Research-assistant-AI-agent

📄 Research Agent：一款让论文"开口说话"的浏览器端 RAG 工具

"不想一页页翻几百页的论文？让 AI 来帮你读。"

🔍 痛点场景

作为一名研究生或工程师，你是不是经常遇到这样的困境：导师丢给你三篇 PDF，说"这周看完写个综述"；或者技术报告厚达 200 页，重点却藏在第 87 页的某个表格里。手动搜索效率低下，ChatGPT 又没有论文原文的上下文，答案容易"瞎编"。

Research Agent 正是为解决这个痛点而生。它允许你直接上传任意 PDF 论文，然后像聊天一样向 AI 提问，系统会基于文档原文给出有据可查的答案——不再凭空生成，远离"幻觉"回答。

图：项目由独立开发者 Nivedha-S25 创建

---

🧠 项目背景与定位

这是一款纯前端实现的 RAG（检索增强生成） 应用，核心技术栈为 React + TypeScript + Google Gemini。项目的设计思路非常清晰：不依赖后端服务器，所有处理都在浏览器中完成，最大限度地降低了部署门槛。

从项目定位来看，它更像一个技术演示（Demo） 而非生产级产品。作者在 README 中也坦诚说明了这是一个 MVP（最小可行产品），生产环境需要增加代理服务器来保护 API Key。但对于个人使用场景，这个架构完全够用。

---

⚙️ 核心技术架构

整体技术架构分为三个层次：

① PDF 解析层 项目使用 Mozilla 的 pdf.js 库在浏览器端直接解析 PDF 文件，无需上传到服务器。相比于需要后端处理的其他方案，这种纯客户端方案的优势是：隐私安全（文件不离开本地）、响应速度快、无服务端维护成本。不过也有局限——复杂的 PDF 排版（扫描版、图片内嵌文字）解析效果会打折扣。

② 上下文注入层 提取的文本被直接注入 Google Gemini 的上下文窗口作为 "Ground Truth"。这里采用的是朴素 RAG 策略：不做向量检索、不做分块，直接将整篇文档一股脑塞进 context。这种方式简单直接，但在文档过长时容易触及 context 长度限制（Gemini 1.5 支持 100 万 tokens，但免费 API tier 有自己的限制）。

③ AI 对话层 使用 Google 官方的 @google/genai SDK（版本 1.34.0）与 Gemini 对话。对话历史通过累积 history 数组实现多轮上下文支持，每次新的问题都会带上之前的所有对话内容，让 AI 能够"记住"讨论的连续性。

关键技术点：

• React 19 Hooks：使用 useState 管理会话状态（messages、context、文件名）
• Vite 构建：项目启动速度极快，开发体验好
• Tailwind CSS：原子化 CSS 框架，快速构建响应式 UI
• TypeScript 严格模式：类型安全，减少运行时错误

---

🎨 功能体验

使用流程极为简单：

1. 上传 PDF：点击侧边栏上传研究论文（支持 PDF 格式）
2. 等待解析：系统显示 "Analysis Active"，表明文档已就绪
3. 自然语言提问：例如 "这篇文章的方法论是什么？"、"总结一下结论"
4. 查看原文上下文：点击 "View Extracted Context" 可查看 AI 分析的原始文本段落

UI 设计上，采用了现代的深色主题配色，带有 "thinking" 状态的加载动画，以及 markdown 渲染的答案展示，体验接近专业 AI 对话产品。

---

⚠️ 局限性与挑战

值得关注的短板：

• API Key 安全：当前方案将 API Key 写在 .env.local 中，浏览器端通过 Vite 的 define 插件注入。对于公开部署的场景，这是明显的安全隐患——需要通过后端代理转发 API 请求。
• 文档长度限制：单次问答直接注入全文，当文档超过 Gemini context 上限时，需要做分块（chunking）处理。
• 检索策略原始：不做语义检索，所有文本一视同仁，如果文档很长，重要的段落可能被无关内容"稀释"。
• 无测试覆盖：从代码结构来看，没有单元测试或集成测试，生产维护存在隐患。
• 许可不明确：仓库未声明 License，使用前需联系作者确认。

---

🚀 部署体验

维度	评估
容器化	❌ 无 Dockerfile / docker-compose
Web UI	✅ 有（基于 React + Tailwind）
快速部署	❌ 不支持一键部署
环境依赖	需 Node.js 18+ + Gemini API Key
硬件需求	普通浏览器即可，无需 GPU

本地运行步骤（3 步搞定）：

git clone <repo>
cd research-agent
npm install
echo "GEMINI_API_KEY=你的Key" > .env.local
npm run dev

总体部署难度为中等，主要门槛在于申请 Gemini API Key（非技术问题，但需要 Google 账号和外币支付能力）。

---

📈 行业意义

在 AI Native 应用爆发的 2024-2025 年，RAG 已成为企业级 AI 应用的事实标准。但大多数 RAG 方案都依赖复杂的向量数据库后端。Research Agent 用最简化的方式证明了：RAG 的核心逻辑可以非常简单——只要能把文档内容送进 LLM 的 context，就已经是 RAG 了。

这种"朴素 RAG"的思路虽然不适合大规模生产环境，但对于 10-50 页的学术论文分析场景，完全够用。它代表了 AI 工具"民主化"的一个方向：让非工程师也能用上 AI 辅助研究的能力。

从增长曲线来看，该项目获得了 58 stars（截止分析时），规模不大但定位精准，填补了"轻量级 PDF 问答"这一细分需求。

---

🏷️ 总结

适合人群： 研究生、科研人员、技术写作者，需要快速理解论文/报告的读者。 不推荐场景： 超长文档（>100 页）、需要多文档联合检索、生产级多用户服务。

一句话评价： 一款极简但有效的浏览器端 PDF 问答工具，以最小复杂度实现了 RAG 的核心价值。