Elicit

Elicit 是什麼？

Elicit 是一款面向學術研究的 AI 助手，其產品邏輯建立在一個判斷之上：當代科研的瓶頸不在於產生想法，而在於讀完既有的證據。通用聊天機器人回答研究問題時，依據的是訓練階段吸收的內容；Elicit 做的事情更窄，也更能被稽核——它在一個界定清晰的學術文獻庫中檢索，取出與你的問題真正相關的論文，然後把它們的內容攤開成一張可以逐欄檢視的表格。它的目標使用者，是那些必須為自己的引用負責的人：系統性文獻回顧研究者、證據綜合團隊、醫療科技評估與法規分析人員、製藥與醫療器材研究者、政策研究人員，以及承擔底層篩選工作的研究生。

這家公司的來歷相當特別。Elicit 最初誕生於非營利研究機構 Ought，2023 年 9 月獨立為公益公司（PBC），同時完成 900 萬美元種子輪，由 Fifty Years 領投，天使投資人包括 Google 首席科學家 Jeff Dean 與 GitHub 共同創辦人 Tom Preston-Werner；2025 年 2 月再完成 2200 萬美元 A 輪，估值 1 億美元，由 Spark Capital 與 Footwork 共同領投。這段出身直接影響了產品形態：Ought 時期的核心命題是監督機器推理的過程，而不只是檢查結論，而 Elicit 堅持為每一條陳述展示原文句子，正是這個命題落實到介面上的結果。

放到同類產品中看，Elicit 站在「結構化資料」這一端。Consensus 更擅長讓你快速讀懂某個是非型問題上的證據傾向，Semantic Scholar 本質是建立在引文圖譜上的發現層，而 Elicit 的重心在擷取——把一堆 PDF 變成可篩選、可排序、可匯出 CSV 並直接進入分析流程的列與欄。這個側重點同時也是關於它效能的獨立證據最集中之處，它真正的局限也在這裡。

核心功能

• 結構化資料擷取成表格：這是整個產品的立身之本，官方直接稱資料擷取是 Elicit 的「超能力」之一，並強調可以從表格與圖表中擷取——用官方的說法，多數臨床結果其實就藏在那裡。你定義需要的欄位（樣本數、介入措施、結果指標、效應方向、經費來源），Elicit 在整個論文集合上把它們填滿，量化與質性欄位皆支援，每個儲存格都附帶支撐它的引文或圖表。
• 約 1.38 億篇論文的語意檢索：語料由 Semantic Scholar、OpenAlex 與 PubMed 三來源合併，去除重複與不完整記錄後約 1.38 億筆，另有 ClinicalTrials.gov 上超過 54.5 萬筆註冊臨床試驗作為可單獨選擇的語料。檢索機制並非關鍵字比對：Elicit 以自研 embedding 模型依語意相似度對全庫排序（同時考量引用數與時效），取前 1000 篇再以大型語言模型二次排序，最終依方案與工作流呈現前 4 到前 1000 篇。
• 句子級引用：每一條 AI 生成的陳述都錨定到來源論文中的確切句子或圖表，而不只是指向整篇論文。官方明確做了對比：其他工具只給參考文獻連結，你得讀完整篇才能找到答案出處，而且有時資訊根本不在被引來源裡。這是產品中影響最深遠的設計決策，因為它把「查證」從一項研究工作變成了掃一眼的動作。
• 可稽核的系統性回顧工作流：Elicit 涵蓋從協議細化、檢索、篩選、擷取到綜合的完整鏈條。企業版篩選規模可達 4 萬篇，每一條納入或排除決策都帶排除理由、逐條評分與支撐引文，官方稱之為 PRISMA 可稽核。雙人複核既可以是兩位人類搭配 AI 輔助，也可以直接讓 AI 擔任第二審查者。
• 最多綜合 200 篇的研究報告：報告工作流可跨最多 200 篇來源生成十頁以上的文獻回顧，每條陳述由句子級引用支撐，並自帶包含 PRISMA 流程圖、論文摘要表與檢索策略的方法學章節，內建範本可依機構客製。
• 文獻庫與提醒：檢索到的論文會被儲存整理以便跨專案重複使用，已儲存的檢索可轉為提醒，在新論文出現時推送——這正是官方所稱「活的回顧」的實現機制，讓已完成的回顧可以更新而不必重做。
• 上傳自有文件與接入訂閱：支援上傳自己的 PDF 做客製化擷取，也可接入機構期刊訂閱，把全文可讀範圍擴展到開放取用之外。

