AI RESEARCH ASSISTANT · AUTOPAPER

AutoPaper
AI 驱动论文自动生成系统

上传医学数据 + 一句话描述需求，AI 全自动完成统计分析、代码修复、学术写作，2~5 分钟产出论文初稿。

🌐 Web Demo 📁 飞书云文档
⚡
2~5 min
从数据到论文初稿
🔧
3×
代码报错自动修复
📄
8+
产物文件类型
🤖
2
专用 MCP 服务

产品入口

🌐 Web Demo

对外演示入口。直接在网页上传 CSV/XLSX 数据文件，填写分析需求，点击开始即可。支持实时进度追踪、历史会话恢复、报告预览与下载。

https://autopaper.lifebytes.cn/

🤖 飞书机器人 Hermes

内部团队使用入口。数据存储在飞书云文档，在论文AI群中 @Hermes 发送指令即可触发分析，结果自动写回飞书云文档供团队查阅。

论文AI群 → @Hermes 使用autopaper技能，分析...

技术架构

【用户层】 ├── Web 页面（上传文件 + 填写需求 → 实时进度追踪） └── 飞书群 @Hermes（自然语言指令 + 飞书云文档存数据） ↓ 【调度层】Cline-Core-Adapter（总 Agent · gpt-4.1-mini） ├── 读取飞书云文档 / 接收上传文件 ├── 调用 Medical-Stat-MCP-v0.5（医学统计分析） │ ├── profile_dataset_tool ← 数据探查，生成 Schema 概要 │ └── generate_and_fix_model_code_tool ← 代码生成 + 自动修复 ├── python-runner（执行脚本，产出图表 / JSON） └── 调用 Academic-Writing-MCP-v0.5（学术写作） ├── write_methods_with_rag_tool ← Methods 章节 └── write_results_with_rag_tool ← Results 章节 ↓ 【产物层】写回飞书 data/ 目录 或 Web 页面可下载 ├── research_plan_v2.md 分析计划书 ├── model_code.py 统计脚本 ├── outputs/ Figure + Table └── reports/ methods.md · results.md · full_report.md

五阶段执行流程

1
需求接入 · 数据探查 Phase 1 — Input & Profile

安全接收任务，在不触发 Token 爆炸和隐私泄露的前提下，摸清原始数据的底层特征。

  • 用户用自然语言描述研究问题，提供数据文件（CSV/XLSX）
  • Cline 解析意图，生成结构化 Task_Intent.json
  • Medical-Stat-MCP 调用 profile_dataset_tool，约 1 秒内完成数据探查
  • 产出 Schema_Summary.json（行列数、字段类型、缺失率、分布概况）
  • ⚠️ Agent 绝不直接读取原始数据，仅操作统计摘要 → 隐私保护
2
计划书生成 Phase 2 — Analysis Plan

制定严谨的算法方案，确保统计设计的科学合理性。

  • Cline 将意图 + 数据概要拼合，生成 Markdown 格式《统计与算法计划书》
  • 计划书包含：混杂因素选择、倾向性评分匹配卡钳值、Cox 等比例假设检验方案等
  • 来源标注：llm（LLM 提炼）/ template_fallback（模板回退）
💡 完整 Pipeline 设计中，此阶段会强制挂起等待人工审核。当前 Demo 版本为全自动执行（Demo 合理简化）。
3
AI 建模 · 自我修复 Phase 3 — Code Generation & Self-Heal

自动化完成复杂统计代码编写与执行，遇到报错时实现自我修复闭环。

  • 代码生成：MCP 接入 gpt-4.1-mini，生成带详细注释的 Python 统计脚本（Cox 回归、PSM、Spearman/Pearson 相关分析等）
  • 代码执行：python-runner 在后台执行脚本，实时监听运行状态
  • 自我修复闭环：报错时 Cline 截获完整 Traceback → 发回 MCP → MCP 修复代码 → 重新执行（最多 3 次）
  • 成功产出：统计结果 JSON（HR、p 值、相关系数等）+ 高清图表（散点图、KM 生存曲线等）
✅ 真实运行日志验证：自修复机制已实际触发并成功修复（spearmanr 数组维度不匹配报错 → 自动修复 → 执行成功）
4
双线学术写作 Phase 4 — Academic Writing

将统计结果转化为极具学术规范、无"AI 幻觉"的顶刊级别论文章节。

  • Methods 路线：传入计划书 + 代码逻辑 → 生成被动语态、注明软件版本和算法参数的方法章节
  • Results 路线：传入数据概要 + 结果 JSON + 图片路径 → 客观填入 HR、CI、p 值，插入图表索引
  • 两路并行执行，均有写作失败重试机制（retry_write_methods）
  • System Prompt 最高优先级约束：禁止将统计相关性过度解读为生物学因果机制
  • RAG 向量数据库（可选扩展）：注入真实文献写作风格模板，进一步压制"AI 味"
5
组装输出 Phase 5 — Report Assembly

完成最终的格式化拼接，输出可直接使用的论文报告。

  • Cline 将 Methods + Results 文本、图表进行排版
  • 合成完整的 full_report.md + report.html（含嵌入图表，可直接预览）
  • Web 端支持一键 ZIP 打包下载所有产物
  • 飞书版结果自动写回 autopaper/data/ 目录

Hermes 机器人核心能力

🧬 AI 科研分析（核心）

  • 相关性分析（Pearson / Spearman）
  • 多因素 Logistic 回归
  • Cox 比例风险生存分析
  • 倾向性评分匹配（PSM）
  • 描述性统计 / 基线特征对比
  • 散点图、KM 曲线等可视化

