AI Copilot for research group meetings in Chinese labs.
面向中国科研组会场景的多 Agent 工作流平台，自动整理科研进展、文献调研、实验图表与导师关注点，输出可直接用于飞书云文档的结构化组会汇报。
LabReport Copilot 适合这样一句话描述：
把“每周组会前东拼西凑地整理材料”这件事，变成一个可复用、可扩展、可沉淀的 AI 工作流系统。
它不是：
- 一个只会写套话的周报生成器
- 一个只适合英文技术文档的企业写作工具
- 一个临时拼起来的 Prompt Demo
它更像：
- 面向中国科研用户的组会工作台
- 以 Agent Workflow 为核心的科研汇报引擎
- 后续可持续接入检索、语音、飞书、多模态和长期记忆的开源底座
在真实实验室里，组会准备通常不是“写一篇报告”这么简单。
更常见的情况是：
- 本周做了很多实验，但信息散落在聊天、截图、表格、论文 PDF、临时笔记和脑子里
- 导师关注点很明确，但每次汇报仍然容易讲不清重点
- 文献调研和自己课题进展是两条线，难以合并成一份自然的组会材料
- 语音口述能讲清楚，但整理成正式汇报要花大量时间
- 飞书云文档、Markdown、后续归档和历史沉淀之间缺少统一入口
LabReport Copilot 想解决的不是“帮你润色一段话”，而是把组会准备过程本身产品化、工作流化、Agent 化。
它的目标是：
- 让中国科研用户更快完成每周组会、月报、文献汇报和阶段总结
- 让输出风格更贴近中国高校实验室，而不是企业周报或英文技术博客
- 让历史材料真正沉淀为长期科研记忆，而不是一次性输入
- 让项目具备真实可扩展性，后续可以持续接入 LLM、RAG、飞书 API、ASR 和多模态能力
LabReport Copilot 的核心设计不是单轮问答，而是 围绕组会场景构建的 Agent Workflow。
用户负责提供素材：
- 本周实验做了什么
- 看了哪些论文
- 遇到了哪些问题
- 导师喜欢什么风格
- 上传了哪些文档、图片、截图、表格
- 口头补充了哪些研究进展
系统负责完成：
- 理解
- 清洗
- 归纳
- 结构规划
- 文献整理
- 汇报写作
- Markdown / 飞书友好输出
- 输出语气和结构贴近中国高校实验室真实组会习惯
- 默认围绕“本周进展 - 当前问题 - 原因分析 - 下周计划 - 需要导师指导的问题”组织内容
- 适合硕士、博士、科研助理、本科科研新人和高频文献汇报用户
当前架构已拆分以下职责模块：
- 用户画像理解 Agent
- 导师风格建模 Agent
- 历史材料总结 Agent
- 论文调研 Agent
- 多模态分析 Agent
- 组会结构规划 Agent
- 汇报内容写作 Agent
- Markdown / 飞书输出 Agent
这意味着后续不是“重写一套系统”，而是可以按模块替换模型、增强工作流、加入检索和工具调用。
- 支持上传历史组会、论文摘要、实验记录、截图、会议纪要等材料
- 历史内容会作为后续生成时的上下文输入
- 为后续接入向量检索和长期科研档案打下基础
当前后端已抽象统一的 LLM Gateway，支持：
azure_openaiopenai_compatiblemock
这意味着：
- 你可以在本地直接接 Azure OpenAI
- 其他开发者可以替换成任意兼容 OpenAI 协议的模型网关
- 即使没有真实模型，也能先用 mock 跑完整个前后端流程
- 默认输出 Markdown
- 标题层级、列表、结构化段落清晰
- 便于直接复制进飞书云文档
- 已预留 Feishu Exporter，后续可接飞书开放平台自动创建文档
- 需要频繁做周组会、月报、阶段总结的硕士和博士
- 需要把文献调研和自己课题进展整合到同一份汇报中的科研新人
- 导师风格明确，想把汇报内容组织得更贴近组内习惯的用户
- 希望把历史组会、实验记录和论文摘要逐步沉淀为长期科研记忆的课题组
- 想基于这个方向继续做 AI + 科研工具、AI Agent Workflow、飞书集成的开发者
- 只想要一个“输入一句话，立刻生成万能报告”的极简文案工具用户
- 不关心科研上下文沉淀、只做一次性文本生成的场景
- 主要需求是英文商业汇报、企业 OKR、销售周报的人群
- 不接受本地部署、环境配置和后续可扩展工程结构的纯轻量用户
| 能力 | 普通 AI 写作工具 | 传统周报模板 | LabReport Copilot |
|---|---|---|---|
| 面向中国科研组会场景优化 | 弱 | 中 | 强 |
| 支持导师风格画像 | 通常不支持 | 不支持 | 支持 |
| 支持历史材料沉淀 | 弱 | 弱 | 支持 |
| 支持文献调研整合 | 弱 | 不支持 | 支持 |
| 支持多模态材料纳入汇报 | 弱 | 不支持 | 已预留扩展 |
| 支持长期科研记忆 | 不支持 | 不支持 | 已按架构预留 |
| 支持飞书友好 Markdown 输出 | 一般 | 手工整理 | 支持 |
| 支持可替换 LLM Provider | 一般不可控 | 不涉及 | 支持 |
| 可作为开源底座继续扩展 | 弱 | 弱 | 强 |
- 首页与开源项目展示
- 用户科研画像页
- 导师画像页
- 材料库上传与分类查看
- 一键生成组会汇报
- Markdown 输出
- 历史记录查看
- 论文调研工作流
- 多模态图片分析工作流占位
- 飞书导出接口预留
- Next.js 前端工作台
- FastAPI 后端服务
- Agent Workflow 骨架
- 本地 JSON 持久化
- 可配置 LLM Provider
- Azure OpenAI
gpt-5.2实测联通
当前 MVP 已包含这些页面：
