把论文里的算法、模型、实验步骤翻译成一份能
python main.py直接跑起来的项目。
- 🧠 多 Agent 协作：解析 → 分析 → 生成 → 验证，四个 Agent 流水线分工
- 🤖 双 LLM 架构：分析模型与代码模型解耦，可分别选用最擅长模型
- 📄 多格式输入：支持
.md/.pdf/.txt，PDF 三层降级解析 - 💻 结构化生成：基于 OpenAI Function Calling 生成可直接运行的代码
- ✅ 自检自愈：语法 + 导入 + 静态分析三段验证 + LLM 自动修复（最多 5 次）
- 📊 数据友好：自动识别 Excel / CSV，把 schema 注入生成上下文
- 🌐 双入口：CLI 命令行 + Gradio Web 界面
# 1. 安装依赖
pip install -r requirements.txt
# 2. 配置环境变量
cp .env.example .env
# 编辑 .env，填写两个 LLM 的 API Key / Model / Base URL
# 3. 命令行
python main.py --md thesis.md
python main.py --md thesis.pdf --data ./data --output ./output
# 4. 或启动 Web
python app.py
# 浏览器打开 http://localhost:7860💡 PDF 准备小贴士：你可以先用 Mineru 一键把 PDF 转成 Markdown 再作为输入。
LunwenToCode 是一个基于大语言模型（LLM）的智能代码生成系统，专门用于将科研论文或毕业论文自动转换为可运行的 Python 代码。
系统采用 多 Agent 协作架构：先分析论文内容、识别研究方法、提取代码需求，再生成完整的 Python 项目。
empirical 实证研究 · simulation 仿真研究 · algorithm 算法设计 · system_design 系统设计 · data_analysis 数据分析 · machine_learning 机器学习 · other 其他
| 功能 | 描述 |
|---|---|
| 📄 文稿解析 | 支持 Markdown / PDF / TXT |
| 🔍 智能分析 | 自动识别论文类型、研究方法、代码需求 |
| 💻 代码生成 | 根据论文生成完整可运行代码 |
| ✅ 自动验证 | 语法 + 导入 + 静态分析 + LLM 自动修复 |
| 📊 数据支持 | 自动注入 Excel / CSV 数据 schema |
| 🌐 双入口 | CLI + Gradio Web |
论文 (MD / PDF / TXT) + 数据 (Excel / CSV, 可选)
│
▼
┌──────────────────────────────────────────────────────┐
│ Parser ─► Analyzer ─► Coder ─► Validator │
│ PDF转MD 提取需求 生成代码 验证修复 │
└──────────────────────────────────────────────────────┘
│
▼
Python 项目 (代码 + requirements + README)
| LLM | 用途 | 服务的 Agent |
|---|---|---|
| Analyzer LLM | 论文内容分析、结构提取 | AnalyzerAgent、ParserAgent |
| Coder LLM | 代码生成、代码修复 | CoderAgent、ValidatorAgent |
两套 LLM 都遵循 OpenAI 兼容协议，可接 OpenAI / Azure / 书生 / Qwen / Ollama 等。配置优先级：CLI 参数 > 环境变量 >
.env> 默认值。
lunwentocode/
├── app/
│ ├── agents/ # Analyzer / Coder / Parser / Validator
│ ├── core/ # BaseAgent / LLM / Workflow
│ ├── schemas/ # Pydantic 模型
│ ├── config/ # 配置
│ └── utils/ # 文件 / JSON / 日志
├── main.py # CLI 入口
├── app.py # Web 入口 (Gradio)
└── requirements.txt
app/core/workflow.py
整个系统的核心调度器，六阶段流水线：
| Phase | 名称 | 描述 |
|---|---|---|
| 1 | 读取输入 | 加载论文，PDF 自动转 MD |
| 2 | 数据扫描 | 扫描 Excel / CSV 并注入上下文 |
| 3 | 内容分析 | AnalyzerAgent 分析论文 |
| 4 | 代码生成 | CoderAgent 逐任务生成代码 |
| 5 | 代码验证 | ValidatorAgent 验证并自动修复 |
| 6 | 生成项目 | 整合输出，生成 README / requirements |
app/core/base_agent.py
所有 Agent 的抽象基类，无状态设计——每次调用独立、不保留历史，避免长论文撑爆上下文。提供两种调用方式：
call_llm(prompt, context)：纯文本call_llm_with_tools(prompt, tools, context)：Function Calling
