PaperHub

引用したすべての文がその出典までたどれる、論文を理解するチャットクライアント。

マルチエージェントによるツールルーティング · リポジトリ内蔵の RAG ナレッジベース · 論文ごとのエージェント型検索 · すべての [chunk] を論文中の正確な一節へ結びつける Citation Canvas · 分離・編集が可能な発表者ノートを備えた、学会水準の Beamer スライドパイプライン。

English · 日本語 · 繁體中文 · 简体中文

PaperHub は UX ファーストで設計されています。検索された各チャンクにはクリック可能な出典トレイルがあり、生成の各ステップは監査用の行を記録し、すべてのチャットターンは SQLite だけから再構築できます。単一のチャットインターフェースが、各ターンを適切な専門エージェント — 論文検索、論文 Q&A、自然言語→SQL のライブラリ統計、メモリ管理、スライド生成 — へとルーティングします。

✨ できること

🔎 エージェント検索 · 🧷 Citation Canvas · 🌍 あなたの言語 · 📊 ライブラリ統計 · 🧠 メモリ · 🧭 ルーティング + トレース · 🌐 発見 · 📎 論文を持ち込み · 🖼️ Beamer スライド · 🔱 フォーク & 巻き戻し · ➗ 数式 · 💾 どのデバイスでも · 🔌 MCP ネイティブ

各項目の説明 →

🔎 エージェント型検索。 論文ごとのサブエージェントがセクション目次に沿って読み解き(やみくもなトップ k ではありません)、フラッグシップモデルが複数論文を横断して統合します。
🧷 Citation Canvas。 インラインの [chunk:N] マーカーが正確な一節へリンク — クリックでレンダリング済み HTML と元 PDF の両方をハイライトします。
🌍 あなたの言語。 中国語で尋ねれば中国語で返答 — 引用は保持され、記憶された「常に X 言語で返答」がターンごとの判定を上書きします。
📊 ライブラリ統計。 「論文は何件?」 → テーブル許可リストに対し読み取り専用 SQL を実行し、数値と実行した SQL を添えて回答します。
🧠 メモリ。 事実や設定はチャットごと、あるいはどこでも保持 — 安全ゲート、LLM の矛盾置き換え、編集・(無効/有効)化できる管理パネルを備えます。
🧭 可視化されたルーティング + トレース。 バッジが各ターンの担当エージェント + モデルを表示し、トレースパネルが全ステップを SQLite から再生します。
🌐 発見。 paper_search は曖昧な参照(「みんなが引用するあの拡散モデルの論文」)でも Web + Semantic Scholar で解決します。
📎 自分の論文を持ち込み。 arXiv ID、URL、PDF で添付 — 重複排除 + キャッシュされ、バックグラウンドの Marker ワーカーが PDF を実際の図・キャプション・数式→LaTeX へアップグレードします。
🖼️ 学会水準のスライド。 存在しない図を決して引用しない、根拠に基づく Beamer デッキ。任意指定・任意言語の発表者ノート、チャットで 1 枚を差分編集、画面上のスライド について尋ねてもデッキは変更しません。
🔱 フォーク & 巻き戻し。 過去の任意のメッセージから新しいチャットを分岐 — プレフィル済み・編集可能・自動送信なし。フォークは参照、メモリ、デッキを引き継ぎ、親の下にネストします。
➗ 数式をレンダリング。 LaTeX( $…$ 、$$…$$)は KaTeX で実際の数式としてレンダリングされます。
💾 どのデバイスでも。 セッションと完全な記録はブラウザではなくバックエンドに保存。チャットを削除するとどこからでも削除されます(取り消し可能)。
🔌 MCP ネイティブ。 エージェントのツールは MCP(/mcp)経由で提供され、外部クライアント(Claude Desktop、Cursor)も同じ面に到達できます。

📸 スクリーンショット

根拠に基づく回答 — すべての主張は出典までたどれます。

Citation Canvas → レンダリングされた HTML	Citation Canvas → 元の PDF

任意の `[chunk]` をクリック → LaTeX でレンダリングされた HTML 内の正確な一節へスクロールしてハイライトします。	…そして元の PDF 内の同じ一節も。根拠のない主張はありません。

