DeepReviewer 2.0

面向论文评审的类人深度思考流程。
PDF -> MinerU Markdown -> Review Agent Tool Loop -> Final Markdown -> Final PDF

快速开始 • 在线平台 • 技术报告 • 配置说明 • CLI 用法 • 引用

English README

---

最新动态

• [2026-03-04] DeepReviewer 2.0 在线平台已上线，面向所有学者免费开放。立即体验：deepscientist.cc。
• [2026-03-04] 注册后可使用 DeepReviewer 2.0 API 服务： AI Review API Workflow。
• [2026-03-04] 视频演示：YouTube Demo。

---

功能特性

功能	说明
端到端评审	从 PDF 上传到最终 Markdown/PDF 报告，全流程异步执行。
工具驱动推理	Agent 通过 pdf_read_lines、pdf_annotate、paper_search 等工具生成可追踪结果。
用量统计	每个任务记录 token 用量、工具调用次数和 paper-search 统计。
出版风格导出	生成 final_report.pdf，包含品牌封面、用量摘要、原文附录和批注叠加。

---

工作流程

每个评审任务会落盘到：

data/jobs/<job_id>/

流程如下：

1. 提交论文 PDF。
2. 使用 MinerU v4 解析为 markdown 与布局元数据。
3. 构建运行时上下文并启动 review agent。
4. Agent 迭代调用工具（pdf_read_lines、pdf_annotate、paper_search 等）。
5. 通过 review_final_markdown_write 持久化最终 markdown。
6. 导出最终 PDF（含原文附录与批注 callout 叠加）。

---

在线平台与 API

• 在线平台：https://deepscientist.cc
• API 文档（需注册）：https://deepscientist.cc/docs/English/API/AI_Review_API_Workflow
• 视频演示：https://www.youtube.com/watch?v=mMg5XzcaDCw

---

技术报告

• PDF：DeepReviewer-v2.pdf

---

快速开始

1) 安装

cd <repo_root>
python -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install -e .

2) 配置

cp .env.example .env

最小可用配置：

# LLM（OpenAI-compatible）
BASE_URL=http://127.0.0.1:8004/v1
AGENT_MODEL=gpt-5.2
OPENAI_USE_RESPONSES_API=false
OPENAI_AGENTS_DISABLE_TRACING=1
# OPENAI_API_KEY=...  # 网关要求鉴权时再填写

# MinerU
MINERU_API_TOKEN=your_mineru_token

# 推荐论文检索：DeepXiv 直连 API
PAPER_SEARCH_ENABLED=true
PAPER_SEARCH_PROVIDER=deepxiv
DEEPXIV_API_BASE_URL=https://data.rag.ac.cn
DEEPXIV_API_TOKEN=your_deepxiv_token
DEEPXIV_RETRIEVE_TOP_K=8
DEEPXIV_DEFAULT_SOURCE=arxiv

3) 提交并跟踪任务

python main.py submit --pdf /path/to/paper.pdf --wait-seconds 0
python main.py status --job-id <job_id>
python main.py watch --job-id <job_id> --interval 2 --timeout 1800

4) 获取结果

python main.py result --job-id <job_id> --format all
python main.py result --job-id <job_id> --format md
python main.py result --job-id <job_id> --format pdf

---

配置说明

DeepReviewer 2.0 支持通用 OpenAI-compatible 服务，以及两种论文检索适配： DeepXiv 直连 API（PAPER_SEARCH_PROVIDER=deepxiv，推荐）和本地 PASA （PAPER_SEARCH_PROVIDER=pasa，高级备用路径）。

完整 provider 配置说明见 docs/paper_search_providers.md。

LLM 配置

变量	说明	默认值
BASE_URL	首选 OpenAI-compatible base URL	-
OPENAI_BASE_URL / LLM_BASE_URL	base URL 别名	-
OPENAI_API_KEY / API_KEY / LLM_API_KEY	网关鉴权密钥	可选
AGENT_MODEL	评审模型	gpt-5.2
OPENAI_USE_RESPONSES_API	提供方支持时可启用 Responses API	false
OPENAI_AGENTS_DISABLE_TRACING	关闭本地网关 tracing 噪声	建议 1
AGENT_RESUME_ATTEMPTS	恢复尝试次数（硬上限）	2

Finalization Gates

变量	默认值	说明
ENABLE_FINAL_GATES	false	启用最终写入门槛
MIN_PAPER_SEARCH_CALLS_FOR_PDF_ANNOTATE	3	进入密集批注前最少检索次数
MIN_PAPER_SEARCH_CALLS_FOR_FINAL	3	允许最终写入前最少检索次数
MIN_DISTINCT_PAPER_QUERIES_FOR_FINAL	3	最少不同检索 query 数
MIN_ANNOTATIONS_FOR_FINAL	10	最少批注数量
MIN_ENGLISH_WORDS_FOR_FINAL	0	最少英文词数（0 表示关闭）
FORCE_ENGLISH_OUTPUT	true	强制英文输出

MinerU 与检索服务

变量组	说明
MINERU_BASE_URL, MINERU_API_TOKEN, MINERU_MODEL_VERSION	MinerU 解析配置
PAPER_SEARCH_PROVIDER	deepxiv 表示直连 DeepXiv，pasa 表示连接本地 PASA 服务
DEEPXIV_*	推荐的 DeepXiv 直连检索配置
PAPER_SEARCH_*	PAPER_SEARCH_PROVIDER=pasa 时使用的 PASA 兼容检索配置
PAPER_READ_*	可选论文阅读服务；不配置时使用 arXiv 元数据/摘要级 fallback

