↩

AI 工具賦能學術研究

從文獻探勘到論文寫作，建立你的研究副駕駛系統

Vista Cheng｜https://www.vista.tw

Vista Cheng（鄭緯筌）

Vista Cheng（鄭緯筌）

AI 應用培訓師｜內容策略顧問｜作家

20 年寫作與內容策略經驗，著作近 20 本。長期把 AI 工具串成研究與寫作的工作流，協助大學教師、研究生與企業專業人士把每一份素材變成可累積的知識資產。最新專案：Second Brain Lab、AI 內容產製工作坊、Vibe Coding 實戰工作坊。

vista.tw — 個人品牌與 AI 知識庫solo.tw — 一人公司生態系iamvista.substack.com — 每週 AI × 知識管理電子報

今日議程

  1. 01

    一個新世界

    為什麼 2026 年的研究者必須懂 AI

  2. 02

    文獻探索四大工具

    Research Rabbit / SciSpace / Consensus / Perplexity

  3. 03

    個人化研究助理

    NotebookLM 與 Stanford STORM

  4. 04

    引文分析經典

    Publish or Perish 仍然不可取代的理由

  5. 05

    Claude Code 進階串接

    開源學術工具 + 你自己的研究流水線

01

為什麼研究者必須懂 AI

今天的研究現場

一個碩博生平均要讀 200–500 篇 paper 才能寫出一份像樣的文獻回顧；一位大學教師每年要追蹤 5–10 個關鍵字的最新文獻、消化 30–50 場學術會議錄影、回覆數百封學生信件。

與此同時，arXiv 每天上傳 1,000+ 篇預印本、PubMed 每年新增 150 萬篇論文。閱讀速度 vs 出版速度的差距，已經超過任何單一研究者能追上的範圍。

