Research Rabbit：AI 驱动的文献发现与引文网络工具

为什么需要 Research Rabbit：关键词检索只能「搜到搜得着的」，找不到「相关的」

传统文献调研的痛点很具体：第一，关键词检索依赖你事先知道正确的术语，而新方向（如 LLM Agent 的 memory 机制）术语不统一，换一个词就漏掉一批关键文献；第二，综述时需要沿着参考文献与被引文献来回跳转，PubMed、Google Scholar、出版社页面之间反复切换，一次调研要开几十个标签页；第三，跟踪前沿靠「定期手动重搜」，无法在论文刚上线时及时获知。

Research Rabbit 的解法是「以文找文」：把几篇种子文献放进系统，算法基于标题、摘要的语义相似度与引文关系，自动生成一张相关文献网络图，并给出「相似文献」列表。你不需要想清楚所有关键词，只需要确认几篇代表性论文对得上眼，系统替你完成扩展。同时，收藏集可以开启邮件跟踪，新文献一出现就推送，把「主动检索」变成「被动接收」。

与同类工具的气质差异在于：Connected Papers 以单篇文献为中心做即时展开，适合「快速看某篇论文的相关工作」；Research Rabbit 则以「文献集合」为单元做持续管理，更适合长期跟踪一个研究方向或支撑整个课题组的综述工作。

注册与初始配置：3 步就绪（无需安装）

Research Rabbit 是纯网页工具，没有客户端安装环节，但注册与初始配置有 3 个关键步骤，建议按顺序完成：

1. 注册账号：访问 [researchrabbit.ai](https://researchrabbit.ai)，点击页面上的注册入口，填写邮箱并设置密码，系统会发送验证邮件。也可以使用 Google 账号或 ORCID 账号直接授权登录。建议优先使用机构邮箱或 ORCID，便于后续与其他学术服务打通。

2. 验证邮箱并进入工作台：到邮箱点击确认链接后，系统引导进入工作台首页。首次进入会询问是否关联 Zotero 账号——如果课题组已经在用 Zotero 管理文献，建议在此步授权连接，这样后续可以把 Zotero 里的文献一键导入作为种子；不需要 Zotero 也可以跳过，不影响使用。

3. 确认数据来源与搜索偏好：在设置中确认系统默认检索来源（官方说明中提及数据来自 Semantic Scholar、Crossref、PubMed 等学术索引库）。这里无需手动配置接口，但需要了解：数据覆盖范围由第三方索引库决定，不包含的文献无法被检索到。

# 无安装命令。Research Rabbit 为网页 SaaS 产品，# 浏览器访问 https://researchrabbit.ai 即可注册使用。

快速上手：15 分钟跑通「种子文献 → 引文图 → 相似推荐 → 自动跟踪」

最小可用流程的核心思路是：先建一个收藏集作为「文献篮子」，放入种子文献，再让系统围绕种子生成引文图和相似文献列表，最后开启跟踪。整个过程按以下步骤操作：

1. 创建收藏集：登录后在工作台点击「新建收藏集」（New Collection），命名为你的调研主题（如 「LLM Agent 综述」）。收藏集是后续所有操作的组织单元。

2. 添加种子文献：在收藏集内点击「添加文献」，通过搜索标题、粘贴 DOI，或（若已连接 Zotero）直接导入 Zotero 文献库中的条目，放入 3–10 篇你确认「是这个领域的核心论文」的文献。种子文献的质量直接决定推荐质量。

3. 查看文献详情与相似推荐：点击任意一篇种子文献进入详情页，页面会展示该文献的「相似文献」（Similar Work）列表——这是系统基于语义相似度找到的相关论文，逐篇浏览，把值得读的加入收藏集。

4. 生成引文图：在收藏集页面点击「可视化」（Visualize），系统生成以种子文献为核心的引文网络图。图中节点代表文献，节点大小反映被引量；使用时间轴过滤，可以只看某一年之后发表的工作。

5. 开启跟踪：在收藏集设置中打开「跟踪」（Track）选项，当系统索引到符合该收藏主题的新文献时，会向你的注册邮箱发送通知。

15 分钟内即可完成以上流程。进阶技巧：引文图提供「参考文献」与「被引文献」两个方向的扩展，做综述时先沿「被引文献」方向找到领域奠基性工作，再切回「相似文献」补齐近期进展，比单向追溯更系统。注意系统数据更新存在延迟，刚上线几天的论文可能不会立即出现在推荐里。

