Elicit 使用教學：用 AI 加速文獻回顧，從幾百篇論文中篩出真正該讀的那幾篇

做研究最消耗時間與精力的，從來都不是實驗，是文獻回顧。

我碩班剛進天然物生合成領域時，根本不知道該從哪篇論文讀起。Google Scholar 一搜，幾百筆結果排在眼前，每一篇都得點開、看摘要、判斷跟自己的研究到底有沒有關。

問題是，我才剛踏進這個領域，連「什麼該讀、什麼不用讀」的判斷力都還沒建立起來。結果就是每篇都覺得好像有關，又每篇都不確定，光初篩就耗掉整整一週。

這應該不只是我的痛點。每個剛進新領域的研究生，大概都經歷過這段「面對龐大搜尋結果的無力感」。

而現在 AI 的出現，讓我們有機會把這段最磨人的初篩工作自動化。

今天要介紹的 Elicit，就是專為文獻搜尋與整理而設計的 AI 研究助手。它的目的不是取代你讀論文，是幫你把「該讀哪幾篇」這個判斷交給 AI 處理。

內容目錄

什麼是 Elicit？跟 ChatGPT 差在哪？

Elicit 是一個專為學術研究設計的 AI 研究助手，背後串接 Semantic Scholar、PubMed、OpenAlex 等學術資料庫，涵蓋超過 1.38 億篇論文，以及 ClinicalTrials.gov 上 54.5 萬筆臨床試驗資料。

它的核心是幫你把文獻回顧的流程半自動化。

如果你做過研究，流程大概是這樣：定義研究問題 → 搜論文 → 篩選相關文獻 → 讀 paper、整理重點 → 做跨文獻比較。Elicit 想做的，就是把這整條生產線裡最機械化的部分接手過去。

很多人第一個反應是：「為什麼不用 ChatGPT？」

這是因為術業有專攻。

ChatGPT 雖然擅長對話與生成，但它處理學術文獻有個致命傷：幻覺（Hallucination）。它會杜撰不存在的引用、編出看起來很合理但根本搜不到的論文。你沒辦法確定它給你的那篇 paper 到底存不存在。

Elicit 的邏輯完全不一樣。它是在「檢索」證據，不是在「猜」答案。每一句回答都對應到真實存在的論文，附上句子層級的引用標記，點下去就能跳回原文段落。你看到的每個結論，都可以自己去驗證。

另一個關鍵差異是搜尋方式。傳統在 PubMed 或 Google Scholar 搜論文，你得自己想關鍵字組合，用 AND、OR、引號等方式去組合搜尋。而 Elicit 用的是語意搜尋，你直接丟一個研究問題，它就能找到相關論文，不會被關鍵字綁死。這對剛進新領域、連專有名詞都還沒搞清楚的人來說特別有用。

我自己的用法是：ChatGPT 用來發想，Elicit 用來篩選。前者幫我釐清思路、發想研究方向，後者幫我找到真正該讀的那幾篇論文。兩個搭配著使用會更有效率。

Elicit 介面導覽與使用教學

註冊很簡單，用 Google 或是 Github 帳號一鍵登入就好，不需要另外申請。

登入後你會發現，Elicit 的介面非常乾淨。左側主導覽列把所有功能分成三層：Workflows、Tools 和 Recents。頂部導覽列另有 Library 和 Alerts 兩個長期管理的入口。

Workflows：不同深度的研究流程

Workflows 是 Elicit 的靈魂，對應的是「不同深度」的研究需求：

Research agent：探索型研究。丟一個問題，Agent 自動搜尋、整理，還能多輪追問、逐步收斂方向。適合你剛進一個新領域，還在搞清楚「這個題目到底在研究什麼」的階段
Report：快速版文獻綜述。輸入問題後，自動生成一份有引用的結構化報告，適合需要快速產出的場景（寫提案、準備組會）。
Systematic review：最嚴謹的全流程。從定義問題、設篩選條件、到資料萃取和報告產出，整套系統性回顧的 pipeline 都包了（Pro 限定）

三者的差別在於研究深度：探索 → 綜述 → 系統性回顧，一層比一層嚴謹。

Tools：單點功能，隨時可用

Tools 是獨立的功能模組，不需要跑完整流程，想用哪個就開哪個：

Find papers：用自然語言問問題就能搜論文，不用透過關鍵字在搜尋引擎上大海撈針。
Chat with papers：對單篇論文提問，像跟 paper 聊天
Extract data：自訂欄位，把多篇論文的資訊自動萃取成表格（Pro 限定）

