Embedded Files
【AI優惠方案】
【AI優惠方案】
以下整理2026/9開學季的相關資訊，請自行至官方說明網頁再次確認最新現況。
政大學生本來就有Microsoft 365與Google Workspace帳號，可以使用AI教育版Copilot與Gemini。
【通用型】
申請人須擁有個人Google帳戶與Google Payments帳戶，使用有效的學校電子郵件完成學生身分驗證。只適用於目前未訂閱Google One的18至24歲的大學生，必須在2026年12月31日前完成兌換。
包含Gemini Omni、較一般免費用戶高2倍的使用量上限，以及400GB雲端儲存空間。
Google AI Plus方案內容 (可與最多五位家庭成員共享)：Gemini 3 Pro 的進階使用權限、Deep Research、Nano Banana Pro、Veo 3.1 Fast、Gemini Notebook；每月獲得 200 點影片製作AI點數； 200GB 的雲端儲存空間。訂閱價格為每月新台幣 260 元。
Google AI Pro (Google one)方案內容 (可與最多五位家庭成員共享)：Gemini 3 Pro 的進階使用權限、Deep Research、Nano Banana Pro、Veo 3.1 Fast、Gemini Notebook、Google Antigravity、Google Health Premium、Google 開發者程式高級版。100GB 月付 NT$65，年付 NT$650；2TB 月付 NT$330，年付 NT$3,300。
Perplexity Education Pro 每個月9美金
可以用個人或學生電子郵件建立。如果有現有帳號，請在應用程式左下角點選升級，切換到教育方案，然後點選「以學生身份驗證」。
包括 Perplexity Computer、最新的 AI 模型存取權，以及學習模式、無限次的專業搜尋、較高的檔案與圖片與文件上傳上限。
ChatGPT Go 每個月8美金 (非折扣方案，乃低價方案)
包含無上限的日常文字聊天，相較於免費版，在圖像生成、檔案上傳和資料分析等適用功能上有更高的使用上限。可以在網頁版和 ChatGPT 行動應用程式中使用 Think。Think 使用 GPT-5.6 Luna。ChatGPT Go 不包含 GPT-5.6 Sol。
使用個人電子郵件 (非 EDU 帳戶) 建立 Microsoft 帳戶，提供經認可院校的全日制及兼讀制大學及大專學生驗證，即可使用此優惠。
包含 Word、Excel、PowerPoint、OneNote 和 Outlook的 Microsoft Copilot 桌面版功能、1TB 的雲端儲存空間，以及 Copilot 聊天視窗中的 AI 驅動影像生成功能。
【學術搜尋】
可根據一篇種子文獻利用引用關係找到更多資料。
Consensus 教育版六折 原價每個月12美金，特價7.2美金
查學術論文、evidence synthesis、Pro Search、Deep Search、Study Snapshot。
【編程/設計/文字編修】
GitHub Copilot Student能即時、具上下文感知建議程式碼。GitHub Codespaces 提供雲端開發環境。
若想升級使用權限，請留意秋季優惠。
Overleaf 學生方案 每個月8.5美金
可使用AI助理協助修正錯誤與提供寫作回饋。
Adobe Creative Cloud Pro 教育版 第一年每月19.99美金/每年239.88美金
包含20 多款桌面應用程式，如 Photoshop、Illustrator、InDesign、Premiere、Acrobat 等與行動裝置應用程式，以及Fotoshop、Firefly生成式功能。
驗證使用的 email 不一定要跟 Grammarly 帳號 email 一樣。如果學校不在 SheerID 清單，也可以要求新增機構。折扣只適用一個 subscription period，續訂會恢復標準價格。
包含所有核心寫作功能—完整句子重寫、語氣建議、抄襲偵測，以及每月2,000個生成式AI提示。
【如何挑選AI工具】
【如何挑選AI工具】
AI模型的挑選與排行榜
