Elicit：把文献综述里最磨人的机械劳动，交给一位不知疲倦的 AI 科研助手

Elicit 是什么？Elicit 是一款面向科研人员的 AI 文献助手，由研究机构 Ought 孵化，核心能力是围绕你的研究问题检索学术文献、按预设字段抽取每篇论文的关键信息，并把结果组织成可横向比较的证据表格。其底层语料依托 Semantic Scholar 的学术索引，覆盖规模达上亿篇论文。

访问官网返回首页

先算一笔时间账：文献综述究竟慢在哪

做过实证研究的人都有同感：写论文最耗时的从来不是“写”，而是“读”。为了回答一个看似简单的研究问题——某干预措施是否有效、某变量之间是否存在稳定关联——你需要在数据库里反复组合检索词，导出成百上千条题录，逐条浏览标题摘要做纳入排除，再把留下的几十篇全文拆解成笔记。按照 PRISMA 声明记录的系统综述规范，一次严谨的筛选动辄要淘汰数千篇记录，且每一步都得留下可供复核的痕迹。

这些工作有一个共同特征：流程高度固定，单步却极耗注意力。Elicit 的切入口正是这一段——让语言模型承担检索扩展、摘要通读、字段摘录这类机械环节，把研究者的时间还给真正的判断与推理。它不承诺替你完成研究，而是试图把你从“文献搬运工”的位置上解放出来。

它能从一篇论文里抽出什么：六张研究特征卡

Elicit 最被同行称道的能力叫“数据抽取”：你定义好关心的字段，它逐篇读取文献并填入结构化表格。以下六类特征是实证文献中最常被抽取的信息维度。

研究设计类型

区分随机对照试验、队列研究、横断面调查、个案研究或定性访谈，帮你快速判断证据等级。

样本与人群

抽取样本量、研究对象的地域与年龄范围、纳入排除标准，方便跨研究比较人群异质性。

干预或暴露因素

记录实验处理的具体变量、剂量、频次与持续时间，避免“同名不同方”的误比。

结局指标

列出主要终点与次要终点的定义和测量方式，这是判断两篇文章能否对话的前提。

效果与作者结论

概括效应方向、大小以及作者自己承认的局限，注意：这是模型的转述，不是原文。

出处与资助信息

保留期刊、年份、资助方等元信息，便于追溯利益冲突与发表偏倚。

需要强调的是，抽取质量高度依赖原文写得是否清晰。凡是准备写进论文的数字，都应该回到原文核对一遍——这也是下文坦白盒要谈的问题。

五步搭一条轻量的系统综述工作流

不必一步到位对标 Cochrane 级别的完整流程，但下面这条五步工作流能让 Elicit 在课题早期就发挥实效：

把问题翻译成可检索的标准先用 PICO 等框架写下研究问题、纳入与排除标准。标准越明确，后续每一步的争议越小。
用自然语言批量检索文献把问题直接抛给 Elicit，它会扩展语义相近的检索式并返回相关论文列表，再由你补充关键词检索兜底。
让模型预筛，人只看边界案例先由 AI 按你的标准给候选文献打分排序，你集中精力复核排在中间地带的可疑条目，而不是从头读到尾。
抽取字段，生成证据矩阵定义列名后批量抽取，形成一张可排序、可筛选的证据大表；对相互矛盾的行，回到原文找原因。
导出结果，接入正式写作流程把表格与引用导出到本地，配合 PRISMA 流程图完成报告规范要求的记录。

循证场景速查表：什么时候该想起它

典型场景	推荐用法	可以放心交给它	必须留给人
系统综述选题论证	快速盘点已有证据规模，判断题目是否已被做透	检索扩展与初步筛选	最终纳排决定
写作中的快速取证	就单个问题请求“有哪些研究支持 X”	候选文献定位	逐句核对引文
开题与基金申请	梳理领域图谱，找出研究缺口	特征抽取与汇总表	创新点的论证
临床证据盘点	按人群、干预分组比较研究结果	证据矩阵初稿	诊疗结论的把关
跨学科技术情报	追踪相邻领域的最新进展	定期检索与摘要推送	对本领域的适配判断

覆盖范围坦白盒：这些坑请提前知道

在使用之前，我们希望你清楚以下事实

语料以英文学术文献为主，中文及其他非英语文献的覆盖相对有限，重要课题应辅以本土数据库交叉验证。
预印本与最新刊物的收录存在时滞，“检索不到”不等于“不存在”，结论敏感时务必换库复核。
抽取与总结由语言模型生成，可能出现错漏或幻觉；写入论文的每一个数字都要回到原文核实。
它不会替你做因果推断，也不为任何结论的科学性背书；证据等级的评判仍是研究者的责任。
免费档与付费档在用量、模型与导出能力上的边界随版本调整，请以其官网定价页的当前说明为准。

写给不同研究者的使用建议

研究生与博士生可以把它当作文献入门的脚手架：先用证据大表建立领域全貌，再挑出高相关论文精读，能明显压缩开题前的迷茫期。系统综述团队更适合把它放在“预筛与抽取”两个环节，替代一部分人工双筛的工作量，但纳排决定与偏倚评估仍应保留双人独立复核。临床与公共卫生从业者则要格外谨慎——任何接近决策的证据链都必须回到原始文献与权威指南逐条确认。至于本科课程作业或科普写作，用它快速摸清一个话题的代表性研究已经绰绰有余。