本文是一份面向图书馆员的秘塔AI搜索实务指南，重点回答五个问题：它能做什么、适合哪些业务、怎样形成可复核的检索过程、哪些结果不能直接采用、培训时如何组织演示与练习。

核心结论：秘塔适合用于选题探索、问题拆解、关键词扩展、来源发现和证据线索整理；不能替代专业数据库、正式检索策略、原文核验和馆员判断。AI生成的回答不是证据，原始来源及其与主张之间的支持关系才是证据。

完成本文所列练习后，馆员应能够：

• 判断一项任务是否适合使用秘塔；
• 把宽泛提问改写为边界清楚的检索任务；
• 输出“主张—来源—原文位置—核验状态”记录；
• 识别来源失真、范围偷换、同源转载和隐私泄露等风险；
• 将秘塔结果转入数据库、馆藏系统或权威网站继续核验。

一、工具概览与业务定位

秘塔AI搜索由上海秘塔网络科技有限公司提供。公司官方介绍显示，其成立于2018年4月，总部位于上海，并在北京、成都设有研发中心，业务覆盖AI搜索、AI写作、法律翻译等方向；官方同时把当前产品标为“0.99版”，主动提示模型与产品效果仍有提升空间。秘塔官方“关于”页面

它与普通搜索引擎、通用聊天模型和专业数据库的区别如下：

• 普通搜索引擎主要返回页面列表，秘塔会进一步归纳、组织并生成带来源线索的回答；
• 通用聊天模型可能先凭参数记忆作答，秘塔的产品逻辑更强调联网检索、来源聚合和追问；
• 专业数据库有明确的收录政策、字段、主题词、检索语法与更新机制，秘塔则更像跨来源的发现入口，覆盖广而控制粒度较粗。

截至2026年9月1日，官方主页可见的主要能力包括：全网、文库和学术搜索；简洁、深入与深度研究；“先想后搜”“先搜后扩”；事实核验；文件上传；专题、知识岛、书架；幻灯片与“学点啥”等内容转换功能。学术入口还显示中文库、英文库、PubMed、北大核心、中科院分区、JCR、SCIE、EI等筛选项。它也提供搜索、读取网页和问答API，官方实验页注明搜索接口已支持MCP协议。秘塔AI搜索首页；官方API实验室

对图书馆业务而言，主要价值有四项：

1. 把读者一句宽泛的话，改写成边界清楚的研究问题；
2. 快速获得概念、关键词、机构、作者和来源类型的候选清单；
3. 发现证据空白、观点冲突和需要转入数据库深挖的方向；
4. 把来源审计变成一次可视、可教、可复盘的信息素养训练。

在AI4L工具实验室的十步工作流中，秘塔位于第一阶段，负责把“模糊主题”转化为问题树、研究提纲和来源初表。后续仍需进入专家发现、文献网络、数据库检索、证据筛选和原文核验环节。

二、访问方式、主要功能与费用规则

普通用户可以从metaso.cn进入网页版；首页提供手机端二维码。官方隐私政策的适用范围还包括网页端、App和微信小程序，但具体客户端可用性与账号登录方式，应以使用当天页面为准。秘塔隐私政策

当前公开协议未提供长期固定的人民币价目表，主要说明积分规则：

• 新用户注册后可领取一定数量的“长期积分”，具体额度以页面显示为准；长期积分通常自到账起有效12个月；
• 普通用户每日获得免费“刷新积分”，当天未用完不累计，次日清零；会员每日额度以所购权益为准；
• 搜索消耗由“工具调用次数”和“模型回答”构成：第一次工具调用不扣分，之后每次调用1分；普通模型回答1分，DeepSeek模型回答3分；
• 专题长思考一次3分、快思考一次1分；上传文件按每1MB消耗2分，不足1MB按1MB计；
• 幻灯片和“学点啥”的音频讲解加PPT组合按页面计分；API消耗以API页面为准。

官方协议说明，收费项目的价格和权益以订购页面为准，平台可以调整价格、计费模式与免费额度。因此本文不列固定会员价格。培训、采购或团队使用前，应在活动前7—10天用实际账号核对并保存会员或充值页面，记录核查日期、套餐、积分、并发、文件限制、导出权限和发票规则。秘塔用户协议