💻 代码 & 开发

  • 编写、调试、重构代码（Python、JS、Go 等）
  • GitHub PR 管理、Code Review
  • 项目架构设计、测试驱动开发
  • CI/CD 流程配置

🔬 研究与分析

  • 学术论文搜索（arXiv）
  • 网页调研、竞品分析
  • Jupyter Notebook 数据分析
  • RSS 订阅、博客内容监控

🎨 内容创作

  • PPT 制作、HTML 页面设计
  • SVG 图表、信息图、漫画
  • 音乐生成（Suno AI）
  • 语音合成

⚙️ 自动化

  • 飞书集成：文档读写、评论、消息推送
  • 定时任务（cron job）
  • 邮件收发、Airtable/Notion 管理
  • 后台进程管理

🧠 AI & ML

  • 模型微调（Axolotl、Unsloth、TRL）
  • 模型推理部署（vLLM、llama.cpp）
  • 结构化输出（Outlines）
  • 模型评估

飞书机器人使用教程

1
进入飞书云文档 input 文件夹

访问 autopaper/input/ 目录，新建子文件夹（如 my_data）。

2
上传数据文件

将 .xlsx / .xls / .csv 文件上传到子文件夹。⚠️ CSV 文件必须选择"仅上传"，不能转为飞书表格。

3
在论文AI群发送指令

格式：@Hermes 使用autopaper技能，分析飞书云文档 autopaper/input/[子文件夹]/[文件名]，[分析需求]

4
等待执行完成（约 2~5 分钟）

Hermes 自动完成数据探查 → 代码生成 → 执行 → 学术写作全流程。

5
在 data 文件夹取结果

进入 autopaper/data/，按修改时间找到对应结果文件夹，查看 reports/full_report.md 即为完整报告。

📝 指令示例

示例 1 · 多文件关联分析
@Hermes 使用autopaper技能，分析飞书云文档 autopaper/input/test1 下面的表格 patients_labs.csv 和 patients_baseline.csv。利用所提供的基线数据和实验室数据，分析心血管事件的风险因素。重点关注心血管事件（cv_event）与年龄（age）、体重指数（bmi）、收缩压（systolic_bp）、吸烟（smoking）、糖尿病（diabetes）、低密度脂蛋白胆固醇（ldl_c）、C反应蛋白（crp）以及空腹血糖（fasting_glucose）之间的关联。
示例 2 · 单文件队列分析
@Hermes 使用autopaper技能，分析飞书云文档 autopaper/input/test3/single_center_metabolic_cohort.xlsx 文件内容，分析单中心代谢队列的一年再入院风险。使用一年再入院作为主要结局，并评估与年龄、性别、吸烟状况、高血压、BMI、收缩压/舒张压、HbA1c、LDL-C、eGFR 和 ALT 的关联。提供临床上可解释的汇总表和图表。

系统产物清单

📋
research_plan_v2.md
统计与算法分析计划书
🐍
model_code.py
生成的 Python 统计脚本（含注释）
📊
outputs/
Figure 图表 + Table 统计表
🔢
stats_json
HR、p 值、相关系数等统计结果
🗂️
schema
数据概要（字段、类型、分布）
📝
methods.md
论文 Methods 章节草稿
📈
results.md
论文 Results 章节草稿
📄
full_report.md / .html
完整报告（含图表，可直接预览）
🔧
cline_repair_log
代码自修复日志
📦
ZIP 打包
所有产物一键下载（Web 版）

需求写法规范

需求必须是单一、连贯的分析任务，不能包含条件分支或多个独立任务的拼接。

✅ 合适的需求（单一连贯）

  • "分析 BMI 与心血管风险因素之间的关联"
  • "评估年龄、性别、吸烟状态对一年再入院风险的影响"
  • "比较糖尿病组和非糖尿病组的基线特征差异"
  • "分析 HbA1c 与空腹血糖的相关性，并做线性回归"

❌ 不合适的需求（杂乱/分支/多任务）

  • "先分析人口学特征，再做回归，如果事件数太少就换描述性统计，最后再画热力图"
  • "分析影响再入院的因素，顺便看看实验室指标相关性，再做个生存曲线"
  • "如果数据满足正态分布就用 t 检验，否则用 Mann-Whitney"

当前版本限制

限制项 说明
文件格式 仅支持 .xlsx / .xls / .csv；CSV 必须"仅上传"；飞书表格超过 26 列（Z列）会被截断
单 Sheet 不支持 .xlsx 多 Sheet 合并读取，仅读取第一个 Sheet，多 Sheet 需拆成多文件上传
数据规模 适合 <10,000 行、<50 列的中小规模医学/临床数据；不适合基因组、影像组学等高维数据
编程语言 仅支持 Python（pandas、numpy、scipy、statsmodels、matplotlib、seaborn、sklearn），不支持 R
自修复次数 代码报错最多自动重试 3 次；超过 3 次由 Hermes 接管，结果不可预料
统计模型 不支持用户自定义指定统计模型，由 LLM 根据需求自动决定
可复现性 同样的数据和需求，每次运行生成的代码、图表样式、报告措辞可能不同（LLM 非确定性）
主键识别 多表合并优先识别含 id/patient/subject 的列作为主键，其他命名列也可能自动识别

🚀 一句话总结

AutoPaper = 飞书/Web 作为交互入口，Cline Agent 作为总调度，两个专用 MCP（统计分析 + 学术写作）作为执行手，gpt-4.1-mini 作为大脑，全自动将医学数据集变成论文 Methods + Results 初稿，中间代码报错自动修复，结果写回飞书云文档供团队直接使用。