Elicit

Elicit 是什么？

Elicit 是一款面向学术研究的 AI 助手，它的产品逻辑建立在一个判断之上：当代科研的瓶颈不在于产生想法，而在于读完已经存在的证据。通用聊天机器人回答研究问题时，依据的是训练阶段吸收的内容；Elicit 做的事情更窄，也更可审计——它在一个界定清晰的学术文献库中检索，取出与你的问题真正相关的论文，然后把它们的内容摊开成一张可以逐列检查的表格。它的目标用户是那些必须为自己的引用负责的人：系统综述研究者、证据综合团队、卫生技术评估与法规分析人员、制药与医疗器械研究者、政策研究人员，以及承担底层筛选工作的研究生。

这家公司的来历比较特别。Elicit 最初诞生于非营利研究机构 Ought，2023 年 9 月独立为公益公司（PBC），同时完成 900 万美元种子轮，由 Fifty Years 领投，天使投资人中包括谷歌首席科学家 Jeff Dean 与 GitHub 联合创始人 Tom Preston-Werner；2025 年 2 月又完成 2200 万美元 A 轮，估值 1 亿美元，由 Spark Capital 与 Footwork 联合领投。这段出身直接影响了产品形态：Ought 时期的核心命题是监督机器推理的过程而不只是检查结论，而 Elicit 坚持为每一条断言展示原文句子，正是这一命题落到界面上的结果。

放到同类产品中看，Elicit 站在"结构化数据"这一端。Consensus 更擅长让你快速读懂某个是非型问题上的证据倾向，Semantic Scholar 本质是建立在引文图谱上的发现层，而 Elicit 的重心在提取——把一堆 PDF 变成可筛选、可排序、可导出 CSV 并直接进入分析流程的行与列。这个侧重点同时也是关于它性能的独立证据最集中的地方，它真正的局限也在这里。

核心功能

• 结构化数据提取成表格：这是整个产品的立身之本，官方直接称数据提取是 Elicit 的"超能力"之一，并强调可以从表格与图表中提取——用官方的说法，多数临床结局其实就藏在那里。你定义需要的列（样本量、干预措施、结局指标、效应方向、经费来源），Elicit 在整个论文集合上把它们填满，定量与定性字段都支持，每个单元格都附带支撑它的引文或图表。
• 约 1.38 亿篇论文的语义检索：语料由 Semantic Scholar、OpenAlex 与 PubMed 三源合并，去除重复与不完整记录后约 1.38 亿条，另有 ClinicalTrials.gov 上超过 54.5 万条注册临床试验作为可单独选择的语料。检索机制不是关键词匹配：Elicit 用自研 embedding 模型按语义相似度对全库排序（同时考虑引用数与时效），取前 1000 篇再用大模型二次排序，最终按套餐与工作流展示前 4 到前 1000 篇。
• 句子级引用：每一条 AI 生成的断言都锚定到源论文中的确切句子或图表，而不只是指向整篇论文。官方明确做了对比：其他工具只给参考文献链接，你得读完整篇才能找到答案的出处，而且有时信息根本不在被引来源里。这是产品中影响最深远的一个设计决策，因为它把"核实"从一项研究任务变成了扫一眼的动作。
• 可审计的系统综述工作流：Elicit 覆盖从协议细化、检索、筛选、提取到综合的完整链条。企业版筛选规模可达 4 万篇，每一条纳入或排除决策都带排除理由、逐条评分与支撑引文，官方称之为 PRISMA 可审计。双人复核既可以是两位人类配合 AI 辅助，也可以直接让 AI 充当第二审稿人。
• 最多综合 200 篇的研究报告：报告工作流可跨最多 200 篇来源生成十页以上的文献综述，每条断言由句子级引用支撑，并自带包含 PRISMA 流程图、论文摘要表与检索策略的方法学章节，内置模板可按机构定制。
• 文献库与提醒：检索到的论文会被存储整理以便跨项目复用，保存的检索可转为提醒，在新论文出现时推送——这正是官方所说"活的综述"的实现机制，让已完成的综述可以更新而不必重做。
• 上传自有文档与接入订阅：支持上传自己的 PDF 做自定义提取，也可接入机构期刊订阅，把全文可读范围扩展到开放获取之外。