学会水準のスライド — 分離された任意指定のノート。

生成(スライドのみ)	リクエストに応じて追加された発表者ノート

実際の図を備えた Beamer デッキ(でっち上げの図はなし)— まずスライドのみ、ノートなし。	ノートは任意指定のフォローアップで、(任意の言語で)個別に作成されます。

ライブラリインテリジェンス + メモリ。

自然言語→SQL のライブラリ統計	セッション + グローバルのメモリ

「論文は何件ありますか?」 → 数値と実行した正確な SQL を添えて回答。	安全ゲート + 矛盾の置き換え履歴を備えた、記憶された事実や設定。

ルーティング + 可観測性。

ルーティングバッジ	トレースパネル(再生可能な DAG)

各ターンが、それを処理したエージェント + モデルを表示します。	各モデル/MCP/パイプラインのステップは監査行です — 完全な DAG が SQLite から再生されます。

発見 + 自分の論文の持ち込み。

論文検索カード	リファレンスソースドロワー

Web + Semantic Scholar による発見。エージェントが最良の候補を自動追加します。	論文ごとに有効化/削除できる、セッションスコープの参照セット。

さらに — アプリの概要とあなたの言語での回答

シェル	あなたの言語での回答

単一のチャットシェル。すべてのターンが専門エージェントへルーティングされます。	任意の言語で尋ねれば、回答もそれに従い、引用は保持されます。

🧱 技術スタック

領域	採用技術
バックエンド	Python 3.11 · FastAPI · LangGraph · LiteLLM · SQLite(`aiosqlite`)· Pydantic v2
フロントエンド	TypeScript · React 19 · Vite · Tailwind · Zustand · `react-markdown` + KaTeX
検索	SQLite の `chunks` テーブル — `list_sections`/`read_section` によるエージェント型セクションナビゲーション(ベクトルストアなし)
スライド	Beamer + `pdflatex`(`metropolis` テーマ)· docker-compose サービスとしての `datalab-to/marker` PDF 取り込み(任意、GPU 対応)
LLM	デフォルトで Gemini(任意の LiteLLM プロバイダー — 軽量ティアのサブエージェント、フラッグシップのファイナライザー)
ツール	`uv` · `pytest` · `ruff` · `mypy --strict` · Vitest · ESLint · Conventional Commits

Note

ローカル専用・シングルユーザー。認証面はありません — 自分の LLM キーを指定し、自分のマシンで実行してください。

🚀 クイックスタート

🐳 Docker で実行(推奨 — とにかくアプリを使う)

PaperHub を開発するのではなく実行したいだけなら、スタック全体がコンテナで動作します — Python、Node、LaTeX のインストールは不要です。必要なのは Docker と LLM キーだけです。1 回の docker compose up で 5 つのサービス(バックエンド、モデルサーバー、Marker PDF 取り込み、Web 検索、Web UI)がすべて立ち上がるので、スライド(中国語/CJK を含む)、RAG、Web 発見がそのまま動作します。

git clone https://github.com/whats2000/PaperHub.git
cd PaperHub
cp backend/.env.example backend/.env   # then fill in GEMINI_API_KEY (or your provider's key)

docker compose up -d --build           # CPU; first build downloads TeX Live + Marker weights (a few GB, once)

http://localhost:8080 を開きます。

Note

GPU(任意、NVIDIA + Container Toolkit): Marker PDF 取り込みが高速になります。GPU オーバーライドを重ねてください:

docker compose -f docker-compose.yml -f docker-compose.gpu.yml up -d --build

データは名前付きボリュームに永続化されます(paperhub-workspace = DB + キャッシュ、モデルの重み、Marker の重み)。docker compose down で停止し、-v を付ければデータも消去します。

🛠️ ソースから実行(開発向け)

