PaperDebugger: Um Sistema Multiagente Baseado em Plugins para Escrita Acadêmica, Revisão e Edição no Editor
PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing
December 2, 2025
Autores: Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He
cs.AI
Resumo
Os modelos de linguagem de grande porte estão cada vez mais integrados aos fluxos de trabalho de redação acadêmica, no entanto, os assistentes existentes permanecem externos ao editor, impedindo uma interação profunda com o estado, a estrutura e o histórico de revisões do documento. Esta separação torna impossível suportar operações autônomas e conscientes do contexto diretamente dentro de editores LaTeX, como o Overleaf. Apresentamos o PaperDebugger, um assistente de redação acadêmica baseado em *plugins*, multiagente e integrado ao editor, que traz o raciocínio orientado por LLM diretamente para o ambiente de escrita. Permitir essa interação no editor é tecnicamente não trivial: exige uma sincronização bidirecional confiável com o editor, controle de versão e aplicação de *patches* de forma granular, gerenciamento seguro de estado, agendamento multiagente e comunicação extensível com ferramentas externas. O PaperDebugger aborda esses desafios por meio de uma extensão aprovada pelo Chrome, uma camada de orquestração nativa do Kubernetes e uma cadeia de ferramentas Model Context Protocol (MCP) que integra pesquisa de literatura, consulta de referências, pontuação de documentos e *pipelines* de revisão. Nossa demonstração exibe um fluxo de trabalho totalmente integrado, incluindo edições localizadas, revisões estruturadas, execução paralela de agentes e atualizações baseadas em *diff*, encapsuladas numa interface de utilizador (UI) de mínima intrusão. Dados agregados iniciais demonstram um envolvimento ativo dos utilizadores e validam a praticidade de um assistente de escrita autônomo e nativo do editor. Mais detalhes sobre esta demonstração e um vídeo podem ser encontrados em 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.