传统引文索引只能告诉你“谁引用了这篇论文”，却回答不了更关键的问题：引用者是在支持它，还是在反驳它？Scite（scite.ai）是一个面向学术文献的智能引文分析平台，通过深度学习对全文语料库中出现的每一条引用语句做三分类——支持性引文（supporting）、对比性引文（contrasting）与提及性引文（mentioning），同时保留引文所在的原句语境。它的核心产品是“智能引文”（Smart Citation）：把“谁引用了”与“怎么评价”合并为一个可检索、可量化的数据对象。 对科研人员、期刊编辑、情报分析者以及正在构建论文检索或 RAG 管道的 AI 工程师来说，Scite 的价值在于把“证据关系”变成可筛选、可计量的信号。本文覆盖从账号注册、浏览器扩展到快速查证论文争议性引文、API 集成的完整实操路径，并给出与 Semantic Scholar、Connected Papers、Litmaps 的选型对比，帮助你在文献综述、科研评价和 AI 工作流中直接上手。
掌握 Scite 意味着你能以“引用意图”而非“引用数量”评估论文与期刊，这对科研评价、系统综述与 LLM 知识库构建都是关键加分技能。
目录
速览卡是工具类内容的固定首屏模块：30 秒判断「这工具是什么、能不能商用、适不适合我」。
为什么需要 Scite：引用数量无法回答“引用者赞成还是反对”
传统引文索引（如 Google Scholar、Web of Science 的引文报告）只记录“谁引用了谁”。但一篇论文可能被当作可靠结论引用，也可能被当作错误范例引用，这两种情况在传统索引中都显示为一条普通引文。结果是：引用次数无法区分“正面认可”与“反面否定”，无法回答“这篇论文的结论是否被后续研究质疑”这一最基本问题。
Scite 的解决方案是引文分类（citation classification）——用深度学习模型对全文语料中出现的每一条引用语句打标签，分为三类：支持性引文（认可其方法或结论）、对比性引文（提出争议或反证）、提及性引文（仅提及、不表态）。更重要的是，Scite 保留了每条引文在被引文献中所在的上下文句子（citation context），让用户可以逐条打开原文段落核验。这种“引用意图 + 引用语境”的组合，是传统引文索引不具备的分析维度。
与同类工具相比，Scite 的定位偏向“证据关系分析”：Semantic Scholar 侧重学术搜索引擎与文献发现，Connected Papers 侧重论文网络的图谱可视化，Litmaps 侧重文献脉络追踪；而 Scite 特别适合需要判断论文可信度、筛选争议证据、评估期刊正向引文占比的场景，如系统综述、同行评议和科研绩效评估。
安装与环境配置：3 步就绪
步骤一：注册账户。 打开 [scite.ai](https://scite.ai)，使用邮箱或机构 SSO 注册。免费账户可搜索文献、查看智能引文面板，但每日有一定搜索与查看配额限制，团队使用建议后续升级机构订阅。
步骤二：安装浏览器扩展。 访问 [scite.ai/extension](https://scite.ai)，按浏览器选择对应版本：Chrome Web Store、Firefox Add-ons 或 Edge Add-ons。安装后点击扩展图标，使用已注册账号登录，完成授权激活。
步骤三：验证。 打开任意 PubMed 或 arXiv 论文页面，扩展会在页面侧边显示智能引文徽章（browser badge），展示该论文的支持性引文与对比性引文占比；点击徽章可展开具体分类列表。出现该徽章即表示安装配置成功。
# 本工具为浏览器/网页端操作，无命令行安装需求。# 安装后请确认浏览器版本及企业策略允许安装第三方扩展。
快速上手：5 分钟检查一篇论文是否被反驳