连续包月可能由支付渠道自动代扣。网页端可从“头像—更多—会员—取消自动续费”关闭。单位报销账号应把续费状态纳入账号和财务管理。

三、适用边界：搜索结果何时才能成为证据

一个可点击链接只能证明系统找到了一个页面。要把相关内容用于工作报告、咨询答复或展览文案，至少完成以下四项检查。

1. 来源真实性。 页面能否打开？作者、机构、标题、发布日期是否真实？网页是否为转载、聚合或机器拼接？
2. 原文支持关系。 原文是否真正支持生成答案中的主张？重点检查“可能”是否被改写为“已经证明”，特定样本是否被推广到全部人群。
3. 来源适配性。 政策问题优先使用现行原文和主管部门解释；统计问题优先使用原始数据及口径说明；学术问题检查研究设计和同行评议状态；机构案例区分新闻稿、项目报告和效果评估。
4. 检索充分性。 找到若干支持材料不代表不存在反证，算法排序也不等于系统检索。ACRL信息素养框架强调“权威具有情境性”“研究是一种探究”“搜索是一种策略性探索”，可用于指导来源判断和迭代检索。ACRL信息素养框架

秘塔用户协议说明，平台不保证搜索结果和生成内容的正确性、及时性与完整性；数字、时间和事实性描述尤其需要用户自行核实。公开传播生成内容前，还应核查真实性和准确性，并按要求标明AI生成。秘塔用户协议

馆员应把检索结果整理为“主张—证据”记录：

主张是什么？对应哪条原始来源？原文哪一段真正支持？来源层级如何？适用时间和对象是什么？有没有冲突证据？最终由谁复核？

四、图书馆业务中的六类适用场景

1. 参考咨询：澄清问题并提供检索路径

读者常把事实、判断和行动建议混在一句话里。秘塔可以先拆问题：哪些要查政策，哪些要查统计，哪些只是观点；馆员再选择政府网站、馆藏目录、专业数据库或机构页面。它尤其适合“我想了解某个新议题，从哪里开始”的探索型咨询。

2. 课题检索：完成前期扫描

在正式数据库检索前，用它收集同义词、英文术语、相关机构和代表研究，可减少“只会用题目里的一个词”造成的漏检。进入CNKI、万方、Web of Science、Scopus、PubMed等平台后，仍要重建字段、逻辑算符、主题词和时间范围，并记录完整策略。

3. 学科服务：建立问题树和资源路线

学科馆员可先让秘塔梳理研究子题，再将术语交给AMiner、OpenAlex或专业数据库寻找学者和文献。它适合建立“领域地形”，不适合凭平台排序评价学者，更不能用自动摘要代替原文研读。

4. 阅读推广与主题策展：发现资源与争议线索

策划“AI与阅读”“城市记忆”“海洋文明”等主题时，秘塔能帮助发现纪念日、政策背景、经典作品、机构资源和争议点。馆员随后回到馆藏目录确认本馆是否有书，核对版次与责任者，再处理图片版权和引文出处。

5. 馆员培训：训练来源审计能力

让学员比较“AI摘要”和“原始页面”，标出二手转述、时间过期、标题夸张、范围偷换和因果倒置。训练目标不是记住某个按钮，而是形成一套能迁移到其他AI搜索工具的来源审计动作。

6. 事实核查与证据整理：记录主张与依据

对政策日期、统计数字、人物身份和流行断言，秘塔可用于追踪原始出处并列出相互冲突的版本。最终记录应包含URL、访问日期、作者或机构、发布日期、原文位置、判断与不确定性。AI回答不进入“证据”栏。

五、推荐的标准工作流程

步骤1：定义任务

写清服务对象、地域、时间范围、业务目的、交付形式和风险等级。避免直接输入“AI如何影响图书馆”一类范围过大的问题。

步骤2：规定来源范围

在提示词中列出优先来源和排除来源。例如：政策问题优先政府及主管部门；学术问题优先同行评议论文和正式研究报告；书目问题优先国家图书馆、联合目录、出版社和本馆OPAC。

步骤3：先拆问题，再检索

先要求系统生成问题树、关键词表和信息需求清单，由馆员删改确认后再搜索。对复杂主题，分别检索各子问题，避免一次生成过长的综合报告。

步骤4：按固定字段输出

建议统一使用以下字段：主张、来源题名、作者或机构、发布日期、来源层级、原文链接、原文支持位置、适用范围、待核查点。缺失信息必须标为“未找到”或“无法确认”。

步骤5：核验原文

打开关键来源，核对题名、责任者、日期、原文措辞和适用对象。检查多个链接是否来自同一原始来源，避免把转载数量误认为独立证据数量。

步骤6：转入专业系统

课题检索转入CNKI、万方、Web of Science、Scopus、PubMed等数据库重建检索式；书目转入权威目录和本馆OPAC；政策、标准和统计转入发布机构网站；需要全文判断时阅读原文。