使用場景

1. 系統性文獻回顧與證據綜合：一個五人團隊的傳統系統性回顧往往耗時數月，其中大半是篩選與擷取的體力活。團隊以 Elicit 在數千筆記錄上執行篩選（可編輯 AI 自動建議的標準），再把結構化欄位擷取成表格供分析。真正讓產出站得住腳的不是速度，而是那條可稽核的軌跡：排除理由、逐條評分、支撐引文——這些才是方法學章節裡寫得出來的東西。
2. 確定協議前的範疇性檢索：在不知道有哪些文獻之前就要定下回顧協議，本身是個先有雞還是先有蛋的問題。由於 Elicit 的檢索由語意驅動且精確率異常高，它非常適合快速偵察：確認某個問題是否被研究過、被如何操作化、分歧在哪裡，然後再投入完整檢索策略。
3. 製藥、醫療器材與醫療科技評估：法規與 HTA 工作需要反覆搭建可比的證據表——依試驗組別分列的結果、不良事件、無惡化存活期。Elicit 從表格與圖表中擷取的能力正對準此處，官方也列出將其用於政策導向回顧的產業界客戶。
4. 限期交付的政策簡報與快速回顧：當一項決策需要在數天而非數月內取得證據基礎時，自動擷取加上人工複核讓涵蓋百餘篇研究的快速範疇回顧變得可行。官方引用的一位方法學家所描述的正是這種情境：一天之內完成了涵蓋一百多項研究的快速範疇回顧。
5. 博士論文的文獻回顧與資格考準備：研究生用它來測繪一個領域——找到奠基性研究、追蹤某個構念在不同研究中如何被測量、建立支撐回顧章節的對照表。結構化產出在這類任務上明顯比一串連結有用，但如下文所述，它不應是唯一的檢索方式。
6. 研究領域的持續追蹤：把已儲存的檢索與提醒結合，一次性的回顧就變成受監控的資訊流，讓負責某個治療領域或技術方向的團隊不必手動維護資料庫提醒也能得知相關新論文。

如何使用 Elicit

1. 在 elicit.com 註冊帳號。免費的 Basic 方案可直接使用，提供無限檢索、摘要與論文對話，因此你可以先在自己的題目上評估檢索品質，再決定是否付費。
2. 以自然語言而非布林檢索式輸入研究問題。Elicit 的排序是語意驅動的，一個界定清晰的問題（「在成人憂鬱症治療中，線上 CBT 的效果是否與面對面 CBT 相當？」）遠勝關鍵字堆疊。問題過寬時 Elicit 通常會提示如何收窄。
3. 瀏覽回傳的論文，以自然語言設定篩選標準收窄範圍。務必閱讀 Elicit 給出的排除理由——這是你發現某條標準被理解得與你本意不同的地方。
4. 定義擷取欄位。先從少量具體的事實型欄位開始，逐格檢查支撐引文之後再增加欄位；在二十篇論文上把欄位定義調對，代價遠低於在四百篇上才發現理解偏差。
5. 對照原文查證擷取值，優先查證解釋型欄位而非事實型欄位。把表格匯出為 CSV 或 XLSX 供分析，或在需要帶方法學章節的敘述性綜合時生成研究報告。
6. 若題目需要長期追蹤，把檢索儲存為提醒；把論文留在文獻庫中，讓這次的篩選成果能在下個專案中重複使用。

使用技巧與最佳實踐

• 不要把 Elicit 當作全面性回顧的唯一檢索手段。 這一點的獨立證據非常明確（詳見下方限制章節），務必以 PubMed、Embase、Web of Science 或你所在領域的專業資料庫做傳統檢索作為補充。
• 把事實型欄位與解釋型欄位拆開，區別對待。 擷取參與者人數、已報告的測量指標這類內容是可靠的；任何需要判斷「這項研究意味著什麼」的內容則明顯不可靠。解釋型欄位需人工查證，事實型欄位抽查即可。
• 把它當第二審查者，而非唯一的擷取者。 一項已發表的概念驗證研究發現，當 Elicit 與人類審查者意見一致時，準確率是 100%——這意味著有價值的訊號是「分歧」本身，而非擷取動作。並行擷取、只處理衝突項，比任何一方單獨作業都更快也更準確。
• 依賴全文的欄位，先確認 Elicit 真的讀到了全文。 沒有全文存取權時它會退回標題與摘要，產出的是較淺的擷取結果而非錯誤訊息。安裝瀏覽器擴充功能並接入機構訂閱，會實質改變它能看到的內容。
• 需要可重現性時，請使用關鍵字檢索並如實記錄。 對話式與語意檢索無法直接重現，而方法學章節必須能被讀者重複執行。
• 先窄後寬。 由於檢索精確但不窮盡，把同一個問題換幾種不同表述各跑一次，能撈出單一表述會漏掉的論文。
• 讀引文，不要只讀數值。 支撐引文正是整套引用設計的意義所在；若某個儲存格的引文明顯撐不住它的值，這就是發現擷取錯誤最快的方式。