前提条件: Python 3.11 + uv、Node 18+、そして LLM API キー(デフォルトは Gemini)。スライド生成にはさらに PATH 上の LaTeX ディストリビューション(pdflatex — 例: winget install MiKTeX.MiKTeX)が必要です。これがなくても影響を受けるのは slides インテントだけです(「LaTeX ディストリビューションをインストールしてください」というメッセージを返します)。PDF の図/数式の抽出には、任意で Docker 化された marker サービス(docker compose up -d marker)を利用できます。

git clone https://github.com/whats2000/PaperHub.git
cd PaperHub

# Install both halves
cd backend && uv sync          # Python deps from uv.lock
cd ../frontend && npm install  # JS deps from package-lock.json

LLM キーを設定します:

cd backend
cp .env.example .env           # then fill in GEMINI_API_KEY (or your provider's key)

開発スタックの実行

推奨(Windows、ワンコマンド): scripts/start.ps1 がすべての関連プロセスを統括します — paperhub-mcp-up を介して外部の MCP デーモン(open-websearch)を立ち上げ、続いてホットリロード付きのバックエンドを起動します:

# Terminal 1 — backend stack (MCP daemons + FastAPI on :8000)
cd backend
.\scripts\start.ps1

# Terminal 2 — frontend (Vite + React, hot-reload, :5173)
cd frontend
npm run dev

http://localhost:5173 を開いてチャットを始めましょう。

低レベル: uvicorn を直接実行

cd backend
uv run uvicorn paperhub.app:app --reload --reload-dir src --port 8000

注意: この方法では Web 検索デーモンは起動されません。Windows では uvicorn --reload が SelectorEventLoop 上で動作するため、ワーカー内の自動起動はグレースフルにフォールバックします(論文のみ)— uv run paperhub-mcp-up で Web 検索を自分で立ち上げてください(あるいは、それを行ってくれる scripts/start.ps1 を使います)。設定の Web 検索に関する注記を参照してください。

Tip

API キーが手元にない? モック化された LLM でチャットの配管を試せます(PowerShell):

$env:PAPERHUB_ROUTER_MOCK   = '{"intent":"chitchat","model_tier":"small","confidence":0.9,"reasoning":"dev"}'
$env:PAPERHUB_CHITCHAT_MOCK = "Hello from PaperHub!"
uv run uvicorn paperhub.app:app --reload --reload-dir src --port 8000

⚙️ 設定

すべての設定は backend/.env にあります(.env.example で機能ごとにグループ化されています)。よく触れることになるのは次のものです:

変数	用途	デフォルト
`GEMINI_API_KEY`	LLM プロバイダーの認証情報(または `OPENAI_API_KEY` / `ANTHROPIC_API_KEY`)	—
`PAPERHUB_PAPER_QA_MODEL`	フラッグシップのファイナライザー(複数論文の横断統合)	`gemini/gemini-2.5-pro`
`PAPERHUB_PAPER_QA_SUBAGENT_MODEL`	論文ごとのセクションナビゲーター(軽量)	`gemini/gemini-3.1-flash-lite`
`PAPERHUB_SEMANTIC_SCHOLAR_API_KEY`	Semantic Scholar のレート上限を引き上げ(任意)	—

Web 検索による発見(任意)。 paper_search / paper_suggest は、open-websearch デーモンが :3000 で到達可能なとき、キー不要のマルチエンジン発見ステップを獲得します。手動でインストールする必要はありません — scripts/start.ps1(または uv run paperhub-mcp-up)が mcp_servers.toml を読み取り、launch を宣言するすべての MCP サーバーを npx -y 経由で起動します。これは初回実行時にパッケージを取得します(約 25 秒、1 回限り):

cd backend
uv run paperhub-mcp-up          # launches open-websearch on :3000 (skips if already up)

立ち上がると、バックエンドの MCP レジストリが web.search / web.fetch を自動公開します。停止しているときは、エージェントは論文のみのフローにフォールバックします — 設定不要です。起動されたデーモンはデタッチされるためバックエンドの --reload を生き延びます。明示的な終了は start.ps1 の役割です(さもなければ再起動時にクリアされます)。PATH 上に Node 18+ が必要です。(paperhub-papers MCP の面はインプロセスで /mcp に提供され、インストールは不要です。)