使用场景

1. 系统综述与证据综合：一个五人团队的传统系统综述往往要耗时数月，其中大部分是筛选与提取的体力活。团队用 Elicit 在数千条记录上跑筛选（可编辑 AI 自动建议的标准），再把结构化字段提取成表格用于分析。真正让产出站得住脚的不是速度，而是那条可审计的痕迹：排除理由、逐条评分、支撑引文——这些才是方法学章节里写得出来的东西。
2. 确定协议前的范围性检索：在不知道有哪些文献之前就要定下综述协议，本身是个先有鸡还是先有蛋的问题。由于 Elicit 的检索由语义驱动且精确率异常高，它非常适合快速侦察：确认某个问题是否被研究过、被如何操作化、分歧在哪里，然后再投入完整检索策略。
3. 制药、医疗器械与卫生技术评估：法规与 HTA 工作需要反复搭建可比的证据表——按试验组分列的结局、不良事件、无进展生存期。Elicit 从表格与图表中提取的能力正对准这里，官方也列出了将其用于政策向综述的工业界客户。
4. 限期交付的政策简报与快速综述：当一个决策需要在几天而非几个月内拿到证据基础时，自动提取加人工复核让百余篇研究的快速范围综述变得可行。官方引用的一位方法学家描述的正是这种情形：一天之内完成了覆盖一百多项研究的快速范围综述。
5. 博士论文的文献综述与资格考试准备：研究生用它来测绘一个领域——找到奠基性工作、追踪某个构念在不同研究中如何被测量、搭出支撑综述章节的对比表。结构化产出在这类任务上明显比一串链接有用，但如下文所述，它不应是唯一的检索方式。
6. 研究领域的持续跟踪：把保存的检索与提醒结合，一次性的综述就变成了受监控的信息流，让负责某个治疗领域或技术方向的团队不必手工维护数据库提醒也能获知相关新论文。

如何使用 Elicit

1. 在 elicit.com 注册账号。免费的 Basic 档可直接使用，提供无限检索、总结与论文对话，因此你可以先在自己的课题上评估检索质量，再决定是否付费。
2. 用自然语言而不是布尔检索式输入研究问题。Elicit 的排序是语义驱动的，一个界定清晰的问题（"在成年人抑郁症治疗中，线上 CBT 的效果是否与面对面 CBT 相当？"）远胜关键词堆砌。问题过宽时 Elicit 通常会提示如何收窄。
3. 浏览返回的论文，用自然语言设定筛选标准收窄范围。务必阅读 Elicit 给出的排除理由——这是你发现某条标准被理解得与你本意不同的地方。
4. 定义提取列。先从少量具体的事实型字段开始，逐格检查支撑引文之后再增加列；在二十篇论文上把列定义调对，代价远低于在四百篇上发现理解偏差。
5. 对照原文核验提取值，优先核验解释型列而非事实型列。把表格导出为 CSV 或 XLSX 用于分析，或在需要带方法学章节的叙述性综合时生成研究报告。
6. 若课题需要长期跟踪，把检索保存为提醒；把论文留在文献库里，让这次的筛选工作能在下个项目中复用。

使用技巧与最佳实践

• 不要把 Elicit 当作全面综述的唯一检索手段。 这一点的独立证据非常明确（详见下文限制章节），务必用 PubMed、Embase、Web of Science 或你所在领域的专业数据库做传统检索作为补充。
• 把事实型列和解释型列拆开，区别对待。 提取参与者数量、报告的测量指标这类内容是可靠的；任何需要判断"这项研究意味着什么"的内容则明显不可靠。解释型列要人工核验，事实型列做抽查即可。
• 把它当第二审稿人，而不是唯一的提取者。 一项已发表的概念验证研究发现，当 Elicit 与人类审稿人意见一致时，准确率是 100%——这意味着有价值的信号是"分歧"本身，而不是提取动作。并行提取、只处理冲突项，比任何一方单独工作都更快也更准。
• 依赖全文的字段，先确认 Elicit 真的读到了全文。 没有全文访问权时它会退回到标题与摘要，产出的是更浅的提取结果而不是报错。安装浏览器扩展并接入机构订阅，会实质性改变它能看到的内容。
• 需要可复现性时，请使用关键词检索并如实记录。 对话式与语义检索无法直接复现，而方法学章节必须能被读者重复执行。
• 先窄后宽。 由于检索精确但不穷尽，把同一个问题换几种不同表述各跑一遍，能捞出单一表述会漏掉的论文。
• 读引文，不要只读值。 支撑引文正是整套引用设计的意义所在；如果某个单元格的引文明显撑不住它的值，这就是发现提取错误最快的方式。