推荐路径是 DeepXiv 直连：

PAPER_SEARCH_ENABLED=true
PAPER_SEARCH_PROVIDER=deepxiv
DEEPXIV_API_BASE_URL=https://data.rag.ac.cn
DEEPXIV_API_TOKEN=your_deepxiv_token
DEEPXIV_RETRIEVE_TOP_K=8
DEEPXIV_DEFAULT_SOURCE=arxiv

备用路径是本地 PASA：

PAPER_SEARCH_ENABLED=true
PAPER_SEARCH_PROVIDER=pasa
PAPER_SEARCH_BASE_URL=http://127.0.0.1:8001
PAPER_SEARCH_ENDPOINT=/pasa/search
PAPER_SEARCH_HEALTH_ENDPOINT=/health

如果 PAPER_SEARCH_ENABLED=false，所选 provider 缺少必要配置（例如 DeepXiv 模式缺少 DEEPXIV_API_TOKEN），或 provider 健康检查失败，paper_search 会返回 status=not_started，任务会以 retrieval-disabled mode 继续，而不是反复重试外部检索。

---

CLI 用法

命令	作用
python main.py submit --pdf /path/to/paper.pdf	提交新任务
python main.py status --job-id <job_id>	获取一次状态快照
python main.py watch --job-id <job_id> --interval 2 --timeout 1800	轮询直到完成/超时
python main.py result --job-id <job_id> --format all	拉取 markdown 与 pdf 结果

输出产物

• data/jobs/<job_id>/final_report.md
• data/jobs/<job_id>/final_report.pdf
• data/jobs/<job_id>/events.jsonl

final_report.pdf 包含：

• 最终 markdown 报告正文
• token 用量摘要（input/output/total/requests）
• 原文 PDF 附录页面
• 自动批注叠加（当 MinerU 行级 bbox 可用时）

---

外部服务

MinerU（严格模式下必需）

1. 注册：https://mineru.net/
2. 在控制台生成 API Token
3. 在 .env 设置 MINERU_API_TOKEN

DeepXiv（推荐）

DeepXiv 是最简单的生产路径，因为不需要在本地启动 PASA 模型服务。

1. 注册并获取 DeepXiv API token。
2. 设置 PAPER_SEARCH_PROVIDER=deepxiv。
3. 在 .env 中填写 DEEPXIV_API_TOKEN。
4. 默认保持 DEEPXIV_API_BASE_URL=https://data.rag.ac.cn，除非你的部署使用了其他 endpoint。

DeepReviewer 会调用：

• GET /stats/usage 做启动健康检查。
• GET /arxiv/?type=retrieve&query=...&top_k=...&source=... 执行 paper_search。

paper_search 的输出格式与 PASA 兼容模式保持一致，因此 review prompt、gate 和报告逻辑不需要区分两种 provider。

PASA（高级备用路径）

• 本地文档：pasa/README.md
• 中文文档：pasa/README.zh-CN.md
• 官方仓库：https://github.com/bytedance/pasa
• Serper token（PASA Google 工作流通常需要）：https://serper.dev/
• 如果未配置 PASA/外部检索服务，则该轮任务默认不会启动 search 功能，因此无法自动进行新颖性对比。

配置：

PAPER_SEARCH_ENABLED=true
PAPER_SEARCH_PROVIDER=pasa
PAPER_SEARCH_BASE_URL=http://127.0.0.1:8001
PAPER_SEARCH_ENDPOINT=/pasa/search
PAPER_SEARCH_HEALTH_ENDPOINT=/health

建议暴露兼容端点：

• POST /pasa/search（默认）
• POST /search（可选兼容路径）

---

故障排查

• RuntimeError: Agent finished without successful review_final_markdown_write
• 模型在完成最终写入前结束。

• 可检查 events.jsonl 的阶段推进和工具调用。

• MinerU 超时/失败

• 检查 token 与端点连通性。

• DeepXiv 检索未启动

• 检查 PAPER_SEARCH_PROVIDER=deepxiv。
• 检查 DEEPXIV_API_TOKEN 已填写。

• 检查 DEEPXIV_API_BASE_URL 能访问 /stats/usage。

• PASA 超时/失败

• 检查服务状态与端点路径（/pasa/search vs /search）。

---

引用

如果你在研究中使用了 DeepReview，请引用：

@inproceedings{zhu-etal-2025-deepreview,
    title = "{D}eep{R}eview: Improving {LLM}-based Paper Review with Human-like Deep Thinking Process",
    author = "Zhu, Minjun  and
      Weng, Yixuan  and
      Yang, Linyi  and
      Zhang, Yue",
    editor = "Che, Wanxiang  and
      Nabende, Joyce  and
      Shutova, Ekaterina  and
      Pilehvar, Mohammad Taher",
    booktitle = "Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = jul,
    year = "2025",
    address = "Vienna, Austria",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.acl-long.1420/",
    doi = "10.18653/v1/2025.acl-long.1420",
    pages = "29330--29355",
    ISBN = "979-8-89176-251-0"
}

---

社区与支持

微信交流群
扫描下方二维码加入交流群。

---

许可证

MIT License，详见 LICENSE。
第三方组件说明见 THIRD_PARTY_NOTICES.md。