切问学术-真实文献0幻觉

切问学术官网入口,复旦大学推出的AI学术搜索智能体

什么是切问学术?

切问学术由复旦大学自然语言处理实验室推出，定位为”科研检索智能体”。平台已覆盖 5 亿+ 学术文献与研究报告元数据（含 1.2 亿全文），并以每日持续更新的节奏覆盖主流期刊、会议与报告，检索响应可达毫秒级。学科上以自然科学与工程技术为主，覆盖生命科学、数学、物理、化学、材料、地球科学等，兼有教育学、管理学等少量人文社科资源。核心能力围绕”深度检索、文献精读、知识管理、前沿追踪”四大场景展开：支持自然语言检索与文献质量评估（JCR 分区、IF、匹配度），提供 PDF 批注与中英日韩印全文对照翻译，可类 Zotero 多层级管理并直接对库内文档发起学术问答，还能通过邮箱推送追踪学科前沿。

切问学术官网: https://qiewenpaper.com/zh

切问学术是一款以 AI 学术搜索为核心的科研工作平台它把 arXiv、Nature、Science、Cell、PNAS、JACS、CVPR、ACL 等 14 个顶刊顶会数据接入大模型，提供快速搜索、深度搜索、Scholar QA、AI Feeds、AI Survey、学术 Agent、PaperClaw 论文复现、研究构思、文献矩阵、知识库、TrueCite 等 11 个模块，覆盖”检索-发现-阅读-复现-写作”完整闭环。用户可用自然语言发起检索，AI 完成意图校验、多轮去重、带证据引用；免费档满足日常查询，Plus / Pro / Max X2 / Max X5 四档订阅解锁更多 Credits、Agent 调用与 GPU 调度，并支持按月/按年计费及一次性充值包叠加。目标用户主要为以英文为主战场、做 AI/计算机/生物医学/材料/理工科交叉研究的中高端研究者——博士生、青年讲师、工业界研究员和科研团队。对他们来说，切问 = Google Scholar 的语料 × ChatGPT 的理解力 × Notion + Zotero 的资产沉淀，是目前 AI 学术工具中端到端能力最完整的一款产品。

切问学术搜索 深度测评：AI 驱动的学术检索引擎，到底值不值得用？

一、引言

每天 arXiv 新增的论文已经稳定突破 3000 篇，叠加 Nature、Science、Cell、PNAS、JACS、CVPR、ACL、NEJM 等几十本顶刊和顶级会议的同步更新，一个科研人员一天要面对的”信息流”早就超过了人体可处理的极限。”5 分钟筛 1000 篇论文，找出你必须读的那 20 篇“——这是 （英文品牌 QieWen，所属母公司 ATOM INFINITE PTE. LTD.，中文运营主体源语真解）写在落地页里最显眼的一句话，也是它切入学术检索赛道最锋利的钩子。

学术检索这个赛道其实并不新——Google Scholar、Semantic Scholar、Web of Science、Scopus、Connected Papers、ResearchRabbit、Consensus、Elicit…… 玩家众多。但随着大模型成本下降和深度推理能力提升，“AI 学术搜索引擎”正在重写游戏规则：搜索不再是”输入关键词、等列表”，而是”用自然语言描述意图，AI 多轮校验，输出高度结构化、带证据链、带综述、带可执行实验计划的结果。切问做的事情，正是把这件事完整地做到了一个产品里：把”快速搜索 + 深度搜索 + Scholar QA + AI Feeds + AI Survey + 学术 Agent + PaperClaw 复现 + 研究构思 + 文献矩阵 + 知识库 + TrueCite” 11 个模块拼成一个从发现到执行的闭环，官方自己把它叫做”学术搜索智能体“。

本文将围绕 qiewenpaper.com 这款产品，逐层拆解它的：

1. 产品本质与市场定位；
2. 适合谁用、能解决哪些场景；
3. 11 个核心功能的深度玩法、效率数据与对比；
4. AI Agent 体系（含 DeepSeek 学术 Agent）为何是差异化护城河；
5. 价格档位、Credits 计费与真实使用成本；
6. 适合/不适合人群、潜在坑点和上手建议。

