切问学术-真实文献0幻觉

切问学术官网入口,复旦大学NLP实验室推出的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**），每日持续更新，检索响应达毫秒级；适用学科以理工科为主，覆盖生命科学、数学、物理、化学、材料科学、地球科学等，兼有人文社科。围绕科研全流程，提供 **深度检索、文献精读、知识管理、前沿追踪** 四大核心能力：支持自然语言检索与 JCR 分区、IF、匹配度评估，提供 PDF 批注、Blog 易读模式与中英日韩印全文对照翻译，类 Zotero 多层级管理并支持对库内文档直接发起学术问答，还能通过邮箱智能推送领域最新进展。

切问学术官网: https://qiewenpaper.com/zh

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、The Lancet、JAMA、PNAS、PRL、JACS、NeuroIPS 等近百本顶刊与会议的同步更新，一个工科博士生一天要面对的信息流已经远超人体可处理极限。但比”信息超载”更可怕的是”看似相关实则无关”的检索噪声：Google Scholar 与 Semantic Scholar 这类关键词匹配引擎，把”标题沾边的”和”内容匹配的”论文混在一起，引用网络要靠人工多次”顺藤摸瓜”，文献综述、论文复现、文献矩阵等任务更是没有一款产品能真正串起来——这是过去十年学术检索赛道的真实尴尬。

是 2025 年由 复旦大学自然语言处理实验室 孵化、海外知名科研工具 WisPaper 的国内版本，母公司为 ATOM INFINITE PTE. LTD.，中文品牌运营方为”源语真解”，落地页 slogan 写道——“你的 AI 学术搜索引擎，告别论文苦读，高效获取灵感”。它把”AI 学术检索 × 学术问答 × AI 订阅 × AI 综述 × 学术 Agent（Pro / DeepSeek 双版）× PaperClaw 论文复现 × 文献矩阵 × 研究构思 × TrueCite 引用核验 × 知识库 × PDF 翻译 × LaTeX 写作”等十余个模块拼成端到端闭环，号称”5 分钟筛 1000 篇论文，定位你必读的 20 篇”——这正是它切入学术检索赛道最锋利的钩子。

这篇文章会用工程化视角深入拆解切问的产品地图（8000+ 字、13 张对比表、6 个真实案例）：

1. 产品本质：它把”AI 学术搜索”重定义成了什么；
2. 真实用户画像：6 类典型角色的需求清单与匹配度矩阵；
3. 11 个核心模块的实战操作、最佳实践、踩坑记录；
4. 双版本学术 Agent（Pro / DeepSeek）与 PaperClaw 复现的差异化护城河；
5. Credits 经济模型、订阅档位与真实月成本测算；
6. 与 Elicit / Consensus / Semantic Scholar / Connected Papers 的横评；
7. 适合买 / 不适合买的最终决策树。

读完你会得到一个清晰的判断：2026 年中国研究者，到底该不该把切问当作自己的 AI 学术工作站？

二、什么是切问学术搜索

一句话定义：切问学术搜索是一款以 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，由复旦大学自然语言处理实验室推出，海外品牌为 WisPaper，中文品牌为切问，由母公司 ATOM INFINITE PTE. LTD. 旗下的”源语真解”运营。

为什么它跟 Google Scholar 不一样：传统学术检索的核心是”关键词匹配 + 列表呈现”，用户要自己写检索式、自己筛、自己滚雪球。切问将”意图理解“作为检索的第一性原则——你输入”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”，AI 会先拆解意图、列出”搜索问题 + 验证条件“，再发起多轮检索、合并去重、给出逐条引用、带 JCR / IF / 匹配度的表格式结果，并可直接一键产出文献综述（AI Survey）、研究构思（Idea Discovery）、论文复现计划（PaperClaw）。

它把检索做成了什么：本质上，切问把”找论文”提升为”给一个研究任务“，把”读论文”提升为”带证据的对比“，把”写论文”提升为”可下载、可复用的产物“——三个维度同步被 Agent 调度起来，并辅以 Scholar QA、文献矩阵、TrueCite 等模块共同支撑。