AI模型快速發展，如果想挑選AI大型語言模型，您可以參考Arena.AI、OpenRouters、SuperClue的排行榜，通常是根據自己的任務來挑選，像是評估需要的推理能力、編程能力、多模態能力 (能否輸入與輸出圖像影音)、上下文窗口 (能上傳多少資料量)等。不過，這些排行榜的結果不一定跟自己的使用經驗一致，還是需要自己體驗後再決定。
另外，許多模型現在會根據任務類型決定要調度哪個模型來提供服務，若沒有特別選擇進階模式或環境，可能就會被分配到比較平凡的模型資源。舉例來說，Gemini雖然官方說支援100萬Tokens的上下文窗口，然而要在AI studio才真的能調用到這樣的上下文處理能力，有網友實際測試Gemini網頁板只能存取32K的Tokens。
許多網站都會介紹不同AI模型，並會一步一步引導您操作ChatGPT、Gemini、Claude、Perplexity、Grok，也有許多Youtube影片介紹，可以先了解一下這些AI模型的基本使用策略，可能就會發現不太需要另外購買其它AI工具。
此網站主要介紹學術類型的AI，政大圖書館創客空間網站有整理其他用途的AI工具，也歡迎參考。
使用前的評估與測試
使用前請閱讀AI工具的資料來源、隱私政策、資料蒐集與使用政策、定價機制，確定自己可以接受才開始使用。現在許多AI工具都有大量廣告強調功能強大的一面，建議審慎評估後再付費訂閱 (由於AI模型發展迅速，很多AI工具的功能可能會被最新模型取代，可以先逐月訂閱避免一次訂一年)。
建議先用熟悉的領域知識來測試與檢驗AI生成結果，來了解這個AI工具的能與不能，並且模擬AI工具帶來的最壞後果。有些AI工具即使符合其他人的需求，也未必符合自己的任務需求。
由於您最清楚自己需要執行的任務，建議您可以和AI討論出一套檢驗AI能力的方式，像是詢問AI「我通常的任務需要進行OOXX、並且希望達成OOXX的標準，請幫我設計一個檢驗AI是否能協助我完成此任務的測試題目，並且說明設計此測試題目的原因，以及我可以怎麼評估AI的表現？」通常AI都會提供一個還不錯的測試題目與評分量表。
您可以使用AI詢問某AI工具的使用經驗，在指令中可以特別強調想要獲得使用者真實使用經驗或社群媒體上的討論，避免都只找到官方宣稱效益的網頁。不過，許多廠商會用自己的網站寫「最好的10大OO工具」並把自家產品放置其中，或是在討論區假裝網友發言宣傳自家產品，因此要檢視資料出處內容是否真的可信。或是您可以從自己相信的Youtube頻道或其他社群論壇來獲得真實使用的評測經驗。查詢這些使用經驗或介紹文時請注意發布時間，AI工具持續更新，盡量尋找最新的評測分享。
AI學術搜尋工具的評比方式 (相關工具請見下方介紹)
新加坡管理大學SMU有持續介紹多種學術AI搜尋工具，挪威科技大學圖書館館員「Cutting through the noise: Assessing tools that employ artificial intelligence」也分享多面向評估AI工具的方式。以下是Utah大學圖書館設計的評分項目
探索能力：容易理解此介面的使用方式、相同的指令可以獲得類似且合邏輯的回覆、提問指令與獲得答案之間有高度關聯性、有篩選功能以利限縮資料查詢範圍。
搜尋能力：資料來自具有同儕審查或具權威的學術期刊、能查到的資料量與使用學術資料庫能查到的差不多、查詢結果的前十篇的摘要與標題看起來確實與研究問題有關、查詢結果前十篇中至少七篇為近五年資料。
文獻回顧/評析能力：能有效涵蓋多種研究方法與世界各地的研究、能準確且有效地傳達重點研究結果且能正確說明研究方法(有些不會交代研究方法)、引用的資料之間有明顯的關聯性且在視覺上容易理解、可以平衡分析引用出處的優缺點並指出研究缺口。
付費選項：免費版即可使用多樣化功能、付費版CP值很高(支付的價格可以使用充分的功能)。
目前學術搜尋AI工具尚無法取代傳統檢索結果(搜尋結果不夠全面、檢索過程難以複製)，然而有助於發掘一些傳統檢索遺漏的資料。不論是通用型AI與學術型AI，都無法辨識資料來源已經被撤搞，徹搞資料就不應被引用。
【通用型AI的學術用法】
【通用型AI的學術用法】
Deep Research/ Extended thinking/ Learning Mode