/首页/profile科研画像/advisor导师画像/materials材料库/literature论文调研/reports/new生成组会/history历史记录/settings/llmLLM 配置说明
flowchart LR
A["科研用户输入\n本周进展 / 历史材料 / 图片截图 / 语音转写"] --> B["Agent Workflow\n用户画像理解\n导师风格建模\n材料总结\n文献调研\n多模态分析\n结构规划\n内容写作"]
B --> C["LLM Gateway\nAzure OpenAI\nOpenAI Compatible\nMock Fallback"]
B --> D["Storage Layer\n用户画像\n导师画像\n材料库\n历史报告"]
C --> E["Exporter Layer\nMarkdown\nFeishu Reserved\nHTML / PDF Reserved"]
D --> B
E --> F["最终输出\n组会 Markdown\n文献调研综述\n历史记录沉淀"]
- Next.js 14
- TypeScript
- Tailwind CSS
- 中文科研效率工具风格 UI
- FastAPI
- Pydantic
- 模块化服务层
- 可扩展 Agent Workflow
- 统一 LLM Provider 抽象
- PostgreSQL：用户信息、任务记录、报告元数据
- 本地文件存储 / 对象存储：上传材料
- 向量数据库：Chroma / PGVector / Milvus
- Redis：缓存、异步任务和工作流调度
LabReport Copilot
├── apps
│ ├── api # FastAPI 后端
│ └── web # Next.js 前端
├── packages
│ └── docs # 架构文档、开发计划、Provider 说明
└── README.md
相关文档：
cd apps/web
npm install
npm run devcd apps/api
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000前端：
cp apps/web/.env.example apps/web/.env.local后端：
cp apps/api/.env.example apps/api/.env默认地址：
项目默认在后端 apps/api/.env 中配置模型接口，避免将密钥暴露到前端。
LLM_PROVIDER=azure_openai
LLM_MODEL=gpt-5.2
AZURE_OPENAI_ENDPOINT=你的 Azure Endpoint
AZURE_OPENAI_API_KEY=你的 Azure API Key
AZURE_OPENAI_DEPLOYMENT=gpt-5.2
AZURE_OPENAI_API_VERSION=2024-10-21说明：
AZURE_OPENAI_DEPLOYMENT填你在 Azure 上实际部署的 deployment name- README 不会包含任何真实私钥
- 开源后，用户只需要复制
.env.example并填写自己的配置即可
LLM_PROVIDER=openai_compatible
LLM_MODEL=gpt-5.2
OPENAI_COMPATIBLE_BASE_URL=https://your-provider.example.com
OPENAI_COMPATIBLE_API_KEY=your_key
OPENAI_COMPATIBLE_MODEL=gpt-5.2
OPENAI_COMPATIBLE_PATH=/v1/chat/completions适用于各类兼容 OpenAI Chat Completions 的模型平台、代理服务和企业网关。
LLM_PROVIDER=mock
LLM_MODEL=gpt-5.2用于本地开发、离线演示和无模型环境联调。
- 每周组会汇报
- 文献调研汇报
- 阶段性研究进展总结
- 导师风格适配后的汇报整理
- 语音口述进展转结构化文稿
- 实验图、表格截图、流程图说明生成
- 历史科研材料归档与记忆沉淀
- 这是一个明确服务中文科研用户的 AI Agent 产品，而不是泛化的写作 Demo
- 场景足够刚需，组会、周报、文献汇报是高频真实需求
- 架构不是临时拼凑，已经按 Agent、Provider、Exporter、Storage 分层
- 已支持 Azure OpenAI 与多厂商可配置接口，方便二次开发
- 后续可自然扩展到 RAG、语音、飞书、多模态与课题组协作
- 已经有真实产品界面、前后端骨架和可运行工作流，不是 README 驱动型概念项目
如果你也在做：
- AI + 教育 / AI + 科研工具
- 中文学术写作与科研效率产品
- 面向垂直场景的 Agent Workflow
- 飞书 / Markdown / 文档自动化
欢迎 Star、提 Issue、提 PR，一起把这个方向做深。
- 接入真实检索，升级论文调研为“检索 + 总结”双阶段流程
- 接入 OCR / VLM，增强实验图、表格截图和流程图分析
- 增加更多组会模板与导师风格控制粒度
- 增加编辑后二次生成与版本对比
- 接入 PostgreSQL 与向量检索
- 增加语音转写工作流
- 接入飞书开放平台自动创建云文档
- 增强多 Agent 编排与任务可观测性
- 形成课题组级科研知识库与长期记忆系统
- 从单人组会助手扩展为实验室科研协作 Copilot
- 支持更完整的科研产出链路：组会、开题、中期、论文初稿、答辩预演
建议使用 MIT 协议，便于学术社区、个人开发者和实验室团队二次开发与集成。
如果你准备 fork 这个项目，建议从这几处开始看：
LabReport Copilot 想做的，不是帮学生“写一篇周报”，而是成为中国科研组会场景下真正可扩展的 AI Copilot 基础设施。