重复数据消除。

3.屏幕 --符合PRISMA标准的摘要筛选，具有可配置的包含/排除标准。自动重复数据删除（DOI、精确标题、模糊Jaccard、语义嵌入）。完整的审计跟踪 generate_prisma_report().

4.分析 --每篇论文：综合总结、关键发现提取、质量评分和结构化字段提取。当 ANTHROPIC_API_KEY 设置好后，这些程序会在廉价型号（Haiku）上自动运行——克劳德永远看不到全文。对于关键论文， red_team_assess() 生成对抗性代理，对论文的质量进行辩论，并生成一个平衡的限制段落。

5.组织 --牛津三步分类（基础/间隙/平行）、主题标注、概念图构建。 build_theorem_graph() 将数学证明依赖关系解析为DAG。 extract_concepts() 绘制想法层面的关系图（介绍、扩展、评论、替换）。

6.合成 — detect_contradictions() 在多篇论文中发现了相互矛盾的主张。 auto_synthesize() 识别方法论阵营并跟踪其演变。 generate_future_research_gaps() 将计算限制与理论框架进行交叉引用，以提出博士级开放问题。 standardize_notation() 将论文中的数学符号翻译成你的术语表。

7.验证 — github_reality_check() 抓取链接的repos，并提取论文中省略的未记录的实现技巧（批处理规范、梯度剪裁、超参数）。 extract_citation_context() 对每篇论文引用另一篇论文的方式进行分类：支持、对比或提及。

8.搜索 — semantic_search() 按含义而不是关键字查找论文。 passage_search() 在整个库中查找精确的文本段落。三层回退：ChromaDB（即时、持久）->句子转换（瞬态）->FTS5关键字。

9.写 --根据牛津指南选择块状、平行或混合结构。批准大纲。Ariadne将完整的评论与 [AuthorYear] 引文和章节之间的平滑过渡。

10.出口 --BibTeX带有消歧义的引用键。LaTeX导出 \cite{} 文章、IEEE或ACM模板中的命令。上传到Overleaf并编译。

所有内容都在SQLite+ChromaDB中跨会话本地保存。

管道

三层确定性、记录的审查流程：

每条管道都遵循固定的测井工具顺序。每一步都记录在 pipeline_runs --使用 explain_pipeline_run() 看看到底发生了什么。

 1. DEFINE      setup_review() + generate_search_strategy()
 2. DISCOVER    multi_search() + batch_add() + build_citation_network()
 3. SCREEN      screen_papers() + deduplicate_library() -> generate_prisma_report()
 4. EXTRACT     extract_structured_claims() + bulk_extract()
 5. ANALYSE     summarize_paper() + extract_key_findings() + red_team_assess()
 6. ORGANISE    classify_moves() + extract_concepts() + build_theorem_graph()
 7. SYNTHESIZE  detect_contradictions() + auto_synthesize() + generate_future_research_gaps()
 8. VERIFY      github_reality_check() + extract_citation_context()
 9. SEARCH      semantic_search() + passage_search()
10. STRUCTURE   generate_review_outline(style) + assign_chapter()
11. WRITE       assemble_review() + draft_section()
12. EXPORT      export_bibtex() + compile_to_latex()

快速开始

1.安装

# Core (required)
pip install fastmcp httpx aiosqlite pydantic bibtexparser tiktoken

# PDF text extraction (recommended)
pip install pdfplumber

# Internal LLM for auto-extraction (recommended — saves conversation tokens)
pip install anthropic

# Semantic search + dedup (recommended)
pip install sentence-transformers

# Persistent vector store for instant passage retrieval
pip install chromadb

# Math-aware PDF extraction (LaTeX-native, extracts equations/theorems)
pip install nougat-ocr torch

# Visual dashboard
pip install streamlit networkx pyvis

# Or install everything:
pip install -e ".[all]"

2.连接到克劳德代码

添加到您的项目 .mcp.json:

{
  "mcpServers": {
    "ariadne": {
      "command": "python",
      "args": ["/absolute/path/to/ariadne/server.py"],
      "env": {
        "S2_API_KEY": "your_optional_key_here",
        "ANTHROPIC_API_KEY": "your_optional_key_here"
      }
    }
  }
}

语义学者API密钥 （免费）--将您的费率限制从1 RPS提高到10 RPS。得到一个在 语义学院.org/product/api.