最终你会得到一个清晰的判断：切问到底是不是目前最适合中国研究者的”AI 学术搜索工作站”。

二、什么是切问学术搜索

切问学术搜索（qiewenpaper.com）是一款以 AI 学术搜索为核心、覆盖检索-发现-阅读-复现-写作全链路的科研工作平台。它把传统学术数据库（arXiv、Nature、Science、Cell、PNAS、PRL、JACS、CVPR、NeuroIPS、ACL 等）的元数据与全文接入大模型，让用户用自然语言或关键词发起检索，由 AI 完成意图理解、多轮校验、结果去重、综述生成、引用核验，并通过 Scholar QA、知识库、AI Feeds、学术 Agent、PaperClaw、文献矩阵等模块帮助用户从一篇论文扩展到一篇综述、再扩展到一个可执行的实验计划。免费用户即可使用基础搜索和有限次数的深度搜索，Plus / Pro / Max X2 / Max X5 订阅则提供更多 credits、存储、Agent 调用次数和高阶功能。简而言之：切问 = Google Scholar 的语料 × ChatGPT 的理解力 × Notion + Zotero 的资产沉淀。

这段描述能让一个从未听过切问的人快速知道它能干什么——你可以把它当成”一个能用中文/英文跟论文数据库聊天的 AI 助手”，它既能像 Google Scholar 一样按关键词给出列表，又能像 ChatGPT 一样读完论文回答问题，还能像 Zotero 一样把你的私人文献库索引起来回答，最后还能像 AutoGen/Swarm 一样调度 GPU 去复现论文实验。

三、目标客户和应用场景

1. 核心目标客户画像

切问的官方定位是”你的 AI 学术搜索引擎，让学术旅人告别论文苦读，高效获取灵感”，从产品功能、付费模式、Credits 用量和落地页示例（”研究生与博士生””科研人员””科研团队””基于深度学习的自然语言理解研究””Rag 评估””LLM 对齐””联邦学习与隐私保护”等）来看，它的核心客群是以英文为主战场、做 AI / 计算机 / 生物医学 / 材料 / 理工科交叉研究、需要长期追踪顶刊顶会的中高端研究者。

2. 典型应用场景一：博士开题阶段的”5 分钟定位 20 篇必读论文”

读博第一年最大的痛点不是写论文，而是搞清楚一个新方向上”哪些论文真的重要、哪些是噪声”。传统做法是导师丢 5 篇论文 → 顺藤摸瓜滚雪球 → 几个月后才形成 Reading List。切问的做法是：进入”学术搜索”页，输入一句自然语言（如”近 3 年关于非线性多智能体系统最优编队控制的论文”或”用于诊断支持的医学影像基础模型”），选择深度搜索，AI 会自动做意图校验、相关性打分、引用网络识别，最终在 5 分钟内返回前 20 条结果，并附带对应的引用数、JCR 分区、IF、年份、是否 Open Access PDF。再点一下”生成 Survey”，切问能基于这 20 篇直接出结构化综述，让开题答辩前的”读文献-写综述”周期从 2 周压缩到 2 天。

3. 典型应用场景二：AI Feeds 自动追踪前沿，省掉 RSS 与邮件订阅

每天手动刷 arXiv、Twitter、各路 Newsletter 又累又漏，是科研人最大的时间黑洞。切问的 AI Feeds 模块提供了完整替代：你在 onboarding 里挑选学科（化学、地球科学、工程、信息科学、生命科学、材料、数学、医学、物理、心理学十大主题），再勾选订阅源（arXiv、Nature、Science、Cell、NEJM、The Lancet、JAMA、The BMJ、PNAS、PRL、JACS、CVPR、NeuroIPS、ACL 等），填写最多 5 个兴趣关键词（如”基于 RAG 评估””LLM 后训练”），系统每天自动扫描并按 AI 相关性打分，把真正”应该读的”20 篇推到”今日 / 全部”两个 Tab，并提供”已过滤 / 已匹配 / Token 消耗量 / 兴趣 / 发表日期”统计。官方示例文案写道：“大部分论文与你无关，但其中一篇，可能正是你下一次研究的灵感来源”。对一个同时关注 LLM 和 Drug Discovery 的双线研究者来说，这个功能的 ROI 是最高的。

