Multi-Agent · FastAPI · Next.js · pgvector · Docker
SoloLab
一人实验室，无限思维
平台概览
SoloLab（一人实验室）是面向独立研究者的全栈 AI 研究平台。将完整科研工作流——从灵感涌现到代码实现——封装为可热插拔的智能模块，通过统一架构编排。一个人也能拥有一支研究团队。
| 关键数字 | 说明 |
|---|---|
| 5 | 角色智能体 |
| 20+ | 内置工具 |
| 56 | 消融实验 |
| $0.028 | 帕累托最优 / 次 |
| 100% | 文献接地率 |
统一工作台：模块切换 · 对话流 · Agent 活动时间线 · 研究结果沉淀
模块路线图
SoloLab 的核心价值在于统一架构承载多个研究阶段的智能模块。每个模块独立开发、独立部署、即插即用。
| 模块 | 说明 | 状态 |
|---|---|---|
| IdeaSpark | 多智能体创意涌现 · Elo 锦标赛 | Ready |
| CodeLab | AI 编码助手 · 并行 Agent · 20+ 工具 | Ready |
| WriterAI | 学术论文写作 · 大纲生成 · 润色 | Planned |
| DataLens | 数据分析 · 可视化 · 统计检验 | Planned |
| LitReview | 系统性文献综述 · 引用图谱 | Planned |
| Reviewer | 模拟审稿人 · 批判性审查 | Planned |
平台总览：前端模块层 · 核心服务层 · 数据与记忆层
平台能力展示
除智能模块外，SoloLab 提供文档解析、会话管理等通用平台能力，所有模块共享。
文档上传与解析
PDF 上传后经 PyMuPDF 高精度解析，进行语义分块（500–1500 tokens），生成向量存储。Agent 在研究过程中可自动检索引用。
PDF 上传 → PyMuPDF 解析 → 语义分块 → 向量存储 → Agent 检索引用
会话与历史管理
每次研究会话完整持久化，支持历史回溯和跨模块上下文传递。研究过程不丢失，随时可恢复。
会话持久化 · 历史回溯 · 跨模块上下文传递
IdeaSpark — 创意涌现模块
多智能体创意涌现系统：5 个差异化智能体 × Separate-Together 协作 × 实时文献检索 × Elo 锦标赛排序
传统 vs SoloLab 方案
传统科研中，灵感涌现依赖个人经验和有限的文献阅读。SoloLab 通过多智能体并行探索，结合实时文献检索，系统性地拓展创意空间。
传统头脑风暴 vs 平台辅助的系统化创意涌现
五大角色智能体
| 角色 | 英文名 | temp | 职责 | 专属工具 |
|---|---|---|---|---|
| 🌀 发散者 | Divergent Thinker | 1.0 | 跨领域类比，大胆联想 | web_search、arxiv_search |
| 🎓 领域专家 | Domain Expert | 0.5 | 深度专业知识，方法论审查 | arxiv、scholar、doc_parse |
| ⚔️ 审辩者 | Critic | 0.3 | 挑战假设，寻找漏洞 | arxiv_search |
| 🔗 连接者 | Connector | 0.7 | 发现关联，组合融合 | — |
| ⚖️ 评估者 | Evaluator | 0.3 | Elo 锦标赛投票与排序 | — |
Separate → Together 协作流程
从并行发散到分组碰撞，再到全局整合与 Elo 排序
运行实况
输入一个研究主题后，5 个智能体开始并行工作，实时展示每个 Agent 的思考过程、工具调用和创意产出。
智能体并行工作中：左侧对话流 · 右侧 Agent 活动时间线 · 实时工具调用
Top-5 创意看板：Elo 评分排序 · Agent 来源标注 · 完整文献引用
一键生成 Markdown 研究报告：方法论描述 · 参考文献 · 可直接导出
实时工具调用
| 工具 | 用途 | 调用频次 |
|---|---|---|
| arXiv | 预印本论文搜索 | ~19 次/run |
| Semantic Scholar | 引用图谱 + 元数据 | ~4 次/run |
| Tavily Search | 实时网络搜索 | ~5 次/run |
| PDF Parser | 学术 PDF 全文解析 | 按需调用 |
每次运行平均 28 次工具调用，确保 100% 的创意具有真实文献支撑（Grounding Rate = 100%）。
CodeLab — AI 编码助手
基于 OpenCode（MIT）深度定制的 AI 编码模块：三类 Agent 自主协作、20+ 内置工具、并行子 Agent 探索、Skill 指令系统。
设计理念
CodeLab 不是简单的代码补全工具。它以 Agent 为核心，能够自主阅读代码、执行命令、运行测试、编辑文件，将编码任务分解为可追踪的子步骤自主完成。
传统辅助编码 vs CodeLab 的自主调查式 Agent 编码
三类 Agent 架构
| Agent | 定位 | 说明 |
|---|---|---|
| 🔨 Build Agent | 主力执行者 | 文件编辑、命令执行、测试编写，完成实际编码任务 |
| 🔍 Explore Agent | 快速侦察兵 | 只读模式快速架构映射，不修改任何文件 |
| 📋 Plan Agent | 策略规划师 | 需求分析、方案设计、实现策略制定 |
并行子 Agent 探索
