synapseflow (Mrkingsleyobi)

🧠 SynapseFlow-具有66个代理编排的AI研究助手

    

自学习多智能体研究自动化系统 由模型上下文协议（MCP）提供支持，每分钟处理1000多篇论文，实时引用图可视化。

SynapseFlow是一个生产就绪的人工智能研究助理，可协调66名专业代理执行 跨领域文献综述, 引文分析，以及 假设生成 在几秒钟内。使用Next.js 15、TypeScript和模型上下文协议构建。

______________________________________________________________________

🚀 主要特点

🤖 多代理编排

• 66个AI代理 并行工作使用 claude-flow 和 agentic-flow
• 213 MCP工具 用于综合研究自动化
• 实时代理监控和进度跟踪
• 跨arXiv、PubMed、IEEE、语义学者的自主论文发现

📊 交互式引文图

• D3.js力导向可视化 10-40%变焦
• 用于识别有影响力论文的PageRank算法
• 使用拖动、平移和工具提示进行交互式节点探索
• 基于领域的颜色编码和引文流分析

⚡ 性能和规模

• 速度提高150倍 基于AgentDB+HNSW索引的矢量搜索
• 10-15倍加速 使用WebAssembly神经网络（ruv-swarm）
• 50万次操作/秒 具有奇怪循环的时态推理
• 通过子线性工具包实现O（logn）复杂度算法

🔬 AI驱动的分析

• 11拥抱面对人工智能任务：文件QA、NER、总结、时间序列预测
• 使用零样本分类的跨域洞察发现
• 使用Llama 3.1自动生成假设
• 自我学习与反思记忆

🌐 实时流媒体

• 服务器发送事件（SSE） 实时研究更新
• 用于CLI集成的MCP stdio协议
• 所有66名代理人的进度跟踪
• 即时纸张可用性通知

______________________________________________________________________

🛠️ 技术栈

前端：

• Next.js 15 -带有App Router的React框架
• TypeScript 5.3 -类型安全
• 顺风 CSS -深色模式造型
• D3.js -数据可视化
• React查询 -数据提取
• 状态 -国家管理

后端：

• 快车 -20000+请求/秒API服务器
• 克劳德流 -101 MCP工具编排
• 代理流 -66名专业代理
• 代理 -HNSW矢量数据库
• ruv蜂群 -WebAssembly神经网络
• 奇怪的循环 -时态人工智能推理
• 子线性工具包 -40种MCP算法

AI和ML：

• HuggingFace推论API -11项人工智能任务
• BGE-M3嵌入件（1024维）
• Llama 3.1用于文本生成
• 基于BERT的NER及其总结

数据库：

• PostgreSQL 16+pgvector-论文元数据
• Redis 7-缓存层
• Neo4j 5-引文图存储
• AgentDB-矢量相似性搜索

测试：

• 维测试 -单元测试
• React测试库 -组件测试
• 剧作家 -E2E测试（Chrome、Firefox、Safari、移动设备）

______________________________________________________________________

📦 快速开始

先决条件

• Node.js 20+
• Docker&Docker编写
• Git

安装

# Clone repository
git clone https://github.com/mrkingsleyobi/synapseflow.git
cd synapseflow

# Install root dependencies
npm install

# Start databases
cd scripts
npm run init

# Start backend
cd ../synapseflow/backend
npm install
npm run dev  # http://localhost:4000

# Start MCP server
cd ../mcp-server
npm install
npm run dev  # http://localhost:3001

# Start frontend
cd ../frontend
npm install
npm run dev  # http://localhost:3000

Docker部署

docker-compose up -d

访问地址： http://localhost:3000

______________________________________________________________________

💡 使用示例

基础研究查询

# Web Interface
1. Enter query: "transformer applications in biology"
2. Add domains: AI, Biology, Bioinformatics
3. Click "Start Research"
4. View results, citation graph, and insights

# CLI (MCP stdio)
cd mcp-server
npm run dev
> research transformer applications in biology
> tools      # List all 213 MCP tools
> stats      # View system statistics

API使用

# Research endpoint
curl -X POST http://localhost:4000/api/research \
  -H "Content-Type: application/json" \
  -d '{
    "query": "neural networks in drug discovery",
    "domains": ["AI", "Medicine"],
    "limit": 50,
    "crossDomain": true
  }'

# Vector search
curl -X POST http://localhost:4000/api/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": "protein folding",
    "limit": 10
  }'

______________________________________________________________________

🎯 用例

• 学术研究：文献综述、引文分析、趋势跟踪
• 跨域发现：寻找不同研究领域之间的联系
• 研发团队：将文献综述从几周缩短到几分钟
• 博士生：自动论文发现和假设生成
• 研究实验室：跟踪新兴趋势和有影响力的论文
• 赠款写作：全面的背景研究和引用

______________________________________________________________________

📊 性能基准

______________________________________________________________________

🧪 测试

# Backend tests
cd synapseflow/backend
npm test

# Frontend tests
cd synapseflow/frontend
npm test

# E2E tests
cd synapseflow/e2e
npm install
npx playwright install
npm test

测试覆盖范围： 95%（1800+行测试代码）

______________________________________________________________________

📖 文档

• 产品需求文档
• 项目状态和路线图
• Ruvnet封装研究
• 拥抱面部任务指南
• E2E测试指南

______________________________________________________________________

🤝 贡献

我们欢迎捐款！请查看我们的 贡献指南.

# Development workflow
1. Fork the repository
2. Create a feature branch
3. Make your changes
4. Write tests (maintain 95% coverage)
5. Submit a pull request

______________________________________________________________________

📜 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

🙏 致谢

基于出色的开源项目构建：

• 人物克劳德 -人工智能基金会
• 鲁夫内特 -MCP工具生态系统
• 抱抱脸 -人工智能模型
• 维塞尔 -Next.js框架
• D3.js -可视化库

______________________________________________________________________

🔗 链接

• 仓库: https://github.com/mrkingsleyobi/synapseflow
• 问题: https://github.com/mrkingsleyobi/synapseflow/issues
• 讨论: https://github.com/mrkingsleyobi/synapseflow/discussions

______________________________________________________________________

📈 路线图

• \[x\] 66与MCP的代理编排
• \[x\] D3.js引文图可视化
• \[x\] 全面的测试套件（覆盖率95%）
• \[\]带有GitHub操作的CI/CD
• \[\]性能优化和缓存
• \[\]用于纸张注释的浏览器扩展
• \[\]移动应用程序（React Native）
• \[\]API速率限制和认证
• \[\]多语言支持

______________________________________________________________________

⭐ 星迹

如果你觉得SynapseFlow有用，请考虑给它一颗星！ ⭐

______________________________________________________________________

由...制作❤️ SynapseFlow团队

*加快研究，一次一篇论文。*