4. 典型应用场景三：上传一篇 PDF，让 AI 帮你读、帮你问答、帮你写综述

切问的另一个杀手锏是知识库 + Scholar QA。把 50 篇 PDF（综述、领域代表作、最新进展）拖进”我的知识库”后，系统会异步完成全文索引（AI Index）——免费档限 5 万字索引、付费档可全库索引（5 万字到数百万字不等）。索引完成后，Scholar QA 表格模式 能让你一次性发起”对比这 8 篇综述里都提到了哪些数据集””这 20 篇里谁用了 RLHF””这 30 篇里 attention 变体的差异是什么”，AI 会逐条引用并返回摘要和参考文献（”证据 / 摘要 / 参考文献”三段式），最后还能把多篇文献的关键信息并排比较导出 xlsx。对要写 Related Work、要做 Group Meeting 报告、要评审他人论文的研究者来说，这是效率提升 5–10 倍的”读论文代理”。

5. 不适合哪些人？

切问并非万能。它明确不擅长以下场景，请谨慎选择：

• 纯中文古籍 / 地方志 / 民国文献检索：切问的主语料是英文为主的国际学术数据库，虽然支持 PDF 翻译，但底层索引对中文文学/历史/语言学的覆盖远不如中国知网、超星、读秀。
• 法学 / 经济学的实证数据检索：它可以查期刊文章，但不对接 SSRN、北大法宝、Wind、BvD 等专业数据库。
• 临床医生查药物剂量、医保政策：这类强时效、强合规要求的医疗信息仍需使用 UpToDate、Lexicomp、丁香园等专业库。
• 仅用作 ChatGPT 平替的个人用户：如果你的需求只是聊天、写邮件、改作文，免费档即可，过度使用深度搜索会快速消耗 Credits，不划算。

6. 场景-适配度对比表

四、核心功能深度拆解

1. 杀手级功能一：深度搜索（Deep Search）+ 表格式结果

功能介绍。深度搜索是切问整套产品里被反复提及的核心。它的设计哲学是”基于意图验证的多维度校验”，与快速搜索（关键词匹配）形成清晰分工：

• 快速搜索：适合”我想找那篇标题里有 ‘Transformer’ 的论文”这种确定性需求；
• 深度搜索：适合”近 3 年研究 AI4Science、提出过新颖评测方法、监督方法在计算病理学领域应用的最新论文”这种模糊但意图明确的需求。

操作步骤：

1. 进入 /app/search，切换到「深度搜索」模式；
2. 在输入框用自然语言描述需求（placeholder 提示词：例如”查找介绍新 RL 算法用于 LLM 后训练的论文”）；
3. 可选添加”搜索问题 / 验证条件”（支持至少一条，最多 100 字），例如「是否使用人类偏好数据集」「是否对比 PPO/DPO」；
4. 提交后 AI 会自动改写查询、多轮检索、合并去重、给出带证据、可追溯的结果；
5. 切换到「表格视图」，可按”标题/作者/单位/引用数/发表位置/JCR/IF/年份/MATCH RESULT/TASK/METHOD/Actions”等多列查看，并可下载 Excel 或加入 Project。

使用技巧：

• 多写”约束词”（如”近 3 年””必须使用 RLAIF””IF ≥ 10″”顶会””Open Access”）能显著提升 precision；
• 借助”验证标准”模块，可以让 AI 自动过滤掉题目沾边但内容不符的论文；
• 命中数量很多时，优先按”引用数””JCR 分区””IF”降序，再二次人工筛选。