最小可用流程的思路：在 Scite 上找到目标论文 → 查看智能引文面板 → 筛选对比性引文 → 阅读上下文原句判断争议点。整个过程在网页端完成，不需要写任何代码。
1. 在 scite.ai 首页搜索框输入论文标题或 DOI（如已知 PubMed ID，也可直接粘贴 DOI 链接）。
2. 打开目标论文详情页，找到“Smart Citations”（智能引文）面板，页面会显示三个数字分别对应支持、对比、提及三类引文数量。
3. 点击“contrasting”（对比）分类标签，面板会列出所有被标记为对比引文的上下文句子，每条都附有引用来源论文的标题与链接。
4. 点击任意一条对比引文，可展开该引文在被引论文原文中的完整段落，用于人工判断引用者是否真的在提出质疑。
5. 返回论文详情页，点击“Reference Check”（参考检查）入口，粘贴论文的参考文献列表（支持 RIS、BibTeX、纯文本），Scite 会自动定位每条文献并提示其中的撤稿论文与异常引用。
进阶技巧：在期刊页面使用“Journal Insights”（期刊洞察）功能，可查看该期刊的支持性引文占比、对比性引文占比及其年度变化趋势，适合在投稿选刊或期刊评价时使用。
核心能力详解：5 大支柱
支柱一：智能引文分类。 Scite 分类器基于 Transformer 预训练模型（如 SciBERT 等科学文献领域模型）在多学科引文语句上微调。模型输入包括被引论文元数据与引用语句上下文，输出为三分类标签。平台对全文语料库中可获取的引文逐条标注，形成超过 10 亿条引文记录的分析基础。这是整个平台的数据基石。
支柱二：引文语境与支持率计量。 每条被分类的引文都附带原始上下文句子，用户可以点击查看全文段落，避免脱离语境误判。平台同时给出支持率（Scite 得分）指标——支持性引文数占该文全部已分类引文的百分比。得分越高，说明后续研究越倾向于正面引用该文成果；得分显著偏低则提示存在较多争议。
支柱三：参考检查（Reference Check）。 面向论文写作与审稿场景。用户粘贴参考文献列表后，系统自动从语料库中匹配每条文献，标记撤稿论文（retracted）、被引错误、缺失 DOI 等异常信息。医学类综述审稿中该功能经常被用作快速筛查工具，能大幅减少“引用已撤稿论文”的低级失误。
支柱四：Scite Assistant。 基于 LLM 的问答助手，面向引用与反引用的证据查询。用户提问“某药物是否有争议”“某方法是否被广泛支持”，Assistant 在回答中直接附上对应的支持性引文或对比性引文链接，将 LLM 生成内容与可验证的文献证据绑定，适合在文献情报工作中作为线索工具使用。
支柱五：期刊洞察与趋势报告。 平台按期刊维度聚合引文分类数据，展示期刊的支持性引文占比、对比性引文占比与年度趋势，并产出基于引文分析的研究报告。这一能力可用于投稿策略、期刊影响力评估与科研管理决策。
生产部署与监控：从上线到运维
部署方式一：浏览器扩展批量下发。 面向团队场景，可通过 Chrome / Edge 企业管理策略（如组策略或 MDM 配置）将 Scite 扩展批量部署到团队浏览器，统一用企业邮箱域名登录。部署后成员在 PubMed、arXiv、Google Scholar 等常用文献入口会直接看到智能引文徽章，无需每次手动打开平台搜索，适合医学编辑部、科研团队日常文献筛查。
部署方式二：API 集成进内部工作流。 Scite 提供 API 接口（官方文档见 [api.scite.ai](https://api.scite.ai)），允许开发者按 DOI 或文章 ID 获取引文分类计数、引文上下文等结构化数据。可将分类结果接入内部的文献早筛系统、知识图谱或 RAG 管道——例如在检索增强生成前，对候选文档的支持率打分，优先采纳获得较高比例支持性引文的来源。集成前需向 Scite 申请 API 密钥，并确认机构订阅对应的配额上限。
