Kiroku：模拟学生与导师间互动、组织和撰写文档的多智能体系统Kiroku 是一个多智能体系统，旨在帮助用户组织和撰

❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

Kiroku 是一个多智能体系统，用于帮助用户组织和撰写文档。
它通过模拟导师与学生之间的互动，加速文档的构思和成文过程。
用户可以通过 YAML 文件自定义文档的结构和内容，使其适用于多种应用场景。

正文（附运行示例）

Kiroku 是什么

Kiroku 是一个多智能体系统，旨在帮助用户组织和撰写文档。它的灵感来源于创始人在斯坦福大学攻读博士期间的学术写作经历。Kiroku 模拟了导师与学生之间的互动，帮助用户快速生成段落、优化沟通方式，并在迭代评估中提升信息传递效果。用户可以通过 YAML 文件自定义文档结构和内容，使 Kiroku 成为一个灵活、高效的写作助手，特别适合需要遵循严格格式的学术写作。

Kiroku 的主要功能

文档组织与撰写：Kiroku 帮助用户从构思到成文，组织思路并撰写文档。
模拟导师-学生互动：基于模拟学术写作中的导师和学生关系，Kiroku 协助用户迭代改进文档。
快速生成段落：用户可以迅速生成一系列段落，加速文档的初步构建。
自定义文档结构：用户可以通过 YAML 文件自定义文档的结构和内容，适应不同的写作需求。

Kiroku 的技术原理

多智能体系统：Kiroku 基于多智能体系统架构，每个智能体扮演不同的角色，协同工作完成写作任务。
自然语言处理（NLP）：Kiroku 利用 NLP 技术理解和生成自然语言文本，辅助写作。
机器学习（ML）：Kiroku 使用机器学习算法学习用户的写作习惯和偏好，提供个性化的写作建议。
YAML 配置：Kiroku 使用 YAML 文件作为配置语言，支持用户定义文档的结构和内容，增加系统的灵活性。

如何运行 Kiroku

1. 获取 API 密钥

要运行 Kiroku，你需要获得 OPENAI_API_KEY 和 TAVILY_API_KEY。

获取 OPENAI_API_KEY：访问 OpenAI 平台文档。
获取 TAVILY_API_KEY：访问 Tavily 网站，点击“Sign in”。

2. 设置环境变量

建议使用 direnv 管理环境变量 OPENAI_API_KEY 和 TAVILY_API_KEY，以便在 Kiroku 项目目录中自动加载这些变量。

3. 安装依赖

Kiroku 支持 Python 3.7 至 3.11 版本。创建虚拟环境并安装依赖：

cd kiroku
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

4. 配置 YAML 文件

初始配置文件包含以下字段：

title：文档标题建议或最终标题（如果 suggest_title 为 false）。
suggest_title：开启基于原始标题的标题推荐。
generate_citations：是否生成引用和参考文献。
type_of_document：文档类型，帮助 Kiroku 决定术语和技术含量。
area_of_paper：论文领域，与 hypothesis 一起帮助 Kiroku 理解写作内容。
section_names：文档各部分名称列表。
number_of_paragraphs：每部分的段落数量。
hypothesis：论文的核心假设或观点。
instructions：用户与文档交互时的指令，用于迭代改进。
results：实验结果，后期填充。
references：Kiroku 在搜索阶段使用的参考文献。
number_of_queries：Kiroku 将生成的查询数量。
max_revisions：Kiroku 进行反思和文档写作的次数。
temperature：LLM 温度参数。

示例 YAML 文件：

title: "Writing Masterpieces when You Become the Advisor"
suggest_title: True
generate_citations: True
type_of_document: "research seminal paper"
area_of_paper: "AI and Computer Science"
section_names:
- Introduction
- Related Work
- Architecture
- Results
- Conclusions
- References
number_of_paragraphs:
  "Introduction": 4
  "Related Work": 7
  "Architecture": 4
  "Results": 4
  "Conclusions": 3
  "References": 0
hypothesis: "
We want to show in this paper that we turn paper writers into 'advisors'
and a multi-agent system into a 'advisee' who will observe the instructions by,
interactively turning a course draft of a paper into a publication ready
document.
"
instructions: "
For the following instructions, you should use your own words.
\n\n
The section 'Introduction', you should focus on:
\n
- In the first paragraph, you should discuss that the world has changed
since the release of ChatGPT.
\n
In the section 'Architecture', you should show the picture
'/file=images/multi-agent.jpeg' to discuss we write a paper by defining a
title and hypothesis, writing topic sentences, expanding topic sentences into
paragraphs, writing the paragraphs, and finally reviewing what you have written.
"
results: "
This is an example on how you can put a results table.
<table>
  <tr>
      <td> </td>
      <td> Normal Text Rate</td>
      <td> Kiroku Rate</td>
  </tr>
  <tr>
    <td> Experiment 1</td>
    <td> 3 </td>
    <td> 9 </td>
  </tr>
  <tr>
    <td> Experiment 2</td>
    <td> 5 </td>
    <td> 10 </td>
  </tr>
</table>
"
references:
- "Harrison Chase, Rotem Weiss. AI Agents in LangGraph. https://www.deeplearning.ai/short-courses/ai-agents-in-langgraph"
number_of_queries: 8
max_revisions: 1
temperature: 0.1

5. 运行 Kiroku

推荐在项目目录下运行 Kiroku：

cd {Kiroku 目录}
KIROKU_PROJECT_DIRECTORY=`pwd`/proj ./kiroku

打开浏览器，访问 localhost:7860 即可使用 Kiroku。

资源

GitHub 仓库：github.com/cnunescoelh…