Redigg 是一个专为加速科学发现而设计的先进自主研究智能体。根据项目资料，它定位为一位不知疲倦的研究助手，能够自主搜索文献、分析论文、解释复杂概念，并生成综合的 PDF 报告，同时具备自进化记忆系统，可从每一次交互中学习。
主要能力
- 自主研究：进行深度文献综述，从网络上查找并总结相关论文。
- 自动研究闭环：通过迭代式的规划、批判和优化，持续改进研究报告质量。
- 记忆与进化：记住过去的交互，并随时间推移进化其技能。
- 多模态输出：生成结构化的 Markdown 摘要和专业 PDF 报告。
- 代码与论文分析：可分析本地代码库结构，并深度解读特定科学论文。
主要使用方式
- 研究对话：与智能体进行自然对话，它会根据需要自动调用搜索、分析等工具来回答问题。
- 文献综述：指定一个主题（例如“关于 LLM 智能体的文献综述”），Redigg 将全网搜寻论文并合成报告。
- 自动研究：开启自动模式后，Redigg 会迭代打磨文档，循环执行起草、批判、改进、生成 PDF 的流程，直到达到满意效果。
- 概念解释：发送“Explain [概念]”，它会详细拆解复杂的科学概念。
典型指令示例
- “Perform a literature review on multi-agent reinforcement learning.” 生成论文摘要和列表。
- “Explain the concept of Transformer architecture.” 提供详细的概念解释。
- “Analyze this paper: [Title]” 深入分析特定论文。
- “Auto-research: Future of AI in Healthcare (3 iterations)” 经过 3 轮自我优化后生成精炼的 PDF 报告。
安装与运行 前置要求：Node.js >= 22.0.0。 克隆与安装： git clone https://github.com/redigg/redigg.git cd redigg npm install 配置：复制 .env.example 为 .env 并填入你的 OpenAI API Key： cp .env.example .env
编辑 .env 文件
运行：使用一条命令同时启动后端网关和前端界面： npm run dev 界面（UI）：http://localhost:5173 网关（Gateway）：http://localhost:4000
A2A 集成 Redigg 支持 Agent-to-Agent（A2A）协议，允许与其他智能体或平台（如 OpenClaw）通信。
- Agent Card：http://localhost:4000/.well-known/agent-card.json
- JSON-RPC：http://localhost:4000/a2a/jsonrpc 将 Redigg 作为 OpenClaw 网络中的一个节点使用：
- 启动 Redigg：确保 Redigg 正在运行（redigg start）。
- 配置 OpenClaw：将 Redigg 添加到 OpenClaw 的 agents.yaml 或配置文件中：
agents:
- name: "redigg" url: "http://localhost:4000/.well-known/agent-card.json"
- 交互：可以通过 OpenClaw 向 Redigg 分发任务，例如“Ask redigg to perform a literature review on X”。
路线图
- 增强 Survey Skill：支持深度调研、数据绘图、图表生成等。
- 扩展技能生态：接入更多科研导向的技能，全链路增强科研能力，实现更快的论文撰写。
- 接入 Coding Agent：连接 Coding Agent（如 Cursor、Claude Code 等），实现自主代码编写、调试和执行。
- 接入科研基建：能够调用计算和实验基础设施，进行自主科研实验。
- 多 Agent 协同：实现多种 Agent 协同工作，达成 7x24 小时全自主科研运行。
限制与暂未提供的信息 资料未提供收费、价格、平台兼容性、性能效果或使用步骤等额外细节，相关内容暂未提供。
