shuxiachai /
一个开源的多智能体 LLM 工具：输入论文 PDF 或研究主题，先由代码检索并验证论文、专利和市场来源，再让 6 个 agent 只在这批冻结的来源里分析，输出技术成熟度、制造成熟度、专利、市场等评分，以及每条论断都标出处的报告。适合高校技术转移、科研人员和早期投资人做初筛；想看多智能体项目如何做测试、断点恢复和成本控制的开发者也可以参考。 亮点 1. 不用注册、不用 API key 就能先看效果：在线示例页有 5 份完整报告（其中 1…
一个开源的多智能体 LLM 工具：输入论文 PDF 或研究主题，先由代码检索并验证论文、专利和市场来源，再让 6 个 agent 只在这批冻结的来源里分析，输出技术成熟度、制造成熟度、专利、市场等评分，以及每条论断都标出处的报告。适合高校技术转移、科研人员和早期投资人做初筛；想看多智能体项目如何做测试、断点恢复和成本控制的开发者也可以参考。 亮点 1. 不用注册、不用 API key 就能先看效果：在线示例页有 5 份完整报告（其中 1 份中文），打开时不调用任何模型。 2. 先证据、后模型：检索、URL/DOI 验证和去重都由普通代码完成，模型只能引用登记过的来源；加权总分由代码重算，不让模型自己算。 3. 实验连失败一起公开：我预注册了 1 个、4 个、6 个 agent 的对照实验（各 30 次），隔两个月换模型重跑。「4 个比 6 个省一半」两次都成立，「4 个比 1 个质量更好」没能复现；还发现审稿 agent 因为提示词少写一句限制，30 次里 27 次第一次输出就不合格，补上一句后，因这条限制失败的次数从 21 降到 3。方案、原始数据和局限都在仓库里。 4. 工程细节可以直接参考：每次运行独立子进程、中断后从 Checkpoint 恢复、付费请求有回执（回包丢失 24 小时内可找回结果），可选 OpenTelemetry Trace。 5. 方便参与：带 good first issue 标签的任务不需要任何 API key，测试和浏览器 smoke 测试都不发付费请求，已有外部贡献者的 PR 合并。 我是项目作者，本次为自荐。介绍由 AI 辅助撰写，数字均来自仓库里公开的结果文档。
讨论这个产品