Google abre código de framework multiagente que escreve papers de IA do rascunho ao LaTeX
Repositório Apache-2.0 da Google Cloud AI Research converte rascunhos e logs experimentais em manuscritos LaTeX prontos para submissão, com 1.850 estrelas em seis meses.
Edição: Anderson Gomes
· 4 min de leitura
O repositório google-research/paper-orchestra, mantido por uma equipe da Google Cloud AI Research (Yiwen Song, Yale Song, Tomas Pfister e Jinsung Yoon), figura entre os projetos em destaque nos rankings de código aberto em novembro de 2026. A ferramenta é um framework multiagente que automatiza a redação de artigos científicos em IA: a partir de materiais pré-escrita soltos, como ideias e logs de experimentos, o sistema gera um manuscrito LaTeX completo e pronto para submissão em conferências. O projeto acumula 1.850 estrelas e 957 ganhas no período recente, ocupando a posição 6 no ranking diário do Trendshift e o 14 no semanal, além de aparecer no GitHub Trending diário.
Dados rápidos
- Repositório: google-research/paper-orchestra
- Licença: Apache-2.0
- Linguagem: Python
- Estrelas: 1.850 | Forks: 299
- Ranking: Trendshift #6 (diário), #14 (semanal); GitHub Trending diário
- Consulta: 2026-11-17
O problema que o projeto ataca
Escrever um paper de IA para uma conferência exige uma cadeia longa de etapas: revisar a literatura, estruturar o texto, redigir cada seção, refinar a linguagem, produzir gráficos e diagramas, e adaptar tudo a um template LaTeX específico. Para um pesquisador, esse processo pode consumir semanas ou meses de trabalho repetitivo.
PaperOrchestra busca reduzir esse tempo ao automatizar a pipeline inteira. O sistema não substitui a ciência em si; ele transforma insumos brutos em um documento formatado, com revisão de literatura integrada, seções escritas, refinamento de conteúdo e figuras geradas automaticamente.
A proposta é fechar a distância entre o laboratório e a submissão, eliminando gargalos de formatação e síntese bibliográfica que consomem boa parte do tempo de pesquisa.
Como funciona na prática
O framework opera como uma orquestra de agentes especializados. Cada agente cuida de uma etapa: um gera o esqueleto (outline), outro busca e sintetiza literatura via Semantic Scholar, um terceiro escreve as seções, um quarto refina o conteúdo e um quinto produz plots. O pipeline final entrega um manuscrito LaTeX aderente ao template da conferência-alvo.
A instalação parte de um ambiente Conda com Python 3.11:
conda create -n paper_orchestra python=3.11
conda activate paper_orchestra
pip install -r requirements.txt
Após criar um arquivo .env com as chaves de API necessárias (OpenAI, Gemini via Vertex AI, Semantic Scholar), a execução do pipeline segue um comando único:
python paper_writing_cli.py \
--raw_materials_dir /caminho/materiais_brutos/ \
--latex_template_dir /caminho/template/ \
--output_dir /caminho/saida/ \
--use_plotting true
O projeto também oferece uma demo interativa em Streamlit na pasta frontend, para quem prefere navegar pelo fluxo sem escrever comandos.
Casos de uso concretos
- Pesquisador de pós-graduação que precisa submeter um paper em prazo curto: insere os logs de experimento e o rascunho de ideia, e recebe um manuscrito estruturado pronto para revisão.
- Equipe de P&D corporativa que produz relatórios técnicos recorrentes: usa um template LaTeX interno e a automação de revisão de literatura para manter consistência entre entregas.
- Professor que coordena vários projetos e quer prototipar o esqueleto de um artigo antes de alocar tempo de escrita: gera a primeira versão completa e concentra esforço apenas na substância.
- Grupo de pesquisa que precisa adaptar o mesmo conteúdo para dois templates de conferência diferentes: alterna o argumento --latex_template_dir entre execuções sem reescrever nada.
O que diferencia o projeto
Diferente de assistentes de escrita genéricos que operam parágrafo a parágrafo, PaperOrchestra funciona como pipeline multiagente completo. A síntese de literatura é automática e priorizada, a geração de figuras (plots a partir de código) faz parte do mesmo fluxo, e a pasta templates/ já traz modelos de conferências, com possibilidade de adicionar templates próprios. Essa integração de busca, escrita, refinamento e visualização em uma única orquestração é o que o distingue de ferramentas que exigem formatação manual posterior.
Limitações e pontos de atenção
O repositório não inclui o dataset utilizado para avaliação; os autores informam que ele será liberado separadamente em data não informada no repositório. Não há release tag publicada no GitHub, o que indica que o projeto ainda está em fase de desenvolvimento ativo. O último commit é de 2026-11-15, sinalizando manutenção recente. O framework depende de chaves de API de terceiros (OpenAI, Gemini via Vertex AI, Semantic Scholar), o que impõe custos operacionais recorrentes e considerações de privacidade sobre os dados processados. A licença Apache-2.0 permite uso e modificação comerciais, mas o projeto traz um disclaimer de que não é um produto oficial suportado pela Google.
Resumo rápido
- Projeto: Framework multiagente para escrita automática de papers de IA em LaTeX
- Licença: Apache-2.0
- Linguagem: Python
- Estrelas: 1.850 (957 no período)
- Ranking: Trendshift #6 diário; GitHub Trending diário
- Risco principal: Dependência de APIs pagas de terceiros e ausência de release estável
Fontes
- Repositório: https://github.com/google-research/paper-orchestra
- Homepage: https://yiwen-song.github.io/paper_orchestra/
- Trendshift: https://trendshift.io/repositories/google-research/paper-orchestra
- Python
- Apache-2.0
- Repositórios em Alta
- Trendshift
67 mil estrelas: TheAlgorithms/Java é a maior coleção aberta de algoritmos em Java para
Coleção open source de estruturas de dados e algoritmos em Java atrai quase 70 mil desenvolvedores e mantém ritmo constante de contribuições.
· 5 min de leitura
Claude-BugHunter lidera ranking de IA para caça de bugs com 7,7 mil estrelas
Pacote de 83 habilidades para Claude Code automatiza detecção de vulnerabilidades com base em relatórios reais de hackers.
· 5 min de leitura
AG-UI 1.0: padrão aberto padroniza agentes de IA em front-end
Protocolo leve e baseado em eventos permite conectar agentes de IA a web, mobile, Slack e terminais com uma única integração.
· 4 min de leitura
Arcane v3: ferramenta Go de gestão Docker ganha tração em 2026
Ferramenta de código aberto escrita em Go simplifica administração de containers com interface moderna e auto-hospedável.
· 4 min de leitura