AI 不會取代研究者，但「會用 AI 的研究者」會逐步取代「不會用 AI 的研究者」——尤其在文獻盤點、跨領域整合、初稿撰寫、回應審稿意見這四個高耗時環節。

研究流程裡的四個高耗時節點

🔍

文獻探勘

從關鍵字 → 找到核心 paper → 找到引用網絡 → 找到研究缺口。
痛點：Google Scholar 只給清單，看不出脈絡。

📖

文獻理解

讀懂 PDF 裡的方法、結果、限制，並比對與你的研究的關係。
痛點：術語門檻高、跨領域看不懂。

🧠

證據彙整

回答「目前學界對 X 的共識是什麼？」「正反兩方各有哪些證據？」
痛點：易陷入單一作者觀點。

✍️

初稿與改稿

從段落結構、句子流暢度，到回應審稿意見的措辭。
痛點：非英語母語者尤其吃虧。

AI 不是寫論文的代筆，是替你把「重複勞動」拿掉，讓你把腦力留給只有人類研究者能做的判斷與洞察。

02

文獻探索：Research Rabbit

Research Rabbit 2025 新版：兔子洞迭代探索

  • 一句話定位

    免費的「視覺化文獻探勘」工具，2025 年完成自推出以來最大改版，重做 UI 並引入「兔子洞」邏輯

  • 核心新概念

    迭代鏈接（Iterative Chaining）：系統記錄你從一篇點到另一篇的路徑，形成可回溯的「探索路徑」，深挖文獻時不迷路

  • 語義相似性

    除了傳統引用網絡，新版加入語義分析（標題與摘要含義相似度），技術路徑與 Litmaps 對齊

  • 資料庫升級

    2025 新增數百萬篇論文，主要來自 Semantic Scholar 與 PubMed，總量超過 2 億篇

  • 網址

    www.researchrabbit.ai，註冊免費；2025 新增 Premium 付費版

新版五大核心能力

  • Seed Papers 啟動

    以 3–5 篇種子論文為起點，系統自動推薦 Earlier / Later / Similar Work

  • 自定義 X/Y 軸

    視覺化地圖坐標可自選（例：X 出版年份、Y 引用次數），快速找到特定時期的標竿研究

  • 顏色編碼分類

    不同 Collection 可用不同顏色，多專案並行也不會混淆

  • Timeline / Author Network 雙模式

    一鍵切換「論文時間演進」與「作者社交網絡」兩種視角

  • 高級篩選

    依年份、期刊權威性、特定作者快速收窄；Premium 版解鎖更深層關聯分析

5 步驟建立你的第一張文獻網絡

1

建立新 Collection

左側側邊欄點「New Collection」，命名格式建議：研究主題 + 年份（例：「生成式 AI 教學應用 2026」）

2

加入種子論文

點「Add Papers」，輸入標題、DOI 或關鍵字 → 選中論文按「Add to Collection」

3

啟動 Network View

在 Collection 介面點「Network View」，系統把論文轉成互動式知識圖譜（節點＝論文、線條＝引用關係）

4

用側邊欄擴張

依序點 Similar Work（找相似研究）、Earlier Work（追前人）、Later Work（看後續引用）

5

切換顯示模式

Network → Timeline 看時間演進；點作者啟用 Author Network 看領域核心研究者

視覺化地圖四大武器

🌐

Network View

互動式知識圖譜，節點＝論文、線條＝引用關係，可放大、拖曳、聚合。
用途：一眼看出研究群聚與孤島。

📅

Timeline 模式

把同一個 Collection 沿時間軸展開。
用途：釐清領域發展脈絡與典範轉移時刻。

👥

Author Network

以作者為節點建立社交網絡圖。
用途：找出領域核心研究者、潛在指導教授或合作對象。

📐

自定義 X/Y 軸

坐標軸自選（出版年份 × 引用次數、年份 × 主題密度）。
用途：挑出特定時期的標竿論文。

Zotero 整合與版本差異

  • Zotero Importer

    支援把 Zotero 文獻庫單向匯入 Research Rabbit，常用格式 BibTeX、RIS 都吃

  • 雙向即時同步

    舊版有的「即時雙向同步」官方表示正在重新開發中，目前以手動匯入／匯出為主

  • 免費版（Free）

    提供基本文獻地圖、推薦、搜尋；對 95% 學生與研究生已經足夠

  • 付費版（Premium，2025 新推）

    解鎖更深層的文獻關聯分析、進階搜尋、團隊協作工作流

  • 官方更新說明

    想看完整改版資訊與 Zotero 整合進度，到 www.researchrabbit.ai 的官方更新頁面追蹤

✍️ Practice

練習 ① Research Rabbit 文獻網絡

  1. 1 替你目前的研究主題建立第一張兔子洞探索路徑
  2. 2 建立新 Collection（命名：你的研究主題 2026），加入 3 篇你最熟、最敬重的核心論文當種子。
  3. 3 進 Network View → 點 Similar Work，找出 2 篇你之前沒聽過、但看標題就覺得「我應該讀」的 paper，加入 Collection。
  4. 4 切到 Timeline 模式看時間演進，再切到 Author Network 找出該領域的核心 3 位研究者；最後試試自定義 X/Y 軸（X＝年份、Y＝引用次數），挑出該領域近 5 年最具影響力的 1 篇。
⏱ 10 分鐘 📎 www.researchrabbit.ai、3 篇種子論文

03

文獻理解：SciSpace

SciSpace 是什麼？

  • 官方定義

    原名 Typeset，定位是「AI Copilot for Researchers」——專為論文設計的閱讀與寫作助理

  • 核心能力

    上傳 PDF 後，可以針對任何段落「Explain（解釋）」「Summarize（摘要）」「Find related papers（找相關文獻）」

  • 資料規模

    索引超過 2.7 億篇論文，可跨論文問問題

  • 特殊場景

    對非母語英文閱讀者特別友善——一鍵把方法段落翻成繁中＋白話解釋

  • 網址

    scispace.com，免費版每月有額度限制；學術機構可申請進階方案

SciSpace 七個常用功能

📄 PDF Copilot 上傳論文，旁邊會出現可問答的側欄
🔍 Literature Review 輸入研究問題，自動產出文獻回顧表格
💬 Explain Math 對著公式按右鍵，要求白話解釋
📊 Compare Papers 一次比較多篇論文的方法、結果、結論
📝 AI Detector 檢測一段文字像不像 AI 寫的
✍️ Paraphraser 改寫段落，避免抄襲爭議
🌐 Translate 段落即時翻譯，保留學術術語
📑 Citation Generator 自動產出 APA/MLA/Chicago 等格式