面对复杂问题，Build Agent 可同时派出多个 Explore 子 Agent，各自独立调查不同方向，结果汇总后做出最优决策。
三个 Explore 子 Agent 独立调查 → 结果汇聚 → 最优决策
20+ 内置工具与 Diff 预览
每次工具调用实时展示：Edit 工具自动展开 Diff 对比，Bash 工具内联输出，文件读写、搜索、测试等操作一目了然。
实时工具调用展示：自动 Diff 预览 · Bash 内联输出 · 文件操作追踪
会话持久化与文件追踪
编码会话结束后，所有修改的文件清晰列出，会话历史完整保存，支持随时回溯和继续。
会话完成：修改文件列表 · 持久化历史 · 同步会话记录
Skill 指令系统
输入 / 触发 Skill 列表，方向键选择，Enter 确认。每个 Skill 自动注入专家级指令，将复杂任务一键标准化。
Skill 斜杠指令：/ 触发 → 列表选择 → 指令自动注入
技术架构
前端 ↔ 后端 Session 代理 ↔ OpenCode 引擎 ↔ 100+ LLM (Vercel AI SDK)
CodeLab 基于 OpenCode（MIT License）深度定制，扩展了 Web 部署、多 Agent 路由、中文提示词优化等能力。感谢 OpenCode 社区的卓越工作。
消融实验：56 次受控验证
7 种消融条件 × 4 个跨学科主题 × 2 次重复 = 56 次受控运行，配合 LLM-as-Judge 五维度评审（560 次评分），逐组件拆解系统中每个部分的真实贡献。
核心发现
| 配置 | Overall | Grounding | Cost | Latency |
|---|---|---|---|---|
| Full System | 8.53 ± 0.07 | 100% | $0.080 | 493s |
| SingleRound（帕累托最优） | 8.45 ± 0.11 | 100% | $0.028 | 110s |
| NoTools | 6.21 ± 3.83 | 0% | $0.032 | 597s |
| Baseline (单 LLM) | 5.53 ± 0.43 | 0% | $0.005 | 18s |
组件贡献归因
| 组件 | 质量贡献 |
|---|---|
| 多智能体框架 | +54% |
| 工具调用(搜索) | +37% |
| Elo 锦标赛 | +1.4% |
| 多轮迭代 | +0.9% |
| Critic 审辩 | +0.1% |
SingleRound: 帕累托最优点
| 指标 | 数值 | 明细 |
|---|---|---|
| 质量保留 | 99% | 8.45 / 8.53 |
| 成本仅需 | 35% | 0.080 |
| 耗时仅需 | 22% | 110s / 493s |
| 文献接地率 | 100% | 全量保持 |
90% 以上的质量提升来自"多智能体框架 + 工具调用"两个核心组件。SingleRound 用不到 1/4 的时间和 1/3 的成本达到 99% 质量。
系统架构
三层架构：前端工作台 · FastAPI 核心服务 · PostgreSQL / Redis / 文件存储
核心服务
LLM Gateway
- OpenAI 兼容，100+ 模型
- 内置降级链与 Fallback
- 实时费用追踪与预算控制
Module Registry
- manifest.json 热插拔
- ModuleBase 抽象 + 标准生命周期
- 动态加载/卸载，零停机
Tool Registry
- 统一 ToolBase 接口封装
- arXiv / Scholar / Tavily / PDF
- 自动限速与结果缓存
Memory Manager
- pgvector 向量检索
- 4 级作用域：Module → Session → Project → Global
- 跨模块知识传递
Task State Manager
- Redis Stream 事件持久化
- 递增 event_id 断线恢复
- 24h 任务状态保留
Document Pipeline
- PyMuPDF 学术 PDF 高精度解析
- 语义分块（500~1500 tokens）
- 自动元数据提取与向量存储
技术栈
| 分类 | 技术 |
|---|---|
| Backend | Python 3.12+ · FastAPI · PostgreSQL + pgvector · Redis |
| Frontend | Next.js 14 · Zustand · shadcn/ui · Tailwind CSS |
| AI / Search | 100+ LLM Providers · arXiv · Semantic Scholar · Tavily · PyMuPDF |
| Infrastructure | Docker Compose · Caddy · Alembic · Vercel AI SDK |
更多模块持续开发中
WriterAI (学术写作) · DataLens (数据分析) · LitReview (文献综述) · Reviewer (模拟审稿) 正在规划中，敬请期待。
SoloLab 将完整的科研工作流封装为可热插拔的智能模块，让独立研究者也能拥有一支 AI 研究团队。IdeaSpark 通过 56 次消融实验严格验证，帕累托最优配置仅需 $0.028/次；CodeLab 提供三类 Agent + 20 余种工具的自主编码能力。两个模块已就绪，更多能力持续扩展中。