一只龙虾火了
过年前后，GitHub 上有个项目悄悄火了——OpenClaw（开源龙虾）。
这是一个开源的 AI 助手平台，你可以把它部署在自己的服务器上。
连接各种 AI 模型，装各种插件，让 AI 帮你干活。它有个标志性的龙虾 emoji 🦞，社区叫它"龙虾"。
很多人装上以后用来写代码、管理任务、自动化工作流。确实好用——但试了几天你发现一个问题：
** 这只龙虾什么都会，就是不会帮你搜论文。 **
你问它 帮我找几篇关于 CRISPR 基因治疗的最新论文 ，它一本正经地给了你 5 篇——标题看着像真的，作者看着眼熟，还带 DOI。
你拿去 PubMed 一查，一篇都不存在。
** AI 不是在帮你搜论文，它是在编论文。 **
这不是 OpenClaw 的问题，所有的 AI 助手都这样。
它们能写代码、能翻译、能总结——但它们没有连接学术数据库的能力。
它们的"知识"来自训练数据，不是来自 PubMed、不是来自 arXiv、不是来自 Semantic Scholar。
** 就像你招了一个助理，他很聪明，但你没给他办图书馆的借书证。 **
给龙虾办一张借书证
所以，我们做了一个 OpenClaw 插件叫 ai4scholar ！
装上之后，你的龙虾助手就有了 34 个学术研究工具，能连上 6 个真实的学术数据库：
Semantic Scholar、PubMed、谷歌学术、arXiv、bioRxiv、medRxiv
** 从此以后，它帮你搜到的每一篇论文，都是真实存在的。 **
标题是真的，作者是真的，DOI 是真的，链接点进去就是原文。不是从记忆里编的，是真的去数据库里查的。
而且不只是搜。
搜论文，一句话的事
以前你要同时搜 PubMed、arXiv、谷歌学术，得开三个网页分别操作。
现在你只需要在对话框里说一句话：
"帮我搜一下 CRISPR 基因治疗的最新研究"
龙虾会自己判断该去哪个平台搜——做生物的课题它会去 PubMed 和 bioRxiv，做计算机的它会去 arXiv 和 Semantic Scholar，跨学科的它会去谷歌学术。你不需要关心背后调用了哪个数据库，你只管问问题。
想更精确？可以这样说：
"在 PubMed 上搜 2024 年以后关于 CAR-T 细胞治疗实体瘤的临床研究"
"在 arXiv 上搜最新的 diffusion model 论文"
"帮我搜一下 Kaiming He 最近发了什么论文"
6 个平台，一个入口。
不只是搜，还能读
搜到论文只是第一步。以前你搜到一篇论文，还得下载 PDF，打开阅读器，翻来翻去找你想要的信息。
现在你可以直接说：
"帮我读一下这篇论文的全文"
龙虾会下载 PDF，提取全文文本，直接在对话里返回。你可以接着问：
"这篇论文的主要发现是什么？"
"Methods 部分用了什么实验方案？"
"它跟上一篇论文的方法有什么区别？"
arXiv 的论文能读，bioRxiv 的能读，medRxiv 的能读，Semantic Scholar 上的开放获取论文也能读。
甚至付费论文也有可以！如果你把 OpenClaw 部署在学校的服务器上（校园网内），龙虾发出的请求会带着学校的 IP，出版社会认为这是有订阅权限的访问。Nature、Science、Cell、Lancet，只要你学校有订阅，龙虾就能帮你直接读。
** 从"搜到论文"到"读完论文"，全程不需要离开对话框。 **
复现论文找不到参数？搜正文
这是一个很多人遇到过但很少有工具解决的问题。
你在复现一篇论文，模型结构写了，数据集写了，评估指标也写了。但有一个关键的超参数——比如 learning rate、warmup steps、batch size——论文里没提。
你搜了一圈，所有搜索引擎搜的都是论文的标题和摘要。摘要里写的是"我们取得了显著效果"，不是"learning rate 设的 1e-4"。
** 你要的信息不在摘要里，在正文第 6 页的 Implementation Details 里。 **
ai4scholar 有一个全文片段搜索功能——它搜的不是标题和摘要，而是论文正文。你说：
"帮我搜一下 transformer 模型的 warmup steps 一般设多少"
龙虾直接从论文正文里找到匹配的段落返回给你：
"Following Vaswani et al. (2017), we use a warmup schedule with 4000 warmup steps and a maximum learning rate of 1e-4."