SciSpace 經典工作流：理解一篇陌生領域論文

1

上傳 PDF 到 SciSpace

可直接拖曳，系統自動 OCR 並建立段落索引

2

用 Copilot 問三題

「這篇的核心貢獻是什麼？」「方法的限制？」「跟我的研究有何關聯？」

3

對方法段落用 Explain

請它把統計方法或實驗設計用「研究生第一年也聽得懂」的方式解釋

4

用 Find related papers

找出這篇的後續研究，確認它的觀點是否還是 SOTA

5

儲存問答到筆記

把有用的對話標星收藏，之後寫文獻回顧直接複用

04

證據彙整：Consensus

Consensus 是什麼？

  • 官方定義

    「用 AI 從科學論文中找答案」的搜尋引擎，主打「給你共識，不給你噪音」

  • 核心特色

    輸入問句（不是關鍵字），系統會直接回答「目前學界主流共識是什麼」

  • 視覺呈現

    Consensus Meter（共識計量器）：用紅／黃／綠呈現支持、混合、反對的論文比例

  • 資料來源

    索引 2 億+ 篇 peer-reviewed 論文，過濾掉 predatory journal

  • 網址

    consensus.app，免費版每月 20 次查詢；Pro 版約 USD 8.99/月

Consensus vs Google Scholar：不同問題用不同工具

Google Scholar 適合

  • ✓ 找特定論文：已知作者或標題的精確檢索
  • ✓ 追蹤被引用：Cited by 一鍵看引用數
  • ✓ 免費下載：常能找到 PDF 連結
  • ✓ 歷史文獻：收錄年代久遠的經典文獻
  • ✓ 全領域通用：人文、社科、自然全都收

Consensus 適合

  • ✓ 是非判斷題：「X 對 Y 有效嗎？」直接給共識
  • ✓ 跨論文整合：一頁回答來自 10+ 篇論文的綜合判斷
  • ✓ 新手友善：不用會下複雜的搜尋語法
  • ✓ 品質過濾：已過濾低品質與 predatory 期刊
  • ✓ 視覺化證據：Consensus Meter 一眼看懂方向

Consensus 經典問句範例

PROMPT 
輸入時用完整的問句，避免關鍵字組合：

「Does mindfulness meditation reduce anxiety in nursing students?」
「What are the long-term effects of intermittent fasting on cardiovascular health?」
「Is AI chatbot effective for mental health support in adolescents?」
OUTPUT
Consensus 會給你：
• 一段 AI 整理的綜合答案（含論文引用編號）
• Consensus Meter（綠：支持 / 黃：混合 / 紅：反對 的論文比例）
• 5–10 篇相關論文的標題、作者、年份、結論摘要
• 可一鍵切到「只看 Meta-analysis 與 RCT」高品質證據