无烟煤API键 （可选）--启用内部LLM路由。摘要和提取在Haiku上运行，而不是消耗你的对话上下文。大幅降低代币成本。

3.开始使用它

Search for papers on transformer attention mechanisms from 2020 onwards

Do a full literature review on mean-field game theory applied to financial markets

Red-team assess this paper and check if its GitHub repo matches the claims

首次用户： 呼叫 setup_review() 配置您的域，或只是开始搜索和使用 auto_detect_pillars() 一旦你有了大约10篇论文。

它取代了什么

费用：免费。 用于更高速率限制和内部LLM路由的可选API密钥。所有数据都保留在本地。

技术设计

检索策略

使用联合重复数据消除的多源查询：

• 语义学者 --2亿多篇论文，强大的引用数据，人工智能生成的TLD
• OpenAlex --2.5亿多篇论文，完全开放，丰富的作者/机构元数据
• arXiv --预印本，尚未经过同行评审的前沿工作
• GitHub --实现代码链接自机器学习论文

重复数据删除使用四层：DOI匹配、标准化标题匹配、Jaccard词集相似度（>0.85）和语义嵌入相似度（安装句子转换器时）。

知识表示

SQLite有12个表：

FTS5 用于排序全文关键字搜索的虚拟表。

色度数据库 （可选）用于即时语义搜索和段落检索的持久向量存储。论文在下载时自动索引，有800个字符重叠块。

语义搜索管道

三层回退链：

1. 色度数据库 （持久、即时、块级，带段落预览）-- pip install chromadb
2. 句子转换 （瞬态，每次查询重新嵌入，论文级）-- pip install sentence-transformers
3. FTS5 （关键字匹配，始终可用）

数学感知PDF摄取

三层提取链：

1. 牛轧糖 （Meta的视觉转换器，本地，LaTeX原生）-- pip install nougat-ocr torch
2. Mathpix （API商用，LaTeX-native）-套装 MATHPIX_APP_ID + MATHPIX_APP_KEY
3. PDF 管道工 （明文回退）-- pip install pdfplumber

数学感知方法提取结构化组件：方程、定理、引理、定义、假设和证明。这些数据以JSON格式存储，并由以下人员使用 build_theorem_graph() 和 standardize_notation().

LLM成本编排

当 ANTHROPIC_API_KEY Ariadne将提取任务路由到内部廉价模型：

信心级联： Haiku返回了一个信心得分。低于阈值（默认值75）时，任务会自动升级到Sonnet。

快速缓存： 纸张文本块使用Anthropic cache_control: ephemeral --在同一张纸上运行summare->extract_indings->assess_quality时，只有第一次调用支付全部输入价格。后续通话可享受90%的折扣。

提取缓存： 本地SQLite表存储 (hash(paper_text + task), result_json)。精确重复查询的成本为0美元，返回时间为毫秒。

批次API： batch_extract() 使用Anthropic的Message Batch API，批量操作成本降低50%（5张以上纸张）。

代币预算管理：

1. 噪声去除（参考文献、附录、致谢）——节省15-25%
2. 切片（每种任务类型仅相关部分）——额外30-60%
3. 每个工具的硬令牌上限（4K摘要，12K全文）
4. 模式验证（Pydantic模型拒绝格式错误的LLM输出）

