binary-husky/gpt_academic

⭐ 70,359 Stars 🍴 8,387 Forks Python GPL-3.0

为GPT/GLM等LLM大语言模型提供实用化交互接口,优化论文阅读/润色/写作体验,支持多种模型和功能插件。

来源:据 README 描述 查看 GitHub 仓库 →

为什么值得关注

该项目因集成了多种大语言模型,并提供了丰富的功能插件,如论文翻译、代码解释、自定义快捷键等,满足了学术研究和编程开发中的多种需求,因此受到关注。

来源:综合 README 描述和项目特征

核心功能

接入多种LLM模型

支持接入通义千问、deepseekcoder、讯飞星火、文心一言、llama2、rwkv、claude2、moss等模型,提供丰富的语言处理能力。

来源:据 README 描述
PDF/LaTeX论文翻译&总结

提供PDF和LaTeX论文的翻译和总结功能,方便用户快速获取论文的核心内容。

来源:据 README 描述
自定义快捷按钮&函数插件

支持自定义快捷按钮和函数插件,用户可以根据自己的需求扩展功能。

来源:据 README 描述

技术架构

项目采用模块化设计,代码结构清晰,功能划分明确。数据通过插件和模型接口进行流转,关键的技术决策包括支持多种语言模型和提供丰富的功能插件。

来源:代码目录结构

技术栈

infra: Docker, Python虚拟环境  |  key_deps: Gradio, Flask, transformers, torch  |  language: Python  |  framework: Gradio, Flask等

来源:代码目录结构 + 依赖文件

快速上手

git clone --depth=1 https://github.com/binary-husky/gpt_academic.git cd gpt_academic python -m pip install -r requirements.txt python main.py
来源:README Installation/Quick Start

使用场景

1. 学术研究人员:用于阅读、翻译和总结论文,提高研究效率。 2. 编程开发者:用于代码解释、代码生成和代码优化。 3. 教育工作者:用于辅助教学,提供丰富的教学资源。 4. 语言学习者:用于学习不同语言,提高语言能力。

来源:README

优势与局限

优势

  • 优势1:功能丰富,支持多种语言模型和功能插件。 优势2:模块化设计,易于扩展和定制。 优势3:支持多种部署方式,方便用户使用。

局限

  • 局限1:开源协议为GPL-3.0,可能对商业使用有限制。 局限2:部分功能可能需要较高的技术背景才能使用。
来源:综合 README、代码结构和依赖分析

最新版本

version3.91 (2024-12-19): 优化前端,修复TTS的BUG,添加时间线回溯功能,添加ollama快速接入向导。

来源:GitHub Releases

总结评价

binary-husky/gpt_academic是一个功能丰富的开源项目,适合需要大语言模型辅助的学术研究人员、编程开发者和教育工作者使用。

透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间:2026-04-11 06:32。质量评分:85/100。 所有结论均标注了数据来源。如发现不准确之处,欢迎反馈。

数据来源: README、GitHub API、依赖文件