AutoSurveyGPT：基于GPT的自动化文献调研工具

项目介绍

AutoSurveyGPT是一款开源程序，旨在通过解析Google Scholar并利用GPT-3.5 Turbo（默认）或GPT-4来自动进行文献调查和综述。该工具面向研究者和学术界人士，能够根据用户提供的主题描述搜索相关工作，并生成一个报告，列出相关论文及其相关性分数。它不仅自动生成搜索关键词，还能分析Google Scholar的搜索结果，提取论文的关键信息，如标题、作者、出版地及摘要，并且能够根据用户的需求分析这些论文的关联度，实现递归查找引文和相关论文。

项目快速启动

环境准备

确保你的开发环境满足以下条件：

• Python 3.7或更高版本
• 安装selenium, beautifulsoup4, 和 openai 库
• 拥有一个有效的OpenAI API密钥
• 配备ChromeDriver以支持Selenium的网页自动化操作

执行安装步骤：

git clone https://github.com/a554b554/AutoSurveyGPT.git
cd AutoSurveyGPT
pip install -r requirements.txt

配置您的OpenAI API密钥，在config.py文件中添加：

openai_api_key = "your_openai_api_key"

运行示例

创建一个JSON输入文件，例如input.json：

{
    "search_query": "",
    "my_topic": "深度学习在图像识别中的应用",
    "search_breadth": 10,
    "search_depth_cited": 2,
    "search_depth_related": 2,
    "relevance_threshold": 3,
    "max_papers": 50,
    "output_file": "output/report.ndjson"
}

运行主脚本：

python main.py -i input.json

此命令将根据您提供的信息执行文献调查并生成报告。

应用案例和最佳实践

• 研究起始: 初步研究一个新领域时，可以通过AutoSurveyGPT快速获得该领域的核心论文列表。
• 对比分析: 对比不同方法论的论文集合，帮助选择适合的研究方向。
• 定期更新: 设定周期性的任务，监控特定主题的新论文出现，保持研究的时效性。

典型生态项目

由于本项目主要依赖于OpenAI和Google Scholar，其“生态”涉及但不限于AI辅助研究工具、学术搜索引擎优化技术、以及Python自动化科学文献处理社区。虽然这个特定的开源项目没有直接提及其他典型的生态项目，但相似或配套的工具可能包括：

• PaperWithCode：连接论文到其对应实现代码的平台，增强文献的实际应用价值。
• Scholarcy：自动化摘要和关键词提取工具，可与AutoSurveyGPT结合使用，进一步提升文献处理效率。
• Colab notebooks：用于分享和执行基于Python的代码示例，适用于分析从AutoSurveyGPT得到的数据。

请注意，以上生态项目例子并非直接与AutoSurveyGPT关联，而是展示了它可以融入的更广泛的科研生态中。开发者可以根据自己的需求，探索如何将AutoSurveyGPT与其他工具集成，构建更为高效的科研流程。