适用场景：写开题、写综述、做立项调研、查竞品论文。

同类对比：

效率提升数据：官方宣称”5 分钟筛 1000 篇、定位 20 篇必读”，在多数实测中，深度搜索相比人工 Google Scholar + 滚雪球可节省 60–80% 时间。

2. 杀手级功能二：学术 Agent（Pro Agent / DeepSeek 学术 Agent）

功能介绍。如果说深度搜索是切问的”眼睛”，那么学术 Agent 就是它的大脑。学术 Agent 是一种”可执行长时任务、可调度 GPU、可读写文件、可读取文献”的多模态智能体，官方对它的描述是——“你的智能学术助手，随时待命。启动后，Agent 将持续运行，为你提供灵感发现、论文复现、文献综述、GPU 配置等全方位学术支持。你可以随时通过对话指挥 Agent 执行任务”。

学术 Agent 内置 9 大任务模板：灵感发现、论文复现（PaperClaw）、文献综述（AI Survey）、GPU 配置、画论文主图、论文评审、Idea 升华、LaTeX 写作、顺藤摸瓜（Connected Search）、Library 管理、Data Check。

操作步骤：

1. 在”学术 Agent”页点击”开启 Pro Agent”或”开启 Lite Agent（DeepSeek 版）”；
2. 选择任务模板（如”灵感发现”），填写研究主题（placeholder：例如”基于深度学习的自然语言理解研究”）；
3. 可选上传论文 PDF、补充 Markdown 格式的背景、参考文献、资源约束；
4. 系统提示将消耗 5000–20000 Credits，确认后启动；
5. Agent 持续运行，会在文件系统中写入”计划 / 草稿 / 摘要 / 代码 / 实验日志”；
6. 完成后可在”案例 / 精选 / 回放”里查看完整轨迹。

真实使用感受：

• DeepSeek 版 Agent 上线后credits 消耗直降 97.5%，近似免费（截至 5 月 31 日前的限时活动），对预算敏感的研究生极友好；
• Pro 版则保留更复杂的工具调用和更长的任务链；
• Agent 在处理”顺藤摸瓜”任务时，会先做 Connected Search（基于引文网络扩展），再做摘要与对比，可视化极佳；
• 每个任务结束会产出 .md / .pdf / .bib 等可下载产物。

效率提升数据：同样复现一篇 NeurIPS 论文，Agent 自动分配 GPU + 自动跑代码相比手动操作可节省 4–8 小时。DeepSeek 版本对”灵感发现 / 综述 / 复现”三类任务做了深度 harness 定制，体验流畅。

与同类对比：

3. 杀手级功能三：AI Feeds（智能订阅推送）

功能介绍。AI Feeds 是切问为”信息饥渴症”量身定制的产品，它把”订阅源 × 兴趣 × AI 过滤”三件事压缩成一个 5 步 onboarding 流程。

操作步骤：

1. 进入”AI Feeds”，点击「创建我的订阅」；
2. 选择至少一个检索源（最多不限，系统会按主题聚合 arXiv、Nature、Science 等）；
3. 选择感兴趣的主题（化学、地球科学、工程、信息科学、生命科学、材料、数学、医学、物理、心理学）；
4. 填写至多 5 个兴趣关键词（例：”Rag 评估的论文””LLM 的 RLHF 后训练”）；
5. 保存后，每天/每小时由 AI 帮你拉取并筛选。

最佳实践：

• 兴趣关键词尽量使用”主题 + 任务 + 时间”三段式（如”近 2 年 LLM 推理加速 量化”），命中率更高；
• 同时关注多个子领域的研究者建议为每个子领域开一个独立 Feed，例如把”LLaMA 系”和”Mamba 系”拆开；
• 在统计 Tab 看”已过滤 / 已匹配 / Token 消耗量”，调整 Filter 严格度。

