TaShan SciSpark

TaShan SciSpark是一个基于MCP协议的假设生成框架。具备 "文献检索与内容处理 - 假设生成与初始草稿构建 - 多轮迭代优化（技术实体重排、MoA 协作、圆桌讨论）- 效果评估验证" 等核心功能。集成多个学术数据源，采用多阶段迭代 + 人机协作架构，实现从主题输入到完整研究想法生成的流程化处理。为研究人员提供从文献处理到创新想法生成的一站式解决方案。

核心功能

🔍 文献检索与内容处理

• 集成多个学术数据源（arXiv、Google Scholar等）
• 智能文献筛选和内容提取
• PDF文档解析和结构化处理

💡 假设生成与初始草稿构建

• 基于文献分析的研究假设生成
• 多维度创新点挖掘
• 初始研究想法草稿构建

🔄 多轮迭代优化

• 技术实体重排：智能重组研究要素
• MoA协作：多智能体协同优化
• 圆桌讨论：多角度评估和改进

✅ 效果评估验证

• 研究想法可行性评估
• 创新性和实用性验证
• 质量评分和改进建议

技术架构

• MCP协议支持：标准化的模型上下文协议集成
• 多阶段迭代：渐进式优化研究想法质量
• 人机协作：结合人工智能和专家知识
• 流程化处理：从输入到输出的完整工作流

Python文件和编码规约

• .py 文件编码为 utf-8

Git 贡献提交规范

• feat 增加新功能
• fix 修复问题/BUG
• style 代码风格相关无影响运行结果的
• perf 优化/性能提升
• refactor 重构
• revert 撤销修改
• test 测试相关
• docs 文档/注释
• chore 依赖更新/脚手架配置修改等
• ci 持续集成
• types 类型定义文件更改
• wip 开发中

启动服务

启动 Celery Worker

方式一：使用优化启动脚本（推荐）

Windows系统：

# 直接运行批处理文件
start_celery_worker.bat

# 或使用Python脚本
python start_celery_worker.py

Linux/Mac系统：

python start_celery_worker.py

方式二：传统启动方式

python -m celery -A app.task.paper_assistant worker --pool=solo -l info

注意： 推荐使用方式一，它包含了内存优化配置，能够有效防止内存爆炸问题。

MCP工具异步任务支持

重要提醒： 当使用MCP工具中的异步功能（如研究想法生成）时，必须先启动Celery Worker：

# 启动Celery Worker以支持异步任务
python start_celery_worker.py

异步MCP工具包括：

• generate_research_idea - 生成研究想法（需要Celery Worker支持）
• get_task_status - 获取异步任务状态

如果未启动Celery Worker，异步MCP工具将无法正常工作。建议在使用MCP服务器前先启动Celery Worker。