Elicit

Elicit（https://elicit.com/）把“找论文—筛论文—抽信息—对比”做成 AI 辅助工作流。相对 Consensus 的问题→证据速览，Elicit 更强调把多篇文献的关键字段整理成可比较的表格，服务文献综述与早期调研。

推荐的综述辅助步骤

1. 把研究问题写成可检索表述：人群/干预/对照/结局（或你领域的等价结构）。
2. 用检索结果做第一轮筛选：年份、研究类型、是否相关；记下排除理由。
3. 对入选论文提取固定列：样本、方法、主要结果、局限、资金来源等。
4. 人工抽查不少于 20% 行：对关键数字与结论打开 PDF 核对。
5. 导出或复制到你的主文档/引用管理器，保留可复现记录。

它比通用聊天强在哪

通用模型也能“总结一篇”，但 Elicit 的价值在批量结构化与围绕文献集合追问。你仍要判断证据等级：RCT、观察性研究、叙事综述不能混为一谈。

和 Consensus、SciSpace 的边界

要快速看结论方向与入口文献 → Consensus。要啃单篇术语公式与段落解释 → SciSpace。要系统抽表做综述骨架 → Elicit。三者可串联，不要三处各维护一份“真相表格”。

字段设计先少后多：先保证方法与结局列干净，再加次要变量。AI 漏抽与错抽很常见，尤其是表格嵌套与补充材料。把“需人工复核”列固定出来，比假装全自动更专业。

学术诚信

AI 提取不是代写。引用与改写仍按学校/期刊规范。付费额度、上传论文与隐私条款以官网为准；含未发表数据的稿件谨慎上传。

机构若有系统评价规范（PRISMA 等），Elicit 只做加速器，协议、双人筛选与偏倚评估不能省略。选题阶段可用它估文献量，立项后再换成更严格的检索策略与数据库组合。

提取列名尽量与你最终论文表格一致，减少二次搬运错误。对“结果”列区分效应量、置信区间与作者解读三层，避免把讨论段措辞当成数据。若 Elicit 与手工筛选清单冲突，以预定协议为准并记录偏差。

团队双人筛选时，Elicit 表只作第三意见，分歧仍走预定仲裁。导出后锁定版本号，防止边写边改表导致引用对不上。

试用验收

用你真正要写的一章做试点：能否在半天内得到可核对的证据表。若只得到漂亮摘要却无法追溯单元格来源，就不要扩大使用面。