🗺️ アーキテクチャ(1 画面)

┌─────────────────┐       SSE      ┌───────────────────────────────────────────┐
│  React shell    │ ◄───────────── │ FastAPI · POST /chat                      │
│  - Composer     │                │  ┌─────────────────────────────────────┐  │
│  - Routing badge│                │  │ LangGraph turn                      │  │
│  - Trace panel  │                │  │  Router ─► chitchat | paper_qa |    │  │
│  - Citation     │                │  │           paper_search | slides |   │  │
│    Canvas       │                │  │           library_stats             │  │
└─────────────────┘                │  └─────────────────────────────────────┘  │
                                   │     │                                     │
                                   │     ▼  paper_qa: fan out one subagent     │
                                   │        per paper → section nav →          │
                                   │        flagship finalizer over raw chunks │
                                   │  ┌─────────┐ ┌────────────────────────┐   │
                                   │  │ LiteLLM │ │ SQLite (chunks + audit │   │
                                   │  │ adapter │ │ + schema)              │   │
                                   │  └─────────┘ └────────────────────────┘   │
                                   └───────────────────────────────────────────┘

すべてのモデル呼び出し、MCP 呼び出し、パイプラインのステップは、戻る前に tool_calls の行を書き込みます — SELECT * FROM tool_calls WHERE run_id = ? だけから完全なエージェントコンテキストを再構築できるだけの状態です。論文コンテンツは重複排除されます: いくつのセッションが参照していても、一意な論文ごとに 1 つの paper_content 行 + 1 つのキャッシュディレクトリ + 1 セットのチャンクです。

完全なアーキテクチャは SRS にあります。

📍 ステータス

プラン	スコープ	状態
A	バックエンド基盤 + ルーターのみのチャット	✅ 完了
B	フロントエンド基盤(React シェル、SSE、ルーティングバッジ、トレースパネル)	✅ 完了
C	論文パイプライン + リサーチエージェント(取り込み、paper_search、エージェント型 paper_qa、MCP レイヤー、PDF アップロード)	✅ 完了 — マージ済み(SRS v2.10)
D	検索結果 + リファレンスソース + Citation Canvas(HTML + PDF の一節ハイライト)	✅ 完了 — マージ済み(SRS v2.13)
E	SQL エージェント + `library_stats`(sqlite MCP)+ セッション/グローバルのメモリ管理(ゲート、矛盾の置き換え、メモリマネージャー UI)	✅ 完了 — マージ済み(SRS v2.17)
F	スライドパイプライン + レポートエージェント — Marker 取り込み(F2/F2.1)、博士水準のスライドエージェント(F3)、分離された任意指定ノート + 差分編集 + 長さ予算(F4)、学会水準のメタデータ付きタイトルページ + タイトル/スタイルのカスタマイズ(F4.2)	✅ 完了 — マージ済み(SRS v2.22)
F5	スライドのプレゼンテーションモード(聴衆向けポップアップウィンドウ + `BroadcastChannel` 同期 + 発表者コックピット)+ 発表中の Q&A + コンポーザーの音声入力	✅ 完了 — マージ済み(SRS v2.26)
G	フロントエンド UI の国際化(i18n: `en` / `zh-TW` / `zh-CN` / `ja`)+ アカウントメニュー(言語/テーマ切り替え、About)+ DB バックエンドのランタイム設定パネル	✅ 完了 — マージ済み(SRS v2.31)
H	比較ビュー + filesystem / `paperhub.*` MCP	🔜 計画中

各プランは単独で動作する、テスト可能なソフトウェアを提供します。プランは docs/superpowers/plans/ にあります。

🧑‍💻 開発

PaperHub は仕様 → プラン → TDD の流れで構築され、サブエージェント主導の実装と、タスクごとの仕様適合 + コード品質レビューを伴います。

バックエンドのゲート(backend/ から):

uv run pytest          # 1104 tests, hermetic
uv run ruff check src tests
uv run mypy src        # --strict

