PaperDebugger: Модульная мультиагентная система для академического письма, рецензирования и редактирования в среде редактора
PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing
December 2, 2025
Авторы: Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He
cs.AI
Аннотация
Крупные языковые модели все активнее интегрируются в рабочие процессы академического письма, однако существующие ассистенты остаются внешними по отношению к редактору, что препятствует глубокому взаимодействию с состоянием документа, его структурой и историей изменений. Эта разобщенность делает невозможной поддержку активных, контекстно-ориентированных операций непосредственно в редакторах LaTeX, таких как Overleaf. Мы представляем PaperDebugger — встроенного, мультиагентного и плагин-ориентированного ассистента для академического письма, который переносит логику, управляемую LLM, непосредственно в среду написания текстов. Реализация такого внутриредакторского взаимодействия технически нетривиальна: она требует надежной двусторонней синхронизации с редактором, детального контроля версий и патчинга, безопасного управления состоянием, планирования мультиагентных задач и расширяемой коммуникации с внешними инструментами. PaperDebugger решает эти задачи с помощью одобренного Chrome расширения, оркестрационного слоя на базе Kubernetes и инструментария Model Context Protocol (MCP), который интегрирует поиск по литературе, работу с ссылками, оценку документов и конвейеры ревизий. Наша демонстрация представляет полностью интегрированный рабочий процесс, включая локализованные правки, структурированные рецензии, параллельное выполнение агентов и обновления на основе diff-ов, инкапсулированные в интерфейс с минимальным вмешательством. Предварительные агрегированные данные показывают активное вовлечение пользователей и подтверждают практическую целесообразность редактор-нативного, агентного ассистента для письма. Более подробная информация о демонстрации и видео доступна по адресу 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.