05

個人化研究助理：NotebookLM

NotebookLM 為什麼適合學術場景？

  • 只讀你給的資料

    ChatGPT 用全網路知識回答；NotebookLM 只用你上傳的 paper、講義、訪談逐字稿

  • 每個回答都附引註

    可一鍵跳回原文段落——這對學術 fact-check 至關重要

  • 容量驚人

    單一筆記本最多 50 份來源、累計 2,500 萬字，足以裝下整篇博士論文的所有引用文獻

  • 資料隱私

    Google 官方明確聲明：你的個人筆記本內容不會被用於模型訓練

  • 多種輸出格式

    簡報、心智圖、學習指引、語音摘要 Podcast、影片摘要——選最適合你大腦的

研究者最常用的四種 NotebookLM 用法

📚

文獻回顧加速器

一次丟 30–50 篇 paper，請它整理研究缺口表、方法比較表、共識與爭議分布。
預期：原本 2 週的初步盤點，3 小時完成。

🎙️

Audio Overview 通勤學習

把整個主題的關鍵 paper 變成 15 分鐘 AI 雙人對談，戴耳機通勤聽。
預期：把死時間變成深度學習。

🧪

Method 段落專家化

把同一統計方法的不同教科書與 paper 都丟進來，問「這個情境該用哪個 test？」
預期：得到帶引註、可信度高的方法建議。

🗂️

萬物筆記本（Steven Johnson 心法）

一份「所有領域核心參考」的筆記本，跨研究主題隨時可問。
預期：知識能跨年度累積，不再每次重起爐灶。

NotebookLM 學術研究 5 步驟工作流

1

依研究問題建立筆記本

命名格式：「主題 + 階段」，例如「正念介入護理生焦慮（文獻盤點）」

2

上傳分層素材

核心 5–10 篇必讀 paper + 10–20 篇延伸 + 1–2 本教科書的相關章節

3

先看 NotebookLM 自動建議的問題

比你硬想要問什麼更快進入材料的核心

4

用 Audio Overview 聽 15 分鐘

通勤、運動時聽兩位 AI 主持人替你串講，回家直接寫初稿

5

把對話存成筆記，匯出大綱

所有有用的問答都儲存；最後請它產出文獻回顧大綱草稿

把 NotebookLM 想成你 24 小時待命的「博士後研究員」——他讀完了你給的所有 paper，隨時可問、絕不亂掰、會引用原文。

06

即時研究助手：Perplexity AI

Perplexity AI 是什麼？

  • 官方定義

    「答案引擎」——介於搜尋引擎與 AI 對話之間的混合體，每個答案都附即時引用

  • 核心差異

    ChatGPT 只給答案；Perplexity 給答案 + 來源連結 + 可追問

  • Academic 模式

    專屬學術搜尋模式，只搜 peer-reviewed 來源（Pro 版本可選）

  • Pro Search 功能

    會先拆解你的問題、規劃搜尋策略、再多輪檢索整合

  • 網址

    perplexity.ai，免費版每天 5 次 Pro 搜尋；Pro 版 USD 20/月

Perplexity vs ChatGPT：什麼時候該用哪個？

用 ChatGPT 適合

  • ✓ 腦力激盪：討論研究方向、概念、隱喻
  • ✓ 寫作與改稿：段落改寫、語氣調整、結構建議
  • ✓ 翻譯與詞彙：中英對譯、學術用語選擇
  • ✓ 程式與計算：統計腳本、實驗模擬、資料處理
  • ✓ 長對話：需要記得前後脈絡的多輪討論

用 Perplexity 適合

  • ✓ 查事實：需要可驗證來源的具體事實
  • ✓ 查最新研究：2024 年後的新資訊、新論文
  • ✓ 查時事：AI 發展、政策、產業動向
  • ✓ 查健康／醫療：需要嚴謹引用的臨床建議
  • ✓ 寫文獻段：需要立刻附上引用連結的研究背景

Perplexity 學術研究 3 個高效用法

PROMPT 
① 切到 Academic 模式（漏斗圖示）：
「Latest evidence on AI literacy education for nursing students 2024-2026」

② 用 Focus + 自訂域名：
限定 pubmed.ncbi.nlm.nih.gov，搜尋特定主題

③ Perplexity Spaces（共享筆記本）：
建立研究主題 Space，所有對話自動歸檔

④ Pro Search 多輪檢索：
問「比較三種介入方式對護理生焦慮的成效，並列出最近 5 年最有力的 RCT」
OUTPUT
回應會包含：
• 結構化答案（含小標）
• 每段事實後標註 [1][2][3] 連結
• 右側「Sources」面板列出所有引用論文
• 底部「Related」推薦下一步可問的問題
• 可一鍵匯出為 PDF 或分享給研究團隊

07

學術文獻與引用分析軟體：Publish or Perish

Publish or Perish 為什麼還沒被取代？

  • 作者背景

    Anne-Wil Harzing 教授（學術計量專家）2006 年起免費維護的桌面軟體

  • 核心能力

    從 Google Scholar / Scopus / Web of Science / Crossref 抓取引文資料，計算 h-index、g-index 等指標