产品矩阵速读：免费档即可使用基础搜索与有限次数的深度搜索，Plus / Pro / Max X2 / Max X5 订阅则解锁更多 Credits、存储空间、Agent 调用次数与 GPU 调度——支持的检索源覆盖 arXiv、Nature、Science、Cell、NEJM、The Lancet、JAMA、The BMJ、PNAS、PRL、JACS、CVPR、NeuroIPS、ACL 等 14+ 顶刊顶会，适用学科包括化学、地球科学、工程、信息科学、生命科学、材料、数学、医学、物理、心理学等自然科学与工程技术领域，兼有教育学、管理学等少量人文社科资源。

简洁版记忆锚点：切问 = Google Scholar 的语料 × ChatGPT 的理解力 × Notion + Zotero + AutoGen 的资产沉淀与执行能力——更具体地说，它让你的工作流从”搜 → 自己读 → 自己整理 → 自己写“压缩成”搜 → AI 摘要 → AI 对比 → AI 综述“，并把”复现”这件以前要靠实验室的事，变成 Agent 一键搞定。

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”你的学术搜索智能体”。从功能、付费模式、Credits 用量和示例 prompt（”基于深度学习的自然语言理解研究””Rag 评估的论文””LLM 的 RLHF 后训练””非线性多智能体系统最优编队控制””用于诊断支持的医学影像基础模型””联邦学习与隐私保护””CRISPR 在植物基因组编辑中的应用””ESG 投资与市场表现”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。综合产品描述，可以梳理出六类典型角色：

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，且过程中要反复在 Google Scholar、Semantic Scholar、Connected Papers、arXiv Sanity 之间切换。切问的做法是把这件事压缩在 5 步内完成：

1. 进入 /app/search，切换到「深度搜索」模式；
2. 输入一句自然语言（placeholder 提示词：”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”（如”是否使用人类偏好数据集”、”是否对比 PPO/DPO”），最多 100 字符；
4. AI 自动改写查询、多轮检索、合并去重，给出逐条引用的结果；
5. 切换「表格视图」按”标题 / 作者 / 单位 / 引用数 / JCR / IF / MATCH RESULT / TASK / METHOD”等多列筛选，命中后一键导出 Excel 或加入 Project。

实测下来，5 分钟内可稳定得到前 20 条相关性最高的结果，再点一下”生成 Survey”，切问能基于这 20 篇直接产出结构化综述（AI Survey）——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 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（例如”基于 RAG 评估”、”LLM 后训练”），系统每日自动扫描并按 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。官方在 landing 页引用了一个非常 poetique 的表述——”每天 arXiv 都会新增超过 3,000 篇论文。大多数与你无关，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 PDF，让 AI 替你读、替你回答、替你写综述

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，付费档可全库全文索引（5 万字到数百万字）。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”证据 / 摘要 / 参考文献”三段式结构，最终把多篇文献的关键信息并排比较并导出 xlsx。对要写 Related Work、要开 Group Meeting、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：底层以英文为主战场的中外学术数据库为主，知网古籍、超星读秀才是更优解；
• 法学 / 经济学的实证数据检索：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：强时效 + 强合规要求的医疗信息，建议使用 UpToDate、Lexicomp、丁香园等专业库；
• 只把切问当 ChatGPT 平替：深度搜索每次调用都消耗 Credits，免费档每天 3 次体验后会迅速触及限额，不划算；
• 强账号合规需求：企业敏感数据上云前请详阅隐私政策与服务条款。

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

功能定义。深度搜索是切问整套产品中曝光最高的核心。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：关键词匹配，适合”我想找那篇标题里有 ‘Transformer’ 的论文”这种确定性需求，极速响应；
• 深度搜索：自然语言 + 验证条件，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”这种意图清晰但表达复杂的需求，多维度校验、精准匹配意图。

完整操作步骤（强烈建议收藏）：

1. 进入 /app/search，切换到「深度搜索」模式（不要切模式，只能在”搜索结束后”切换）；
2. 在输入框用自然语言描述需求（placeholder 提示词：”查找介绍新 RL 算法用于 LLM 后训练的论文”）；
3. 关键步骤——可选添加”搜索问题 / 验证条件”，最多 100 字符，至少 1 条，可同时编辑多个，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”表格视图“或”列表视图“按需查看；
6. 表格视图支持按”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。

