研究工作流文献管理AI
研究者的 AI 工作流:如何让 AI 阅读 1000 篇论文?
你的 Zotero 里有 1000 篇文献,但每次写综述还是重新搜一遍 Google Scholar?这篇文章讲一个真实可用的工作流:让 Claude 在你的本地文献库里搜索、浏览、精读。

Local Search Engine, Built for AI Agents.
你的 Zotero 里有 1000 篇文献,但每次写综述还是重新搜一遍 Google Scholar?这篇文章讲一个真实可用的工作流:让 Claude 在你的本地文献库里搜索、浏览、精读。
AI 让数据的价值和风险都成倍放大。与此同时,本地算力、Agent 工具链、用户的数字化资产,正在从多个方向共同指向同一个结论:本地优先,不是退路,是趋势。
Claude 很聪明,但它不知道你文件里写了什么。连接本地文档后,它能帮你做的事情会完全不同——这里有 4 个真实场景的对比。
我们花了几个月搭建了完整的 RAG 管线,技术上很漂亮,但最终不得不承认:它不够好。这是我们遇到的六个根本性问题,以及我们的解法。
一个轻量级的 Rust CLI 工具,连接 Linkly AI 桌面应用,让你在终端中搜索、浏览和阅读本地文档。同时也是 AI Agent 接入 Linkly AI 的 MCP 桥梁。
一个遵循 Agent Skills 开放标准的技能包,安装后 Claude Code、Codex CLI 等 30+ AI 平台可以直接搜索、浏览和阅读你本地的文档。

传统 RAG 把文档分割成 chunk喂给 AI,我们换了一种思路:为每个文档建立一份结构化大纲,让 AI 像研究员一样先看目录、再翻章节、最后精读段落。
你的合同、报告、论文、方案都是 AI 的"暗物质"。传统 RAG 把文档嚼碎喂给 AI,效果不好。我们换了一种思路:让 AI 像研究员一样翻阅你的文件柜。