フロントエンドのゲート(frontend/ から):

npm test               # Vitest + RTL + MSW (386 tests)
npm run typecheck      # tsc --strict
npm run lint           # ESLint flat config
npm run build          # Vite production build

過去の任意のチャットターンを SQLite から再生します(エージェントフローのデバッグ):

cd backend
uv run paperhub-replay --run-id 1

エンドツーエンドのベンチマーク — pytest は配線を証明し、backend/benchmark/ ハーネスは振る舞いを証明します。ライブのバックエンドをシミュレートされたユーザーとして駆動し(キャッシュ済みの論文を添付 → /chat 経由でプロンプトをルーティング)、根拠の証拠(引用されたチャンクのテキスト + エージェントトレース)を収集し、各ケースを正確性 + 根拠について 0/1 で採点します — 手動、あるいは LLM-as-Judge(固定温度、厳密な根拠)によって。ケースは設定駆動(TOML)なので、自分で書くこともできます:

# with the backend running (scripts/start.ps1), from backend/:
scripts/run-benchmark.ps1 -Judge            # 20-case eval (16 paper_qa + 4 slides) + LLM judge
scripts/run-benchmark.ps1 -Resume <prior.json>   # retry only failed cases after a drop

貢献する AI エージェントの方へ: まず CLAUDE.md を読んでください — 規約、fix-now ポリシー、エージェントフローの可観測性ルールが記載されています。

📂 リポジトリ構成

.
├── backend/
│   ├── src/paperhub/         # FastAPI app · agents · pipelines · mcp · tracer
│   ├── tests/                # pytest suite (1104 tests, hermetic)
│   ├── benchmark/            # config-driven real-API e2e benchmark + LLM-as-Judge
│   └── pyproject.toml        # uv project · mypy --strict · ruff
├── frontend/                 # React 19 + Vite + Tailwind + Zustand
├── docs/superpowers/
│   ├── specs/                # SRS — authoritative architecture document
│   └── plans/                # implementation plans, one per sub-project
├── reference/                # copied source from paper2slides-plus + Intro2GenAI-hw1
├── CLAUDE.md                 # AI-agent orientation for this repo
└── README.md

workspace/(gitignore 対象)はランタイムの状態 — SQLite データベースと論文キャッシュ — を保持します。

📖 ドキュメント

システム要求仕様書(SRS) — 信頼できるアーキテクチャ、スキーマ、スコープ、受け入れ基準(v2.39.0 まで提供)。
実装プラン — サブプロジェクトごとに 1 つ、それぞれ TDD で実行。
バックエンド開発者向けドキュメント — バックエンド固有の注記。

📚 引用

研究で PaperHub を使用したり、それを基に何かを構築したりする場合は、次のように引用してください:

@software{paperhub,
  author  = {Ren-Di, Wu},
  title   = {{PaperHub: A Provenance-First Multi-Agent Research Assistant for Grounded Paper Q\&A and Slide Generation}},
  year    = {2026},
  url     = {https://github.com/whats2000/PaperHub},
  version = {2.39.0}
}

Navigation Menu

PaperHub

✨ できること

📸 スクリーンショット

🧱 技術スタック

🚀 クイックスタート

🐳 Docker で実行(推奨 — とにかくアプリを使う)

🛠️ ソースから実行(開発向け)

開発スタックの実行

⚙️ 設定

🗺️ アーキテクチャ(1 画面)

📍 ステータス

🧑‍💻 開発

📂 リポジトリ構成

📖 ドキュメント

📚 引用

📄 ライセンス

FilesExpand file tree

README.ja.md

Latest commit

History

README.ja.md

File metadata and controls

PaperHub

✨ できること

📸 スクリーンショット

🧱 技術スタック

🚀 クイックスタート

🐳 Docker で実行(推奨 — とにかくアプリを使う)

🛠️ ソースから実行(開発向け)

開発スタックの実行

⚙️ 設定

🗺️ アーキテクチャ(1 画面)

📍 ステータス

🧑‍💻 開発

📂 リポジトリ構成

📖 ドキュメント

📚 引用

📄 ライセンス