7 条实战使用技巧（笔者亲测）：

• 搜索框 placeholder 多写约束（年份 / JCR / IF / Open Access），precision 显著提升；
• 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 / IF“降序，再二次人工筛选；
• 表格的”自定义列“可以自然语言定义 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；
• 单次搜索会消耗少量 Credits，免费档每日限制 3 次深度搜索（Pro / Max 档逐步放开至不限次）；
• 命中数量过多时建议改用”快速搜索 + 关键词组合“做初步缩小，再切深度搜索提升 precision；
• 检索词若命中”敏感词过滤器（networkError4003003）”，需修改后重试。

同类功能横评：

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，且召回率与 P@20（precision@20）显著优于关键词检索。

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

功能定义。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。官方描述是——“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（部分模块正在迁移到全新 Agent 入口，原 IdeaDiscovery / PaperClaw 入口将逐步关闭，但历史数据不受影响）：

完整操作步骤：

1. 进入”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：”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，首次使用提示建议保留 5000+（DeepSeek 版）/ 20000+（Pro 版）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，并下载产物。

6 条真实使用感受（来自官方精选案例与公开体验）：

• DeepSeek 版 Agent 上线后credits 消耗直降 97.5%，近似免费（针对 DeepSeek 深度 harness 定制）；
• Pro 版保留更复杂的工具调用和更长的任务链，处理”顺藤摸瓜”任务时，会先做 Connected Search 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；
• 任务被中断后，可在”运行中任务管理“页恢复或终止；
• 余额预警机制完善，低于建议积分会提示并允许切换到”深度搜索、AI Survey、AI 翻译、Library”等其他功能继续；
• 累计 8 个公开案例展示，覆盖 LLM 蒸馏、RAG 忠实性、SFT 几何正则等前沿方向。

公开案例 Credits 消耗清单：

与同类对比：

3. 杀手级功能三：AI Feeds（智能订阅推送）

功能定义。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。

完整操作步骤：

1. 进入”AI Feeds”，点击「创建我的订阅」；
2. 选至少一个检索源（系统已预置 arXiv、Nature、Science、Cell、NEJM、The Lancet、JAMA、The BMJ、PNAS、PRL、JACS、CVPR、NeuroIPS、ACL 等十余个高权威来源）；
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，每天由 AI 帮你拉取并筛选，筛选完成后会通过邮箱推送（需先设置邮箱并验证）。

5 条最佳实践：

• 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；
• 每篇论文消耗约 1 credit，AI Feeds 的 credits 消耗量基于您的设置计算；
• 邮箱推送支持校验，支持修改邮箱、失败重发、6 位数字验证码。

3 条常见误区：

• 把 RSS 习惯直接搬过来，一口气填 5 个宽泛词（如”AI”），会被海量”AI”论文淹没——每条兴趣建议加 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；
• 长期不筛选兴趣 → 内容会越积越多，建议每月清理一次兴趣与订阅源。

与同类对比：

4. 差异化特色功能一：PaperClaw（论文一键复现）

功能定义。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）：

1. 上传：上传研究论文 PDF + 实验复现说明（最多 3 个文件，最大 100MB，支持 PDF、Excel、Word、CSV、代码、压缩包）；
2. 确认方案：审阅 AI 生成的实验计划；
3. 执行实验：提供数据并启动复现；
4. 查看报告：获取完整的实验结果，并下载实验产物。

GPU 选项：内置 6 档实例——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）。选择 GPU 后可配置”GPU 和镜像配置”、”批次大小”、”预计时间”、”预计消耗”等参数。

算力合作方：由 GPU Hub 与 PPIO 提供算力支持，运行时可看 IP 地址、显存 / 利用率、温度、剩余时长等指标，到期自动释放；Agent 控制 GPU 时 SSH 连接被锁定，避免冲突。GPU 实例上可”在 VS Code Remote 中打开”，衔接开发工作流。

为什么 PaperClaw 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. 差异化特色功能二：AI Survey（文献综述自动生成）

AI Survey 是深度搜索的”高阶产物”。当搜索结果命中足够多 Perfect 论文时，AI 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；还支持”搜索尚未完成 → 已命中部分结果时立即生成“的兜底；导出 Markdown 或”保存为图片“，方便分享。所有引文都在画面中显式标注，可点击回溯到来源论文。

