知微

见微知著，见构知文。

知微是一个开源的论文结构化理解基础设施。

它把 AI / LLM / 机器学习论文从静态 PDF 编译成可交互、可回溯、可验证的知识结构。

论文不应该只是 PDF。 公式不应该只是符号。 实验不应该只是表格。 人类最重要的技术思想，不应该只被少数熟悉暗号的人继承。

知微要做的，是为复杂论文建立一层开放的理解结构：

PDF → Document Blocks → Source Anchors → Paper IR → Visual Modules

它不是 ChatPDF。 不是论文总结器。 不是文献分发服务。

它关注的不是“如何拿到论文”，而是：

拿到论文之后，如何真正理解它。

第一堵墙是访问。 第二堵墙是理解。 知微要拆第二堵墙。

Core Idea

知微的核心不是聊天框，也不是一段摘要，而是 Paper IR。

Paper IR 是一种开放的中间表示：它把论文中的问题、方法、公式、实验、论点、证据链和原文锚点转化为机器可读、用户可交互的结构。

PDF
  → Document Blocks
  → Source Anchors
  → Paper IR
  → 知微·构 / 析 / 证 / 辨 / 验 / 径

所有解释节点都应该能回到来源。没有 source anchor 的强结论，不应该被当成确定事实展示。

Why 知微 Exists

现代科学正在以前所未有的速度增长。

每一天，新的模型、新的理论、新的实验和新的系统被写进论文。 它们是人类文明最顶级的知识结晶，却常常被三重墙挡住：

• 语言的墙；
• 形式化表达的墙；
• 信息结构复杂度的墙。

很多人不是不够聪明。 他们只是没有导师、没有路径、没有足够熟悉那些论文里的暗号。

知微不想把论文压扁成摘要。 我们想把论文拆成可以追踪、可以验证、可以交互的结构：

• 一个概念如何被定义；
• 一个公式为什么出现；
• 一个实验到底在证明什么；
• 一个 claim 由哪张表、哪幅图、哪个消融支撑；
• 一个方法相对 baseline 到底改了哪里；
• 一个读者如何从局部细节走到整篇论文的核心。

真正的理解不是消灭复杂性，而是为复杂性建立路径。

What We Are Building

知微将复杂论文编译成一种新的知识界面。

• 知微·构：重建论文的结构骨架；
• 知微·析：拆解公式、变量、概念和图表；
• 知微·证：追踪 claim 与证据链；
• 知微·辨：呈现方法差异、baseline、局限与争议；
• 知微·验：重建实验逻辑，说明实验到底在证明什么；
• 知微·径：生成理解路径、复现路线与风险提示。

知微不是替人“读完论文”。 知微是帮助人进入论文。

We do not replace reading. We make deep reading possible.

Quick Start

Requirements

• Node.js >= 18
• Python >= 3.10

Install

git clone https://github.com/axobase001/zhiwei.git
cd zhiwei
npm install

Run

npm run dev

Open:

http://127.0.0.1:8765

Windows Helper

.\start.ps1

npm run dev 启动轻量 Node 本地服务器；start.ps1 是 Windows 下启动 Python 本地 API 的辅助脚本。

Paper IR

Paper IR 是知微的开放协议边界。Parser、extractor、renderer、benchmark 和外部工具都应该通过 Paper IR 交换论文理解结果，而不是依赖 UI 私有结构。

Schema:

packages/paper-ir/schemas/paper-ir.schema.json

Spec:

docs/paper-ir-spec.md

相关协议：

• Source Anchor: docs/anchor-spec.md
• Formula IR: docs/formula-ir-spec.md
• Claim-Evidence: docs/claim-evidence-spec.md
• Experiment Matrix: docs/experiment-matrix-spec.md
• Reproduction Roadmap: docs/reproduction-roadmap-spec.md

Built-in Examples

第一批稳定示例：

• Attention Is All You Need
• LoRA
• Retrieval-Augmented Generation
• Direct Preference Optimization

Example IR:

examples/
samples/benchmark/generated/

其中 examples/*/paper-ir.json 是稳定示例；samples/benchmark/generated/ 保存 pipeline benchmark 输出。

Relation Graphs

知微不只解析单篇论文。 下一阶段，它会把论文、公式、实验、代码和相关工作连接成可验证的关系图谱。

计划中的图谱包括：

• Paper Relation Graph：论文与论文之间的继承、改进、对比和扩展关系；
• Formula Relation Graph：公式、变量、机制和直觉解释之间的依赖关系；
• Code Relation Graph：论文方法、公式与代码实现之间的对应关系。

目标是让重要论文不再孤立地存在于 PDF 里，而是成为可以被连接、比较、复用和验证的知识对象。

Repository Structure

zhiwei/
  apps/
    web/          # Web renderer and local static server
    api/          # Serverless API adapter
    api-python/   # Local Python API server
  packages/
    paper-ir/     # Paper IR schemas and schema validation
    parser/       # PDF -> document blocks / source anchors
    extractor/    # document blocks -> Paper IR
    renderer/     # IR-driven rendering helpers
    benchmark/    # example and benchmark validation
    playground/   # experiments
  examples/       # stable Paper IR examples
  samples/        # generated benchmark outputs
  docs/           # specs, roadmap, contributing, manifesto

Canonical source lives under apps/ and packages/. Root-level api/, static/, and backend/ folders are compatibility entrypoints only.

Development

npm run check
npm run check:api
npm run validate:schemas
npm run validate:examples
npm run test

Contributing

See docs/contributing.md.

Good first contributions include:

• improving Paper IR schema coverage;
• adding source-grounded example IR;
• strengthening formula / claim / experiment validation;
• building renderer components that consume Paper IR without hardcoded paper content;
• improving docs for parser, extractor, and benchmark workflows.

Manifesto

如果你想知道知微为什么不是另一个 PDF reader，可以读长版宣言：

• docs/manifesto.md

一句话说：

科学不是神庙里的密文。 科学是人类共同写下的火种。

License

Apache-2.0. See LICENSE.