没有API键，一切都和以前一样——工具返回格式化的提示，Claude处理它们。

MCP工具参考（89个工具）

设置和配置（4）

探索（8）

图书馆管理（17）

筛选和重复数据删除（4）

分析与合成（11）

阅读与质量评估（7）

概念与定理图（6）

分类（3）

作者与机构网络（2）

代码与纸张对齐（2）

写作管道（5）

进出口（2）

管道与测井（5）

监测与引文分析（4）

评估

性能比较

代币效率

• 噪声去除 每张纸可节省15-25%的输入令牌
• 切片 额外节省30-60%
• 内部LLM路由 阻止全文进入对话
• 信心级联 使用Haiku进行约80%的提取
• 快速缓存 每张纸多次提取可享受90%的折扣
• 提取缓存 重复查询可享受100%折扣
• 批次API 批量操作可享受50%的折扣

配置

环境变量

研究支柱

完全可配置：

setup_review(pillars='genomics|proteomics|metabolomics')
setup_review(pillars='theoretical|experimental|computational')

或者从您的库中自动检测： auto_detect_pillars()

提取字段

也可按域配置：

update_extraction_fields('methodology|sample_size|population|outcome_measure|bias_risk')

违约： methodology | limitations | math_framework | convergence_bounds

流线型仪表板

python -m streamlit run app.py

四页： 仪表板 （统计数据、管道、优先级队列）， 论文 （带内联编辑的可过滤列表）， 引文图 （交互式网络）， 编辑纸张 （完整元数据格式）。

测试

pip install pytest pytest-asyncio
pytest tests/test_integration.py -v

20个集成测试用合成论文验证关键不变量（没有API调用）：

• 重复数据删除检测到完全相同的标题重复
• 提取字段已正确填充
• 支柱验证通过建议拒绝未知名称
• 纸张ID解析处理前缀、标题词和作者姓名
• 结构化索赔通过数据库往返
• 矛盾的主张在算法上是可检测的
• 管道测井生命周期端到端工作
• 噪声去除会删除引用
• 代币预算得到执行
• 所有89个刀具均无错误

电流可靠性

Ariadne是一个用于研究的结构化推理环境，而不是专家判断的替代品。它加速了审查结构、发现和比较——人类验证。

什么效果好：

• 多源发现和重复数据删除具有确定性和可靠性
• 引文网络构建从API中生成地面实况边缘
• PRISMA审计跟踪在结构上是正确的
• BibTeX/LaTeX输出机械性能良好

需要人工验证的内容：

• 总结和关键发现由LLM生成，可能包含错误或遗漏
• 质量评估（包括红队）反映的是法学硕士的判断，而不是事实真相
• 矛盾检测比较结构化的声明，但可能会产生幻觉分歧或错过数学假设中的细微差异
• 概念提取是近似的——概念可能太宽泛、太窄或分类错误

现在还为时过早：

• 数学内容被提取出来，但没有经过正式验证——符号标准化是启发式的，而不是象征性的
• 定理依赖解析依赖于正则表达式模式，最适合LaTeX提取的文本
• GitHub代码到纸张的对齐捕捉到了常见的机器学习技巧，但不会发现特定领域的实现差距

最佳实践： 使用Ariadne构建脚手架（查找论文、绘制连接图、构建评论结构），然后运用你的领域专业知识来验证每一项主张，尤其是任何定量或数学的主张。

局限性

• API依赖性 --搜索质量取决于Semantic Scholar、OpenAlex和arXiv索引。不在这些数据库中的论文将无法找到。
• PDF提取方式各不相同 --pdfplumber在方程式和复杂的布局上苦苦挣扎。Nougat生产出色的LaTeX，但需要GPU并且速度较慢。Mathpix速度很快，但需要付费的API密钥。
• SQLite缩放 --足以进行个人评论（数百至数千篇论文）。不是为机构规模部署而设计的。
• ChromaDB是可选的 --没有它，语义搜索会在每个查询上重新嵌入库。有了它，查询是即时的，但存储空间会增长。

关于名字

在希腊神话中， 阿里阿德涅 在忒修斯进入迷宫面对牛头怪之前，他给了他一个金线球。这根线让他在迷宫中追踪自己的路径，找到了回去的路。

文献综述本身就是一个迷宫——数百篇论文、错综复杂的引文网络、相互矛盾的发现和死胡同。阿里阿德涅是引导你穿过它的线索。

许可证

麻省理工学院