Bibby AI: 학술 연구, 저술 및 출판을 위한 편집자 네이티브 에이전트 플랫폼

초록

학술적 산출물은 파편화된 도구 체인을 통해 생산된다. 한 애플리케이션에서 문헌을 발견하고, 다른 애플리케이션에서 참고문헌을 관리하며, LaTeX 편집기에서 글을 작성하고, 학술지/학회 템플릿에 맞춰 수동으로 서식을 조정한 후, 또 다른 포털을 통해 제출한다. 각 도구 간의 경계는 컨텍스트 전환, 형식 변환 또는 수동 복사-붙여넣기 단계를 강제하며, 이러한 누적 비용은 연구자가 연구 외 활동에 소비하는 시간을 지배한다. 본 논문에서는 이 도구 체인을 클라우드 LaTeX 편집기를 중심으로 구축된 단일 연구-작성-게재(Research-Write-Publish) 파이프라인으로 통합하는 편집기 내장형 플랫폼인 Bibby AI를 소개한다. 브라우저 확장을 통해 기존 편집기에 부착되는 보조 도구와 달리, Bibby AI는 전체 문서 상태, 컴파일 파이프라인 및 수정 이력을 자체적으로 관리하므로, 에이전트가 텍스트 제안이 아닌 일급(first-class) 검증 가능 연산으로서 검색 기반 인용 삽입, 구조적 편집 및 템플릿 준수 재서식을 수행할 수 있다. 이 플랫폼은 다음을 통합한다: (i) PDF, DOCX 및 필기 수학식을 깔끔한 LaTeX로 변환하는 수집 파이프라인; (ii) USPTO PatentsView와 Marx-Fuegi 인용 말뭉치에서 파생된 특허-논문 인용 신호로 보강된 학술 메타데이터에 대한 검색 계층으로, 후보 참고문헌의 전이적 영향을 드러냄; (iii) 문서의 추상 구문 표현에서 직접 작동하는 문헌 선별, 초안 작성, 수정 및 학술지/학회 서식 지정을 위한 작업 범위 에이전트. Bibby AI는 프로덕션에 배포되어 50개 이상의 구독 대학에서 5,000명 이상의 활성 연구자에게 서비스를 제공하고 있다. 본 논문에서는 아키텍처, 편집기 내장 특성으로 가능해진 설계 결정, 그리고 파편화된 기준선 대비 플랫폼을 평가하는 데 사용하는 워크플로 수준 시간 절약 프레임워크를 설명한다.

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.