步骤7：保存审计记录

保存原始提示词、搜索模式、筛选范围、检索日期、候选来源、淘汰理由、人工修改和复核人。对外发布时说明AI参与环节，并执行本馆审核流程。

六、四个可复现的图书馆工作案例

以下案例均可在网页端复现。界面与额度可能变化，操作重点是工作方法和人工核验要求。

案例一：参考咨询——“公共图书馆能否把AI生成内容直接用于读者答复？”

任务背景

服务台准备制定一页内部指引，希望了解行业原则、平台条款和风险边界。问题看似简单，实际包含服务质量、隐私、标识和责任四层。

操作步骤

1. 选择全网搜索或深度研究，先让系统拆问题，不急着生成结论；
2. 将来源限定为图书馆协会、主管部门、平台协议和公共机构指南；
3. 要求输出“主张—来源—发布日期—适用对象—待核查点”；
4. 追加“寻找反例、限制或事故”，避免只看正面材料；
5. 打开每个原始页面，最后由馆内业务、法务或信息安全人员确认本馆规则。

可直接复制的提示词

我是一名公共图书馆参考咨询馆员，正在拟定“AI辅助读者答复”内部指引。请先把问题拆成服务质量、证据核验、读者隐私、AIGC标识和责任归属五个子问题，再检索2024—2026年的资料。来源优先级：政府或监管文件、IFLA/ALA等专业组织、AI平台现行协议、公共图书馆正式指南。请按“可采纳主张｜原始来源｜发布日期｜适用对象｜原文支持位置｜待核查点”输出。不要用新闻转述替代原始文件；如未找到明确规定，请写“未找到”，不要推测。

预期输出

一棵五分支问题树、一张候选来源表和一份“尚不能回答”的信息缺口清单。

馆员人工复核要点

核对文件是否现行、条款是否适用于本地区与本馆；区分行业倡议、法律义务和厂商规则；任何读者个案、咨询记录或联系方式都不得上传。

案例二：课题检索与学科服务——“高校图书馆生成式AI素养培训如何评估成效？”

任务背景

一位研究生要做小型综述，却只会检索“AI素养培训”六个字。学科馆员需要帮她建立概念表，并决定下一步查哪些数据库。

操作步骤

1. 在学术范围输入研究问题，要求给出中英文概念、同义词和排除词；
2. 分别搜索“能力评估、学习结果、事实核查、提示工程、伦理与隐私”等子题；
3. 要求列出代表文献，但只把它们作为种子记录；
4. 回到专业数据库，用题名、摘要、主题词和布尔逻辑重建检索式；
5. 对系统综述或正式研究，保存数据库、平台、日期、完整检索式与去重记录。PRISMA-S提供了文献检索报告的16项清单，可作为方法参照。PRISMA-S官方页面

可直接复制的提示词

研究问题：2023—2026年，高校图书馆面向大学生开展的生成式AI素养培训，采用了哪些学习成效指标？请先生成中英文概念表，包含同义词、上位词、相关词和排除词；再按“课程设计、评价工具、样本与场景、主要发现、局限”寻找种子文献。优先同行评议论文和高校图书馆正式报告。不要把搜索结果数量当作数据库覆盖证明；最后分别给出适合在CNKI与Web of Science中重建的候选检索式。

预期输出

概念表、两个候选检索式、8—12条种子文献和一张证据空白表，例如“缺少长期追踪”“缺少对照组”“公共图书馆证据不足”。

馆员人工复核要点

逐条核对文献是否存在、作者与年份是否正确、摘要是否支持标签；进入数据库后不要照抄自然语言检索式；正式综述不能只检索秘塔，也不能用AI给出的相关性排序代替纳排标准。

案例三：阅读推广——策划“机器会读书吗？”主题书展

任务背景

少儿与成人阅读推广团队要联合策展。策展需要经典作品、科学解释、现实案例和争议观点，还要避免把网上书单直接当馆藏。

操作步骤

1. 先让秘塔把主题拆成“机器阅读史、自然语言处理、推荐算法、人与机器的阅读差异、版权与创作”五条线；
2. 要求每条线给出3—5本候选书或公开资源，并标明推荐理由；
3. 追加“反方展签”：算法偏见、隐私、过滤气泡、版权争议；
4. 回到本馆OPAC核对书名、责任者、ISBN、版次和可借状态；
5. 将可用馆藏、待采购资源、线上公开资源分开，撰写展签时重新引用原始来源。

