AI导哈

AI研究助手

SynapseFlow是一个生产级AI研究助手，通过66个专业代理进行跨领域文献综述、引用分析和假设生成，支持实时引用图可视化。

  • by mrkingsleyobi
  • TypeScript
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 mrkingsleyobi/synapseflow

使用说明

🧠 SynapseFlow-具有66个代理编排的AI研究助手

自学习多智能体研究自动化系统 由模型上下文协议（MCP）提供支持，每分钟处理1000多篇论文，实时引用图可视化。

SynapseFlow是一个生产就绪的人工智能研究助理，可协调66名专业代理执行 跨领域文献综述, 引文分析，以及 假设生成 在几秒钟内。使用Next.js 15、TypeScript和模型上下文协议构建。

🚀 主要特点

🤖 多代理编排

  • 66个AI代理 并行工作使用 claude-flow 和 agentic-flow
  • 213 MCP工具 用于综合研究自动化
  • 实时代理监控和进度跟踪
  • 跨arXiv、PubMed、IEEE、语义学者的自主论文发现

📊 交互式引文图

  • D3.js力导向可视化 10-40%变焦
  • 用于识别有影响力论文的PageRank算法
  • 使用拖动、平移和工具提示进行交互式节点探索
  • 基于领域的颜色编码和引文流分析

⚡ 性能和规模

  • 速度提高150倍 基于AgentDB+HNSW索引的矢量搜索
  • 10-15倍加速 使用WebAssembly神经网络（ruv-swarm）
  • 50万次操作/秒 具有奇怪循环的时态推理
  • 通过子线性工具包实现O（logn）复杂度算法

🔬 AI驱动的分析

  • 11拥抱面对人工智能任务：文件QA、NER、总结、时间序列预测
  • 使用零样本分类的跨域洞察发现
  • 使用Llama 3.1自动生成假设
  • 自我学习与反思记忆

🌐 实时流媒体

  • 服务器发送事件（SSE） 实时研究更新
  • 用于CLI集成的MCP stdio协议
  • 所有66名代理人的进度跟踪
  • 即时纸张可用性通知

🛠️ 技术栈

前端：

后端：

AI和ML：

  • HuggingFace推论API -11项人工智能任务
  • BGE-M3嵌入件（1024维）
  • Llama 3.1用于文本生成
  • 基于BERT的NER及其总结

数据库：

  • PostgreSQL 16+pgvector-论文元数据
  • Redis 7-缓存层
  • Neo4j 5-引文图存储
  • AgentDB-矢量相似性搜索

测试：

📦 快速开始

先决条件

  • Node.js 20+
  • Docker&Docker编写
  • Git

安装

# Clone repository
git clone https://github.com/mrkingsleyobi/synapseflow.git
cd synapseflow

# Install root dependencies
npm install

# Start databases
cd scripts
npm run init

# Start backend
cd ../synapseflow/backend
npm install
npm run dev  # http://localhost:4000

# Start MCP server
cd ../mcp-server
npm install
npm run dev  # http://localhost:3001

# Start frontend
cd ../frontend
npm install
npm run dev  # http://localhost:3000

Docker部署

docker-compose up -d

访问地址： http://localhost:3000

💡 使用示例

基础研究查询

# Web Interface
1. Enter query: "transformer applications in biology"
2. Add domains: AI, Biology, Bioinformatics
3. Click "Start Research"
4. View results, citation graph, and insights

# CLI (MCP stdio)
cd mcp-server
npm run dev
> research transformer applications in biology
> tools      # List all 213 MCP tools
> stats      # View system statistics

API使用

# Research endpoint
curl -X POST http://localhost:4000/api/research \
  -H "Content-Type: application/json" \
  -d '{
    "query": "neural networks in drug discovery",
    "domains": ["AI", "Medicine"],
    "limit": 50,
    "crossDomain": true
  }'

# Vector search
curl -X POST http://localhost:4000/api/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": "protein folding",
    "limit": 10
  }'

🎯 用例

  • 学术研究：文献综述、引文分析、趋势跟踪
  • 跨域发现：寻找不同研究领域之间的联系
  • 研发团队：将文献综述从几周缩短到几分钟
  • 博士生：自动论文发现和假设生成
  • 研究实验室：跟踪新兴趋势和有影响力的论文
  • 赠款写作：全面的背景研究和引用

📊 性能基准

度量 性能
论文/分钟 1000+
矢量搜索 速度提高150倍（HNSW）
并发代理 66个并行代理
API延迟 <350ms平均值
MCP工具 共213个
数据库规模 100M+篇论文

🧪 测试

# Backend tests
cd synapseflow/backend
npm test

# Frontend tests
cd synapseflow/frontend
npm test

# E2E tests
cd synapseflow/e2e
npm install
npx playwright install
npm test

测试覆盖范围： 95%（1800+行测试代码）

📖 文档

🤝 贡献

我们欢迎捐款！请查看我们的 贡献指南.

# Development workflow
1. Fork the repository
2. Create a feature branch
3. Make your changes
4. Write tests (maintain 95% coverage)
5. Submit a pull request

📜 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

基于出色的开源项目构建：

🔗 链接

  • 仓库: https://github.com/mrkingsleyobi/synapseflow
  • 问题: https://github.com/mrkingsleyobi/synapseflow/issues
  • 讨论: https://github.com/mrkingsleyobi/synapseflow/discussions

📈 路线图

  • [x] 66与MCP的代理编排
  • [x] D3.js引文图可视化
  • [x] 全面的测试套件（覆盖率95%）
  • []带有GitHub操作的CI/CD
  • []性能优化和缓存
  • []用于纸张注释的浏览器扩展
  • []移动应用程序（React Native）
  • []API速率限制和认证
  • []多语言支持

⭐ 星迹

如果你觉得SynapseFlow有用，请考虑给它一颗星！ ⭐

由...制作❤️ SynapseFlow团队

加快研究，一次一篇论文。

相关 MCP