  • 特殊優勢

    比 Google Scholar 介面更強大的批次分析、排序、匯出功能

  • 關鍵用途

    評估期刊影響力、找出領域內被引用最多的 paper、檢視特定學者的學術生產力

  • 網址

    harzing.com/resources/publish-or-perish，Win/Mac/Linux 全平臺免費

Publish or Perish 四大典型應用

📊

評估期刊影響力

輸入期刊名稱，看近 5 年發表論文的平均引用數、h-index。
用途：投稿前評估期刊真實影響力。

🏆

找領域奠基論文

輸入關鍵字，按引用數排序，找出整個領域被引用最多的 10 篇。
用途：文獻回顧必讀清單。

👨‍🏫

研究學者背景

輸入學者名字，看其完整發表清單、總引用數、h-index、近年活躍度。
用途：找指導教授、合作對象、評審。

🌍

跨資料庫比較

同一個查詢同時跑 Google Scholar 與 Scopus，看引用數差異。
用途：學位論文、評鑑報告引用。

08

「多專家」視角的 AI 研究助理：Stanford STORM

STORM 是什麼？

  • 全名

    Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking

  • 出身

    Stanford OVAL Lab 開源專案，2024 年釋出論文與程式碼

  • 核心能力

    輸入主題 → AI 自動扮演多種視角的研究者來回問答 → 產出維基百科等級的長篇文章

  • 特殊設計

    會主動「站在不同利害關係人立場」提問，避免單一視角偏見

  • 使用方式

    線上版 storm.genie.stanford.edu（免費註冊）；進階使用者可自架（GitHub: stanford-oval/storm）

STORM 5 步驟產出研究主題長文

1

到 storm.genie.stanford.edu 註冊

用 Google 帳號登入，免費

2

輸入研究主題

可寫成題目或一段背景描述，越具體越好

3

STORM 自動規劃

它會先列出大綱、再扮演不同 perspective 的研究者互相問答

4

等待 5–10 分鐘

會即時顯示對話過程，可看 AI 怎麼「自我研究」

5

取得長文 + 引用

產出維基百科風格的長文（3,000–8,000 字），每段附來源連結

STORM 不是給你最終投稿稿，是給你一份「我從來沒接觸過這個主題，但需要 30 分鐘建立全貌」時最快的 first draft。

09

Claude Code 進階：開源學術工具

為什麼要用 Claude Code 串接開源工具？

前面介紹的 7 個工具都是「現成 SaaS」——介面友善、上手快，但你被綁在它的功能與價格裡。

Claude Code（Anthropic 官方 CLI）是一個會寫程式、會自動執行任務的 AI 終端機。它能直接 git clone GitHub 上的開源學術工具，幫你跑、幫你改、幫你串成專屬流水線。

只要你願意花一個下午學基本指令，就能擁有一個「24 小時待命、可不斷進化、不被任何 SaaS 漲價綁架」的研究流水線。同樣的邏輯也適用於 OpenAI Codex CLI——兩者都能讀取本地檔案、執行 shell 指令、迭代修改程式。

安裝 Claude Code 三步驟（免寫程式背景）

  • 前置：裝好 Node.js 18+

    到 nodejs.org 下載安裝包，一鍵安裝

  • 打開終端機，執行

    `npm install -g @anthropic-ai/claude-code`

  • 登入 Anthropic 帳號

    在任何專案資料夾打 `claude`，跟著畫面登入即可

  • 第一句話可以問

    「請幫我把這個資料夾整理一下」——觀察它怎麼讀檔、規劃、執行

  • 進階

    裝 OpenAI Codex CLI 作為第二意見：`npm install -g @openai/codex`

工具 ① dzhng/deep-research

  • GitHub

    github.com/dzhng/deep-research（4 萬+ stars）

  • 一句話描述

    一個 TypeScript 寫的「深度研究 agent」——給它一個主題，它會自己規劃、搜尋、迭代、產出報告

  • 核心特色

    可自訂搜尋深度（depth）與廣度（breadth），預設用 OpenAI 模型但可換成 Claude

  • 典型用法

    「給我一份關於 AI 在護理教育應用的 30 頁文獻盤點，深度 3 層、廣度 5 個子題」

  • Claude Code 串接

    請 Claude Code 幫你 clone repo、改成用 Claude API、跑出第一份報告

Claude Code 一鍵啟動 deep-research

PROMPT 
在終端機打開 Claude Code，貼這段給它：

「請幫我做以下事情：
1. clone github.com/dzhng/deep-research 到 ~/research-tools/
2. 安裝依賴 npm install
3. 設定 .env 用我的 Anthropic API key（claude-sonnet-4-6）
4. 跑一份主題：『正念介入對護理生焦慮的成效』，depth 3、breadth 4
5. 結束後把報告存到桌面的 nursing-mindfulness-report.md」
OUTPUT
Claude Code 會：
• 自動 git clone 並 cd 進去
• 跑 npm install，遇到錯誤會自己嘗試修
• 讀 .env.example，複製成 .env，引導你貼 API key
• 改 src/providers.ts 把 OpenAI 換成 Anthropic（如果你說要）
• 執行 npm run start 並餵入你的主題與參數
• 產出後把 markdown 移到桌面，並告訴你下一步建議

