夜雨聆风科研文献发现 AI 工具箱｜从一篇论文扩展出一张研究地图
引用追踪 · 研究团队 · 时间线 · 文献整理
正文已交付完整操作流程；点击文末“阅读原文”继续使用 AI 专家 / 捞仔 AI 小站。
关注「AI-For-Precision-Health」｜持续更新能直接跟做的 AI 科研教程
食品 · 医药 · 医械 · AI 工具 · 科研 Skill · 自由发挥，让 AI 真正进入科研流程。
一句话钩子：论文检索最难的往往不是搜到第一批结果，而是判断下一篇该读什么、哪支团队真的在推进、一个观点从哪里开始又怎样演变。ResearchRabbit 的价值，是把“关键词列表”变成一张可以沿着引用、作者和时间线继续走下去的研究地图。
1 篇种子论文起步
3 条扩展路径
1 张证据地图
图 1｜ResearchRabbit 的核心工作流：从种子论文出发，沿着前序研究、后续引用、相似工作和作者关系扩展，再把文献按证据角色整理成研究地图。图形摘要由 AI 辅助生成，工具能力依据 ResearchRabbit 官方指南[1-4]。
Key Points｜读完这篇，你能真正做出什么？
■ 用一个明确的问题和 1-3 篇种子论文启动检索，而不是反复改关键词。
■ 分清 Earlier Work（更早研究）、Later Work（后续研究）、Similar Work（相似工作）和作者网络各自回答什么问题。
■ 找到论文背后的研究团队、机构和研究路线，并把“看起来相关”与“证据上相关”分开。
■ 建立一个带筛选状态、证据等级、排除理由和下一步动作的文献集合。
■ 知道 ResearchRabbit 能帮你发现什么，也知道为什么它不能替代数据库检索、全文核验和系统综述流程。
先说清楚边界：ResearchRabbit 是文献发现、关系探索和整理工具。它不会替你判断一项研究是否真实、结果是否稳健，也不能把可视化网络直接当作系统综述的完整检索证据。本文案例只使用公开资料，读者需要在正式课题中回到原文、数据库和研究方案做人工核验。
本节结论：如果你的问题是“我还漏了哪些关键论文”，ResearchRabbit 比继续堆关键词更适合做第二轮扩展；如果你的问题是“这批论文能不能直接支持结论”，它就不够了。
ResearchRabbit 用引用、共同引用和作者关系把论文放回学术网络。官方说明称，其推荐主要依赖网络算法和学术关系，而不是让大型语言模型替你生成结论[2]。所以它适合回答“下一篇该读什么”，不适合直接回答“证据是否成立”。
关键词检索仍负责建立可复现的初始集合；引用追踪用来补充同义词、术语变化和漏检分支。Greenhalgh 和 Peacock 对复杂证据系统综述的审计也显示，电子引用追踪能发现数据库检索遗漏的来源[13]。两者应当组合，而不是互相替代。
它最适合解决
新课题摸底、综述扩展、追踪方法演变、寻找关键作者和团队、发现相似路线、整理组会阅读清单。
它不能单独解决
系统综述的完整检索与排除、全文质量评价、临床证据分级、偏倚风险判断、统计合并和最终科学结论。
本节结论：ResearchRabbit 的每一个入口都应该对应一个研究问题。先决定你想向过去、未来、相似主题还是研究团队扩展，再点击对应路径。
1｜Seed Paper（种子论文）：确定出发点
种子论文不是“最热门的一篇”，而是能代表研究问题、方法或人群的一篇。官方建议先选 1-3 篇再点击 Next[1]；最好同时放入一篇近年代表作和一篇已核对方法细节的论文，避免网络被单一路线带偏。
2｜Earlier Work（更早研究）：追溯概念从哪里来
它回答“方法从哪里来”。被引用不等于支持，早期论文也不一定更可靠；关键节点要回原文确认它是提出方法、验证机制，还是只在背景中被提到。
3｜Later Work（后续研究）：看路线有没有继续推进
它回答“路线后来有没有推进”。按年份看概念验证、方法改进和真实场景验证，也能发现路线是否长期停留在小样本实验；论文多不等于技术成熟。
4｜Similar Work（相似工作）：补关键词检索漏掉的分支
它用来补术语不同但问题相近的分支。官方指南说明，工具可从已选论文继续探索相似工作、引用关系和集合[3][4][5]；相似不等于可纳入，仍要核对研究对象、样本、任务和结果定义。
5｜Authors and Teams（作者与团队）：从论文列表走到研究路线
作者探索可帮助你识别持续研究者、合作关系和机构分布[4]。不要直接写“最优秀团队”，应记录团队在哪个问题上发表过什么、用过哪些数据和方法、推进到哪一步、还缺什么证据。
