很赞的开源论文AI工具已获得62,500Star，GPT 学术优化 (GPT Academic)

“GPT 学术优化”（GPT Academic）是一个专注于自然语言处理和生成的开源项目，旨在利用GPT模型来优化学术领域的任务。为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。

“GPT 学术优化”（GPT Academic）该项目可能涵盖以下几个主要方面：

1. 学术写作和编辑：- 提供工具和模型来帮助生成学术论文、摘要、文献综述等。通过微调模型，GPT Academic可以生成符合特定学术风格和格式的文本。
2. 自动化文献综述：- 使用GPT模型来自动生成或补充文献综述，这对研究人员来说是一个省时的工具。
3. 数据集和训练：- 该项目可能包括针对学术领域的数据集，用于微调和训练GPT模型，以提高其在处理学术文本时的准确性和相关性。
4. 学术问答系统：- 开发基于GPT的问答系统，可以回答学术领域的特定问题，如数学、物理、历史等。
5. 文本分类和主题分析：- 使用GPT模型来对学术论文进行分类或主题分析，帮助研究人员更好地组织和理解文献。

• 新界面（修改config.py中的LAYOUT选项即可实现“左右布局”和“上下布局”的切换）

• 

• 所有按钮都通过读取functional.py动态生成，可随意加自定义功能，解放剪贴板

• 润色/纠错

• 如果输出包含公式，会以tex形式和渲染形式同时显示，方便复制和阅读

• 懒得看项目代码？直接把整个工程炫ChatGPT嘴里

• 多种大语言模型混合调用（ChatGLM + OpenAI-GPT3.5 + GPT4）

安装方法I：直接运行 (Windows, Linux or MacOS)

1. 下载项目git clone --depth=1 https://github.com/binary-husky/gpt_academic.gitcd gpt_academic
2. 配置API_KEY等变量在config.py中，配置API KEY等变量。特殊网络环境设置方法、Wiki-项目配置说明。「 程序会优先检查是否存在名为config_private.py的私密配置文件，并用其中的配置覆盖config.py的同名配置。如您能理解以上读取逻辑，我们强烈建议您在config.py同路径下创建一个名为config_private.py的新配置文件，并使用config_private.py配置项目，从而确保自动更新时不会丢失配置 」。「 支持通过环境变量配置项目，环境变量的书写格式参考docker-compose.yml文件或者我们的Wiki页面。配置读取优先级: 环境变量 > config_private.py > config.py 」。
3. 安装依赖# （选择I: 如熟悉python, python推荐版本 3.9 ~ 3.11）备注：使用官方pip源或者阿里pip源, 临时换源方法：python -m pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/python -m pip install -r requirements.txt# （选择II: 使用Anaconda）步骤也是类似的 (https://www.bilibili.com/video/BV1rc411W7Dr)：conda create -n gptac_venv python=3.11 # 创建anaconda环境conda activate gptac_venv # 激活anaconda环境python -m pip install -r requirements.txt # 这个步骤和pip安装一样的步骤

如果需要支持清华ChatGLM2/复旦MOSS/RWKV作为后端，请点击展开此处

1. 运行 python main.py

安装方法II：使用Docker

宝塔面板 Docker 一键安装：轻松部署 GPTAcademic 打造私有GPT学术应用https://blog.csdn.net/iduiui997/article/details/140675065

1. 部署项目的全部能力（这个是包含cuda和latex的大型镜像。但如果您网速慢、硬盘小，则不推荐该方法部署完整项目）
2. # 修改docker-compose.yml，保留方案0并删除其他方案。然后运行：docker-compose up
3. 仅ChatGPT + GLM4 + 文心一言+spark等在线模型（推荐大多数人选择） # 修改docker-compose.yml，保留方案1并删除其他方案。然后运行：docker-compose up

P.S. 如果需要依赖Latex的插件功能，请见Wiki。另外，您也可以直接使用方案4或者方案0获取Latex功能。

1. ChatGPT + GLM3 + MOSS + LLAMA2 + 通义千问（需要熟悉Nvidia Docker运行时） # 修改docker-compose.yml，保留方案2并删除其他方案。然后运行：docker-compose up

安装方法III：其他部署方法

1. Windows一键运行脚本。 完全不熟悉python环境的Windows用户可以下载Release中发布的一键运行脚本安装无本地模型的版本。脚本贡献来源：oobabooga。
2. 使用第三方API、Azure等、文心一言、星火等，见Wiki页面
3. 云服务器远程部署避坑指南。 请访问云服务器远程部署wiki
4. 在其他平台部署&二级网址部署- 使用Sealos一键部署。- 使用WSL2（Windows Subsystem for Linux 子系统）。请访问部署wiki-2- 如何在二级网址（如http://localhost/subpath）下运行。请访问FastAPI运行说明

项目地址：GitHub - binary-husky/gpt_academic: 为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。为GPT/GLM等LLM大语言模型提供实用化交互接口，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm3等本地模型。接入通义千问, deepseekcoder, 讯飞星火, 文心一言, llama2, rwkv, claude2, moss等。 - binary-husky/gpt_academichttps://github.com/binary-husky/gpt_academic?tab=readme-ov-file