论文标题、章节、上下文，一清二楚。不需要你下载 20 个 PDF 逐一翻找。
一句话做一份文献综述
工具再多，一个一个手动调也挺累的。
所以我们给龙虾教了一套"综合技能"。你只需要说：
"帮我调研一下大语言模型对齐方向 2023 年以来的进展"
龙虾不会只搜一次就完事。它会自己安排一整套流程：
- 1. 根据你的课题生成多个搜索词
- 2. 在合适的平台上逐一搜索
- 3. 对搜索结果打分，筛掉不相关的
- 4. 对重点论文，顺着引用链往上下游扩展
- 5. 对关键论文，读取全文深入分析
- 6. 按研究方向归类整理
- 7. 给你一份结构化的总结
** 你说一句话，龙虾自己跑完整个流程。 **
如果你需要更正式的输出——比如要给导师看、要在组会上汇报——可以说"帮我生成一份报告"。龙虾会生成一份 HTML 格式的可视化报告，带 AI 总结、论文列表、筛选功能，用浏览器打开就行。
平时随便聊聊，龙虾直接在对话里回答。要交差的时候，出一份正式报告。你来决定。
追引用、查学者、批量筛选
除了搜索和阅读，龙虾还有一些做科研很实用的能力。
** 追引用链 ** — 你发现了一篇核心论文，想知道后续有谁跟进了这个方向，或者想看它引用了哪些前人的工作。
"这篇论文被谁引用了？"
"它的参考文献里有哪些是 2024 年发的？"
顺着引用链一层一层追下去，快速摸清一个方向的来龙去脉。
** 查学者 ** — 想了解某个领域的大牛最近在做什么。
"搜一下 Yann LeCun，看看他最近发了什么论文"
返回学者的 h-index、机构、论文数、总引用数，还有最近的论文列表。
** 批量操作 ** — 搜出来 80 篇论文，需要快速筛选？
"帮我批量查一下这些论文的引用数和发表年份，只保留 2022 年以后引用数超过 50 的"
一次请求拿回 80 篇论文的信息，AI 帮你筛选排序。
** 论文推荐 ** — 找到几篇好论文，想看看有没有遗漏的。
"帮我推荐几篇跟这篇类似的论文"
龙虾基于 Semantic Scholar 的推荐算法，帮你发现可能遗漏的相关工作。
怎么装
你需要一个 OpenClaw 实例。如果你还没有，它是开源免费的，可以跑在实验室的工作站、学校的云服务器、甚至一台闲置的台式机上。
装好 OpenClaw 之后，安装 ai4scholar 插件只需要一行命令：
openclaw plugins install ai4scholar
然后在配置文件里加上你的 API Key，重启，搞定。
看到这行日志就说明装好了：
AI4Scholar plugin loaded — 34 tools registered
34 个工具，6 个学术平台，你的龙虾正式持证上岗。
写在最后
年后开工，与其花一周时间人肉翻论文，不如花半小时给自己的 AI 助手装上学术搜索能力。
你负责提问题，龙虾负责找答案。它不会累，不会忘，不会编——因为它搜到的每一篇论文都来自真实的学术数据库。
** 它不会替你做研究，但它能让你把时间花在真正需要思考的地方。 **
- • 安装插件：
openclaw plugins install ai4scholar - • 获取 API Key：ai4scholar.net [1]
- • OpenClaw 项目：github.com/openclaw/openclaw [2]
欢迎 评论区留言 ，进群交流龙虾的 最新科研玩法 ！
_ Ai4Scholar 团队 _
引用链接
[1] ai4scholar.net: _ https://ai4scholar.net _
[2] github.com/openclaw/openclaw: _ https://github.com/openclaw/openclaw
_