適用人群

• 系統性回顧與證據綜合專家：核心受眾，產品的篩選與擷取工作流（含 PRISMA 可稽核決策與雙人複核）正是圍繞他們設計的。
• 製藥、生技與醫療器材研究者：需要搭建試驗證據表，且依試驗組別分列的結果與不良事件資料必須從表格與圖表中取出，而非僅從摘要獲得。
• 醫療科技評估與法規分析人員：必須在結構化的方法學要求與時間壓力下產出站得住腳的證據基礎。
• 政策研究者與政府分析人員：在壓縮的時程上撰寫循證簡報，快速範疇回顧是「完全不做回顧」之外的現實選項。
• 博士生與研究生：建立文獻回顧章節、梳理某個構念在各研究中如何被操作化、準備資格考試。
• 學術館員與研究支援人員：負責評估與教授 AI 研究工具的專業人士，已有多位發表針對 Elicit 的機構級獨立評估。
• 企業研發與競爭情報團隊：把證據綜合應用到學術界之外的產業使用者，這也是官方明確指出的擴張方向。
• 臨床醫師與臨床研究者：需要定位與比較試驗證據的使用者，ClinicalTrials.gov 可作為獨立於論文索引的語料檢索。

支援平台

• Web 端：主要且功能完整的入口，以瀏覽器造訪 elicit.com 即可，無需安裝。
• 瀏覽器擴充功能：用於借助你已持有的期刊訂閱擴展全文存取權限，能實質拓寬 Elicit 在開放取用之外可讀到的內容。
• REST API：Pro 方案起提供，企業版為無限呼叫。文件化的介面以研究代理工作階段為模型，回傳表格、散文、簡報與圖表等互動式產物，表格可下載為 CSV 或 XLSX、散文可下載為 Markdown，透過短時效預簽署連結取得。
• 文獻管理工具整合：支援 Zotero 匯入匯出，以及與 EndNote、Mendeley 的連通，讓檢索到的論文流入你既有的引用工作流。
• 官網未宣傳原生行動或桌面用戶端，產品透過瀏覽器交付（資訊待驗證，如有更新以官網為準）。

價格與方案

Elicit 提供了一個真正可用的免費方案。Basic 完全免費，提供全語料無限檢索、無限論文摘要、在有全文的前提下無限與論文對話、檢視答案來源以及 Zotero 匯入，僅對 Research Agent 與研究報告設有用量限制。想判斷它的檢索品質是否適合你所在領域，這個方案足以讓你做出有依據的判斷，且無需花錢。

付費方案之間的區分是「允許多大的研究工作量」，而非「解鎖哪些按鈕」，對研究型產品而言這是相當誠實的定價結構。Pro 為每月 49 美元，或年繳 588 美元（官方標示省 35%），增加代理、報告與系統性回顧工作流的標準用量、最多 5000 篇論文的篩選、20 個表格欄位、從 135 個資料來源擷取、10 條個人化提醒、對已上傳論文的客製擷取以及 API 存取。Scale 為每月 169 美元，或年繳 2028 美元（官方標示省 39%），提供 Pro 五倍的用量配額，外加從圖表中擷取、即時協作編輯、200 個資料來源、30 個欄位以及帶用量追蹤與席次管理的管理面板。Enterprise 為客製報價，增加 4 萬篇篩選、40 個欄位、無限提醒與無限 API、SSO 與 SAML、雙因素驗證、使用者分析、客製整合與專屬客戶成功團隊。具體權益與最新價格以官網定價頁及實際註冊流程為準。

替代方案

• Consensus：同樣是面向同儕審查文獻的 AI 檢索工具，但更擅長快速讀懂某個聚焦問題上的證據傾向，而非建立擷取表格；想要快速結論時較合適，需要結構化欄位時則較弱。
• Semantic Scholar：艾倫人工智慧研究院推出的免費學術發現與引文圖譜工具——值得一提的是，它本身就是 Elicit 的語料來源之一。查找與追蹤論文很出色，但不做結構化擷取與篩選。
• 傳統系統性回顧軟體（Covidence、Rayyan、DistillerSR）：為管理回顧流程而生，方法學嚴謹性與團隊工作流成熟，但 AI 驅動的擷取能力較弱；實務上常與 AI 擷取層搭配使用而非互相取代。
• 傳統文獻資料庫（PubMed、Embase、Web of Science、Scopus）：與其說是競品，不如說是必要的互補——它們提供窮盡且可重現的布林檢索，而獨立證據顯示 AI 語意檢索目前還取代不了這一點。
• 帶研究模式的通用 AI 助手：用於初步了解與摘要很方便，但沒有界定清晰的學術語料，也沒有句子級來源錨定，在引用準確性必須可查證的場合並不適用。