Recents：所有查詢紀錄，隨時續接

Recents 是左側導覽列最下方的區塊，會列出你所有做過的查詢，包含 Workflows 和 Tools 各自的記錄。

實際用起來很像研究版的「瀏覽器歷史」。每一筆紀錄都可以直接點開重新進入，你不需要重新輸入問題，也不需要重新設定條件。上次跑到一半的 Research agent、還沒讀完的 Find papers 結果，都在這裡。

對我來說，這個功能最有價值的地方是：研究本來就不是一次就做完的。今天搜了一批論文、記下幾篇，過幾天回來想繼續，Recents 讓你不用從零開始。

頂部導覽列：長期累積的研究管理系統

頂部導覽列還有三個常駐入口，這是容易被忽略但長期使用很關鍵的一層：

Recents：所有歷史查詢紀錄，包括別人分享給你的，或是丟進垃圾桶的。
Library：論文收藏管理，相當於你在 Elicit 上的個人書架，能夠連結到 Zotero。
Alerts：設定關鍵字，有新論文發表時自動通知你（Pro 限定）

額度小提醒：Workflows 跟 Tools 的差別除了功能深度，還有「額度」。Workflows 每月有次數上限（免費版共 2 次），Tools 則相對寬鬆，沒有明顯限制。價格方案那段會再細說。

介面中央是主要輸入框，可以切換要用哪個 Workflow 或 Tool 功能來啟動查詢。下方會顯示你最近的查詢紀錄，以及系統根據你過去的搜尋推薦的延伸問題。有點像 AI 幫你接話，偶爾會蹦出意想不到的好方向。

此外，若你的問題不夠精確，它還提供你一些方向，幫助你完善提問，提出更明確的研究問題。

Elicit 六大核心功能

接下來進入這篇的重點，Elicit 實際能做哪些事。

我會先介紹三個 Workflows（研究流程），再講三個 Tools（單點工具）。Workflows 是 Elicit 的靈魂，理解它們之後再回頭看 Tools，整個產品邏輯就串起來了。

每個功能我都會搭配自己實際在做的研究來示範。像是以我目前協助 ADC（抗體藥物複合體）的研發工作，最近在探索的題目是「deglycosylation 對 ADC 的穩定性、藥效與毒性有什麼影響」，所以下面有些實例都會圍繞這個問題。

功能一：Research agent — 探索型研究助手

Research agent 是 Elicit 最近主推的功能，也是我覺得對新手最友善的入口。

它的定位是「可迭代的研究探索」。你丟一個研究問題，Agent 自動搜尋、整理，給你一份有引用的綜述。跟其他 Workflow 最大的差別是，它支援多輪互動，你可以追問、修正方向、逐步收斂，像跟一個研究助理來回討論。

而且 Research agent 不只用論文，還能調用公開資料（public filings、press releases 等），適合做跨資料源的探索。

ADC 實例：我輸入「Impact of deglycosylation on ADC stability and efficacy」，按下送出。

它跑了大概 1–3 分鐘，給我一份輸出：

一段綜述，說明 deglycosylation 對 stability 跟 efficacy 的整體影響
分成「Stability」「Efficacy」「PK」「Fc function」幾個小節，每段都有引用
最後列出它參考過的論文清單

每個論點後面都掛引用編號，點下去跳到對應論文的段落，並且會 Highlight 起來，方便你對照。

我覺得不夠聚焦，就接著追問「Focus on safety and FcγR uptake data」，它會在前一輪的基礎上繼續收斂。這種多輪互動是 Report 做不到的。

我實測完後，這功能跑出來的結果比較像「研究方向的初步綜述」，不是嚴謹的論文。適合用在：

進入新領域時的快速獲取必要知識
寫論文的介紹時的初步資料蒐集
做提案前要快速理解某個主題

但不要直接複製貼上當文獻回顧。它的綜述偶爾會省略脈絡或細節，重要結論還是要自己回去看原文。

注意：免費版 Research agent 跟 Report 共享每月 2 次的 workflow 額度，可以先使用其他 AI 工具來確立探索方向。

功能二：Report — 一次性研究報告

Report 跟 Research agent 最常被搞混，兩者的核心差異是：

Research agent 是探索型的，支援多輪互動，適合你還在摸索方向的時候
Report 是一次性產出，直接給你一份結構完整的研究報告，適合你已經知道要問什麼

