核心观点：ResearchRabbit适合从高质量种子文献沿引用、参考文献、相似论文和作者网络扩展线索；它不是系统检索数据库，网络图不是质量排名，也不能证明文献集合完整。
一、工具概览与业务定位
ResearchRabbit是一项在线文献发现与关系可视化服务。用户建立种子集合后，可观察相关论文、引用与被引、作者和时间关系，并通过集合协作维护探索路径。官方网站；使用指南
它最适合数据库检索之后的“滚雪球发现”，也可把发现的新术语、作者和期刊送回数据库完善检索式。
二、访问方式、功能与费用
- 通过在线应用注册使用，可导入题名、DOI、BibTeX或Zotero数据。
- Free计划为0美元，官方当前列出不限搜索、集合与协作，单次项目最多50篇种子文献；ResearchRabbit+提高至300篇并增加高级控制。价格页
- 当前标价为月付12.5美元或年付折合每月10美元，机构方案需询价；地区优惠、税费和权益应以购买页为准。
- 平台可发现数亿条文章元数据，但全文仍受出版社开放或机构订阅限制。
三、适用边界
推荐结果受种子选择、元数据覆盖和算法影响。图上靠近不代表研究质量或结论一致。正式系统综述仍需数据库检索式、日期、去重、纳排标准和补充检索记录。ResearchRabbit可作为补充发现方法，不能作为唯一检索来源。
四、六类图书馆场景
- 参考咨询：帮助初学者理解领域结构。
- 课题检索：发现奠基文献、近期分支和相邻术语。
- 学科服务：维护专题核心文献集合。
- 阅读推广：为学术阅读小组制作阅读路径。
- 馆员培训：演示种子偏差如何改变网络。
- 证据整理：记录“哪篇文献通过何种关系被发现”。
五、七步标准流程
- 先在专业数据库确认3—10篇高相关种子。
- 检查题名、作者、年份和DOI。
- 分别查看参考文献、被引和相似论文。
- 每轮只加入经摘要核对的记录。
- 用时间轴和聚类识别分支，不解读为质量。
- 将新术语返回数据库重建检索式。
- 导出集合并记录日期、种子和发现路径。
六、三个可复现案例
案例一：从两篇核心论文扩展AI素养研究
任务背景
研究生已有两篇高相关论文，需要发现前后脉络。
操作步骤
建集合；分别查看引用、被引与相似；每类选3篇；阅读摘要；记录纳入理由。
可直接复制的检索表达
集合名称：Generative AI literacy in libraries。种子：两篇已核验DOI。记录字段：发现关系（引用/被引/相似）｜题名｜年份｜与研究问题的关系｜摘要支持｜是否回数据库核验｜纳入/排除理由。
预期输出
10—15篇候选文献和研究路径图。
馆员人工复核要点
错误种子及时移除；相似性不等于相关性；关键论文回数据库和全文。
案例二：为新入学研究生演示滚雪球检索
任务背景
需要区分“它引用谁”“谁引用它”和“算法相似”。
操作步骤
选一篇有DOI的种子；三种关系各展示两条；要求学员解释时间方向；打开摘要核对。
可直接复制的提示词
请学员为每个节点填写：关系类型、时间先后、可能用途、仍需核验的问题。不得把节点大小或位置解释为学术质量。
预期输出
一张六节点练习表。
馆员人工复核要点
讲清共同引用、书目耦合和算法推荐的差异；不要只展示漂亮图。
案例三：用网络发现关键词检索遗漏
任务背景
数据库检索结果过少，怀疑术语发生变化。
操作步骤
导入核心文献；查看早期与相邻分支；提取旧术语、作者关键词和期刊；回数据库验证增量。
可直接复制的检索表达
从新增候选的题名、摘要和关键词中记录“旧术语｜新术语｜相邻学科术语｜作者｜期刊｜加入数据库检索式的方式”。每个新增词必须由至少一篇原始记录支持。
预期输出
术语扩展表和修订后的数据库检索式。
馆员人工复核要点
记录新增词对结果数量与相关性的影响；不隐瞒补充发现方法。
七、新手最容易犯的八个错误
- 使用标题相似但主题错误的种子。
- 一次加入过多文献，失去路径可解释性。
- 把节点大小当引用质量。
- 把网络图当系统检索结果。
- 不阅读摘要和全文。
- 不记录文献通过何种关系进入集合。
- 长期项目不导出备份。
- 采购高级版前不统计实际种子规模和协作需求。
八、隐私、数据安全与版权
官方数据责任说明称，用户保存的文章和笔记不会被出售，也不用于训练AI，但平台仍会保存集合、笔记和使用分析数据，应结合隐私政策评估。数据责任说明 不要上传受限全文或敏感研究笔记；长期项目定期导出BibTeX或同步Zotero，避免唯一副本留在云端。
九、8分钟快闪演示脚本
- 0:00—0:40 介绍一篇已核验种子。
- 0:40—1:30 建集合并确认元数据。
- 1:30—3:00 分别展示引用、被引、相似。
- 3:00—4:20 打开两篇摘要并作纳排。
- 4:20—5:20 故意加入错误种子观察变化。
- 5:20—6:20 移除并解释种子偏差。
- 6:20—7:20 提取新术语回数据库。
- 7:20—8:00 导出集合并说明边界。
十、一页式操作清单
建集合前
- ☐ 种子来自专业数据库且已核验；
- ☐ 记录题名、DOI、年份和纳入理由；
- ☐ 明确探索问题。
探索中
- ☐ 分开查看引用、被引和相似；
- ☐ 每篇先读摘要再加入；
- ☐ 记录发现路径；
- ☐ 不把图形属性解释为质量。
交付前
- ☐ 把新术语送回数据库；
- ☐ 阅读关键全文；
- ☐ 导出集合和检索记录；
- ☐ 在方法中说明其为补充发现工具。
十一、结论与使用建议
ResearchRabbit适合教会读者“文献之间有关系”，并帮助学科馆员发现关键词检索之外的路径。它的正确位置是在可靠种子之后、正式证据判断之前；系统检索完整性与研究质量仍由专业数据库和人工方法保证。
参考来源与延伸阅读
- ResearchRabbit官方网站。
- 官方价格页，访问于2026年9月1日。
- 免费层说明。
- ResearchRabbit+说明。
- 数据责任说明及隐私政策。
- 引用ResearchRabbit的方法。
- 项目内部资料：《面向图书馆工作的AI应用深度调研报告》及AI4L任务卡。
更新提示： 数据覆盖、套餐、种子上限和功能可能变化，请以官方页面为准。
Let's Make AGI Real 
留下评论