常见误区：

• 把 RSS 习惯直接搬过来，一口气填 5 个宽泛词（如”AI”），会被海量的”AI”论文淹没，建议每条兴趣加上 5–8 个限定词；
• 期望 100% 召回 → 不现实，AI Feeds 是”漏斗”，不是”全部论文”，重要论文建议同时用深度搜索做反向兜底。

与同类对比：

4. 差异化特色功能：PaperClaw（论文一键复现）

功能介绍。PaperClaw 是切问独有的”上传论文 PDF → 自动生成实验复现计划 → 一键启动 GPU → 产出代码 / 日志 / 评估报告” 工作台。它把 Agent 与 GPU 配置深度结合，是切问和市面上”只做检索不做实验”的 AI 学术工具最大的不同点。

完整流程（4 阶段）：环境配置 → 数据预处理 → 模型训练 → 模型评估。每一步都能下载产物，并支持中途中止。
GPU 选项：包括中大型实验（mediumLarge）、论文原始配置（paperOriginal）、最新架构（newArch）、低成本（lowCost）、推荐配置（recommended）、小型 GPU（smallGpu）共 6 档。

为什么它让切问”不只是一个搜索工具”：在 AI 时代，写一篇论文很多时候不是”想不出 idea”，而是”idea 跑不起来”。PaperClaw 把这两段缝起来——你上传一篇论文，告诉它复现哪部分，它就帮你跑出来，并且按 credits/h 估值、可设置闲置。

5. 差异化特色功能：AI Survey（文献综述自动生成）

AI Survey 是深度搜索的”高阶产物”。当你的搜索结果命中足够多 Perfect 论文时，AI 会自动把这些结果汇成结构化综述——背景、方法、对比、结论、参考文献。还可基于搜索未完成时已经命中的少量 Perfect 结果”提前生成”。导出为 Markdown，或”保存为图片”，方便分享。

与同类对比：

6. 核心功能矩阵速览

五、AI Agent 体系：切问的差异化护城河

1. 为什么 Agent 是护城河

学术检索赛道有一个共同的弱点：用户搜了 30 篇论文之后，没人告诉你下一步该干什么。Elicit、Consensus、Semantic Scholar 都在试图用”摘要/段落级问答”填补，但仍停留在”读论文”这一段。切问把链条拉得更长——它把”找论文 → 读论文 → 论文复现 → 写综述 → 写 LaTeX”五个动作全部塞进同一个 Agent 里，并允许用户用自然语言持续指挥。

2. Pro Agent vs DeepSeek 学术 Agent

切问官方明确区分了两档 Agent：

日常使用建议：先用 DeepSeek 版跑通流程，再用 Pro 跑重型任务，是性价比最高的组合。

3. 学术 Agent 与”AI 自动写论文”工具的本质区别

很多”一键写论文”产品最后栽在了”幻觉”和”实验无法跑通”两点。切问的解法有三条：

1. 每一步都引用来源：搜索问题、验证条件、写作结论全部带证据段；
2. GPU 计划可见：复现任务不可跳过数据预处理阶段，必须人工确认硬件；
3. 产物可下载：所有中间结果（计划 / 数据 / 代码 / 评估报告）都可导出，便于人工复核。

六、价格、Credits 与真实使用成本

1. 订阅档位

切问提供 5 档订阅（按中文官方口径）：Free / Plus / Pro / Max X2 / Max X5。每个档位同时提供”按月 / 按年”两种计费模式（年付一般有 8.8 折优惠），同时支持一次性充值包（Topup Credits）用于补充额外用量。

2. 各档功能解锁对比

3. Credits 计算与”约几次”换算

官方在 FAQ 中明确：”约 5000 Credits = 约 500 次 Deep Search / QA / Survey”（即每次深度搜索约消耗 10 Credits，QA / Survey 视长度浮动）。

真实使用成本测算（以研究生为例）：

4. 价格 FAQ 关键点

• 免费 vs 付费：免费适合”日常刷一刷”；付费适合”Agent + Survey + Feeds”三条主力同时跑；
• 订阅 vs 充值包：订阅按月发放（未使用月底清零），充值包长期有效（一般 1 年），可叠加；
• 付费也能买充值包：Free 也支持充值，但无会员折扣；
• AI 索引与存储同步：5 万字免费，超出需升级 Pro / Max；
• 公平使用原则（FUP）：不限次权益仅供个人正常使用，自动化脚本可能触发限流。