簡單來說，Research agent 像跟助理進行討論，Report 像請助理交一份報告。

ADC 實例：我用 Report 跑「Deglycosylated Antibodies in ADCs」這個題目，它從 50 個資源中，搜尋出兩個有關聯的論文，並輸出一份結構化報告，該報告分成以下四個部分：

Abstract
Method
Results
References

每個段落都有引用，整體結構比 Research agent 更正式，接近「可以直接拿去開會用」的格式。

Research agent vs Report 怎麼選？

情境	建議
剛進新領域，還不確定要問什麼	Research agent
已經有明確問題，需要一份完整綜述	Report
要做正式的領域簡報、寫 review draft	Report
想來回追問、逐步收斂方向	Research agent

注意：免費版 Report 有來源上限 10 篇**，所以做大型主題時會被限制。但對「了解一個主題」來說 10 篇通常夠用。

功能三：Systematic review — 系統性文獻回顧（Pro 限定）

這是 Elicit 上最進階的 workflow，也是它跟其他 AI 研究工具最大的差異化。

Systematic review 在做什麼？

它幫你跑一套完整的系統性回顧流程：

大規模文獻搜尋：輸入研究問題後，可同時在多個資料庫中搜索。
篩選論文：先跑 title & abstract screening，並根據你選擇是否要跑 full-text screening。接著，根據你的研究問題設定篩選標準（strict criteria），不符合條件的論文會自動排除，你也可以自訂篩選標準。
產出報告：從論文萃取完資料後，會產生一份報告，包含方法論、 mini-PRISMA 圖表、各搜尋來源的論文數量統計、以及表格化的研究摘要。每一個論點都來找到原始論文中對應的段落作為依據。

如果你寫過系統性回顧或 meta-analysis 就知道，光是初篩論文就要花幾週。Elicit 正式幫助你節省篩選論文的時間，但它無法完全取代你撰寫工作，只能輔助你撰寫而已。

我的看法

如果你的工作就是寫 systematic review（例如做 evidence-based medicine、policy research、或博士論文），這個功能本身就值得 Pro 訂閱。對只是偶爾做文獻回顧的人來說，免費版的 Find papers、Report、Research Agent 就已經能涵蓋大部分的需求。

功能四：Find papers — 問題導向論文搜尋

進入 Tools 區。Find papers 是 Elicit 最基本也最常用的功能。

前面提過，Elicit 的搜尋是語意搜尋，直接用自然語言問問題就好。這裡直接看實例。

ADC 實例：我輸入「What is the impact of deglycosylation on ADC stability and efficacy？」，Elicit 直接列出一份論文清單，每篇論文都附一段針對「我這個問題」的一句話摘要。

這個摘要不是論文原本的 abstract，而是 Elicit 從全文裡面抓出來、對應我問題的答案。

對初篩來說省超多時間。我以前要點開 abstract 看了半天才知道這篇論文相不相關，現在掃過 Summary 那一欄幾秒就有答案。

操作步驟：

左側點 Find papers
輸入研究問題（建議用英文，準確度最高）
結果會用表格呈現，根據你的問題，預設欄位會是 Title / Abstract / Summary / Citation
可以用年份、期刊類型、期刊品質、關鍵字做篩選

我的實測心得：免費版用起來相當夠，沒有次數限制。如果你只是要「快速找幾篇相關論文看」，光這個功能就值得用 Elicit 取代一部分 Google Scholar 的功能。

功能五：Chat with papers — 對單篇論文提問

當你用 Find papers 篩出幾篇真的要讀的論文後，下一步通常是「精讀」。

Chat with papers 就是設計給這個階段用的。你可以丟一篇論文 PDF（或從搜尋結果直接點進去），然後像聊天一樣問問題。

ADC 實例：我丟了一篇 deglycosylated ADC 的 paper，問它：

「這篇用的 enzyme 條件是什麼？溫度跟時間？」
「結果跟 control group 的 PK 曲線差在哪？」
「作者有沒有討論 Fc receptor binding 的影響？」

每個答案都會直接帶引用標記，點一下就跳到原文對應段落。對於想快速抓重點、不想從頭讀到尾的時候特別有用。

適用情境：

開組會前快速掃一篇前人沒讀完的 paper
找特定方法或數據（例如「樣本數是多少？」）
確認某個結論的支持證據

我的實測心得：精讀單篇還是建議自己看，但 Chat 在「我只想知道某一個點」的時候非常方便。它會老實回答「論文沒提到」這種話，不太會硬掰，這點比 ChatGPT 安心。

