WikiAutoGen：用于自动化生成多模态维基百科风格文章的系统

阿卜杜拉国王科技大学、兰州大学、悉尼大学的研究人员推出WikiAutoGen，这是一个用于自动化生成多模态维基百科风格文章的系统。它通过整合文本和图像信息，生成高质量、多模态的维基百科风格文章，同时引入多视角自我反思机制来提升内容的准确性和可靠性。

• 项目主页：https://wikiautogen.github.io
• GitHub：https://github.com/01yzzyu/wikiautogen

例如，输入的主题是 “Benzoxonium Chloride”（苯氧氯化物），系统会：

1. 生成大纲：包括化学结构、合成方法、安全性评估等部分。
2. 检索知识：从化学数据库和科学文献中检索相关信息。
3. 生成文本：撰写关于苯氧氯化物的详细文章，包括其化学性质、合成步骤和安全风险。
4. 插入图像：添加苯氧氯化物的分子结构图、合成流程图等。
5. 自我反思优化：检查文章的连贯性、准确性和吸引力，并进行优化。

主要功能

1. 多模态内容生成：WikiAutoGen 不仅生成文本内容，还能根据主题检索和插入相关的图像，使生成的文章更加生动和信息丰富。
2. 多视角自我反思：通过模拟作者、读者和编辑的视角，对生成的文章进行评估和优化，提升文章的连贯性、准确性和吸引力。
3. 多模态知识检索：能够同时处理文本和图像输入，检索相关的多模态知识，生成更全面的文章。
4. 文章结构化生成：通过提出文章大纲，将复杂的主题分解为多个子主题，使文章结构更加清晰。

主要特点

1. 多模态整合：结合文本和图像信息，生成更丰富、更具吸引力的文章。
2. 自我反思机制：通过多视角的自我评估，提升生成内容的质量和可靠性。
3. 多智能体协作：通过多个智能体的协作，从不同角度探索和生成内容。
4. 挑战性主题处理：专门针对维基百科上覆盖较少的复杂主题进行优化，提升对这些主题的处理能力。

工作原理

1. 输入处理：系统接收一个主题，可以是纯文本、纯图像或两者的组合。
2. 大纲生成：利用语言模型和外部搜索工具，生成文章的结构化大纲。
3. 多智能体知识探索：多个智能体协作，从互联网上检索相关信息，并进行讨论和整合。
4. 文本生成：基于检索到的知识，生成文章的文本内容。
5. 多视角自我反思：从作者、读者和编辑的视角对生成的文章进行评估和优化。
6. 多模态整合：根据文章内容，检索和插入相关的图像，并进行最终的润色。

应用场景

1. 维基百科内容扩充：为维基百科上覆盖较少的主题自动生成高质量的文章，丰富知识库。
2. 教育内容生成：为教育平台生成多模态的教学内容，帮助学生更好地理解和学习。
3. 新闻报道辅助：为新闻媒体生成初步的新闻稿件，记者可以在此基础上进一步编辑和优化。
4. 市场分析报告：为市场分析人员生成初步的分析报告，提供多模态的数据支持。
5. 科学研究辅助：为科研人员生成文献综述或研究报告的初稿，帮助他们快速整理思路和收集信息。