可观测性。 建议在部署后监控三件事：一是 API 请求配额余量，避免批量任务触发限流；二是扩展激活率，通过企业应用管理后台查看安装与活跃账号数；三是引文分类结果的抽样复核，定期人工抽查对比性引文样本，确认分类质量与领域覆盖情况符合预期。
<p class="para-label">避坑清单：</p>
<ul class="dash-list"><li>对比性引文是模型对引用意图的判定，并非对论文结论的最终裁决，用于审查时必须回到引文上下文段落人工复核。</li><li>Scite 全文覆盖以 Crossref 等索引库收录为准，非英语文献与部分预印本缺少可分析的引用上下文，结果会低估引用总量。</li><li>免费账户对搜索与 API 请求存在配额限制，团队规模化使用前需确认机构订阅方案，否则批量任务会提前中断。</li><li>参考检查仅覆盖 Scite 全文库所收录的文献，对中文文献和未入库预印本的撤稿提示可能失效，不能视为全量撤稿监控。</li></ul>
| 维度 | Scite | Semantic Scholar | Connected Papers | Litmaps |
|---|---|---|---|---|
| 定位 | 智能引文意图分析 | AI 学术搜索引擎 | 论文关联图谱 | 文献脉络追踪 |
| 编排范式 | 引文三分类 + 上下文展示 | 搜索排序 + 引文上下文 | 共引/文献耦合图 | 引用时间线 + 提醒 |
| 类型约束 | 支持/对比/提及标签 | 无意图标签，靠相关性排序 | 无分类，仅显示关系连接 | 无分类，仅跟踪连接 |
| 学习曲线 | 低 | 低 | 低 | 低 |
| 生态集成 | 浏览器扩展、API、Assistant | 开放 API 与企业版 | 无公共 API | 有限 API（Beta） |
| 生产部署 | API + 扩展 + SaaS | API + 数据导出 | 仅网页交互 | 网页 + 邮件提醒 |
| License | 闭源，免费 + 订阅 | 免费增值，数据开放 | 闭源，免费 + 订阅 | 闭源，免费 + 订阅 |
| 适合谁 | 综述撰写、科研评价、情报核查 | 文献发现、搜索推荐 | 探索陌生领域与相关论文 | 长期跟踪主题演变 |
选型建议：需要判断“一篇论文是被认可还是被反驳”、构建证据型检索或 RAG 评分时，选 Scite；做日常文献发现与相关性搜索，Semantic Scholar 覆盖面更完整；探索主题边界与领域结构用 Connected Papers；长期追踪某个研究方向的发展脉络选 Litmaps。Scite 与后三者并不冲突，可与其他工具在同一工作流中互补使用。
AI 应用场景
系统综述与争议证据筛查
解决的问题：传统综述检索靠关键词命中，无法区分正面引用与负面引用，初审命中后仍需通读全文判断立场，耗时巨大。Scite 的对比性引文分类可将“提出质疑的文献”直接筛选出来。
具体案例：在某药物有效性综述的初筛中，利用 Scite 锁定目标论文的对比性引文列表，将需要精读的争议文献范围从数百篇收敛到数十篇，初筛阶段可缩减至传统人工方式的 1/3 以下。
科研评价与期刊影响力审计
解决的问题：引用数量指标无法反映“赞成性引用”与“批评性引用”的差异，导致高被引论文既可能是里程碑也可能是反面教材。Scite 得分与期刊洞察提供替代视角。
具体案例：机构科研管理部门以支持性引文占比作为内部成果评估的补充指标，对比同一学科内论文的支持率与对比率，识别出引用量高但争议比例更高的论文，为同行评议提供数据支持。
RAG 检索增强与事实核查
解决的问题：RAG 管道从学术文献库检索到的文档，检索模型只考虑语义相关性，不区分文档结论是否可靠。将 Scite API 的支持率作为检索后的文档打分特征，可优先采纳获得较高支持性引文比例来源。