限制與注意事項

• 檢索敏感度顯著低於廠商基準所暗示的水準，這是關於這個工具最需要知道的一件事。 Elicit 自己發表的評估以 994 篇開放取用的 Cochrane 回顧為真值集，自報摘要篩選敏感度 96.9%、全文階段論文級召回 99.5%。但 Lau 與 Golder 2025 年發表於《Cochrane Evidence Synthesis and Methods》的研究發現，在四個案例回顧中，Elicit 的檢索敏感度平均僅為 39.5%，而原始回顧檢索為 94.5%。直白地說：單獨使用時，它漏掉了傳統檢索能找到的大部分研究。同一研究也發現 Elicit 的精確率平均為 41.8%，遠高於原始回顧檢索的 7.55%——也就是說，回傳給你的結果中無關文獻少得多。誠實的解讀是：它是一件出色的精確探索性檢索工具，卻不是一件合格的窮盡檢索工具。作者的結論是 Elicit 目前的敏感度不足以取代傳統檢索，同時指出產品持續在改進，值得重新評估。
• 擷取準確率在陌生材料上會衰減，且恰恰在需要判斷之處最弱。 一項涵蓋環境科學與生命科學的可行性研究得出的結論是：Elicit 可以補充但不能取代人類資料擷取者——該研究發現達標變數的比例從提示詞開發階段的 78% 降至應用於全新、未曾見過的研究時的 69%。2025 年發表於《Social Science Computer Review》的一項概念驗證研究，在 43 項研究、602 個資料點上將 Elicit 與人類審查者做了對照，測得 Elicit 準確率 81.4%、人類 86.7%，差異無統計顯著性——這本身是個相當不錯的結果。但真正有用的是分項拆解：參與者人數一致率 81.4%，而主要結果降至 34.8%、關注構念只有 16.3%。同一研究還觀察到 Elicit 有時會從被引文獻而非原始研究中取值。事實型欄位搭配抽查基本可信；解釋型欄位則不然，必須查證。
• 可重現性在檢索與擷取兩個層面都不完善。 在不同帳號下重跑相同提示，擷取值有 90% 完全一致，但支撐引文只有 46% 一致、推理敘述只有 30% 一致——也就是說答案通常穩定，而支撐答案的理由往往不穩定。此外，迪肯大學圖書館的評估指出，對話式檢索無法直接重現，「目前缺乏系統性回顧報告所需的透明度」。當方法學章節必須可被重現時，請使用關鍵字檢索並如實標註。
• 真正的天花板是全文可得性，而非語料規模。 只有當論文是開放取用的，或者你安裝了 Elicit 瀏覽器擴充功能並持有相應期刊訂閱時，全文分析才成立；否則 Elicit 只能讀標題與摘要。在權威文獻多半位於付費牆之後的領域，這會悄悄限制擷取深度，而且不會明確告知你它受限了。
• 收錄範圍有一些容易被忽略的硬邊界。 圖書、學位論文與非學術出版品被完全排除；Elicit 自己的文件也提示，灰色文獻與部分臨床試驗報告在自動檢索中命中率較低，且存在區域性缺口，包括中文出版品。人文與社會科學領域的使用者反覆反映其涵蓋明顯薄於科學、技術與醫學。迪肯的評估還額外指出存在英語語言偏誤的風險，以及缺少正式的品質評估功能——Elicit 會擷取一項研究報告了什麼，但不會告訴你這項研究做得好不好。
• 幻覺問題並未被終結，只是被約束了。 TechCrunch 的 Kyle Wiggers 在 2023 年 9 月報導其種子輪時，便質疑底層的幻覺問題是否真的被解決，並援引了 Meta 的 Galactica——那個因捏造引用而在上線三天後被撤下的科學語言模型。句子級引用是一項嚴肅的緩解措施，因為它讓捏造變得可見，而非徹底杜絕捏造，查核的責任仍落在讀者身上。證據綜合從業者反覆提醒，在篩選階段不做人工查證時，這個工具還不足以支撐正式的後設研究。
• 廠商公布的數字要連同它自己的但書一起讀。 值得肯定的是，Elicit 在公布數字的同時也公布了但書：擷取只在開放取用研究上評估、只評了語意檢索而未評完整的關鍵字加語意流程、全文篩選樣本數小，且擷取問題是事後重構而非取自原始協議。官網引用的客戶案例——例如 VDI/VDE 報告稱在一項為德國教育政策提供依據的系統性回顧中，Elicit 正確擷取了 1511 個資料點中的 1502 個——是廠商轉述的、在有利條件下取得的結果，而非獨立評估。
• 官網公布的數字之間彼此不一致。 首頁寫著「超過 1.25 億篇論文」，而定價頁與說明中心都寫 1.38 億；使用者數在不同位置分別出現 200 萬、500 萬與每月 40 萬三種口徑。其中 1.38 億這個數字依據最充分，因為它是唯一附帶說明的——說明中心解釋了三個來源資料庫之間重疊記錄的去重邏輯。使用者數的三種口徑很可能分別在衡量不同的東西（累計註冊數與月活躍數），但官網並未說明。

