Principia

把研究经验变成可追溯的科研想法

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署行业应用 🍴 复刻 53 🐛 待处理 5 👀 关注 25

GitHub ↗

GitHub 星标 ★ 1153

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，定价信息待确认

项目预览

项目数据

分类行业应用

开发团队pzqpzq

GitHubhttps://github.com/pzqpzq/Principia

定价模式🏷️完全免费

价格说明开源项目，定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Rich Text Format

技术栈/模型ai-scientist,ai4science,autoresearch,llm,multi-agent

GitHub 星标★ 1153

上线时间2026-06-09 00:00:00

代码更新2026-10-02

仓库体积654.8 MB

本站数据更新2026-10-10

维护状态较活跃

收录时间2026-09-16

浏览次数1

项目介绍

Principia 是一个面向科研人员的 AI 辅助研究工具，核心目标是把零散的研究经验与文献知识提炼成可复用的「原则」，再将这些原则组合成可追溯的研究想法，并让研究者检查某个想法为何值得验证。它解决的是科研选题阶段信息过载、灵感难以系统化、想法来源不透明的问题。项目采用多智能体与 LLM 技术，属于 ai4science / AI Scientist 方向，支持从原则抽取、想法生成到可追溯性检查的流程。语言为富文本格式，说明其输出偏向可读的研究文档而非纯代码库。目前星标约 806，属于早期项目，适合关注自动化科研、AI 辅助假设生成的开发者与研究者了解。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 1153

技术标签

ai-scientist ai4science autoresearch llm multi-agent

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

可用的 Python 与 pip 环境（需执行 pip install -e .）
安装依赖时需要联网
Node.js 与 pnpm（仅在修改前端代码、需要重新构建前端时用得上）
准备一个空工作目录，用于首次初始化内置的五个 demo

安装与启动步骤

1获取项目源码

从 GitHub 克隆 Principia 仓库到本地，README 未给出克隆命令，此处按仓库地址补充。
```
git clone https://github.com/pzqpzq/Principia.git
```
2进入核心目录

核心应用位于 v1.4.2 的 core-v1.4.2 子目录，注意不要停在仓库根目录。
```
cd Principia/Principia-v1.4.2/core-v1.4.2
```
3安装本地依赖

在 core 目录执行可编辑安装，会联网拉取依赖，完成后即可运行应用。
```
pip install -e .
```
4重建前端(可选)

仅当改动了 frontend 代码时才需重建，前端已预构建，普通使用可跳过。
```
cd "Principia/Principia-v1.4.2/core-v1.4.2/frontend"
pnpm build
cd ..
pip install -e .
```
5启动并访问

启动核心应用后，用浏览器打开本地 8142 端口；README 未给出具体启动命令，请查看 core 目录内说明。