具体案例：在医疗知识库问答系统中，对检索候选按“支持率 + 是否被撤稿”进行二次过滤，过滤后生成的回答中引用来源争议性明显下降，领域专家人工评估“引用合理”的比例提升约 20%。
常见误区
误区Scite 和 Google Scholar 差不多，只是多了一个网页界面，核心还是数引用次数。
正解Scite 的核心不是引文数量，而是引文意图与引文上下文。它对全文语料中的每条引用语句进行支持/对比/提及三分类，并保留引用发生时的原句。用户看到的不是“被引用 n 次”，而是“被支持 n 次、被反驳 m 次、被提及 k 次”，数据形态完全不同。
为何常见：多数初次使用者从搜索框进入，界面与学术搜索类似，容易忽略智能引文面板才是产品核心。
误区一篇论文的支持率 90%，说明结论基本可以采信。
正解支持性引文只反映后续论文作者的主观引用意图，不代表该论文通过了其他形式的客观验证。学术圈存在“引用泡沫”——某些观点被大量论文重复引用，但源头证据并不充分。支持率是信息信号，不是真值判定，最终判断仍需回归原始证据链。
为何常见：把“数量指标”直接映射为“质量指标”是人脑的直觉捷径，Scite 的得分设计容易给人这种错觉。
误区看到论文名下有对比性引文，就认为论文有硬伤、结果不可信。
正解对比性引文包含多种情况：质疑结论、指出适用边界、对方法提出改进、作为反例引用……一条对比引文只能代表某篇论文的引用者表达了不同看法，且该看法本身也可能是错的。正确做法是逐条打开对比引文的上下文段落，评估争议的具体指向，再判断影响。
为何常见：产品 UI 用标签和颜色区分引文类型，用户容易把“contrasting”直接理解成“错误”或“负面评价”。
误区Scite 收录了所有论文，搜索结果里没有就代表没被引用。
正解Scite 的语料以 Crossref、PubMed Central 等开放索引与全文数据源为基础，英文文献覆盖率最好；非英语文献、部分新预印本、无 DOI 的传统文献可能未被收录或缺少可分析的引用上下文，导致引用数据被低估。
为何常见：平台给人的专业感容易弱化覆盖边界问题，尤其在健康与生物医学领域，用户会误以为覆盖范围等于全量 PubMed。
误区注册免费账号后，扩展和搜索都可用，团队直接统一使用免费版就行。
正解免费账户对每日搜索次数、智能引文面板查看量和 API 请求都有配额限制；参考检查、批量导出、机构管理功能也受订阅等级约束。团队规模化用于综述筛查或 API 集成时，免费配额会在实际任务中很快耗尽，需要采购合适的订阅方案。
为何常见：个人体验的配额感知不强，容易低估团队多用户并发调用时的消耗速度。
面试题
Q1. Scite 对引文进行意图分类，三个标准类别是？
- A.正面、负面、中立
- B.支持、对比、提及← 正确答案
- C.相关、无关、不确定
- D.临床、基础、转化研究
答案：B。Scite 的引文分类标签是 support（支持性）、contrasting（对比性）、mentioning（提及性）。A 的“正面/负面”是引文情感倾向的表述，并非 Scite 官方术语；C、D 都不是 Scite 的分类体系。
Q2. 在 Scite 中，“引文上下文”（citation context）指的是什么？
- A.该引文所属期刊的年代
- B.引文所在论文原文的语句← 正确答案
- C.被引文献的摘要内容
- D.作者所在机构的学术头衔
答案：B。引文上下文是论文中出现这条引用时的原句。Scite 通过保留引文上下文，让用户不必打开全文就能看到引用者当时的表述，这也是“智能引文”与普通引文数据库的核心差异之一。
Q3. Scite 浏览器扩展可在以下哪些文献平台的页面上显示智能引文徽章？
- A.Google Chrome 浏览器内部
- B.PubMed 与 arXiv 论文页← 正确答案
- C.所有学术网站
- D.微信公众号文章