方法提醒：它负责发现和组织，正式检索仍要配合数据库；集合、笔记和导出负责留痕，不能替代全文阅读和证据判断[6][7][8][9]。
本节结论：第一次使用的目标不是把数据库“搜完”，而是产出 1 个种子集合、3 条扩展路径、10-20 篇待核验论文和 1 个下一步问题。
Step 1｜把模糊方向改成一个可检索的问题
不要写：“AI 和糖尿病研究”。
改成：“近红外光谱无创血糖估计在成人受试者中的模型泛化和外部验证进展如何？”
检查：问题至少包含研究对象、方法/干预、主要任务和待追踪证据；只写大领域会得到过宽且难用的网络。
Step 2｜登录并建立一个有边界的 Collection（文献集合）
操作：打开 ResearchRabbit，注册或登录，在搜索栏输入主题词、论文标题或 DOI（数字对象唯一标识符）；也可以导入你已经确认过的论文[1][2]。新建集合时直接写清“主题、年份、用途”，例如“无创血糖-NIRS- 外部验证-2020-2026- 初筛”。
验收：集合名称能说明纳入范围，不要把所有发现都丢进“重要论文”。
失败处理：结果少就换同义词或导入高质量种子；结果多就收窄人群、设备或验证场景，不要只按引用次数截断。
Step 3｜选择 1-3 篇种子论文，点击 Next
选择规则：至少一篇高度匹配，至少一篇代表近年进展；不要只按引用次数选，也要标记综述、社论和原始研究。
结果：工具会展示论文关系网络；官方入门说明中，横轴代表时间，纵向位置与引用影响相关，节点和连线用于帮助你发现早期基础、后续工作和相关簇[1]。
Step 4｜沿三条路径扩展，并给每篇论文写“为什么留下”
向后：找基础方法和最早的关键概念。
向前：找复现、改进、外部验证和最新应用。
向旁边：找相似工作、不同术语和相邻路线。每篇记录论文、作者、年份、问题、数据/样本、方法、结果、局限、证据角色、保留理由和下一步。
Step 5｜先看摘要和关系，再回原文核验
推荐列表会显示标题、作者、期刊、日期和摘要[1]，只适合初筛。准备进入综述或方案的论文，至少回原文核对研究设计、样本、主要结局、限制，并保存 DOI 或原始链接。
通过标准：你能回答“这篇论文为什么进入集合”，而不是只能说“它出现在图上”。
本节结论：不要把所有推荐一起保存。按发现、筛选、组织、验证四步，把网络结果变成可交付的文献清单。
功能组 1｜Citation Network：找到研究路线的主干
适合：梳理方法从提出、改进到应用的路线。
操作：选中种子论文，查看 Earlier Work 和 Later Work，按年份把论文分为“基础方法、关键改进、外部验证、应用探索”[5]。
输出：route_map.csv，字段至少包括年份、论文、团队、方法阶段、证据角色和原始链接。
常见错误：节点密集只说明关系多，不说明每篇都是主干。
功能组 2｜Similar Work：发现术语变化和旁支路线
适合：关键词检索看似完整，但怀疑漏掉不同学科的研究。
操作：进入 Similar Work，先按研究对象和任务筛选，再检查同一方法的不同命名；不要按“相似度”直接下结论。
输出：synonym_and_branch_notes.md，记录新发现的术语、候选数据库和需要补检的关键词。
验收：每个旁支至少有一篇原文可打开，且你能说明它与主问题的关系。
功能组 3｜Authors：从“论文是谁写的”变成“谁持续在做”
适合：寻找合作团队、复现实验路线或持续贡献者。
操作：从 2-3 篇高相关论文进入作者页面，记录持续研究主题、合作作者、机构变化和最近工作；把出现次数与论文内容分开。
输出：team_landscape.md，字段为团队/作者、机构、具体问题、代表论文、数据/方法、进展阶段、局限、证据链接。
人工把关：作者同名、机构更名和跨团队合作很容易造成误判，必须用论文原文、机构页面或 ORCID（开放研究者与贡献者识别码）核对。
功能组 4｜Collections、Notes 和 Export：把发现变成可复用资产
适合：长期维护课题文献、组内共享或进入写作阶段。
操作：把论文分到“核心证据、候选方法、背景综述、冲突证据、待全文核验”五类集合，写短笔记，再导出或通过 Zotero Importer（Zotero 导入器）接入文献管理器[4][7][9]。
验收：每篇论文至少有一个证据角色和下一步动作；集合里不允许出现“未读但默认重要”的无标签论文。
导出后可直接交给 AI 做整理的任务：
