PaperDebugger: Un Sistema Multi-Agente Basato su Plugin per la Scrittura, Revisione e Modifica Accademica Direttamente nell'Editor
PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing
December 2, 2025
Autori: Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He
cs.AI
Abstract
I modelli linguistici di grandi dimensioni sono sempre più integrati nei flussi di lavoro della scrittura accademica, eppure gli assistenti esistenti rimangono esterni all'editor, impedendo un'interazione profonda con lo stato del documento, la sua struttura e la cronologia delle revisioni. Questa separazione rende impossibile supportare operazioni agentive e consapevoli del contesto direttamente all'interno di editor LaTeX come Overleaf. Presentiamo PaperDebugger, un assistente per la scrittura accademica integrato nell'editor, multi-agente e basato su plugin, che porta il ragionamento guidato da LLM direttamente nell'ambiente di scrittura. Abilitare un'interazione così integrata è tecnicamente non banale: richiede una sincronizzazione bidirezionale affidabile con l'editor, un controllo delle versioni granulare e l'applicazione di patch, una gestione sicura dello stato, una schedulazione multi-agente e una comunicazione estensibile con strumenti esterni. PaperDebugger affronta queste sfide attraverso un'estensione approvata da Chrome, un livello di orchestrazione nativo per Kubernetes e una toolchain Model Context Protocol (MCP) che integra ricerca bibliografica, consultazione dei riferimenti, valutazione del documento e pipeline di revisione. La nostra demo mostra un flusso di lavoro completamente integrato, che include modifiche localizzate, revisioni strutturate, esecuzione parallela di agenti e aggiornamenti basati sulle differenze, il tutto racchiuso in un'interfaccia utente a bassa intrusività. Le prime analisi aggregate dimostrano un coinvolgimento attivo degli utenti e convalidano la praticità di un assistente di scrittura agentivo e nativo per l'editor. Maggiori dettagli su questa demo e il video sono disponibili all'indirizzo https://github.com/PaperDebugger/PaperDebugger.
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.