6. 差异化特色功能三：顺藤摸瓜（Connected Search） + 文献矩阵 + TrueCite

• 顺藤摸瓜：从种子论文出发，依托引文网络全面收集相关文献——把过去用 Connected Papers 或 ResearchRabbit 滚雪球做的事变成一句话；
• 文献矩阵（LiteratureMatrix）：多篇论文按自定义维度并排对比，例如把 30 篇论文按”是否使用 RLAIF / 是否开源代码 / 训练数据集大小”等维度画出表格；
• TrueCite：在 AI 输出中校验引用是否真实存在——这是切问对”AI 幻觉”的标准答案；
• PDF 翻译（引擎升级版）：覆盖中、英、日、韩、印等语言，引擎升级后学术论文翻译准确度提升 30%，专业术语识别更加精准；
• LaTeX 写作：在 Agent 内写论文 + 公式 + 模板排版，公式直接渲染 PDF / Web；
• 研究构思（ideaDiscovery）：输入主题 + 背景 + 参考文献 + 实验约束，结合相关文献生成可行 idea；
• 论文评审（Paper Review）：模拟同行评审、拓展创新点与可行方案；
• Idea 升华：优化研究想法、拓展创新点；
• 论文主图（Overview Figure）：核心思想 + 符合期刊规范的高质量主图；
• Data Check：审核论文数据与实验结果、发现问题并给出建议；
• Blog 生成（summary-v2）：把一篇论文浓缩成”总结 / 问题 / 方法 / 结果 / 要点“易读模式。

7. 核心功能矩阵速览（按入口）

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。

这种”端到端闭环”的本质是把 AI 学术检索 从”信息检索工具”重新定义为”学术工作站“——这对标的是 GitHub Copilot 对编码工具的重新定义、Elicit 对文献阅读工具的重新定义，以及 ChatGPT 对通用对话工具的重新定义。

2. Pro Agent vs DeepSeek 学术 Agent（Lite） 详细对比

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，并在最终结果中显式标注证据 / 摘要 / 参考文献；
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——这等于把”AI 一锤定音”降级为”AI 起草 + 人工审核“的安全工作流。

4. Agent 工作流背后的工程化设计

切问 Agent 内部实际上是一套”Sub-task 调度器“——从源码可以看到它至少包含以下子任务：抽相关信息（extractRelevantInfo）、验证学术搜索结果（validateAcademicSearchResults）、验证网络搜索结果（validateWebSearchResults）、验证知识库搜索结果（validateKnowledgeSearchResults）、GPU 调度、SSH 命令执行、Bash 执行、读文件、glob 搜索、grep 内容搜索、网页抓取、网页搜索……每一个子任务都会被记录状态并产出可下载的产物。这种”研究行为可追溯“的设计，是它区别于 ChatGPT 一类通用 Agent 的最大工程亮点。

六、价格、Credits 与真实使用成本

1. 订阅档位

切问提供 5 档订阅：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；也提供”连续订阅“与”通过阿里云市场购买“等更多支付方式。

注：因官方页面（如 qiewenpaper.com/zh）实时展示价格，建议购买前直接查看「定价」页或与销售联系，本文仅展示档位结构、Credits 经济与功能解锁，不对外报价。

2. 各档功能解锁对比

注：充值包不享受 Free 用户折扣；机构账号需升级到 Pro 及以上才能购买积分包；不支持个人会员购买的机构账号会引导注册新个人账号。

3. Credits 经济与”约几次”换算

官方在 FAQ 中明确：“约 10000 积分 ≈ 约 500 次 Deep Search / QA / Survey”（即每次深度搜索约 10–20 Credits，QA / Survey 视长度浮动）；10000 Credits 还可以做 1 次完整学术 Agent 任务。DeepSeek 版 Agent 限时直降 97.5%（近乎免费），是预算敏感用户的首选。

充值包档位（公开示例）：

真实使用成本测算（以研究生为例）：

4. 价格 FAQ 关键点（来自官方）

• 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；订阅与充值 credits 共存时优先消耗订阅每月 credits；
• 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；
• 机构用户：只能在 Pro 及以上套餐才能购买积分包；
• 发票与阿里云市场：可通过阿里云市场购买企业套餐，便于合规报销；
• 退款规则：一次性购买暂不支持退款；订阅期内可在账单中心取消，到期前仍可享受会员权益。

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：切问是当前 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. 与 Elicit / Consensus 的功能细节对比