只读取我导出的文献表，不联网补充论文，不生成不存在的文献。按以下字段整理：title、authors、year、doi、abstract、evidence_role、team、method、sample_or_dataset、main_finding、limitation、source_url。把每篇论文分为：核心证据、方法线索、背景、冲突证据、待核验。输出三个文件：1. evidence_matrix.xlsx：一行一篇论文；空缺写“未报告”；2. team_landscape.md：只写有原始论文或机构页面支持的作者/团队信息；3. screening_log.md：记录保留、排除和待全文核验的理由。任何字段无法从导出内容确认时写“待核验”，不要凭常识补全。
本节结论：一个能复用的 ResearchRabbit 项目，不是收藏 100 篇论文，而是把研究问题、种子论文、扩展路径、筛选理由和下一步实验问题连起来。
案例边界：下面只演示文献发现与研究设计准备，不宣称无创血糖监测已经达到临床可用。真实课题要补充设备校准、受试者伦理、数据质量、外部验证、统计分析和监管要求。
第 1 步｜先写清楚你要找的不是“所有无创血糖论文”
课题问题：近红外光谱（NIRS，Near-Infrared Spectroscopy）无创血糖估计在成人受试者中，哪些数据采集和模型验证策略能提高跨设备泛化？
拆成筛选字段：人群=成人；信号=NIRS/ 近红外光谱；任务=血糖估计；重点=跨设备或外部验证；排除=只做化学溶液、只讨论传感器材料但没有血糖任务的研究。
输出：question_and_criteria.md，以后每一篇论文都按同一套规则判断。
第 2 步｜用关键词检索，再用一篇种子论文启动网络
可尝试的搜索词：non-invasive glucose monitoring near-infrared spectroscopy external validation；也可先在 PubMed、Google Scholar 或学校数据库中找一篇与你的问题高度匹配的原始研究，再把标题或 DOI 导入 ResearchRabbit。
选择种子：优先选研究对象、信号和任务都匹配的论文；把综述作为背景入口，不把它直接当作模型性能证据。
第 3 步｜向前追，专门找“有没有走出单中心小样本”
进入 Later Work，按时间观察后续研究是否出现新设备、新人群、独立测试集或跨中心验证。把每篇记录成“复现、改进、外部验证、应用探索、无法判断”之一。
研究问题：如果大多数论文只在同一设备或同一批受试者上验证，真正的瓶颈可能不是模型结构，而是跨设备校准和数据分布变化。
第 4 步｜向后追，找出信号和评价方法的基础
进入 Earlier Work，区分光谱采集、预处理、参考血糖测量、回归建模和误差评价各自的基础论文。不要把同一篇论文中出现的所有方法都当成它的原创贡献，回到引文上下文确认。
第 5 步｜用 Similar Work 找到不同术语下的同一问题
在相似工作中重点检查“非侵入式”“无创”“光学血糖”“多光谱”“透射/漫反射”等术语是否指向相近任务。把新术语写回检索词表，再回到数据库做一次正式检索。ResearchRabbit 负责发现线索，数据库检索负责形成可记录的来源集合[5][6]。
第 6 步｜追踪作者和机构，但只做证据化描述
从多篇高相关论文进入作者页面，记录哪些作者持续处理“跨设备验证”“光谱预处理”“临床样本”中的同一个问题。最终写成“某团队在某问题上发表了哪些路线、推进到哪一步、证据还缺什么”，不要写成没有依据的“最领先团队排行榜”。
第 7 步｜冻结一版文献集合，并建立筛选日志
当你已经获得一批候选论文后，先冻结日期和版本，例如“2026-08-20 初筛版”。每篇论文记录纳入、排除或待全文核验；排除理由要具体，如“信号不匹配”“没有血糖结果”“只有材料性能”“无法取得原始信息”。ResearchRabbit 官方也建议把发现、组织和导出放进一个持续维护的工作流[6][7]。
输出：collection_snapshot.csv、screening_log.md、doi_list.txt。
第 8 步｜把文献地图转成下一个可验证问题
如果地图显示多数研究依赖同一设备、同一受试者群或同一评价指标，下一步不要马上换模型。可以先提出一个更具体的问题：不同设备之间的光谱域偏移是否是主要误差来源？需要怎样设计外部验证？这个问题才是 ResearchRabbit 输出进入实验设计的接口。
本节结论：一张网络图只能证明“存在关系”，不能证明“结论成立”。正式使用前，至少完成来源、相关性、证据、重复检索和归档五项检查。
遇到证据冲突时，先把冲突留下来
证据冲突：如果两篇论文对同一方法的效果方向不同，先并列记录人群、设备、数据量、评价指标和外部验证方式，不要用网络位置或引用次数替其中一篇“投票”。