功能六：Extract data — 自訂欄位表格化萃取（Pro 限定）

這是 Elicit 實用功能，但免費版無法使用。

我自己沒付費，所以這段純做功能介紹，沒實際操作經驗。

這功能在做什麼？

簡單講，就是把「多篇論文的特定資訊」自動整理成一張表格。你選一批論文，告訴 Elicit「我要這幾欄資訊」，例如研究目的、方法、結果，它會逐篇從全文抓答案、自動填進對應欄位，每個欄位都可以自訂。這本質上就是在做系統性回顧裡最花時間的 evidence table，快速幫助你總比較各個論文的結果。

例如，我如果要做 deglycosylation 對於 ADC 影響的比較研究，我大概會設這幾個欄位：Antibody type、Enzyme used、Reaction condition、DAR、In vivo model、Efficacy 結論、Stability 結論。10 篇 paper 跑完就變成一張可橫向比較的表。

值不值得升 Pro？

如果你的工作核心是文獻回顧、系統性回顧、或寫 review article，這功能應該值回票價。但如果只是偶爾找幾篇 paper 讀，免費版的 Find papers + Chat with papers 已經夠用。

周邊整合：Zotero、瀏覽器擴充

主功能講完了，接下來提兩個對長期使用很關鍵的外部整合。

前面導覽段提過，Elicit 內建了 Library（論文收藏管理）跟 Alerts（新論文自動通知）。這兩個是 Elicit 裡面的知識管理工具。但如果你本來就有自己的文獻庫，或者平常在其他網站看論文，Elicit 也有辦法接起來。

Zotero 整合：可以從 Zotero collection 直接匯入論文進 Elicit。如果你已經用 Zotero 管了幾百篇文獻，不用重新整理，匯進去就能用 Elicit 的 AI 功能做搜尋、萃取。

Elicit Browser Extension：在外部網站（例如 PubMed、期刊頁面）看到一篇論文時，可以一鍵存進 Elicit Library。省掉「先記下來，之後再去 Elicit 搜」這個步驟。

對我來說，這兩個是免費版裡最被低估的功能。它們把 Elicit 從「每次用完就關掉的搜尋工具」變成「一套可以持續累積的 AI 文獻庫」。你存進去的每一篇論文，後續都可以拿來跑 Chat with papers 或 Extract data，價值會隨著使用時間越滾越大。

Elicit 的優點與缺點

優點

1. 語意搜尋，不被關鍵字綁死

你不需要先搞懂一個領域的專有名詞才能搜論文。直接用自然語言問問題，Elicit 就能找到相關文獻。這對剛進新領域的人來說，降低了非常大的門檻。

2. Extract data 的自訂欄位是其他工具沒有的殺手功能

雖然要 Pro 才能用，但這個功能解決的是「批量比較多篇論文」這個傳統工具無解的痛點。對做 review 的人來說，光這一項就足以把 Elicit 排進工具清單。

3. Systematic Review workflow 為文獻回顧而生

把「搜尋 → 篩選 → 萃取 → 報告」整段壓進一個流程裡，這是其他 AI 研究工具還沒做到的。

4. 來源全可追溯，引用可信

每個答案都附引用標記，點下去跳到原文。這個設計從根本上避免了 ChatGPT 那種「看起來對但全是杜撰」的問題。對嚴謹的學術工作來說，可信度才是最重要的。

缺點

1. 不能取代人工判讀，仍會遺漏文獻

2025 年 Cochrane 的比較研究發現，Elicit 的搜尋靈敏度（sensitivity）平均僅約 39.5%，意味著可能遺漏超過半數的相關研究（或許現在有改善）。相比之下，傳統搜尋的靈敏度平均達 94.5%。它能大幅加速初篩，但最終的篩選判斷還是得靠人。把它當「前處理引擎」而不是「最終決策者」，心態會比較正確。

2. 不能完全取代人工搜尋論文

雖然資料來源已經擴充到 Semantic Scholar、PubMed、OpenAlex 等論文資料庫，但對於付費論文來源，就需要你自己去搜尋，所以不能完全取代人工搜尋。

3. 免費版功能有限

Elicit 較有差異化的功能就是 Extract data 和 Systematic review，但只限訂閱用戶，所以免費用戶幾乎等於體驗不到。對比 SciSpace 至少給你跑幾次體驗功能，Elicit 在「讓人試用後付費」這件事上做得不夠。