常見問題（FAQ）

Q1. Elicit 可以免費使用嗎？

可以，免費的 Basic 方案包含全語料無限檢索、無限論文摘要、無限與論文對話以及 Zotero 匯入，僅對 Research Agent 與研究報告限制用量。付費方案從 Pro 每月 49 美元起，具體條款以官網定價頁為準。

Q2. Elicit 與 Consensus、Semantic Scholar 有何不同？

三者都檢索學術文獻，但產出不同。Consensus 較適合快速讀懂某個聚焦問題上的證據傾向，Semantic Scholar 是發現與引文圖譜工具，而 Elicit 的差異化能力是把論文中的資料擷取成可客製的表格（包括從表格與圖表中擷取），每個值都帶支撐引文。

Q3. 系統性回顧的檢索可以只靠 Elicit 嗎？

不可以。2025 年發表於《Cochrane Evidence Synthesis and Methods》的獨立研究發現，Elicit 的檢索敏感度平均為 39.5%，而原始回顧檢索為 94.5%，結論是目前的敏感度不足以取代傳統檢索。請把它作為常規資料庫檢索的補充——它的高精確率使其在前期探索性工作中很有價值。

Q4. Elicit 的資料擷取有多準確？

這很大程度上取決於你擷取什麼。2025 年的一項研究測得整體準確率 81.4%，人類審查者為 86.7%，兩者在統計上無法區分；但分項來看，參與者人數的一致率為 81.4%，而關注構念僅為 16.3%。事實型欄位基本可靠，解釋型欄位需要人工查證。

Q5. Elicit 會捏造引用嗎？

它的核心緩解手段是句子級引用：每條 AI 生成的陳述都錨定到來源中的確切句子或圖表，因此缺乏支撐的陳述是可見的而非被掩蓋的。這比通用聊天機器人的風險顯著更低，但並不免除你閱讀支撐引文的必要；獨立研究者仍建議在正式的證據綜合中進行人工查證。

Q6. Elicit 能讀付費牆後的論文嗎？

部分可以。它同時索引開放取用論文與訂閱制論文，但全文分析要麼需要論文本身是開放取用的，要麼需要 Elicit 瀏覽器擴充功能搭配你自己的期刊訂閱。沒有全文存取權時，Elicit 只能基於標題與摘要作業。

Q7. Elicit 檢索哪些來源？

由 Semantic Scholar、OpenAlex 與 PubMed 合併、去重並剔除不完整記錄後約 1.38 億篇論文，另有 ClinicalTrials.gov 上超過 54.5 萬筆試驗作為獨立語料。圖書、學位論文與非學術出版品不在收錄範圍內。

Q8. Elicit 有 API 嗎？

有，API 存取自 Pro 方案起包含，企業版為無限呼叫。文件化的介面涵蓋研究代理工作階段，回傳的產物包括可下載為 CSV 或 XLSX 的表格以及可下載為 Markdown 的散文。

Q9. 團隊可以在 Elicit 中協作嗎？

即時協作編輯自 Scale 方案起提供，該方案還增加了帶用量追蹤與席次管理的管理面板。企業版進一步提供 SSO 與 SAML、雙因素驗證以及使用者分析。

Q10. Elicit 適合人文社會科學嗎？

可用但相對較弱。語料原則上涵蓋所有學科，但使用者一致反映人文與社會科學的涵蓋薄於科學、技術與醫學，且一項獨立的圖書館評估指出存在英語語言偏誤的風險。