核心能力详解：5 大支柱

支柱一 · 引文网络可视化。系统为收藏集生成可视化图谱，节点是文献、连线代表引用或相似关系，节点大小与被引量相关。配合年份过滤，可以在一个视图里回答「这个领域从哪篇开始、近几年在往哪些方向走」。图谱不是静态图片，点击节点即可展开对应文献详情，方便继续追加收藏。

支柱二 · 语义相似推荐（Similar Work）。这是与关键词检索最本质的差异：系统基于标题与摘要的语义相似度计算相关文献，即使不共享任何关键词也能被发现，适合检索术语不统一的新兴方向。实际使用中，推荐列表按相关度排序，并展示每篇文献的被引量与年份，便于快速筛选。

支柱三 · 收藏集体系。收藏集是组织单元，支持把文献按主题、项目、综述章节分组。每个收藏集可以独立开启跟踪与导出，多个收藏集之间允许文献重叠，不会互相干扰。对于跨主题研究的从业者，建议一个收藏集对应一个明确的研究问题，而不是一个大而全的「所有文献」集合。

支柱四 · 研究小组协作。可以创建研究小组并邀请成员加入，组内成员可共享收藏集，看到彼此添加的文献。这解决了课题组综述时「各自收集、最后汇总」的同步成本问题——所有人在同一收藏集上增量补充，组长随时查看进度。

支柱五 · 全文定位与外部工具衔接。每条文献记录提供指向原始来源（出版社、PubMed、arXiv 等）的链接，并尝试通过 Unpaywall 等开放获取通道提供免费全文。发现阶段的产出可以结合 Zotero 管理 PDF 全文，两者分工：Research Rabbit 负责「发现与组织」，Zotero 负责「存储与引用格式」。

生产部署与监控：文献工作流的上线与日常运维

部署方式一：接入课题组协作流。在团队层面，由负责人创建研究小组，把检索式综述任务拆成多个收藏集（如「背景」「方法对比」「应用」），组员各自认领并持续添加文献。每周组会前，组长查看各收藏集的增量即可掌握进度，不需要再收集每个人的文件夹。

部署方式二：与 Zotero 建立双向工作流。注册时连接 Zotero，把团队已有文献库作为种子来源；发现阶段的新文献，在 Research Rabbit 中确认后转入 Zotero 作为正式文献库条目。注意这是一个「先发现后归档」的流水线，不要把 Research Rabbit 当作 PDF 存储库——它没有全文管理能力。

可观测性：邮件跟踪与数据新鲜度核对。收藏集开启跟踪后，系统定期检查并邮件推送新文献，这是「监控」主通道。需要核对的点是：数据源（Semantic Scholar、Crossref、PubMed 等）的索引存在延迟，某篇论文在图中显示 0 被引时，先确认是否刚发表，而非直接认定为冷门。建议每季度清理一次收藏集中的重复条目和已确认无关的文献，保持推荐质量。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>坑 1：把 Research Rabbit 当文献管理器用。它不做 PDF 全文存储、不做引用格式生成（BibTeX/EndNote 导出），PDF 归档交给 Zotero 等工具。</li><li>坑 2：期望「什么文献都能找到」。它依赖第三方索引库的收录范围，部分会议论文、非英语文献、未入库的预印本会检索不到，不表示该文献不存在。</li><li>坑 3：种子文献随便放几篇。推荐质量由种子质量决定，应选择该领域被引较高、公认有代表性的核心论文；只放一篇低相关文献会带偏整个推荐。</li><li>坑 4：把引文图当作实时完整的引文关系。图中数据有更新延迟，刚发表文献的引文关系不完整，引用图更适合看「积累多年的结构」，即时性数据需回原始数据库二次确认。</li><li>坑 5：忽视邮箱验证与跟踪开关。未验证邮箱无法收到跟踪通知；收藏集默认不跟踪，需要手动开启才会推送新文献。</li></ul>

AI 应用场景

常见误区

面试题

参考来源

• webpageResearchRabbit 官网产品入口、注册与功能总览