下一步：回到全文确认差异来自样本、实验条件、预处理、模型或评价标准，再决定是否需要补检索或设计验证实验。
第一道门｜来源
□ 关键论文能打开原始页面或全文，标题、作者、年份和 DOI 已核对。
□ 论文、预印本、综述、新闻和公司介绍分开标记。
□ 任何数字、性能和结论都能回到原文，不只引用工具页面。
第二道门｜相关性
□ 每篇论文与研究问题的关系写成一句具体理由。
□ 同一主题下不同人群、设备、任务和评价指标没有混为一类。
□ Similar Work 产生的论文已经回到正式检索或全文筛选流程。
第三道门｜证据
□ “被引用多”“出现在网络中心”没有被当成质量证明。
□ 相互冲突的研究被并列记录，没有被工具自动平均成一个结论。
□ 研究团队描述依据论文、机构页面或作者公开信息，不凭印象排序。
第四道门｜完整性
□ 关键词检索、引用追踪、文献引用追踪和作者探索的路径均有记录。
□ 对系统综述，仍按 PRISMA 2020 记录检索、筛选、排除和流程图信息[12]。
□ 不能把 ResearchRabbit 的推荐列表直接宣称为“全部相关研究”。
□ 研究问题、检索范围和排除理由能回到筛选日志中。
第五道门｜复现
□ 保存检索日期、种子论文、集合名称、导出文件和筛选日志。
□ 另一个人能按记录重新找到主要论文和排除理由。
□ 下次扩展时从冻结版本继续，而不是覆盖上一轮判断。
本节结论：ResearchRabbit 值得放进科研人的“发现层”，但不能独占“证据层”。最稳的工作流是：数据库建立基线，ResearchRabbit 扩展网络，Zotero 或文献表管理记录，人工回原文完成判断。
本文判断
ResearchRabbit 最适合作为第二轮发现工具：数据库建立可复现基线，它追踪引用和作者关系，最后回原文核验。把它当“研究地图导航”比当“自动综述机”更准确。
免费层可完成基础发现、引用地图、集合和 Zotero 导入[10]；更大规模种子和高级筛选属于升级能力[11]。系统综述仍要按 PRISMA 2020 记录检索和筛选[12]。
明显优势
从种子论文扩展的路径清楚，引用、相似工作、作者和时间线可以互补；集合、笔记和导出便于长期维护。免费层与升级版边界以账号当前界面和官方说明为准[4][10][11]。
真实短板
网络关系不是证据质量；数据库覆盖与元数据可能不完整；图形会让人产生“已经搜全”的错觉；系统综述、临床证据评价和统计合并仍需独立流程。
我建议你这样搭配
需要可复现初始检索：用 PubMed、Web of Science、Scopus、Google Scholar 或所在机构数据库记录检索式。
需要发现漏网论文：用 ResearchRabbit 从 1-3 篇高相关种子论文向前、向后和向旁扩展。
需要管理引用：用 Zotero 等工具保存元数据、全文、标签和引用格式；ResearchRabbit 官方提供 Zotero 导入路径[4]。
需要写综述或立项：用证据矩阵绑定研究设计、主要结果、局限和原始链接，最后由研究者确认结论。
核心结论：ResearchRabbit 最有价值的地方，不是帮你收藏更多论文，而是逼你回答“下一篇为什么值得读”。当每篇论文都有来源、证据角色和下一步动作时，引用网络才会从一张漂亮的图，变成可以推进课题的研究地图。
今天就能开始的 20 分钟行动：
□ 写下一个包含研究对象、方法、任务和验证场景的问题。
□ 找到 1-3 篇种子论文，建立一个带日期的 Collection。
□ 分别查看 Earlier Work、Later Work 和 Similar Work，各保存 3-5 篇候选。
□ 给每篇候选写“为什么留下”和“下一步核验什么”。
□ 导出一版清单，冻结版本，再开始正式筛选和全文阅读。
工具与资料：ResearchRabbit 官方入口、功能说明、入门指南和研究工作流见参考资料[1-11]。点击“阅读原文”进入 AI 专家 / 捞仔 AI 小站，继续把你的研究问题变成可执行的文献工作流。
创作来源说明：本文依据 ResearchRabbit 官方公开指南、文献检索方法学资料和可复现科研工作流设计完成；封面与图形摘要由 AI 辅助生成，案例为教学情境，不代表真实实验结果。
免责声明：本文仅用于科研效率工具教学，不构成系统综述、临床、统计、伦理、法规或数据合规意见。涉及正式课题时，请按所在机构和目标期刊/监管要求执行完整的检索、筛选、验证和归档流程。
系统综述的流程记录要求可参考 PRISMA 2020[12]。
References