生成式 AI 平台常提供 Deep Research（深度研究）、Extended Thinking（延長思考） 與 Learning Mode（學習模式／引導學習） 等功能。不同平台的名稱、可用方案與實作方式會調整。例如，ChatGPT 將不同的推理時間標示為 Standard、Extended、Heavy 等；Claude 提供 extended 或 adaptive thinking；Gemini 將學習功能稱為 Guided Learning。
三者都可能看起來比一般聊天回答更深入，但它們解決的是不同問題：
Deep Research 是一種較長時間運行的研究代理功能。它通常會先拆解問題、規劃檢索方向，再搜尋網路、開啟多個來源、比較資料，最後產出含引用的報告。有些平台還可使用已連接的雲端文件、資料庫 connector 或 MCP，將個人資料與外部資料一併納入研究。
Extended Thinking 不一定會多找資料；它的核心是讓模型在輸出前花更長時間處理複雜的推理、規劃、計算、比較與自我檢查。它特別適合資料已在對話中、由你提供，或問題本身主要是分析與設計，而非缺乏外部事實。
Learning Mode 的目的不是立刻給出完整答案，而是以教師、助教或學習夥伴的方式，透過追問、提示、分段解釋、例題、測驗與回饋，幫助使用者建立理解，而不是直接提供答案。
根據圖書館的測試結果，若為AI模型缺乏訓練資料的主題 (例如臺灣歷史或社會事件)，即使動用Deep Research，良好的推理能力也無法改變缺乏豐富高品質資料的限制，仍然會有幻覺、錯誤、虛擬文獻，且AI會充滿自信地引用品質不佳的期刊或網路資料來佐證論點。使用Deep Research適合用來初步掌握一個領域的基本概況、獲得關鍵字與第一批資料，但是不建議直接當成自己的作業或論文來使用。另外，如果您使用他人研究的研究問題當成指令請AI產生一篇Deep Research報告，AI很有可能會在網路上找到這篇研究並以此研究做為主幹內容、稍加填充其他資料完成報告，若您直接使用這份報告，也就很高機率的複製他人研究、形成抄襲行為。
建議您，只要是AI搜尋結果，雖然都有標示來源出處好像很可信，但都還是要點回資料內容驗證後再引用，AI找到的資料在未經人工驗證的情況下，日常生活中可能可以使用，但在學術論文中就不要輕易引用。
Claude與GPT的學術MCP與Perplexity Premium Data Source
Model Context Protocol（MCP）讓 AI 模型能以標準化方式呼叫外部資料與工具，使研究者可依需求將資料庫接入GPT或Claude。這使 AI 不只提供概括式回答，也能在既有權限範圍內檢索書目、讀取資料、核對引文脈絡、整理文獻欄位，並保留較明確的查詢與資料來源紀錄。
不同平台採取的整合策略並不相同。Claude 的 connectors 以 MCP 生態為核心，研究者可使用平台目錄中的服務，也可連接自行部署或第三方提供的遠端 MCP server，ChatGPT 亦提供 connectors 與自訂 MCP 的擴充路徑。
Perplexity的發展則較偏向將已授權的專業與出版商內容直接納入其研究介面。其 Premium Premium Data Sources可提供例如 Wiley、EBSCO、BMJ Publishing Group、New England Journal of Medicine、Springer Publishing、Statista、PitchBook 等來源，使使用者能在同一個問題中取得即時網路資訊與專業資料的引用。這些來源在使用介面上可視為資料連接器，但與使用者自行填入 MCP server URL 的 Custom MCP 不同：前者多由 Perplexity 預先談妥內容授權、整合與檢索流程，後者則由使用者或機構自行控制資料來源、工具功能、驗證方式與權限範圍。
MCP或資料連接器不會自動消除 AI 幻覺、資料庫覆蓋不足、授權限制或研究判讀上的偏誤。連接器只是改變模型可存取的資料邊界與可操作的工具；其結果品質仍取決於資料來源、檢索策略、模型版本、提示設計、權限配置，以及研究者是否回查原始文獻與保留完整紀錄。
GPT與Claude的MCP設定方式請見下圖說明：
搭配GPT MCP可使用的指令
