Juanji: herramienta de código con AI Agent de la comunidad OpenBMB 134

¿Qué es Juán Jī (卷姬)?

"Juán Jī" (卷姬) es una herramienta Agent de código ai recientemente lanzada por la comunidad de código abierto OpenBMB, diseñada específicamente para extraer contenido valioso de forma eficiente. Los usuarios solo necesitan ingresar sus necesidades en el sitio web oficial para generar rápidamente un informe de revisión.

"Juán Jī" ofrece dos modos a elegir: el modo normal genera títulos y palabras clave; el modo profesional es más flexible y permite a los usuarios personalizar las fuentes de material, como elegir la búsqueda en línea o subir archivos.

En comparación con otras herramientas, "Juán Jī" destaca por su rigor lógico y su carácter académico, siendo especialmente adecuada para realizar análisis en profundidad. Los artículos que genera tienen una estructura clara, con introducciones fáciles de entender y análisis finales exhaustivos y detallados, con argumentaciones bien fundamentadas.

La tecnología detrás de "Juán Jī" es LLMxMapReduce-V2, desarrollada conjuntamente por varios equipos, y está diseñada específicamente para optimizar la agregación y utilización de literatura. Actualmente, "Juán Jī" ya está disponible, y se pueden encontrar los artículos de investigación y el contenido de código abierto relacionados.

Funciones principales de Juán Jī

Filtrado de literatura y salida estructurada: a partir de las palabras clave ingresadas por el usuario, filtra automáticamente literatura de alta calidad de la base de datos de artículos y genera un marco estructurado que incluye la lógica central, la metodología y las lagunas en la investigación.

Construcción dinámica de grafos de conocimiento: mediante el análisis de las relaciones de citación y las conexiones conceptuales entre los artículos, genera un grafo visualizado de la evolución del campo de investigación, ayudando a los usuarios a localizar rápidamente los puntos calientes y las tendencias académicas.

Soporte multilingüe y adaptación a diferentes campos: admite la entrada mixta de chino e inglés, y puede ajustar el modelo de análisis según distintas disciplinas como ciencias de la computación o biomedicina, mejorando la adaptabilidad al campo.

Principios técnicos de Juán Jī

"Juán Jī" se basa en el ecosistema de modelos de OpenBMB y combina algoritmos convolucionales con técnicas de optimización de entropía de la información, capaz de analizar rápidamente grandes volúmenes de literatura y generar informes de revisión con una lógica clara y alta densidad de información. En su núcleo se encuentra la tecnología de integración y generación de textos largos LLMxMapReduce - V2, desarrollada conjuntamente por AI9Star, OpenBMB y equipos de la Universidad Tsinghua. Su esencia reside en agregar literatura de referencia mediante algoritmos de convolución de texto, combinados con un método de escalado en tiempo de prueba de convolución estocástica impulsado por entropía de la información, procesando eficientemente entradas de gran longitud y mejorando la calidad de los artículos.

Tutorial de uso de Juán Jī

• Abra el sitio web https://surveygo.thunlp.org/ y haga clic en 【开始综述】 (Iniciar revisión).

• Seleccione el modo normal o el modo profesional para enviar su solicitud.

• Modo normal: genere el título y la descripción de palabras clave, envíelo y espere a que se genere.

• Modo profesional: permite personalizar aún más las fuentes de material, eligiendo "在线检索" (búsqueda en línea) o "上传文件" (subir archivo). Para proteger la privacidad del usuario, los artículos generados a partir de los archivos subidos y los propios archivos subidos se pueden configurar como no públicos.

• Vuelva a iniciar sesión en el sitio web para obtener el informe de revisión generado.

Rendimiento

• Velocidad y calidad: en los casos de prueba del equipo de la Universidad Tsinghua, "Juán Jī" completó la generación de una revisión de 200 artículos sobre computación cuántica en solo 3 minutos, generando una salida de 28 000 caracteres, cuya coherencia lógica fue reconocida por el grupo de tutores.

• Ventajas en la evaluación comparativa: el equipo realizó una evaluación comparativa enfrentando a "Juán Jī" con modelos como OpenAI - DeepResearch para escribir una revisión sobre "El impacto de la guerra arancelaria en la vida de la gente común". Evaluada en estructura, contenido, puntos de vista y citaciones, "Juán Jī" tuvo un desempeño excelente. El índice del artículo que generó tiene niveles claros, el análisis del contenido es profundo, los puntos de vista están bien fundamentados y las citaciones son precisas, con una capacidad integral superior a la de otros modelos.

Enlaces relacionados

• Enlace de acceso: https://surveygo.thunlp.org/

• Enlace al artículo: https://arxiv.org/abs/2504.05732

• Enlace de código abierto: https://github.com/thunlp/LLMxMapReduce/tree/main