第一印象：为速度而打造的研究者仪表盘
访问 inquisite.ai 后，映入眼帘的是一个简洁的左对齐侧边栏，包含“新搜索”、“项目”、“最近搜索”和用户资料选项。主面板直接呈现一个搜索栏，带有范围切换选项——“窄”、“中”、“宽”，以及丰富的筛选器，包括出版年份、最低引用次数和仅开放获取。仪表盘给人的感觉是为需要精确性而非简单关键词匹配的学者和深度读者量身定制的。引导流程非常简短：注册后，系统会提示你输入 OpenAI API 密钥。该工具列出的模型包括 GPT-4.1、GPT-4.1-Mini 以及几个 GPT-5 变体（Medium 和 Minimal Thinking），这引起了我的注意——稍后会详述。
我使用“中”范围和“图谱”可视化类型开始了一次关于“transformer neural architecture search”的新搜索。结果迅速出现，每篇论文都显示摘要、数据、方法论以及其他可以开启或关闭的属性。界面响应迅速，能够上传 PDF 或从 URL 导入文档进行分析，对于使用自己论文的用户来说是一个受欢迎的功能。
核心功能：语义搜索、图谱和自定义属性
Inquisite 声称可以搜索“超过 1 亿篇研究论文”。虽然我无法验证这个确切数字，但针对小众查询的结果广度令人印象深刻。最突出的功能是主题图谱可视化：选择“图谱”会显示一个相关的论文网络，节点大小代表相关性，边表示引用或语义相似性。这使得一眼就能发现聚类和有影响力的作品。你可以在“图谱”、“表格”、“综合”和“列表”视图之间切换——“综合”会生成所选论文的简短 AI 综述，而“列表”则提供简单的排序输出。
你还可以为每篇论文定义自定义属性。除了默认选项（摘要、数据、方法论、人群、主要发现、局限性、未来工作）之外，你可以添加一个自定义属性——例如“代码可用性”——然后 Inquisite 会尝试从每篇论文中提取该信息。这种灵活度对于系统评价或文献映射来说既罕见又强大。项目管理功能允许你将论文保存到命名的项目中，编辑元数据，并上传全文 PDF 以便进行更深入的索引。选择一篇论文后运行的“相似论文”生成器是另一个节省时间的功能。
定价与技术后端
网站上没有公开列出定价。Inquisite 似乎采用自带密钥模式：你提供 OpenAI API 密钥，该工具会根据你在分析和综合过程中使用的 GPT 查询向你自己的账户收费。这对于已经拥有 API 额度的用户来说透明且具有成本效益，但对于不熟悉 API 计费的新用户来说可能是一个障碍。模型选择包括 GPT-5 变体，这些变体尚未由 OpenAI 广泛发布。目前尚不清楚这些是占位符名称、自定义微调还是早期访问模型；我建议用户在依赖它们之前先验证兼容性。该工具目前缺少时间线视图（标记为“即将推出”），并且似乎不支持其他模型提供商（如 Anthropic）或开源 LLM，这限制了灵活性。
替代工具如 Elicit（专注于论文问答）和 Semantic Scholar（免费，带 API）提供类似的搜索功能，但自定义提取能力较弱。Inquisite 的优势在于其开放的模块化设计和深层的属性级控制。目前，该工具最适合那些习惯配置自己的 API 密钥、且需要高度可定制的阅读和综合流程的研究人员。普通用户或期望完全托管免费层的用户应该寻找其他选择。
结论：优势、局限与推荐
Inquisite 擅长让研究人员准确定义他们希望从每篇论文中获得哪些信息，并可视化一个领域的全貌。图谱可视化和自定义属性是其真正的差异化优势。项目管理和 PDF 上传功能简化了工作流程整合。然而，依赖个人 API 密钥、GPT-5 可用性的不确定性以及缺少时间线视图是实际存在的缺点。界面虽然功能齐全，但在多论文选择操作时还可以更加精致。
我推荐 Inquisite 给高级用户——研究生、博士后和行业研究员——他们定期进行文献综述并希望进行细粒度的提取控制。如果你愿意为自己的 API 使用付费，并且喜欢调整筛选器和属性，那么这个工具很可能会成为你的得力助手。对于快速搜索或随意阅读，更简单的工具可能更容易上手。请访问 Inquisite 网站 https://inquisite.ai/ 亲自探索。
评论