工具 ② wshuyi/deep-research（中文 Claude Code Skill）

  • GitHub

    github.com/wshuyi/deep-research（中文 README 完整、學術導向）

  • 一句話描述

    一個 Claude Code Skill，把模糊主題用「8 步系統化方法論」轉成可交付、可追溯的調研報告

  • 資料分層

    L1 官方文件 > L2 部落格 > L3 媒體 > L4 社群——強制把每個事實標註來源層級

  • 獨立校驗（v2.1 新增）

    Step 6.5 啟動獨立 Agent 在報告產出前重新核對事實與推理鏈，避免幻覺

  • 典型場景

    寫 literature review、技術選型對比、跨領域文獻盤點、回應審稿意見前的證據準備

安裝與啟動 wshuyi/deep-research

PROMPT 
安裝（任一方式）：

方式 1：git clone
  git clone https://github.com/wshuyi/deep-research.git
  cp -r deep-research/skills/deep-research ~/.claude/skills/

方式 2：plugin marketplace
  /plugin marketplace add wshuyi/deep-research
  /plugin install deep-research@wshuyi/deep-research

啟動（自然語言觸發）：
  「深度調研：正念介入對護理生焦慮的成效」
  「對比分析 RCT 與單組前後測在護理介入研究的適用情境」
OUTPUT
會自動跑 8 步流程：
  Step 0   問題類型判斷
  Step 0.5 時效敏感性評估
  Step 1   問題拆解
  Step 2   資料分層 L1–L4
  Step 3   事實卡片（每條附來源）
  Step 4   對照框架
  Step 5   參照基準
  Step 6   推導鏈
  Step 6.5 獨立 Agent 校驗（BLOCKING）
  Step 7   用例驗證
  Step 8   交付化處理

產出落在 ~/Downloads/research/<topic>/：問題拆解、資料來源、事實卡片、對照框架、推導過程、校驗紀錄、最終報告

工具 ③ labarba/sciwrite

  • GitHub

    github.com/labarba/sciwrite（Lorena A. Barba 教授維護）

  • 作者背景

    George Washington University 機械工程教授，學術寫作教學經典課程作者

  • 一句話描述

    一份結構化的「科技論文寫作品質檢查清單」——可當 prompt 餵給任何 LLM 改稿

  • 核心檢查項

    句子結構、被動語態、冗餘字詞、轉折詞濫用、段落主題句、術語一致性

  • Claude Code 用法

    把你的 paper draft 與 sciwrite 規則一起餵給 Claude Code，請它逐段審閱

Claude Code 跑 sciwrite 改稿流程

PROMPT 
在你的論文資料夾打開 Claude Code，貼這段：

「請幫我做：
1. 從 github.com/labarba/sciwrite 抓最新的 writing rules（在 README 與 docs/ 底下）
2. 讀我這個資料夾下的 introduction.md
3. 依 sciwrite 的 5 大原則（clarity、concision、active voice、keyword consistency、no clutter）逐段審閱
4. 對每段給：原句 → 問題 → 建議改寫 → 改寫理由
5. 把結果存成 introduction-review.md」
OUTPUT
你會收到：
• 逐段對照表格
• 標出哪些句子過長（>30 字）、哪些用了被動式但可改主動
• 重複出現但意思相同的詞（如 utilize / use / employ 三選一）
• 段落主題句是否在第一句出現
• 整體 readability 評分與優先修改建議
• 可進一步問：「請直接幫我改寫第 3 段並保留原意」