适用人群

• 系统综述与证据综合专家：核心受众，产品的筛选与提取工作流（含 PRISMA 可审计决策与双人复核）就是围绕他们设计的。
• 制药、生物技术与医疗器械研究者：需要搭建试验证据表，且按试验组分列的结局与不良事件数据必须从表格和图表里取出，而非仅从摘要中获得。
• 卫生技术评估与法规分析人员：必须在结构化的方法学要求与时间压力下产出站得住脚的证据基础。
• 政策研究者与政府分析人员：在压缩的时间线上撰写循证简报，快速范围综述是"完全不做综述"之外的现实选项。
• 博士生与研究生：搭建文献综述章节、梳理某个构念在各研究中如何被操作化、准备资格考试。
• 学术馆员与科研支持人员：负责评估与教授 AI 研究工具的专业人士，已有多位发表了针对 Elicit 的机构级独立评估。
• 企业研发与竞争情报团队：把证据综合应用到学术界之外的工业用户，这也是官方明确指出的扩张方向。
• 临床医生与临床研究者：需要定位与比较试验证据的用户，ClinicalTrials.gov 可作为独立于论文索引的语料检索。

支持平台

• Web 端：主要且功能完整的入口，浏览器访问 elicit.com 即可，无需安装。
• 浏览器扩展：用于借助你已持有的期刊订阅扩展全文访问权限，能实质性拓宽 Elicit 在开放获取之外可读到的内容。
• REST API：Pro 档起提供，企业版为无限调用。文档化的接口以研究智能体会话为模型，返回表格、散文、演示与图表等交互式产物，表格可下载为 CSV 或 XLSX、散文可下载为 Markdown，走短时效预签名链接。
• 文献管理工具集成：支持 Zotero 导入导出，以及与 EndNote、Mendeley 的连通，让检索到的论文流入你既有的引用工作流。
• 官网未宣传原生移动端或桌面客户端，产品通过浏览器交付（信息待验证，如有更新以官网为准）。

价格与套餐

Elicit 提供了一个真正可用的免费档。Basic 完全免费，提供全语料无限检索、无限论文总结、在有全文的前提下无限与论文对话、查看答案来源以及 Zotero 导入，仅对 Research Agent 与研究报告做用量限制。想判断它的检索质量是否适合你所在领域，这一档足以让你做出有依据的判断，且无需花钱。

付费档之间的区分是"允许多大的研究工作量"，而不是"解锁哪些按钮"，对研究类产品来说这是一种相当诚实的定价结构。Pro 为每月 49 美元，或年付 588 美元（官方标称省 35%），增加智能体、报告与系统综述工作流的标准用量、最多 5000 篇论文的筛选、20 个表格列、从 135 个数据源提取、10 条个性化提醒、对上传论文的自定义提取以及 API 访问。Scale 为每月 169 美元，或年付 2028 美元（官方标称省 39%），提供 Pro 五倍的用量配额，外加从图表中提取、实时协同编辑、200 个数据源、30 个列以及带用量追踪与席位管理的管理面板。Enterprise 为定制报价，增加 4 万篇筛选、40 个列、无限提醒与无限 API、SSO 与 SAML、双因素认证、用户分析、定制集成与专属客户成功团队。具体权益与最新价格以官网定价页及实际注册流程为准。

替代方案

• Consensus：同样是面向同行评审文献的 AI 检索工具，但更擅长快速读懂某个聚焦问题上的证据倾向，而非搭建提取表格；想要快速结论时更合适，需要结构化列时则较弱。
• Semantic Scholar：艾伦人工智能研究院推出的免费学术发现与引文图谱工具——值得一提的是，它本身就是 Elicit 的语料来源之一。查找与追踪论文很出色，但不做结构化提取与筛选。
• 传统系统综述软件（Covidence、Rayyan、DistillerSR）：为管理综述流程而生，方法学严谨性与团队工作流成熟，但 AI 驱动的提取能力较弱；实践中常与 AI 提取层配合使用而非互相取代。
• 传统文献数据库（PubMed、Embase、Web of Science、Scopus）：与其说是竞品，不如说是必需的互补项——它们提供穷尽且可复现的布尔检索，而独立证据显示 AI 语义检索目前还替代不了这一点。
• 带研究模式的通用 AI 助手：用于初步了解与总结很方便，但没有界定清晰的学术语料，也没有句子级来源锚定，在引用准确性必须可核验的场合并不适用。

