最近，我和同学一起组队参加了 NVIDIA DGX Spark 黑客松，做了一款名叫 Paper Tree 的桌面论文阅读工具。它可以帮助读者从论文中的一个概念或引用出发，查找相关文献，并把后续阅读形成的关联保存在同一个工作区里。这篇文章记录了我们为什么想做这个工具，以及它在开发过程中经历的一些调整。
我和队友都是软件工程专业的研究生，平时有不少时间需要阅读论文。Paper Tree 的想法，就来自我们在日常学习中反复遇到的一个问题。
开始了解一个新的研究领域时，我们通常会找几篇综述作为入口。但阅读过程中，总会遇到一些之前没有接触过的概念。为了理解这些概念，我们需要继续查找资料、阅读其他论文，而新的论文里又会出现更多陌生的内容。
这样的探索是学习的一部分，但随着阅读范围不断扩大，我们也容易偏离最初的问题。打开的文章越来越多，有时却记不清某篇论文为什么会出现在这里，它与前面读过的内容有什么联系。
我们希望在研究过程中把这些关系整理下来，让自己知道目前读到了哪里，也能随时回到原来的主线。我们平时使用 Zotero 等工具管理文献，但针对一次具体阅读形成的探索路径，仍然需要自己另外组织。于是，我们想从这个身边的小问题开始，做一个自己会用的工具。
从阅读器开始，逐渐明确它应该做什么
最初，我们对 Paper Tree 的设想，是在日常论文阅读器的基础上增加关联能力。用户导入一篇论文，在阅读时提出疑问，找到相关文献，然后继续探索。这个过程会被保存在工作区里，方便之后回看。
一开始讨论的功能比现在多，包括 AI 答疑、翻译和总结。后来我们逐渐把这些功能从当前版本中拿掉了，将重点放在检索与关联上。
这个选择与我们自己的学习习惯有关。阅读论文时，理解作者的问题、方法和论证过程，需要读者自己投入时间。我们希望 AI 帮忙寻找资料、减少切换工具的操作，而阅读、判断和吸收仍然由人完成。 因此，Paper Tree 保留了比较直接的使用方式：用户在原始 PDF 中阅读，遇到需要了解的内容时，再让 AI 协助查找相关论文。我们更关心的是，工具能否帮助人继续读下去，以及能否把这次阅读的过程保存清楚。
让检索围绕当前阅读内容展开
实际测试以后，我们发现，从选区到相关论文之间，还需要做不少处理。 首先，选框中的内容必须被准确识别。我们最终采用截取选区图片、交给视觉模型识别的方式，并让用户在搜索前核对和修改文字。 其次，论文原文不一定适合直接作为查询词。一段话可能很长，其中只有少数术语真正决定检索方向；有些内容则需要结合引用编号，才能确定它指向哪篇文章。 因此，应用会先缓存论文主题和参考文献。发起检索时，模型结合这些信息整理选区内容，保留方法名称、缩写和学术术语，形成更明确的查询。对于能够对应到参考文献的内容，系统会利用文献标题等线索查找；同时，也会搜索与该概念相关的其他研究。 候选结果的处理也经过了调整。测试中，我们遇到过正在阅读的论文反复出现在结果中，以及相关候选被过滤得过少的情况。后来，我们明确了处理原则：排除当前论文本身、合并重复结果，再按照与选区的相关性排序。结果数量由实际检索决定，最后读哪一篇，由用户选择。
NVIDIA 技术在其中承担的工作
研究流程中，我们接入了 NVIDIA 官方的 aiq-research Agent Skill，通过它提供的 helper 调用本机 NVIDIA AI-Q 后台。AI-Q 使用基于 NeMo Agent Toolkit 配置的研究流程，调用我们接入的论文检索工具，从 OpenAlex、Crossref 和 arXiv 等来源寻找资料，并整理带有来源链接的研究报告。
这份报告会参与后续候选整理。其中的论文线索需要再核对学术元数据，与直接检索获得的结果汇合后进行排序。研究报告也会随探索记录保存，用户可以在界面中查看它提供的来源和依据。
我们希望这部分能力能融入阅读操作。用户从一个选区发起检索，后台完成查询组织、工具调用和来源整理，最终仍然回到候选论文列表，由用户决定如何继续。
模型部署则采用 NVIDIA DGX Spark 与 TensorRT-LLM 的方案。我们通过 NVIDIA 官方容器加载开放模型权重，以 OpenAI 兼容接口向桌面应用和 AI-Q 提供推理服务。部署配置以 Qwen3.8-27B 为主，同时保留较小模型的切换入口。
开发时，应用交互和本地模型部署可以分别推进：先通过云端 API 调整阅读与检索流程，再接入 Spark 上的推理服务。接口保持一致，也让我们能够在切换模型时复用已有的 Agent 流程。围绕单用户阅读场景，我们对上下文长度、批大小、缓存和生成方式进行了配置，并通过复用论文索引、并行执行研究与检索，减少重复处理。
结尾
从最初的想法到现在，Paper Tree 的功能和界面有过不少变化，但我们希望解决的问题一直比较明确：读论文时，可以继续向外探索，也能知道自己为什么走到这里。 我们希望这个工具能帮读者把资料和联系整理好，让更多时间留给阅读本身。