ERNIEBot Researcher

选题调研的Web所下图所示，用户输入关键词或者自然的语句，后台根据给定的文献进行搜索相关内容，然后使用文心大模型生成研究报告。

生成的报告下载地址：报告下载

ERNIEBot Researcher是一个自主智能体（Autonomous Agent），旨在对各种任务进行全面的在线研究。能够精心编撰内容详尽、真实可信且立场公正的中文研究报告，同时根据需求提供针对特定资源、结构化大纲以及宝贵经验教训的深度定制服务。汲取了近期备受瞩目的Plan-and-Solve技术的精髓，并结合当前流行的RAG技术的优势，ERNIEBot Researcher通过多Agent协作和高效并行处理机制，有效攻克了速度瓶颈、决策确定性及成果可靠性等难题。

为什么需要ERNIEBot Researcher？

• 手动研究任务形成客观结论可能需要时间，有时需要数周才能找到正确的资源和信息。
• 目前的LLM是根据过去和过时的信息进行训练的，产生幻觉的风险很大，这使得产生的报告几乎与研究任务无关。
• LLM生成的报告一般没有做段落级/句子级别的文献来源引用，生成的内容无法进行追踪和验证。

News and Updates

• 2024.04.04 发布ERNIEBot Researcher，支持erniebot和chatgpt完成研究任务，支持OpenAI Embedding，ERNIE-Embedding。

架构

主要思想是运行“planner”和“execution” agents，而planner生成问题进行研究，execution agents根据每个生成的研究问题寻求最相关的信息。最后，planner 过滤并汇总所有相关信息，并创建一份研究报告。

Agents利用ernie-4.0和ernie-longtext来完成研究任务， ernie-4.0主要用于做决策和规划，ernie-longtext主要用于撰写报告。

应用特色

• 基于研究查询或任务创建特定领域的Agent。
• 根据现有知识库的内容生成一组多样性的研究问题，这些问题共同形成对任何给定任务的客观意见。
• 对于每个研究问题，从知识库中选择与给定问题相关的信息。
• 过滤和汇总所有的信息来源，并生成最终的研究报告。
• 多个报告Agent并行生成，并保持一定的多样性。
• 使用思维链技术对多个报告进行质量评估和排序，克服伪随机性，并选择最优的报告。
• 使用反思机制对报告进行修订和完善。
• 使用检索增强和chain of verification对事实进行校验。
• 使用润色机制提升报告的整体可读性，融合更多的细节描述。

注意

1. 生成一次报告需要花费10min以上，并且research agent设置的越多，消耗的时间越长，同时会消耗大量的Tokens。
2. 报告生成的质量与输入给应用的文档的质量有关，适合网页，期刊，企业办公文档等场景，不适合文本比较少，无用信息过多的文档报告生成场景。

快速开始

第一步：下载项目源代码

git https://github.com/PaddlePaddle/ERNIE-SDK.git
cd ernie-agent/applications/erniebot_researcher

第二步：安装依赖

pip install -r requirements.txt

如果上面的命令失败，请运行下面的命令：

conda create -n researcher39 -y python=3.9 && conda activate researcher39
pip install -r requirements.txt

源码安装ernie-agent:

cd ernie-agent
pip install -e .

第三步：下载中文字体

wget https://paddlenlp.bj.bcebos.com/pipelines/fonts/SimSun.ttf

第四步：构建文档索引

支持azure openai_embedding和ernie_embedding两种向量类型，其中ernie-embedding需要在AI Studio星河社区注册并登录账号，然后在AI Studio的访问令牌页面获取Access Token，最后设置环境变量:

export EB_AGENT_ACCESS_TOKEN=<aistudio-access-token>
export AISTUDIO_ACCESS_TOKEN=<aistudio-access-token>
export EB_AGENT_LOGGING_LEVEL=INFO

对于azure OpenAI embeding则需要设置openai相关的环境变量：

export AZURE_OPENAI_ENDPOINT="<your azure openai endpoint>"
export AZURE_OPENAI_API_KEY="<your azure openai api key>"

我们支持docx、pdf、txt等格式的文件，用户可以把这些文件放到同一个文件夹下，然后运行下面的命令创建索引，后续会根据这些文件写报告。

为了方便测试，我们提供了样例数据。 样例数据：

wget https://paddlenlp.bj.bcebos.com/pipelines/erniebot_researcher_example.tar.gz
tar xvf erniebot_researcher_example.tar.gz

url数据：如果用户有文件对应的url链接，可以传入存储url链接的txt。在txt中，每一行存储url链接和对应文件的路径，例如:

https://zhuanlan.zhihu.com/p/659457816 erniebot_researcher_example/Ai_Agent的起源.md

如果用户不传入url文件，则默认文件的路径为其url链接

摘要数据：用户可以利用path_abstract参数传入自己文件对应摘要的存储路径。 其中摘要需要用json文件存储。其中json文件内存储的是多个字典，每个字典有3组键值对，

• page_content : str, 文件摘要。
• url : str, 文件url链接。
• name : str, 文件名字。

例如：

[{"page_content":"文件摘要","url":"https://zhuanlan.zhihu.com/p/659457816","name":Ai_Agent的起源},
...]

如果用户没有摘要路径，则无需改变path_abstract的默认值，我们会利用ernie-4.0来自动生成摘要，生成的摘要存储路径为abstract.json。

接下来运行：

python ./tools/preprocessing.py \
--index_name_full_text <the index name of your full text> \
--index_name_abstract <the index name of your abstract text> \
--path_full_text <the folder path of your full text> \
--url_path <the path of your url text> \
--path_abstract <the json path of your abstract text>

第五步：运行

python demo.py --num_research_agent 1 \
                                --index_name_full_text <your full text> \
                                --index_name_abstract <your abstract text>

• index_name_full_text: 全文知识库索引的路径
• index_name_abstract: 摘要知识库索引的路径
• index_name_citation: 参考文献的索引路径
• num_research_agent: 生成报告的agent数量
• iterations: 反思迭代的轮数
• chatbot: LLM的类型，目前支持erniebot和chatgpt
• report_type: 报告的类型，目前支持research_report
• embedding_type: 使用的向量类型，目前支持ernie_embedding和openai_embedding(azure)
• save_path:报告保存的路径
• server_name: webui的ip地址
• server_port: webui的端口号
• log_path: 日志的保存路径
• use_ui: 是否使用webui
• use_reflection: 是否使用反思过程
• fact_checking:是否使用事实性校验过程
• framework: 基于的框架，目前支持langchain

Reference

[1] Lei Wang, Wanyu Xu, Yihuai Lan, Zhiqiang Hu, Yunshi Lan, Roy Ka-Wei Lee, Ee-Peng Lim: Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models. ACL (1) 2023: 2609-2634

[2] Weiwei Sun, Lingyong Yan, Xinyu Ma, Shuaiqiang Wang, Pengjie Ren, Zhumin Chen, Dawei Yin, Zhaochun Ren: Is ChatGPT Good at Search? Investigating Large Language Models as Re-Ranking Agents. EMNLP 2023: 14918-14937

❤️ Acknowledge

我们借鉴了 Assaf Elovic GPT Researcher 优秀的框架设计，在此对GPT Researcher作者及其开源社区表示感谢。

We learn form the excellent framework design of Assaf Elovic GPT Researcher, and we would like to express our thanks to the authors of GPT Researcher and their open source community.