Paper Copilot：基于向量索引与大模型的本地文献RAG分析工具
这是在使用Zotero时想到的， Zotero 也有一些与 AI 相关的插件，但目前尚未发现支持 RAG（检索增强生成）功能，且无法实现对多篇文献的综合分析，并与大模型进行交互。因此，我开发了 Paper Copilot 这款小工具。它基于向量索引与大模型技术，专为学术研究人员设计，旨在帮助用户更高效地管理、检索和分析海量文献。
Paper Copilot 支持通过本地自建知识库并结合 RAG 技术，为用户提供精准、专业的解答，显著提升文献研究的效率与准确性。此外，工具还可与 Zotero 的文献库联动，构建个性化的文献数据库，进一步扩展文献管理的能力。
项目地址
paper copilot
功能
文献索引与管理：支持PDF、TXT、Markdown和DOCX等多种文档格式的文本提取与向量化，自动创建和管理向量索引库。 智能问答：基于向量数据库和OpenAI模型，能够理解用户问题并在相关文献中检索答案。 聊天记录管理：支持保存、加载和清除聊天记录，便于用户跟踪和回顾对话历史。 用户友好的命令行界面：通过简单的命令操作，实现创建知识库、进行问答、管理聊天记录等功能。 知识库管理：支持创建、加载、保存和删除知识库，便于用户管理和切换不同的知识库。
安装
克隆仓库
git clone https://github.com/Code-WSY/Paper_Copilot.git
cd Paper_Copilot
安装依赖
pip install -r requirements.txt
配置环境变量 在项目根目录下创建一个 .env 文件，并添加以下内容：
#数据库路径
DATABASE_PATH=database/index.db
#API_KEY
API_KEY=
#API_URL
BASE_URL=
#模型
MODEL=o1-mini
#批量大小
BATCH_SIZE=1000
#重复部分大小
REPEAT_SIZE=200
#最大返回数
TOP_N=5
#关系阈值
RELATION_THRESHOLD=0.2
#构建知识库时的并行数
PARALLEL_NUM=4
使用方法
项目根目录运行：
python main.py
目前支持如下命令：
示例：导入Zotero文献库
首先运行这个项目，通过命令行键入/create 回车，通过选择文件夹，来导入Zotero文献：
选择是是选择文件，选择否则为遍历文件夹,
例如我的Zotero的文献储存位置是：D:\document\Zotero\storage，我先选择否，接着选中该文件夹即可，此时程序就会将所有文献进行向量化存储：
注意：如果并行数过大，API的速率限制可能会造成某些文件向量化时出现错误，此时只需要第二次重新选择该文件就行，程序会跳过已向量化的文件。
导入成功后就可以选择文件进行问答了：
选择一个或多个文件，可以进行单文献的问答，也可以进行多文献之间的对比。
