LabReport Copilot

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。

一眼看懂

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

为什么做这个项目

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

这不是一个简单的“报告生成器”

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

核心特性

1. 面向中国科研场景

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

2. 多 Agent 工作流

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。

3. 长期科研记忆

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

4. LLM 可配置，不绑定单一厂商

当前后端已抽象统一的 LLM Gateway，支持：

azure_openai
openai_compatible
mock

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

5. 输出天然适合飞书

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

6. 更完整的工作台体验

首页直接展示能力概览、推荐使用顺序和工作流关系
表单页统一支持更明确的字段标签、空态、状态提示和结果预览
历史记录页支持更清晰的选中态和阅读区布局
移动端也可以通过顶部导航快速切换核心页面

适合谁用 / 不适合谁用

适合谁用

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

不适合谁用

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

功能对比

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

当前已实现

P0

首页工作台总览
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

P1 骨架

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

当前交互与界面状态

统一的工作台导航与页面头部
分组化表单输入体验
更清晰的卡片层级与空态展示
更适合持续扩展的前端组件结构

已完成的工程化能力

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

页面预览

首页预览

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/llm LLM 配置说明

推荐使用顺序：

先填写 /profile 科研画像
再补充 /advisor 导师画像
把历史材料上传到 /materials
需要文献汇报时使用 /literature
最后在 /reports/new 生成组会，并在 /history 中复盘结果

技术架构

系统架构图

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"]

前端

Next.js 14
TypeScript
Tailwind CSS
工作台化中文科研效率工具 UI
统一卡片、导航、表单字段与状态反馈组件

后端

FastAPI
Pydantic
模块化服务层
可扩展 Agent Workflow
统一 LLM Provider 抽象

数据层规划

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

项目结构

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

快速启动

1. 启动前端

cd apps/web
npm install
npm run dev

2. 启动后端

cd apps/api
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000

3. 配置环境变量

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：

前端：http://localhost:3000
后端：http://localhost:8000

建议体验路径：

启动前后端
进入首页查看工作流概览
先配置科研画像和导师画像
上传一份历史材料
在组会生成页测试完整产出链路

LLM 配置

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。

Azure OpenAI

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

OpenAI 兼容接口

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。

Mock 模式

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。

适用场景

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

为什么值得 Star

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。

Roadmap

近期

增加组会结果一键复制、导出与再次编辑
为材料库增加筛选、搜索和更细粒度的检索入口
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

中期

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

长期

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

开源协议

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。

致开发者

如果你准备 fork 这个项目，建议从这几处开始看：

一句话总结

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。

Name		Name	Last commit message	Last commit date
apps		apps
assets		assets
packages/docs		packages/docs
.gitignore		.gitignore
README.md		README.md
package-lock.json		package-lock.json
package.json		package.json

Latest commit

History

Folders and files

Repository files navigation