项目简介

最近做了一个免费开源项目：Thesis Proposal Agent 研究选题工作台。它不是一个简单的“AI 生成论文题目”页面，而是把论文开题前最容易卡住的几个环节整理成了一条完整流程：需求采集 → 学科路由 → 方向地图 → 候选筛选 → 方向深挖 → 文献检索 → 缺口矩阵 → 开题包 → 下载中心。项目地址：https://github.com/ZHIHUIYUUU/Thesis-Proposal-Agent 在线体验：https://zhihuiyuuu.github.io/Thesis-Proposal-Agent/## 1. 项目仓库项目已经放到 GitHub 上，代码、构建目录和说明文档都在仓库中。它是一个前端静态项目，主要用于把论文选题流程产品化，而不是简单做一个 prompt 页面。## 2. README 与项目定位README 里说明了核心目标：从“我大概想做这个方向”，推进到“我能拿去答辩的开题方案”。整个工具围绕选题、文献、缺口和开题包展开。## 3. API 配置默认模式不需要 API Key，也能完成基础选题流程。如果希望让 AI 参与方向深挖、检索式生成和开题扩写，可以配置 OpenAI、Claude、DeepSeek、小米 MiLM 或自定义兼容接口。## 4. 需求采集第一步不是直接生成题目，而是先采集用户条件：培养层次、学科方向、方法传统、数据条件、导师偏好和学生能力。后面的推荐都会基于这些信息，而不是凭空生成。## 5. 学科与证据路由系统会把用户输入路由到更合适的学科和证据池。比如同样是“机器学习”，不同学生层次、数据条件和导师偏好，对应的开题难度和文献要求是不一样的。## 6. 方向地图方向地图用于先展开可选路线，再让用户选择。这样可以避免一开始就被一个“大而空”的标题锁死，也能更清楚地看到场景驱动和方法驱动的差别。## 7. 候选筛选候选方向不会只看标题，而是同时展示研究问题、数据路线、风险、文献基础和可行性。用户可以先比较，再选择一个方向继续深挖。## 8. 方向深挖方向深挖会把一个宽泛方向继续收窄成更具体的题目版本，包括研究对象、边界、研究问题、方法路线、数据路线和风险。配置 AI 后，还可以生成不同难度版本。## 9. AI 检索策略文献检索前，可以先让 AI 生成多组英文检索式。这样比只输入一个中文关键词更稳定，也更适合 OpenAlex 这类英文文献元数据检索。## 10. OpenAlex 文献检索检索结果支持按年份筛选、按表头排序和勾选文献。用户选中的文献会成为后续缺口矩阵的证据池。## 11. AI 深度分析AI 深度分析会基于已选文献，进一步判断当前方向哪里还可以改。重点不是“编一个创新点”，而是结合文献证据说明研究边界、证据空白和可推进方案。## 12. 缺口矩阵缺口矩阵是这个工具的核心。它会把文献拆到多个维度里看：研究对象、方法设计、数据实验、约束条件、评价指标、应用场景、对照方案和可复现性。这样选题不会停留在“没人做过”这种很虚的表达上。## 13. 开题包选定缺口方向后，系统会把题目、核心研究问题、方法路线、数据路线和文献缺口组织成开题材料。AI 扩写可以把结构化内容进一步展开成开题报告初稿。## 14. 下载中心最后可以导出开题报告 Markdown、文献 Markdown 和文献 CSV，方便后续继续修改、整理或放进自己的文档。## 技术栈项目主要使用：- React- Vite- React Router- OpenAlex API- BYOK（Bring Your Own Key）模式接入 LLM当前是静态站点，没有后端代理。API Key 只保存在当前浏览器 localStorage 中，适合个人体验和原型验证。## 总结这个项目不是代写工具，也不是标题生成器。我更希望它像一个论文选题工作台：先帮用户把条件问清楚，再把方向铺开，接着用文献和缺口矩阵去校验，最后形成可以继续修改的开题材料。选题最重要的不是标题看起来高级，而是它真的能被文献支撑、能被方法验证、能在答辩里说清楚。