可直接复制的提示词

请为公共图书馆“机器会读书吗？”主题书展设计资料发现清单，读者对象分为10—14岁青少年与普通成人。围绕机器阅读史、自然语言处理、推荐算法、人与机器的阅读差异、版权与创作五条线，各推荐3—5项中外文图书或权威开放资源。每项提供准确题名、责任者、首版或当前版信息、推荐理由和可核查来源；无法确认ISBN或版次时明确标注。另为每条线提供一个争议问题，不要生成虚构书目。

预期输出

一份20项左右的候选清单、双年龄层解说角度和五个讨论问题，而不是可直接印刷的书目。

馆员人工复核要点

每本书回到国家图书馆/联合目录、本馆OPAC或出版社页面核验；筛除AI拼接的书名与版本；图片、封面和长段摘录另做版权核查；活动海报上不出现未确认的统计数字。

案例四：事实核查与馆员培训——追踪一句“2030年馆员将被AI取代”

任务背景

这类断言很适合快闪课：句子耸动、转发很多、原始出处模糊。目标不是证明“AI好”或“AI坏”，而是把传播链拆开。

操作步骤

1. 使用事实核验或全网搜索，检索原句及中英文变体；
2. 要求区分原始报告、媒体报道、评论文章和社交转述；
3. 找到最早可核查出处，核对原文对象、预测时间、研究方法和限定词；
4. 主动搜索反证与不同机构判断；
5. 让学员给结论分级：真实、部分真实、缺乏证据、误导或无法核实。

可直接复制的提示词

请核查“到2030年，大部分图书馆员会被人工智能取代”这一说法。先追踪最早可核查出处和传播链，区分原始研究、媒体转述和评论；列出原文的研究对象、方法、样本、预测范围与限定词。再寻找至少两项持不同结论的权威资料。请输出“主张拆分｜来源层级｜原文支持程度｜时间有效性｜核验结论”，找不到原始出处时明确写“无法核实”。

预期输出

一张传播链、一份正反来源表和一个带不确定性的核验结论。

馆员人工复核要点

不要用“多个网页都这么写”代替独立证据；检查多个网页是否都复制自同一篇报道；重点识别“任务自动化”被改写成“职业消失”、条件预测被改写成确定事实。

七、新手最容易犯的八个错误

1. 直接检索大题目。 “AI如何改变图书馆”范围过大。应先限定馆型、岗位、地域、时段和产出。
2. 看到链接就默认可靠。 链接可能真实，却不支持对应主张。至少打开关键来源，核对原文位置。
3. 把“学术”标签当数据库担保。 平台筛选项有帮助，但不等于完整收录、稳定索引或可复现的系统检索。
4. 只检索支持材料。 每次追加“反证、失败案例、局限、未找到的证据”，避免受排序结果影响。
5. 让AI替自己判断证据等级。 新闻稿、案例报道、调查报告、同行评议论文承担的证明力不同，馆员必须按任务定级。
6. 上传真实业务敏感材料。 读者问题、借阅记录、未公开项目、采购报价、账号信息和版权受限全文不应进入个人云端账号。
7. 不保存过程。 只保存最终报告，几天后便无法说明用什么问题、什么范围、哪天检索、删过哪些来源。
8. 把免费入口当机构方案。 免费额度适合试用，团队上线还要评估账号管理、发票、自动续费、API授权、服务中断、数据保留和责任分工。

八、隐私、数据安全与版权要求

官方隐私政策显示，账号注册可能涉及昵称、手机号或第三方登录信息；在保存文档、图片等功能中，平台会收集用户主动提供的图片、文件和输入内容；语音输入会处理上传的音频及有限上下文。政策称个人信息存储在中国境内，保存期限以实现服务目的所必需的最短期限为原则；注销或账号到期后，用户提出申请可依法删除或匿名化，但依法需要保留的网络日志除外。移动端还可能接入登录、支付、错误统计、语音转写、分享等第三方SDK。秘塔隐私政策

官方“关于”页面称传输采用TLS，用户文件以RSA非对称加密并存放于全磁盘加密的专有文件服务器，访问控制用于隔离用户文件。秘塔官方“关于”页面 这些安全措施值得了解，但不能替代本馆的数据分级、合同审查和最小化原则。

