一、为什么"读文献"卡住了大多数人

导师甩来 20 篇英文 PDF，说"下周组会讲一下前沿"。你打开第一篇，逐句啃，生词查完、长难句拆完，两小时过去，笔记记了三页，却说不清这篇到底讲了什么、和另一篇有什么关系。

这其实是研究者的普遍困境：每年全球新增论文数以百万计，而人的阅读带宽极其有限。据艾伦人工智能研究所（AI2）的统计，其开发的 Semantic Scholar 学术图谱到 2025 年 5 月已收录约 2.25 亿篇论文、28 亿条引用边（aiwiki, 2025）。面对这种量级，"逐篇精读"在物理上就不可能，必须先"读薄"再"读厚"。

好消息是：2024—2025 年成熟起来的几款免费工具，已经能把"收集—初筛—精读—抽取—输出"串成一条流水线。下面这套工作流，目标不是让你不读，而是把 AI 当成一个"读文献的实习生"——它负责搬运、概括、列表，你只做判断和串联。

二、工具盘点：三件免费利器

先说清楚三件工具各自的分工，避免"什么都想用、最后都没用透"。

- Zotero：免费开源的文献管理器，2024 年 8 月 9 日发布的 Zotero 7 是它 18 年历史上最大的一次更新，重做了界面、加入暗色模式，并原生支持 PDF/EPUB 标注与新插件架构（Zotero 官方博客，2024-08-09；汉堡工业大学图书馆，2024）。它解决的是"文献散落各处、标注找不到"的问题。

- Semantic Scholar：由保罗·艾伦创立的艾伦人工智能研究所于 2015 年推出，官网实时索引逾 2.28 亿篇论文（semanticscholar.org）。它的杀手锏是 TLDR 单句摘要和语义检索——你不用背准关键词，它靠意思找文献。

- Elicit：由非营利 AI 研究实验室 Ought（2017 年成立）开发，2023 年分拆为公益公司、获 900 万美元种子轮（aiagents.wiki, 2026）。它能在 1.25 亿+论文（部分来源称 1.38 亿+）里做语义检索，并把多篇论文的"样本量、干预、结论"抽成一张带句级引用的对比表。免费版每月 2 份自动报告，Plus 约 12 美元/月（aiwriterstools, 2026）。

三、工作流总览：5 步从 PDF 到中文知识卡片

整套流程可以压缩成一句话：用 Zotero 收、用 Semantic Scholar/Elicit 筛、用 Zotero+AI 插件读、用 Elicit 抽、最后导出成你自己的中文笔记。

收集：浏览器一键存进 Zotero

初筛：语义搜索 + TLDR 快速判断相关性

精读：PDF 内标注 + AI 插件解难句

抽取：把 30 篇的数据抽成一张对比表

输出：笔记 → Markdown → 中文知识卡片 / 综述初稿

下面逐步拆解。

四、第一步·收集：Zotero 7 一键抓取

别再"另存为"满桌 PDF 了。装一个 Zotero Connector 浏览器插件，在期刊页面点一下，题名、作者、年份、DOI、PDF 全文一并进库。Zotero 7 对 PDF 元数据识别也更稳，连桌面 PDF 也能自动补全书目信息（Zotero 官方博客，2024）。

关键习惯：进库就建好"待读 / 核心方法 / 项目A"等文件夹，配合 Zotero 7 的标签与智能收藏，后面检索才快。移动端现在也有 iOS 与 Android 版，通勤时刷手机就能标注、自动同步回电脑（Zotero 博客，2025）。

五、第二步·初筛：语义搜索 + TLDR

收集来的文献先别急着读。在 Semantic Scholar 里用自然语言提问，比如"大模型的文档级翻译错误主要出现在哪"，它靠 SPECTER 2.0 语义嵌入（跨 23 个学科训练）找"意思相关"的论文，哪怕你没用原文术语（gongke.net, 2025）。每篇自带的 TLDR 一句话摘要，让你 30 秒判断要不要读。

需要"找全某一问题的证据"时，切到 Elicit：输入研究问题，它语义检索并返回最相关论文，顺手给出每篇的摘要与一句话结论。这一步能把"盲目翻 50 篇"变成"精准锁定 10 篇"。

六、第三步·精读：Zotero 内置标注 + AI 插件解难句

筛完的文献回到 Zotero 读。Zotero 7 内置 PDF 阅读器支持高亮、下划线、文本与手绘批注，悬停引用还能弹出对应参考文献（citationstyler, 2024）。

遇到整段读不懂的方法论，用 Zotero 的插件生态接 AI——Zotero 7 的新插件架构原生支持"翻译 / 文献问答 / AI 集成"类扩展（citationstyler, 2024），把难句丢进去要它用中文解释、列公式含义。注意：AI 解释仅供参考，关键定义一定要回看原文，避免被"一本正经地编"。

七、第四步·抽取：用 Elicit 把 30 篇抽成一张表

写文献综述最费力的，是把几十篇的"样本量、方法、主要结论"人工对齐。Elicit 的强项就在这：你自定义列（如"研究对象 / 数据规模 / 核心发现 / 局限"），它批量从 PDF 与摘要抽取，并标出每格结论来自原文的哪句话（aiagents.wiki, 2026）。

这等于把"几周的人工 screening"压成"一下午的复核"。但请记住两条纪律：第一，Elicit 自己的准确率多为自报（约 94%，有内部教育学研究称达 99.4%），每个数字都要回原文核对；第二，它偏重生物医学，人文艺术覆盖有缺口，别全信。

八、第五步·输出：笔记 → Markdown → 中文知识卡片

读和抽的结果，落到 Zotero 笔记里。然后把笔记导出为 Markdown，你就能在任意编辑器里重组：按"问题—方法—证据—空白"四栏，写成一篇中文知识卡片，或直接拼成综述初稿的骨架。

一个实用技巧：每张卡片只讲清一个知识点，注明"来源（作者, 年）"和"我对它的判断"。卡片积累到 30 张，综述的"研究现状"一节基本就自己长出来了。

九、常见误区与避坑

- 误区一：让 AI 直接写综述。 AI 会编文献、编年份。所有引用必须你亲手从原文来，AI 只做概括。

- 误区二：只看 TLDR 不读原文。 TLDR 是筛选用，不是论据用。放进论文的观点，必须来自你读过的原文页码。

- 误区三：忽略付费墙。 很多全文 AI 读不到，灰色文献（报告、政策）也有缺口，该找图书馆馆际互借就别偷懒。

- 误区四：工具越多越好。 这三件够用。先把一条流水线跑顺，比囤十个账号有用。

十、结语：把 AI 当"读文献的实习生"

这一套下来，过去要熬通宵的 20 篇文献，现在 1 小时能"读薄"成一张可检索的卡片网。但请始终记住：AI 负责搬运与概括，判断相关性、串联逻辑、担起论点责任的，只能是你。

工具越顺手，越要把"回看原文"刻进肌肉记忆。毕竟，审稿人和导师问的不是"你用没用 AI"，而是"你到底读懂了没有"。

> 你平时用什么工具读文献？有没有被 AI 概括坑过的经历？欢迎在评论区聊聊，也别忘了点个「在看」让更多同方向的研究者看到。