---
title: lunwentocode
canonical_url: "https://www.modelscope.cn/studios/lcclxy/lunwentocode"
md_url: "https://www.modelscope.cn/studios/lcclxy/lunwentocode.md"
repository: lcclxy/lunwentocode
chinese_name: "🎓 LunwenToCode - 科研论文/毕业论文代码生成系统"
last_updated: 2025-12-04
sdk_type: gradio
sdk_version: 5.49.1
downloads: 0
stars: 11
---

# lunwentocode

> lunwentocode - lcclxy 在 ModelScope 创建的在线 Demo。该项目可以将科研论文等文章转化为可以运行的代码，快速解决科研论文无代码的困境。

lcclxy/lunwentocode 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 5.49.1 构建，中文名为「🎓 LunwenToCode - 科研论文/毕业论文代码生成系统」。

- **Repository**: lcclxy/lunwentocode
- **SDK**: gradio
- **SDK version**: 5.49.1
- **Downloads**: 0
- **Stars**: 11
- **Last updated**: 2025-12-04

Source: https://www.modelscope.cn/studios/lcclxy/lunwentocode

---

# 🎓 LunwenToCode - 科研论文/毕业论文代码生成系统

将论文Markdown自动转换为可运行的Python代码。

## ✨ 功能特性

- 📄 **文稿解析**: 直接读取Markdown论文文件
- 🔍 **智能分析**: 自动识别论文类型、研究方法和代码需求
- 💻 **代码生成**: 根据论文内容生成完整的Python代码
- ✅ **自动验证**: 语法检查、导入验证和自动修复
- 📊 **数据支持**: 支持额外Excel/CSV数据文件
 
## 🏗️ 系统架构 

```
┌─────────────────────────────────────────────────────────────┐
│                    LunwenToCode 系统架构                    │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌──────────┐    ┌──────────┐    ┌──────────┐               │
│  │ Analyzer │ →  │ Coder    │ →  │Validator │               │
│  │ Agent    │    │ Agent    │    │ Agent    │               │
│  └──────────┘    └──────────┘    └──────────┘               │
│       ↓               ↓               ↓                     │
│  提取需求          生成代码        验证修复                   │
│                                                             │
└─────────────────────────────────────────────────────────────┘
```

## 📦 安装

### 1. 克隆项目

```bash
cd biyetocode
```

### 2. 安装依赖

```bash
pip install -r requirements.txt
```

### 3. 配置环境变量

```bash
cp .env.example .env
# 编辑 .env 文件，填入API密钥
```

## 🚀 使用方法 

### 基本使用

pdf转为Maekdown文档使用[Mineru](https://mineru.net/)一键转化下载即可

```bash
# 使用Markdown或PDF文件
python main.py --md thesis.md

# 使用Markdown和数据文件
python main.py --md thesis.md --data ./data

# 指定输出目录
python main.py --md thesis.md --output ./my_output
```

### 作为Python模块使用

```python
import asyncio
from app.core.workflow import ThesisToCodeWorkflow
from app.core.llm import LLM

async def main():
    # 创建LLM实例
    llm = LLM(api_key="your-api-key")
    
    # 创建工作流
    workflow = ThesisToCodeWorkflow(llm)
    
    # 执行
    result = await workflow.run(
        md_path="thesis.md",
        data_dir="./data",  # 可选
        output_dir="./output"
    )
    
    print(f"生成文件: {list(result.files.keys())}")

asyncio.run(main())
```

## 📁 项目结构

```
biyetocode/
├── app/
│   ├── agents/           # Agent实现
│   │   ├── analyzer_agent.py    # 内容分析
│   │   ├── coder_agent.py       # 代码生成
│   │   └── validator_agent.py   # 代码验证
│   ├── core/             # 核心模块
│   │   ├── llm.py              # LLM封装
│   │   ├── base_agent.py       # Agent基类
│   │   └── workflow.py         # 工作流
│   ├── schemas/          # 数据模型
│   │   └── models.py
│   ├── config/           # 配置
│   │   └── settings.py
│   └── utils/            # 工具函数
│       ├── logger.py
│       └── file_utils.py
├── output/               # 输出目录
├── main.py               # 主程序入口
├── requirements.txt      # 依赖
└── README.md
```

## 🔧 配置说明

### 双LLM架构

系统使用两个独立的LLM，每次调用独立无历史依赖：

1. **分析LLM** - 用于论文内容分析（AnalyzerAgent）
2. **代码LLM** - 用于代码生成和修复（CoderAgent、ValidatorAgent）

### 环境变量配置

```env
# 分析LLM配置
ANALYZER_LLM_API_KEY=your-api-key
ANALYZER_LLM_MODEL=模型名称
ANALYZER_LLM_BASE_URL=https://example/v1

# 代码LLM配置
CODER_LLM_API_KEY=your-api-key
CODER_LLM_MODEL=模型名称
CODER_LLM_BASE_URL=https://example/api/v1
```

支持OpenAI兼容的API

## 📊 支持的论文类型

- 实证研究 (Empirical)
- 仿真研究 (Simulation)
- 算法设计 (Algorithm)
- 系统设计 (System Design)
- 数据分析 (Data Analysis)
- 机器学习 (Machine Learning)

## 📝 输出说明

生成的项目包含:

```
output/{task_id}/
├── main.py                 # 主程序入口
├── data_preprocessing.py   # 数据预处理
├── data_analysis.py        # 数据分析
├── visualization.py        # 可视化
├── model_training.py       # 模型训练(如有)
├── requirements.txt        # 依赖列表
├── README.md               # 项目说明
├── analysis_result.json    # 分析结果
└── thesis.md               # 论文Markdown
```

## ⚠️ 注意事项

1. **API费用**: 使用LLM API会产生费用，请注意用量
2. **代码质量**: AI生成的代码可能需要人工调整
3. **数据隐私**: 论文内容会发送到API，请注意隐私
4. **依赖安装**: 生成的代码可能需要额外的Python库

## 🤝 贡献

欢迎提交Issue和Pull Request!

## 📄 许可证

MIT License