七、竞品对比：切问在 AI 学术工具圈的真实位置

1. 同档横评

一句话定位：切问是当下 AI 学术工具圈里，唯一一款”从搜到写到复现”全部打通的产品；其他工具各有专长，但都不构成端到端闭环。

2. 真实用户口碑（基于官方落地页描述与公开印象）

• 好评：① 5 分钟筛 1000 篇的口号确实兑现；② 表格 + 列定制（Method / Task / Problem）让”自定义文献矩阵”做综述时极其顺手；③ DeepSeek 版 Agent 几乎免费，对学生很友好；④ 桌面客户端（Windows / macOS Intel / Apple Silicon）可用，体验稳定。
• 差评/吐槽：① 深度搜索仍有”幻觉引用”，需要自己 bibtex 二次核对（TrueCite 模块正是在解决这个问题）；② Free 档深度搜索每日次数偏少；③ 充值包暂不支持退款；④ Agent 长任务偶发”等待 prompt”等待时间较长。

八、上手指南：从注册到跑通第一个 Agent

1. 5 分钟入门路径

1. 访问 https://qiewenpaper.com/zh，使用邮箱注册（支持微信、邮箱）；
2. 激活后先用「快速搜索」找一篇论文（如”Attention Is All You Need”），点开阅读；
3. 进入「我的知识库」，上传 3–5 篇你正在读的 PDF；
4. 打开 Scholar QA，输入”这 3 篇的差异是什么”，体验带证据的表格模式；
5. 切到「深度搜索」试一次，输入一句自然语言；
6. 创建第一个 AI Feed，挑选 2 个学科 + 2 个关键词；
7. （可选）开启一次 DeepSeek 版学术 Agent 任务，体验”灵感发现”。

2. 10 个让你用得更好的细节

• 搜索框 placeholder 多写约束（年份/JCR/IF），显著提升 precision；
• 表格视图的”自定义列”可以用自然语言定义 Prompt（例：「提取这篇论文的损失函数、batch size、训练 epoch」），把非结构化论文半结构化；
• 命中的 PDF 拖入 Library 时记得勾选”可被学术问答引用”——否则上传了也不会被索引；
• Feeds 兴趣里加” + 论文”会大幅提升召回；
• Agent 任务结尾记得点”下载产物”——所有中间文件只能在任务页下载；
• 充值包仅在订阅周期外可部分退款，使用前看清条款；
• 用复旦账号登录后会自动开放「复旦馆藏搜索」入口；
• 在桌面客户端打开论文时，左侧的”问题 / 方法 / 结果 / 要点”会自动展开；
• 论文复现类 Agent 一律建议先开启「建议积分 5000+」，否则会中途因 credits 不足中断；
• 团队协作请提前买 Max X2 以上，包含 Project + 团队配额可视化。

九、是否值得订阅？我的真实建议

1. 决策树

你是？
├─ 高校研究生（每周 ≤ 5 次深度搜索）
│   └─ Free + 充值包
├─ 在读博士 / 青年讲师（每天都要查文献 + 写综述 + 跑代码）
│   └─ Pro（性价比最优）
├─ 工业研究员（Agent + 调研并重）
│   └─ Max X2 / Max X5
└─ 实验室团队（多用户 + 共享 Library + GPU 复现）
    └─ Max X5 + Topup

2. 适合买 / 不适合买的清单

适合买：

• 你每周至少 3 次要做文献调研、写综述；
• 你正在写博士开题或 Research Proposal；
• 你想从 arXiv 转向”以 AI 帮我盯 arXiv”；
• 你需要让团队成员共同维护一份带 AI 索引的 Library；
• 你想尝试一键复现 SOTA 论文。