| Agent | 职责 | 关键能力 |
|---|---|---|
| ParserAgent | PDF → Markdown | Mineru API → 上传 → 本地 PyMuPDF 三层降级 |
| AnalyzerAgent | 论文分析 | 数据来源、论文类型、代码任务、技术栈四步流水线 |
| CoderAgent | 代码生成 | OpenAI Function Calling generate_code 工具，按 priority 排序逐任务独立生成，最后生成 main.py |
| ValidatorAgent | 验证修复 | ast.parse 语法 → import 检查 → 静态分析（main/try/docstring），失败时调用 LLM 修复，最多 5 次 |
app/core/llm.py
基于 OpenAI SDK，兼容所有 OpenAI 兼容 API：
- ⚡ 异步调用（
AsyncOpenAI） - ⏱️ 默认 5 分钟超时
- 🔁 最多 3 次重试，指数退避
- 🛠️ 支持 Function Calling
Phase 1 读取输入 ─► 解析为 ParsedContent (title/abstract/chapters/tables)
Phase 2 数据扫描 ─► DataFileInfo 列表 (列名/行数/样本)
Phase 3 AnalyzerAgent ─► AnalysisResult (thesis_type/code_tasks/libraries)
Phase 4 CoderAgent ─► GeneratedCode[] (按 priority 生成 + main.py)
Phase 5 Validator ─► ValidationResult[] (含 fixed_code)
Phase 6 打包输出 ─► main.py + 模块 + requirements.txt + README.md
数据流转：ParsedContent → AnalysisResult → GeneratedCode[] → ValidationResult[] → ProjectOutput
python main.py --md thesis.md # 仅论文
python main.py --md thesis.pdf --data ./data --output ./output # 论文+数据
python main.py --md thesis.md --api-key xxx --model gpt-4o # 指定 LLM完整参数：--md 论文路径 · --data 数据目录 · --output 输出目录 · --api-key / --model / --base-url
python app.py访问 http://localhost:7860：上传论文 + 数据 → 配置 API → 点击生成 → 下载 zip。
import asyncio
from app.core.workflow import ThesisToCodeWorkflow
from app.core.llm import LLM
async def main():
analyzer = LLM(api_key="...", model="gpt-4o")
coder = LLM(api_key="...", model="gpt-4o")
wf = ThesisToCodeWorkflow(analyzer_llm=analyzer, coder_llm=coder)
result = await wf.run(md_path="thesis.md", data_dir="./data")
print(list(result.files.keys()))
asyncio.run(main())复制 .env.example 为 .env 后填写：
# Mineru API（PDF 解析）
MINERU_API_TOKEN=your-mineru-token
# 分析 LLM（论文解析/分析）
ANALYZER_LLM_API_KEY=your-api-key
ANALYZER_LLM_MODEL=gpt-4o
ANALYZER_LLM_BASE_URL=https://api.openai.com/v1
# 代码 LLM（代码生成/修复）
CODER_LLM_API_KEY=your-api-key
CODER_LLM_MODEL=gpt-4o
CODER_LLM_BASE_URL=https://api.openai.com/v1
# 执行配置
MAX_CODE_RETRIES=5
CODE_TIMEOUT=300只设一组时也可：LLM_API_KEY / LLM_MODEL / LLM_BASE_URL（两边共用）。
配置优先级：CLI 参数 > 环境变量 > .env > 默认值
- 新增 Agent：继承
BaseAgent，实现system_prompt和run，注册到 Workflow - 新增论文类型：在
ThesisType枚举添加，并在AnalyzerAgent._analyze_thesis_type的type_mapping补映射 - 新增代码任务：在
CodeTaskType枚举添加，并在AnalyzerAgent._parse_task_type的type_mapping补映射 - 接入其他 LLM：让新 LLM 类实现
chat()和simple_chat()接口即可（详见app/core/llm.py）
