PaperDebugger: Ein Plugin-basiertes Multi-Agenten-System für akademisches Schreiben, Überprüfen und Bearbeiten im Editor
PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing
December 2, 2025
papers.authors: Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He
cs.AI
papers.abstract
Große Sprachmodelle werden zunehmend in akademische Schreibprozesse integriert, doch bestehende Assistenten bleiben extern zum Editor, was eine tiefgreifende Interaktion mit Dokumentzustand, -struktur und Versionsverlauf verhindert. Diese Trennung macht es unmöglich, agentenbasierte, kontextsensitive Operationen direkt in LaTeX-Editoren wie Overleaf zu unterstützen. Wir stellen PaperDebugger vor, einen editor-internen, Multi-Agenten- und plugin-basierten akademischen Schreibassistenten, der LLM-gesteuertes Reasoning direkt in die Schreibumgebung bringt. Die Ermöglichung einer solchen Editor-internen Interaktion ist technisch anspruchsvoll: Sie erfordert eine zuverlässige bidirektionale Synchronisation mit dem Editor, feingranulare Versionskontrolle und Patch-Management, sichere Zustandsverwaltung, Multi-Agenten-Scheduling und erweiterbare Kommunikation mit externen Tools. PaperDebugger adressiert diese Herausforderungen durch eine Chrome-zertifizierte Erweiterung, eine Kubernetes-native Orchestrierungsschicht und eine Model Context Protocol (MCP)-Toolchain, die Literaturrecherche, Referenzabfrage, Dokumentenbewertung und Revisionspipelines integriert. Unsere Demo zeigt einen vollständig integrierten Workflow, einschließlich lokalisierter Bearbeitungen, strukturierter Überprüfungen, paralleler Agentenausführung und diff-basierter Updates, eingebettet in eine minimal-invasive Benutzeroberfläche. Erste aggregierte Analysen zeigen eine aktive Nutzerbeteiligung und validieren die Praxistauglichkeit eines editor-nativen, agentenbasierten Schreibassistenten. Weitere Details zu dieser Demo und ein Video sind unter https://github.com/PaperDebugger/PaperDebugger verfügbar.
English
Large language models are increasingly embedded into academic writing workflows, yet existing assistants remain external to the editor, preventing deep interaction with document state, structure, and revision history. This separation makes it impossible to support agentic, context-aware operations directly within LaTeX editors such as Overleaf. We present PaperDebugger, an in-editor, multi-agent, and plugin-based academic writing assistant that brings LLM-driven reasoning directly into the writing environment. Enabling such in-editor interaction is technically non-trivial: it requires reliable bidirectional synchronization with the editor, fine-grained version control and patching, secure state management, multi-agent scheduling, and extensible communication with external tools. PaperDebugger addresses these challenges through a Chrome-approved extension, a Kubernetes-native orchestration layer, and a Model Context Protocol (MCP) toolchain that integrates literature search, reference lookup, document scoring, and revision pipelines. Our demo showcases a fully integrated workflow, including localized edits, structured reviews, parallel agent execution, and diff-based updates, encapsulated within a minimal-intrusion user interface (UI). Early aggregated analytics demonstrate active user engagement and validate the practicality of an editor-native, agentic writing assistant. More details about this demo and video could be found at https://github.com/PaperDebugger/PaperDebugger.