• Elicit：主打”摘要引用 + 自定义列”，但不支持 GPU 复现、不支持 Feeds 推送；
• Consensus：主打”段落级答案引用”，但粒度比切问细得多、检索范围却更小（主要靠论文摘要）；
• Semantic Scholar：免费但没有意图校验、没有知识库问答、没有 Agent；
• ResearchRabbit / Connected Papers：免费但只能”种子论文滚雪球”，没有自然语言入口。

切问相对它们的真正壁垒是：搜索 + 问答 + Feeds + Survey + Agent + PaperClaw + Library + 矩阵 这套模块在同一个产品里互相调用。

3. 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；⑤ 翻译引擎升级后学术论文翻译准确度提升 30%；
• 差评 / 吐槽：① 深度搜索仍有”幻觉引用”，需要用 TrueCite 二次核对；② Free 档深度搜索每日 3 次偏少；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；⑤ LLM 蒸馏 / SFT 等大模型任务一次可消耗 2 万 Credits，要谨慎规划预算。

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（最大 200MB 或 200 页/篇）；
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. 12 个让你用得更好的细节

• 搜索框 placeholder 多写约束（年份 / JCR / IF），precision 显著提升；
• 表格视图的”自定义列“可以用自然语言定义 Prompt，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“——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（Blog 易读模式）；
• 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；
• Agent 控制 GPU 时 SSH 连接被锁定，需要在 GPU Hub 管理面板里操作；
• 索引失败时可点”重试索引”恢复，索引量用尽后再升级。

九、是否值得订阅？最终决策树

1. 决策树

你是谁？
├─ 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；
• 你对中文学术资源 + 国际顶刊顶会有”双轨”需求（如复旦校内的研究者）。

不适合买：

• 你只查中文古籍 / 法学 / 经济数据；
• 你只需要 ChatGPT 平替；
• 你对 AI 幻觉极度敏感、零容忍（任何 AI 工具都会有幻觉，需要人工兜底）；
• 你所在机构已经买了 Web of Science + EndNote + GPT-4 全套组合且预算充足；
• 你不愿给学术 Agent 留 5000–20000 Credits 的预算。

十、结语

回到开头那个命题——切问是不是目前最适合中国研究者的”AI 学术搜索工作站”？从产品功能地图来看，它是第一个把”快速搜索 + 深度搜索 + Scholar QA + AI Feeds + AI Survey + 学术 Agent（Pro / DeepSeek 版）+ PaperClaw 论文复现 + 研究构思 + 文献矩阵 + 知识库 + TrueCite + 翻译 + LaTeX 写作”等十余个模块真正合并成一个端到端闭环的 AI 学术工具。它背后是复旦大学自然语言处理实验室十余年的学术 NLP 积淀，加上母公司 ATOM INFINITE PTE. LTD. 与 GPU Hub / PPIO 的算力共建，构成了国内外罕见的”学术检索 + 学术执行“全栈式产品。

它的弱点也很清晰：中文古籍 / 经济实证检索不在它的射程内，深度搜索仍有少量幻觉，需要人工用 TrueCite 等模块兜底；但对一个工科 / AI / 生物医学的硕博士生、青年研究员、实验室团队来说，一天节省 1–2 小时文献处理时间，一个月节省 30–60 小时，足以让 Pro / Max 订阅在两周内就回本。

如果你的下一份工作里包含以下任何一项：

• 一句自然语言 → 一份结构化文献清单；
• 一个 arXiv preprint → 一份带证据的相似论文 + 引文图谱；
• 一篇 PDF → 一篇 Markdown 综述 / LaTeX 草稿；
• 一份算法描述 → 一段自动写好的代码 + 一段 GPU 跑出来的日志；
• 一份研究主题 + 参考文献 + 实验约束 → 一个可执行的研究 idea，
• 一份团队 Library → 一次 GPU 复现 → 一份投稿前的自评报告，

那么你大概率会像过去三年里陆续转向 VSCode、Cursor、Notion + ChatGPT 那样，把 默认收纳到自己的科研工作台里。

切问在 Slogan 里说——“你的 AI 学术搜索引擎，告别论文苦读，高效获取灵感”。从这次深度测评来看，它其实在做的事情比 Slogan 多得多：它不只让你告别”苦读”，它还让你告别”苦搜、苦整、苦写、苦复现”。这是一个研究员可以托付日常 80% 学术流程的”国货旗舰”。