1sdv/lunwentocode
7 更新于2025-12-05 16:12:32

将论文Markdown自动转换为可运行的Python代码，可以在这里快速体验：https://modelscope.cn/studios/lcclxy/lunwentocode

✨ 功能特性

  • 📄 文稿解析: 直接读取Markdown论文文件
  • 🔍 智能分析: 自动识别论文类型、研究方法和代码需求
  • 💻 代码生成: 根据论文内容生成完整的Python代码
  • ✅ 自动验证: 语法检查、导入验证和自动修复
  • 📊 数据支持: 支持额外Excel/CSV数据文件

🏗️ 系统架构

┌─────────────────────────────────────────────────────────────┐
│                    LunwenToCode 系统架构                    │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐               │
│  │ Analyzer │ →  │ Coder    │ →  │Validator │               │
│  │ Agent    │    │ Agent    │    │ Agent    │               │
│  └──────────┘    └──────────┘    └──────────┘               │
│       ↓               ↓               ↓                     │
│  提取需求          生成代码        验证修复                   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

📦 安装

1. 克隆项目

cd biyetocode

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

cp .env.example .env
# 编辑 .env 文件，填入API密钥

🚀 使用方法

基本使用

pdf转为Maekdown文档使用Mineru一键转化下载即可

# 使用Markdown或PDF文件
python main.py --md thesis.md

# 使用Markdown和数据文件
python main.py --md thesis.md --data ./data

# 指定输出目录
python main.py --md thesis.md --output ./my_output

作为Python模块使用

import asyncio
from app.core.workflow import ThesisToCodeWorkflow
from app.core.llm import LLM

async def main():
    # 创建LLM实例
    llm = LLM(api_key="your-api-key")
    
    # 创建工作流
    workflow = ThesisToCodeWorkflow(llm)
    
    # 执行
    result = await workflow.run(
        md_path="thesis.md",
        data_dir="./data",  # 可选
        output_dir="./output"
    )
    
    print(f"生成文件: {list(result.files.keys())}")

asyncio.run(main())

📁 项目结构

biyetocode/
├── app/
│   ├── agents/           # Agent实现
│   │   ├── analyzer_agent.py    # 内容分析
│   │   ├── coder_agent.py       # 代码生成
│   │   └── validator_agent.py   # 代码验证
│   ├── core/             # 核心模块
│   │   ├── llm.py              # LLM封装
│   │   ├── base_agent.py       # Agent基类
│   │   └── workflow.py         # 工作流
│   ├── schemas/          # 数据模型
│   │   └── models.py
│   ├── config/           # 配置
│   │   └── settings.py
│   └── utils/            # 工具函数
│       ├── logger.py
│       └── file_utils.py
├── output/               # 输出目录
├── main.py               # 主程序入口
├── requirements.txt      # 依赖
└── README.md

🔧 配置说明

双LLM架构

系统使用两个独立的LLM，每次调用独立无历史依赖：

  1. 分析LLM - 用于论文内容分析（AnalyzerAgent）
  2. 代码LLM - 用于代码生成和修复（CoderAgent、ValidatorAgent）

环境变量配置

# 分析LLM配置
ANALYZER_LLM_API_KEY=your-api-key
ANALYZER_LLM_MODEL=模型名称
ANALYZER_LLM_BASE_URL=https://example/v1

# 代码LLM配置
CODER_LLM_API_KEY=your-api-key
CODER_LLM_MODEL=模型名称
CODER_LLM_BASE_URL=https://example/api/v1

支持OpenAI兼容的API

📊 支持的论文类型

  • 实证研究 (Empirical)
  • 仿真研究 (Simulation)
  • 算法设计 (Algorithm)
  • 系统设计 (System Design)
  • 数据分析 (Data Analysis)
  • 机器学习 (Machine Learning)

📝 输出说明

生成的项目包含:

output/{task_id}/
├── main.py                 # 主程序入口
├── data_preprocessing.py   # 数据预处理
├── data_analysis.py        # 数据分析
├── visualization.py        # 可视化
├── model_training.py       # 模型训练(如有)
├── requirements.txt        # 依赖列表
├── README.md               # 项目说明
├── analysis_result.json    # 分析结果
└── thesis.md               # 论文Markdown

⚠️ 注意事项

  1. API费用: 使用LLM API会产生费用，请注意用量
  2. 代码质量: AI生成的代码可能需要人工调整
  3. 数据隐私: 论文内容会发送到API，请注意隐私
  4. 依赖安装: 生成的代码可能需要额外的Python库