[1] ResearchRabbit. How to get started with ResearchRabbit. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/12439939-how-to-get-started-with-researchrabbit
[2] ResearchRabbit. How ResearchRabbit uses AI. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/13545485-how-researchrabbit-uses-ai
[3] ResearchRabbit. Features. 2026. https://www.researchrabbit.ai/features
[4] ResearchRabbit. Guide: searching, authors, citations, collections and workflow. 2026. https://www.researchrabbit.ai/help/guide
[5] ResearchRabbit. Searching and discovery: Similar Work, Earlier Work and Later Work. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/collections/17906784-searching-discovery
[6] ResearchRabbit. Using ResearchRabbit alongside library databases. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/13158099-using-researchrabbit-alongside-library-databases
[7] ResearchRabbit. Collections and Library management. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/collections/17906940-collections-library-management
[8] ResearchRabbit. About ResearchRabbit: how it works and its approach to AI. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/collections/18193917-about-researchrabbit
[9] ResearchRabbit. Using the Zotero Importer. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/12796541-using-the-zotero-importer
[10] ResearchRabbit. ResearchRabbit Free Tier. ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/12865509-researchrabbit-free-tier
[11] ResearchRabbit. What is ResearchRabbit+? ResearchRabbit Guides. 2026. https://learn.researchrabbit.ai/en/articles/12454495-what-is-researchrabbit
[12] Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. doi:10.1136/bmj.n71. https://www.bmj.com/content/372/bmj.n71
[13] Greenhalgh T, Peacock R. Effectiveness and efficiency of search methods in systematic reviews of complex evidence: audit of primary sources. BMJ. 2005;331:1064. doi:10.1136/bmj.38636.593461.68. https://www.bmj.com/content/331/7524/1064