限制与注意事项

• 检索敏感度显著低于厂商基准所暗示的水平，这是关于这个工具最需要知道的一件事。 Elicit 自己发表的评估以 994 篇开放获取的 Cochrane 综述为真值集，自报摘要筛选敏感度 96.9%、全文阶段论文级召回 99.5%。但 Lau 与 Golder 2025 年发表于《Cochrane Evidence Synthesis and Methods》的研究发现，在四个案例综述中，Elicit 的检索敏感度平均仅为 39.5%，而原始综述检索为 94.5%。说白了：单独使用时，它漏掉了传统检索能找到的大部分研究。同一研究也发现 Elicit 的精确率平均为 41.8%，远高于原始综述检索的 7.55%——也就是说，返回给你的结果里无关文献少得多。诚实的解读是：它是一件出色的精确探索性检索工具，却不是一件合格的穷尽检索工具。作者的结论是 Elicit 目前的敏感度不足以替代传统检索，同时指出产品在持续改进，值得重新评估。
• 提取准确率在陌生材料上会衰减，且恰恰在需要判断的地方最弱。 一项覆盖环境科学与生命科学的可行性研究得出的结论是：Elicit 可以补充但不能取代人类数据提取者——该研究发现达标变量的比例从提示词开发阶段的 78% 降到了应用于全新、未见过的研究时的 69%。2025 年发表于《Social Science Computer Review》的一项概念验证研究，在 43 项研究、602 个数据点上把 Elicit 与人类审稿人做了对照，测得 Elicit 准确率 81.4%、人类 86.7%，差异无统计学显著性——这本身是个相当不错的结果。但真正有用的是分项拆解：参与者数量一致率 81.4%，而主要结果降到 34.8%、关注构念只有 16.3%。同一研究还观察到 Elicit 有时会从被引文献而非原始研究中取值。事实型字段配合抽查基本可信；解释型字段则不然，必须核验。
• 可复现性在检索与提取两个层面都不完善。 在不同账号下重跑相同提示，提取值有 90% 完全一致，但支撑引文只有 46% 一致、推理叙述只有 30% 一致——也就是说答案通常稳定，而支撑答案的理由往往不稳定。另外，迪肯大学图书馆的评估指出，对话式检索无法直接复现，"目前缺乏系统综述报告所需的透明度"。当方法学章节必须可被复现时，请使用关键词检索并如实标注。
• 真正的天花板是全文可得性，而不是语料规模。 只有当论文是开放获取的，或者你安装了 Elicit 浏览器扩展并持有相应期刊订阅时，全文分析才成立；否则 Elicit 只能读标题与摘要。在权威文献大多位于付费墙之后的领域，这会悄悄限制提取深度，而且不会明确告知你它受限了。
• 收录范围有一些容易被忽略的硬边界。 图书、学位论文与非学术出版物被完全排除；Elicit 自己的文档也提示，灰色文献与部分临床试验报告在自动检索中命中率较低，且存在区域性缺口，包括中文出版物。人文与社会科学领域的用户反复反映其覆盖明显薄于科学、技术与医学。迪肯的评估还额外指出存在英语语言偏倚的风险，以及缺少正式的质量评价功能——Elicit 会提取一项研究报告了什么，但不会告诉你这项研究做得好不好。
• 幻觉问题并未被终结，只是被约束了。 TechCrunch 的 Kyle Wiggers 在 2023 年 9 月报道其种子轮时，就质疑底层的幻觉问题是否真的被解决，并援引了 Meta 的 Galactica——那个因编造引用而在上线三天后被撤下的科学语言模型。句子级引用是一项严肃的缓解措施，因为它让编造变得可见，而不是彻底杜绝编造，核对的责任仍然落在读者身上。证据综合从业者反复提醒，在筛选阶段不做人工核验时，这个工具还不足以支撑正式的元研究。
• 厂商公布的数字要连同它自己的但书一起读。 值得肯定的是，Elicit 在公布数字的同时也公布了但书：提取只在开放获取研究上评估、只评了语义检索而未评完整的关键词加语义流程、全文筛选样本量小，且提取问题是事后重构的而非取自原始协议。官网引用的客户案例——例如 VDI/VDE 报告称在一项为德国教育政策提供依据的系统综述中，Elicit 正确提取了 1511 个数据点中的 1502 个——是厂商转述的、在有利条件下取得的结果，而非独立评估。
• 官网公布的数字之间彼此不一致。 首页写着"超过 1.25 亿篇论文"，而定价页与帮助中心都写 1.38 亿；用户数在不同位置分别出现 200 万、500 万和每月 40 万三种口径。其中 1.38 亿这个数字依据最充分，因为它是唯一附带说明的——帮助中心解释了三个来源数据库之间重叠记录的去重逻辑。用户数的三个口径很可能分别在衡量不同的东西（累计注册数与月活跃数），但官网并未作出说明。

