Luxas 自主科研助手
将研究问题自动推进为带引文、图表的 LaTeX 报告。
这个 Agent 能做什么，适合哪些场景？
Luxas 是一个开源、多智能体科研工作流，用于把 RESEARCH.md 中的研究主题推进到编译完成的 LaTeX PDF。它以 pi-mono 的组件为基础，由 brain 驱动，并通过分离的 Node 子进程调度检索、阅读、实验、数学、插图、排版和审稿角色。项目状态、笔记、日志和实验记录均保存在文件中；重启时可从 log.jsonl 重建状态，并恢复脱离主进程运行的子任务。其交付物面向文献综述和小规模计算研究，包含真实引用、自生成图表及审稿记录。它是需要本地项目目录、Shell、网络、LaTeX 和 Python 环境的自托管命令行工具，而非托管式聊天产品。
运行 luxas init 后，Luxas 将研究题目写入项目工作区，并由 brain 分解任务。search 使用 OpenAlex、arXiv、CrossRef、引用链、网页搜索及可选的反检测浏览器发现论文；reader 将单篇提取结果写入 notes/literature.d/，再汇入 notes/literature.md。experiment 先设计工具，再让彼此隔离的 tool_impl 与 tool_review 分别编写 scripts/<tool>.py 和 tests/test_<tool>.py，以 pytest 结果驱动修复，随后将实验结果写入 data/experiments/<EXP_ID>/runs/run_N/results.json 和 notes/experiments.md。math 可通过 wolframscript 调用 Wolfram Engine，缺失时回退到 sympy；illustrator、illustrator_write 与 typesetter 分别生成或审查图表和 PDF 页面。finish 会检查实验承诺、后台任务、PDF、至少一张自生成图、typesetter 审查结果和 PI 审稿结论，再允许完成。
- 需要从一个明确主题出发，产出带文献引用的科研综述 PDF 的研究者。
- 要对小规模计算实验进行设计、实现、测试、运行，并把结果写入论文式报告的实验团队。
- 需要在无人值守的多小时运行中保留文件化日志、笔记和可恢复状态的个人研究工作流使用者。
- 希望让独立实现者与测试者分别处理实验工具，以降低实现与自测同源偏差的研究工程人员。
- 已经具备 LaTeX、Python、tmux 和 API 凭据，希望在本机项目目录中运行科研自动化的技术用户。
这个 Agent 有哪些优点和局限？
- 以 notes/、log.jsonl、active-agents.json 等文件保存状态，并支持从日志重建和孤儿子任务恢复，适合长时间运行。
- 实验工具采用 tool_impl 与 tool_review 互盲的实现/测试分工，并以 pytest 作为验证依据。
- 从文献发现、实验、图表到 LaTeX 编译和 PDF 排版审查覆盖同一科研交付链路。
- finish 与 reviewer 共同约束实验完成状态、图表、PDF 排版审查和 PI 审稿结论，提供明确的结束门槛。
- 运行依赖本地 Shell、项目目录、Node.js、LaTeX、Poppler、Python、matplotlib、numpy 和 tmux，部署门槛高于纯 API 或聊天工具。
- 默认需要 Anthropic API；虽然支持 DeepSeek、Kimi 和部分 OpenAI o3 用途，但 DeepSeek 文本模式不提供视觉能力，图表任务需要单独的视觉配置。
- 系统会自主运行 Python、Shell 命令和 pip install，文档明确建议不要指向含凭据的目录，也不要以 root 身份运行。
- 完整运行成本为文档中的经验值：默认 Claude 配置约每次 20–80 美元，dual 配置约每次 2–10 美元；实际成本随主题和审稿迭代变化。
如何安装或部署这个 Agent？
先安装系统依赖：macOS 可执行 "brew install --cask mactex"（或 basictex）、"brew install poppler tmux [email protected]"，再执行 "pip3 install matplotlib numpy"；Debian/Ubuntu 可安装 texlive-latex-extra、texlive-fonts-recommended、poppler-utils、tmux、python3-matplotlib 和 python3-numpy。随后执行：
git clone https://github.com/Muuuun/luxas.git && cd luxas
npm install && npm link
需要 Node.js 22+ 和 ANTHROPIC_API_KEY；pdflatex、bibtex、Poppler、Python、matplotlib、numpy 与 tmux 需在可用路径中。OPENAI_API_KEY 仅用于可选的 o3 数学角色；DEEPSEEK_API_KEY、KIMI_API_KEY、BRAVE_API_KEY、GEMINI_API_KEY、wolframscript、browser-use 和 provref 均按对应功能可选。
如何使用这个 Agent？
设置默认提供商凭据后创建并运行项目：
export ANTHROPIC_API_KEY="..."
luxas init ~/research/x --prompt "Survey LLM chain-of-thought reasoning"
luxas run ~/research/x --model opus
luxas status ~/research/x
可用 "luxas figures ~/research/x" 重跑图表与排版循环，"luxas list" 查看已接触项目。默认按各角色前置配置选择 Claude；"luxas run ~/research/x --profile dual" 使用 deepseek-v4-pro 处理文本、k2p5 处理视觉任务。
这个 Agent 与同类方案有什么区别？
Luxas 将自身定位为面向科研交付物的专用系统：与 LangGraph、CrewAI、AutoGPT 等通用框架相比，它强调文件化状态、钩子强制的完成门槛和编译后的 LaTeX PDF；与 Sakana AI Scientist 相比，文档强调文献检索与引用；与 Claude Code 相比，它采用多类分离子进程而非单一聊天会话。若目标是通用工作流编排或交互式编程，仓库将 LangGraph/pi-agent-core 或 Claude Code 列为更适合的方向。