图书馆可将拟上传材料分为三类：

• 绿区： 已公开政策、开放网页、公开馆藏信息、教学虚构数据，可用于个人试验；
• 黄区： 已获授权但尚未公开的内部材料，只有在机构审查、账号与合同明确、完成脱敏后才考虑使用；
• 红区： 读者身份与行为数据、咨询原始记录、未公开采购与人事材料、口令密钥、涉密信息、无权上传的版权全文，禁止上传个人云端账号。

还要留意平台内容授权。用户协议允许授权用户搜索、点击链接和下载平台生成内容，但限制对平台资料进行再发行、商业开发或系统提取建库。图书馆若要把搜索结果批量嵌入正式数据库、网站或商业服务，应另行确认API授权、来源网站条款与版权许可，而不是把个人账号当作数据接口。

IFLA在2025年的“图书馆与AI入口”文件中，把隐私、开放、问责和包容视为图书馆评估AI的伦理透镜，并建议馆员通过情境问题共同讨论收益与风险。IFLA：Entry point for libraries and AI 这也意味着：工具安全不是供应商独自回答的问题，图书馆仍要决定什么数据可以离馆、谁能访问、保存多久、出了错如何处置。

九、一页式操作清单

搜索前

• 写清对象、地域、时间、问题和产出，不用一句大题目包打天下；
• 判断任务风险：探索、内部参考、公开发布，还是高风险决策；
• 对输入材料做绿/黄/红分级，完成脱敏与版权检查；
• 先确定需要哪些来源：政策、统计、论文、标准、案例、馆藏或专家页面。

搜索中

• 先生成问题树，再选择全网、文库或学术范围；
• 同时记录中英文关键词、同义词、排除词；
• 要求输出“主张—证据—来源—日期—待核查点”；
• 主动搜索反证、失败案例、旧版本和利益相关来源；
• 关键搜索保存提示词、范围、日期、模式与结果链接。

搜索后

• 打开每条关键来源，核对作者、机构、日期和原文支持位置；
• 区分原始来源与二手转述，检查多页面是否同源转载；
• 学术任务回到专业数据库重建策略并阅读原文；
• 书目回到权威目录/OPAC核对，统计回到原始数据与口径；
• 标注不确定性、证据空白、人工修改与复核人；
• 公开发布时遵守AIGC标识、版权、隐私和本馆审核要求。

最终交付包

• 研究问题树；
• 完整提示词与检索日期；
• 候选来源表与淘汰理由；
• 关键原文核验记录；
• 数据库检索式或后续检索路线；
• 最终结论、适用边界与责任人。

十一、结论与使用建议

秘塔AI搜索适合处理开放网络中的前期探索任务，包括问题拆解、关键词扩展、来源发现、观点比较和证据线索整理。它能够提高陌生主题调研、咨询准备和培训演示的效率。

对需要正式交付的任务，应执行四项最低要求：打开并核对关键原文；将学术检索转入专业数据库重建策略；记录检索日期、范围与人工修改；由具备相应业务职责的馆员审核结论。

建议图书馆先在低风险、公开资料和教学模拟任务中试用，再根据数据分级、账号管理、费用、版权和责任流程决定是否扩大应用。任何情况下，都不应把AI生成答案直接作为证据、正式咨询结论或决策依据。

参考来源与延伸阅读

1. 秘塔AI搜索官方网站：当前产品入口、搜索范围与功能界面，访问于2026年9月1日。
2. 秘塔AI搜索“关于”页面：开发方、公司背景、产品阶段与官方安全说明，访问于2026年9月1日。
3. 秘塔AI搜索用户协议：服务性质、内容核验义务、积分消耗、自动续费、授权限制与免责声明，访问于2026年9月1日。
4. 秘塔AI搜索隐私政策：个人信息收集、文件与语音处理、第三方SDK、存储与删除安排；页面标示更新日期为2025年10月31日，访问于2026年9月1日。
5. 秘塔AI搜索API实验室：搜索、网页读取、问答接口与MCP支持，访问于2026年9月1日。
6. ACRL Framework for Information Literacy for Higher Education：权威的情境性、研究即探究、搜索即策略性探索。
7. PRISMA-S：系统综述检索报告扩展：系统检索的记录与报告清单。
8. IFLA Entry Point for Libraries and AI：图书馆评估AI收益、风险与伦理问题的讨论框架。

更新提示： AI产品的界面、模式、额度、价格和协议会频繁变化。正式培训、采购或机构接入前，请重新核对官方主页、会员/充值页、协议、隐私政策和API文档，并记录核查日期。