工具 ④ futurehouse/paper-qa

  • GitHub

    github.com/Future-House/paper-qa（FutureHouse 開源）

  • 一句話描述

    專為科學文獻設計的「高準確 QA 系統」——只回答有引用支撐的問題，會主動說「我不知道」

  • 核心優勢

    對比 ChatGPT，幻覺率極低；論文比對指出在科學問答上勝過商用 GPT-4

  • 典型用法

    丟一個資料夾的 PDF，問「這些 paper 對 X 的共識是什麼？」

  • Claude Code 串接

    請 Claude Code 幫你裝 Python 環境、灌一批 PDF、跑批次問答

工具 ⑤ assafelovic/gpt-researcher

  • GitHub

    github.com/assafelovic/gpt-researcher（22k+ stars）

  • 一句話描述

    另一個自主研究 agent，比 deep-research 更早、生態更完整

  • 特色 1

    內建多種報告格式：detailed report、resource report、outline report

  • 特色 2

    支援 LangChain，可整合到更大的研究流水線

  • Claude Code 用法

    請 Claude Code 幫你架起來，並改成用本地 Ollama 跑 Llama 3.3 完全免 API key

Claude Code / Codex 的 5 個學術小工具

📄 microsoft/markitdown 把 PDF / Word / Excel / PPT 全轉成乾淨 Markdown，餵給 LLM
🌐 jina-ai/reader r.jina.ai 把任何網頁變成乾淨 markdown，免登入免 API
📚 arxiv-mcp-server MCP server，讓 Claude Code 直接查 arXiv 並下載 PDF
🔬 semantic-scholar-mcp MCP server，查 2 億+ paper，含引用網絡
🧪 openai/openai-agents-python OpenAI 官方 agent 框架，可建研究小組

進階：把多個工具串成研究流水線

  • Step 1：靈感階段

    Perplexity 或 Consensus 查最新證據 → 鎖定研究問題

  • Step 2：盤點階段

    Research Rabbit 視覺化網絡 → 匯出 50 篇核心 paper（BibTeX）

  • Step 3：理解階段

    paper-qa + NotebookLM 雙線：前者跑批次問答，後者做主題對話

  • Step 4：撰寫階段

    STORM 產初稿大綱 → Claude Code 用 sciwrite 規則逐段改寫

  • Step 5：投稿階段

    Publish or Perish 評估期刊 → SciSpace 產對應期刊格式

10

研究倫理與實作建議

AI 進入學術，必須守住的五條紅線

  • 1. AI 不能列為作者

    Nature、Science、JAMA 等頂刊都明確禁止；AI 只能是工具

  • 2. 必須揭露使用情形

    投稿前看期刊規範，多數要求在 Methods 或 Acknowledgements 揭露

  • 3. 引用一定要回查原文

    AI 偶爾會編造看似真實的引用——務必到原始期刊頁面驗證

  • 4. 敏感資料不上雲

    個資、未發表臨床資料、競爭性資料，避免上傳到非機構審核的工具

  • 5. 結果你要負責

    AI 可以提建議，但所有判斷、結論、引用的正確性最終都是你的責任

核心原則：AI 是「研究助理」不是「研究代理人」。任何能讓你說出「這是我的研究」的環節，都必須由你親自把關。
✍️ Practice

練習 ② 設計你的 30 天 AI 研究升級計畫

  1. 1 挑 3 個今天介紹的工具，排出 30 天的學習與整合順序
  2. 2 第 1 週：先從最低門檻的 Perplexity + Research Rabbit 開始，每天用 30 分鐘替你的研究主題建立文獻地圖。
  3. 3 第 2 週：把核心 30 篇 paper 灌進 NotebookLM，每天用 Audio Overview 通勤聽 15 分鐘。
  4. 4 第 3 週：學會 SciSpace + Consensus 的高效查詢，產出第一份文獻回顧草稿。
  5. 5 第 4 週：嘗試裝 Claude Code，跑一次 sciwrite 改稿；下個月開始嘗試 deep-research、paper-qa 自架流水線。
⏱ 15 分鐘 📎 你的研究主題、紙筆、行事曆

11

資源、社群、下一步

本次介紹的所有工具，一次收齊

🐰 Research Rabbit www.researchrabbit.ai
🔭 SciSpace scispace.com
📊 Consensus consensus.app
📓 NotebookLM notebooklm.google.com
💬 Perplexity perplexity.ai
📈 Publish or Perish harzing.com
⛈️ STORM storm.genie.stanford.edu
🧠 Claude Code claude.com/claude-code

Vista 的延伸學習資源

從今天起，把 AI 變成你的研究副駕駛

工具會繼續換代，但「結構化思考 × 系統化收斂 × 個人化累積」的方法不會過時。今天動手做，就是建立你研究系統的開始。

📣 邀請 Vista 到您的單位授課
歡迎各大學、企業、公部門邀請演講與工作坊：AI × 學術研究與寫作、AI 內容產製、Vibe Coding、知識管理系統、第二大腦工作流

🎤
課程與演講官網
vistacheng.com｜邀約、課程、著作、媒體露出一覽
📥
免費下載｜AI 學術寫作指南
vista.tw/ai-academic-writing
📚
學術寫作文章索引
vista.tw 學術寫作標籤頁，持續更新

📩 iamvista@gmail.comVista Cheng｜歡迎來信討論合作