Bibby AI: Una plataforma agéntica nativa del editor para la investigación, escritura y publicación académicas.

Resumen

La producción académica se genera a través de un flujo de trabajo fragmentado: descubrimiento de literatura en una aplicación, gestión de referencias en otra, redacción en un editor LaTeX, formateo manual según las plantillas de la conferencia y envío a través de otro portal. Cada límite entre herramientas impone un cambio de contexto, una conversión de formato o un paso manual de copiar y pegar, y el costo acumulado domina el tiempo que los investigadores dedican a actividades que no son investigación. Presentamos Bibby AI, una plataforma nativa del editor que condensa este flujo de trabajo en un único pipeline de Investigación-Redacción-Publicación construido en torno a un editor LaTeX en la nube. A diferencia de los asistentes que se acoplan a un editor existente mediante una extensión del navegador, Bibby AI posee el estado completo del documento, el pipeline de compilación y el historial de revisiones, lo que permite que sus agentes realicen inserción de citas basada en recuperación, ediciones estructurales y reformateo conforme a plantillas como operaciones verificables de primera clase, en lugar de sugerencias de texto. La plataforma integra (i) pipelines de ingestión que convierten PDF, DOCX y matemáticas escritas a mano en LaTeX limpio; (ii) una capa de recuperación sobre metadatos académicos enriquecida con señales de citación entre patentes y artículos derivadas de USPTO PatentsView y el corpus de citaciones Marx-Fuegi, revelando el impacto translacional de las referencias candidatas; y (iii) agentes con alcance de tarea para el triaje de literatura, redacción, revisión y formateo según la conferencia, que operan directamente sobre la representación de sintaxis abstracta del documento. Bibby AI está desplegado en producción y atiende a más de 5,000 investigadores activos en más de 50 universidades suscritas. Describimos la arquitectura, las decisiones de diseño que la naturaleza nativa del editor hace posibles y el marco de ahorro de tiempo a nivel de flujo de trabajo que utilizamos para evaluar la plataforma frente a líneas base fragmentadas.

English

Academic output is produced across a fragmented toolchain: literature discovery in one application, reference management in another, writing in a LaTeX editor, formatting against venue templates by hand, and submission through yet another portal. Each boundary between tools forces a context switch, a format conversion, or a manual copy-paste step, and the cumulative cost dominates the time researchers spend on activities that are not research. We present Bibby AI, an editor-native platform that collapses this toolchain into a single Research-Write-Publish pipeline built around a cloud LaTeX editor. Unlike assistants that attach to an existing editor through a browser extension, Bibby AI owns the full document state, compilation pipeline, and revision history, which allows its agents to perform retrieval-grounded citation insertion, structural edits, and template-compliant reformatting as first-class, verifiable operations rather than text suggestions. The platform integrates (i) ingestion pipelines that convert PDF, DOCX, and handwritten mathematics into clean LaTeX; (ii) a retrieval layer over scholarly metadata enriched with patent-to-paper citation signals derived from USPTO PatentsView and the Marx-Fuegi citation corpus, surfacing the translational impact of candidate references; and (iii) task-scoped agents for literature triage, drafting, revision, and venue formatting that operate directly on the document's abstract syntax representation. Bibby AI is deployed in production and serves more than 5,000 active researchers across more than 50 subscribing universities. We describe the architecture, the design decisions that editor-nativeness makes possible, and the workflow-level time-savings framework we use to evaluate the platform against fragmented baselines.