Elicit 價格方案

Elicit 目前分四個方案（截至 2026 年 5 月）：

方案	月繳	年繳(每月花費)	適合誰
Basic	Free	—	學生、輕度探索、想先試水溫的人
Pro	$75/月	$588/年 (平均 $49/月)	系統性回顧、專業研究人員
Scale	$279/人/月	$2028/年（平均 $169/人/月）	多人協作的大型系統性回顧團隊
Enterprise	Contact sales	—	機構、大學、客製需求

價格方案的重點差異整理：

項目	Basic	Pro	Scale
Find papers / Chat with papers	✓	✓	✓
Research agent	✓	✓	✓
Report 來源上限	10 篇	80 篇	80 篇
Workflow 額度	2 次/月	144 次/年	240 次/人/年
表格欄位上限	2 欄	20 欄	30 欄
Systematic review	✗	✓	✓
Clinical Trials 資料庫	✗	✓	✓
Web search	✗	✓	✓
Alerts	✗	✓	✓
圖表萃取	✗	✗	✓
團隊協作	✗	✗	✓
API 存取	✗	✓	✓

我的判定法（給還在猶豫的人）：

只是偶爾找論文 + 單篇問答 → 免費版夠用
要做表格化比較或系統性回顧 → 直接上 Pro
整個團隊一起做大型回顧 → 才需要 Scale

Pro 一年 $588 美金，平均一個月 ~NT$1,500。對全職研究人員來說，如果它能省下你一週的初篩時間，這價格其實算合理。但對學生來說壓力不小，建議用免費版到撞牆再說。

Elicit、SciSpace、Consensus 該怎麼選？

我之前分別寫過 SciSpace 教學和 Consensus 教學，很多人會問「這三個工具差在哪？要選哪一個？」

簡單講，三個工具的設計哲學不同：

Elicit 強在流程整合。搜尋→篩選→萃取→報告，一條龍跑完，特別適合系統性回顧
SciSpace 強在功能多樣。搜尋、精讀、萃取、寫作全都有，像一把研究用的瑞士刀
Consensus 強在聚焦。專門回答「科學界對這個問題的共識是什麼」，一個問題、一個答案

維度	Elicit	SciSpace	Consensus
核心定位	系統性回顧的一條龍流程	多功能 AI 研究助手	快速查找科學共識
資料來源	Semantic Scholar + PubMed + OpenAlex（1.38 億篇）	多來源索引（2.8 億篇）	Semantic Scholar + OpenAlex（2.2 億篇）
論文搜尋	⭐ 表格化結果，附 Summary 欄	✓ 表格化，可自訂欄位	⭐ 附 Consensus Meter（科學共識量表）
單篇 Chat with PDF	✓ 簡潔可信	⭐ 對話更成熟、有結構化分析	✓ Ask Paper 功能
多篇表格萃取	⭐ 整合在回顧流程中（Pro 限定）	✓ 獨立工具，可自訂欄位（最多 50 欄）	✓ Table View 可橫向比較
AI 寫作輔助	✗	⭐ 有 AI Writer，邊讀邊寫	✗
系統性回顧	⭐ 專屬 Systematic Review（Pro）	✗	✗
最大優勢	流程整合度最高	功能覆蓋面最廣	共識判斷最直覺

功能重疊的地方不少，差別在怎麼用：

Consensus：你有一個明確的 Yes/No 問題（例如「L-theanine 能改善認知功能嗎？」），想快速看科學界的共識方向 → 用 Consensus
Elicit：你要做文獻回顧，需要批量搜尋、篩選、橫向比較多篇論文 → 用 Elicit
SciSpace：功能最多樣，搜尋、精讀、萃取、寫作都包，像瑞士刀。若你已經挑好要精讀的幾篇論文，想逐篇深入理解，或需要邊讀邊寫 → 用 SciSpace

所以怎麼選？看你最常卡在研究流程的哪一段：

卡在「不知道該不該投入這個方向」 → Consensus 先看共識
卡在「幾百篇論文不知道怎麼篩」 → Elicit 跑系統性回顧流程
卡在「論文讀不完、寫不出來」 → SciSpace 邊讀邊寫

我自己三個都有搭配著用。先用 Consensus 確認方向值不值得深入，再用 Elicit 做完整的文獻搜尋和篩選，最後挑出關鍵論文丟進 SciSpace 精讀。三個接力，不是互相取代。

舉例來說，當我要研究 deglycosylation 對 ADC 的影響時，我會先用 Consensus 看「deglycosylation 是否影響抗體穩定性」的研究共識。確認探討方向後，用 Elicit 批量搜尋和比較論文。最後挑出幾篇較為關鍵論文，丟進 SciSpace 或其他 AI 工具逐篇精讀、整理筆記。