做科研时,我们真正缺的往往不是又一个答案框,而是一条能回看的研究路径。
同一个课题,文献散落在不同数据库,PDF 里的关键证据找不到页码,期刊信息真假难辨,政策材料更新频繁,新的研究想法又容易停留在“听起来不错”。使用通用聊天机器人时,答案很流畅,但证据从哪里来、哪里是缺失、哪些数字必须复核,常常并不清楚。
因此我做了 LatticeScholar:一个本地优先、证据可回溯的开源科研工作台。
它目前可以完成:
- 中英文文献检索与多源去重,显示 DOI、来源状态和摘要覆盖;
- 对合法取得的 PDF 回答四个问题:领域痛点、相对经典工作的改动、实验是否充分、哪些细节必须回原文;
- 从真实相关论文中提取期刊线索,不伪造影响因子、分区或录用率;
- 汇总跨行业官方政策源,自动发现只进入待审核区;
- 将已有工作、文献边界和政策信号组合成可证伪 Idea,并给出风险与首轮验证;
- 在同一个课题上下文中调用本地模型或用户自带的模型 API,也可以完全不配置模型。
我最在意的不是让系统“说得像专家”,而是让它知道什么时候不能说:摘要缺失就明确显示缺失,论文没有披露就不代写,证据引文保留原语言和页码,公式、表格、数值与关键结论会提醒回原文核验。
社区版使用 Apache-2.0 开源,数据默认留在本地。Google Scholar、知网等没有合适公开批量接口的平台采用原站检索与题录导入,不绕过登录、订阅、验证码或反爬规则。
项目仍处于 Beta,我尤其希望得到三类真实反馈:
- 哪种论文版面最容易解析错;
- 哪一步最影响你完成真实科研任务;
- 哪个结果缺少你做判断所需的证据。
GitHub: https://github.com/CBarran498/LatticeScholar
如果它帮你少做了一次重复检索,欢迎 Star;如果它让你在某一步卡住,请直接提交 Issue。比起一句“很好用”,一条可复现的失败样本更能帮助项目进步。