常见问题（FAQ）

Q1. Elicit 可以免费使用吗？

可以，免费的 Basic 档包含全语料无限检索、无限论文总结、无限与论文对话以及 Zotero 导入，仅对 Research Agent 与研究报告限制用量。付费档从 Pro 每月 49 美元起，具体条款以官网定价页为准。

Q2. Elicit 与 Consensus、Semantic Scholar 有什么区别？

三者都检索学术文献，但产出不同。Consensus 更适合快速读懂某个聚焦问题上的证据倾向，Semantic Scholar 是发现与引文图谱工具，而 Elicit 的差异化能力是把论文中的数据提取成可自定义的表格（包括从表格与图表中提取），每个值都带支撑引文。

Q3. 系统综述的检索可以只靠 Elicit 吗？

不可以。2025 年发表于《Cochrane Evidence Synthesis and Methods》的独立研究发现，Elicit 的检索敏感度平均为 39.5%，而原始综述检索为 94.5%，结论是目前的敏感度不足以替代传统检索。请把它作为常规数据库检索的补充——它的高精确率使其在前期探索性工作中很有价值。

Q4. Elicit 的数据提取有多准确？

这在很大程度上取决于你提取什么。2025 年的一项研究测得总体准确率 81.4%，人类审稿人为 86.7%，二者在统计上无法区分；但分项来看，参与者数量的一致率为 81.4%，而关注构念仅为 16.3%。事实型字段基本可靠，解释型字段需要人工核验。

Q5. Elicit 会编造引用吗？

它的核心缓解手段是句子级引用：每条 AI 生成的断言都锚定到来源中的确切句子或图表，因此缺乏支撑的断言是可见的而非被掩盖的。这比通用聊天机器人的风险显著更低，但并不免除你阅读支撑引文的必要；独立研究者仍建议在正式的证据综合中进行人工核验。

Q6. Elicit 能读付费墙后的论文吗？

部分可以。它同时索引开放获取论文与订阅制论文，但全文分析要么需要论文本身是开放获取的，要么需要 Elicit 浏览器扩展配合你自己的期刊订阅。没有全文访问权时，Elicit 只能基于标题与摘要工作。

Q7. Elicit 检索哪些来源？

由 Semantic Scholar、OpenAlex 与 PubMed 合并、去重并剔除不完整记录后约 1.38 亿篇论文，另有 ClinicalTrials.gov 上超过 54.5 万条试验作为独立语料。图书、学位论文与非学术出版物不在收录范围内。

Q8. Elicit 有 API 吗？

有，API 访问自 Pro 档起包含，企业版为无限调用。文档化的接口涵盖研究智能体会话，返回的产物包括可下载为 CSV 或 XLSX 的表格以及可下载为 Markdown 的散文。

Q9. 团队可以在 Elicit 中协作吗？

实时协同编辑自 Scale 档起提供，该档还增加了带用量追踪与席位管理的管理面板。企业版进一步提供 SSO 与 SAML、双因素认证以及用户分析。

Q10. Elicit 适合人文社科吗？

可用但相对较弱。语料原则上覆盖所有学科，但用户一致反映人文与社会科学的覆盖薄于科学、技术与医学，且一项独立的图书馆评估指出存在英语语言偏倚的风险。