答案：B。Scite 扩展会在 PubMed、arXiv、Google Scholar 等常见学术站点的搜索结果与论文页面上显示徽章，并非所有网站。A 是浏览器名，扩展需要搭配具体站点使用；D 与实际能力不符。
Q4. “参考检查”（Reference Check）的主要用途是？
- A.自动生成投稿参考文献列表
- B.定位参考文献并提示撤稿异常← 正确答案
- C.把 PDF 文献转换为 Word 文档
- D.按目标期刊样式重排文献
答案：B。Reference Check 会读取粘贴的参考文献列表，自动匹配语料库中的对应文献，标记出被撤稿或存在异常的条目。它不负责生成或格式化参考文献，而是用于投稿前的引文可靠性核查。
Q5. Scite Assistant 与普通文献问答工具的关键区别是？
- A.它追求更快的跨语言翻译
- B.回答会附带支持或对比性引文← 正确答案
- C.它只回答搜索引擎抓取的页面
- D.回答完全基于统计规则生成
答案：B。Scite Assistant 在生成答案时会绑定可验证的引文证据，优先展示支持性引文与对比性引文的原句及来源链接，让回答可追溯。A、D 与 Scite 的实际能力不符，C 是普通检索式问答的特征。
Q6. 关于对比性引文（contrasting citation），下列说法正确的是？
- A.表示引用者对该文的方法、结果或结论提出争议或反证← 正确答案
- B.表示该论文的内部评审意见被公开
- C.表示该期刊被数据库标记为高风险期刊
- D.表示该论文已被编辑部正式撤稿
答案：A。对比性引文的判别依据是引用语句中是否对被引文献提出了方法、结果或结论层面的异议。选项 B、C、D 都与引文意图分类无关，撤稿与否由期刊与数据库另行记录。
Q7. Scite 可用于以下哪些工作场景？
- A.评估论文的支持性引文与对比性引文比例← 正确答案
- B.发现与某论文观点相冲突的相关研究← 正确答案
- C.直接判定论文是否存在学术不端
- D.对比不同期刊的支持性引文趋势← 正确答案
答案：ABD。Scite 能批量展示单篇论文的分类引文，并支持筛选对比性引文来发现争议来源，期刊洞察功能也提供期刊维度的支持引文趋势。它只能提示撤稿/异常，无法判断学术不端，C 超出产品能力边界。
Q8. Scite 引文分类模型的实现基础是？
- A.基于词频统计的向量空间检索模型
- B.基于 Transformer 的科学文献预训练模型← 正确答案
- C.基于协同过滤的论文推荐模型
- D.基于图论的最大团聚类模型
答案：B。Scite 的分类器采用在科学文献预训练模型（如 SciBERT 等）基础上微调的深度学习方案，对引文语句做多分类。A 是传统信息检索方案，无法建模语义；C 面向推荐系统；D 面向社区发现，均与引文意图分类无关。
Q9. 撰写综述时，你想快速找出所有“对某篇核心论文结论提出质疑”的文献，最有效操作是？
- A.在数据库检索“不同意该结论”的关键词
- B.打开该论文页面并筛选对比性引文← 正确答案
- C.在文献管理软件中批量导入该文参考文献
- D.按时间排序查看该文所有编辑推荐文章
答案：B。对比性引文就是模型判定的“引用者对原文持异议”的引用。直接筛选对比性引文列表，再逐条阅读引文上下文，能在数分钟内形成争议证据清单。A 依赖全文关键词，召回低；C 只能看参考文献；D 与争议证据检索无关。
Q10. 以下哪些内容属于智能引文（Smart Citation）的组成部分？
- A.引用的原始上下文语句片段← 正确答案
- B.支持、对比、提及的分类标签与计数← 正确答案
- C.引用该论文的期刊影响因子列表
- D.引用论文的标题、年份与来源链接← 正确答案
答案：ABD。智能引文把引文上下文、引文分类标签与计数、引用论文元数据整合为一体。期刊影响因子不是引文本身的属性，不在智能引文范围内，C 错误。