AutoSurveyGPT 使用指南
2024-09-12 15:16:04作者:凤尚柏Louis
1. 项目目录结构及介绍
AutoSurveyGPT 是一个利用GPT-3.5 Turbo或GPT-4智能分析学术文献的开源工具,旨在自动化文献调研过程。下面是该仓库的主要目录结构及各部分功能简介:
- main.py - 核心脚本,负责执行整个文献搜索、分析流程。
- config.py - 配置文件,用于存放OpenAI API密钥等重要设置。
- gpt_config.py - 控制GPT模型调用的相关配置,如选择GPT-3.5 Turbo还是GPT-4。
- scholar_parser.py - 解析Google Scholar搜索结果的模块。
- pdf_finder.py, pdf_processor.py - 用于查找和处理PDF文档的部分(开发中)。
- query_generator.py, query_processor.py - 生成和处理查询请求的脚本。
- output, input, logs - 存放输入数据、输出报告和日志的文件夹。
- requirements.txt - Python依赖列表,确保环境兼容性。
- LICENSE, README.md - 许可证信息和项目说明。
2. 项目启动文件介绍
主要启动文件: main.py
- 运行此脚本之前,你需要准备好一个JSON格式的输入文件,它包含了搜索查询、相关主题描述以及其他配置选项。
- 通过命令行运行时提供这个JSON文件的路径,如:
python main.py -i path/to/your/input.json。 - 此脚本会基于用户的配置进行Google Scholar搜索,使用GPT进行论文的相关性和重要性评估,并生成报告。
3. 项目的配置文件介绍
配置文件: config.py, gpt_config.py
-
config.py 中需设置你的OpenAI API密钥 (
openai_api_key),这是使用GPT服务的前提条件。openai_api_key = "your_openai_api_key" -
gpt_config.py 决定了GPT模型的选择,默认使用GPT-3.5 Turbo,如果你想使用成本更高但更强大的GPT-4,你需要在这里更改调用的模型名称。
model_engine = "gpt-3.5-turbo" # 若要使用GPT-4,改为 "gpt-4"
为了正确使用AutoSurveyGPT,确保你已经安装了所有必要的Python库,并且理解如何构建你的搜索查询和配置文件以引导系统找到相关的学术文献。在实际操作过程中,遵循提供的步骤和示例输入文件格式是关键。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
694
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
881