請針對「OOOOO」進行盡可能完整的學術文獻檢索。不要只做一次關鍵字搜尋，也不要只列熱門或高引用文章。請採用多輪、迭代式檢索策略：
先拆解研究主題，建立主要概念、同義詞、相關術語、縮寫與可能的不同學科用語。
使用多個學術 Connector／學術來源交叉搜尋，優先使用 Undermind、Elicit、Consensus、SciSpace、Scholar Gateway；若某來源適合特定學科，也請加入。
分別使用寬鬆關鍵字、精確關鍵字、作者／題名、主題詞等方式搜尋，不要只依賴一組 query。
對重要文獻進行 backward citation searching（參考文獻追溯）與 forward citation searching（被引用文獻追蹤），尋找初次搜尋未發現的研究。
尋找 systematic review、scoping review、meta-analysis 與重要綜述，利用其中的文獻清單補充搜尋。
注意不同學科可能使用不同術語，主動搜尋相鄰領域的相關研究。
不限於英文文獻；若有相關中文或其他語言研究，也請指出。
去除重複文獻，並區分 peer-reviewed article、conference paper、preprint、book chapter、dissertation 等資料類型。
每篇文獻請核實題名、作者、年份、期刊／會議、DOI 或其他可驗證識別碼，不要根據模型記憶補出引用資料。
搜尋到後不要立刻停止。請分析目前文獻中出現的新術語、重要作者、研究團隊、理論名稱與關鍵文章，再進行第二輪、第三輪補充搜尋。
最後請提供：
檢索使用過的關鍵字與搜尋策略
找到的核心文獻
各研究主題／方法／年代的分布
哪些重要研究可能仍未被涵蓋
不同 Connector 或資料來源搜尋結果的差異
明確區分「確實查到的文獻」與「可能值得進一步查找的線索」
我的目標是提高 recall / coverage，寧可先多找到一些候選文獻，再進行篩選，不要為了回答簡潔而只留下少數代表性文章。
Perplexity的學術搜尋範圍與學術資料連接器的使用方式請見下圖說明：
以指令模仿學術AI工具
學術AI工具為了研究者設計的許多功能，都可以試著轉換成指令用在通用型AI上。
以下為GPT模仿學術AI搜尋工具功能的指令範例，此指令很長，有興趣可以測試看看。不一定要照用，然而可以學習指令內的概念，了解如何比較學術性的使用通用AI (然而這樣的指令不保證就可以取得最相關資料及消除AI幻覺)：
你正在執行一項可稽核、可驗證的學術Deep Research。
一、研究任務
研究問題：【填入研究問題】
研究目的：【例如：了解2023年至2026年間亞洲大學圖書館與寫作中心合作的模式、成效、限制及研究缺口】
預期用途：【例如：正式研究報告、課程教材、採購評估或文獻回顧】
請先不要直接撰寫結論。依照「研究規劃、實際檢索、證據篩選、引用查核、綜合分析」的順序執行。
二、研究範圍
請遵守以下範圍：
•時間範圍：【 】 •地理範圍：【 】 •語言範圍：【 】 •對象或研究領域：【 】
•納入的資料類型：【同儕審查期刊、會議論文、官方報告等】
•排除的資料類型：【行銷文章、無作者文章、無法確認來源的AI摘要等】
如研究問題中的概念可能有不同定義，請先列出：
1.核心概念。2.真正同義詞。3.較寬概念。4.相關但不等義的相鄰概念。5.容易造成誤納的詞彙。
不得在未說明的情況下自行擴大研究範圍與形成確定結論。
三、來源品質規則
請依下列優先順序選擇資料：
1.原始研究、同儕審查論文及系統性回顧。
2.政府、國際組織、學會、標準機構或大學官方資料。
3.出版商正式頁面、原始資料集及研究機構報告。
4.高品質新聞或專業媒體，只能用於交代近期事件或背景。
5.部落格、商業產品介紹及一般網頁，只能作為補充線索，不得作為核心學術結論的唯一證據。
請避免：
•搜尋結果摘要取代原始網頁。
•未實際開啟或讀取的文獻。
•無作者、無日期或無法確認出版來源的頁面。
•只有其他AI產生摘要、但找不到原始來源的內容。
•將新聞稿中的宣稱當成獨立實證結果。
•以一篇研究概括整個領域。
若只能找到低品質來源，請明確標示「目前缺乏高品質證據」，不要用低品質來源填補證據缺口。
四、查詢規劃
開始檢索前，先提出研究計畫供我檢查，包括：
1.研究問題拆解。
2.納入與排除標準。
3.預計使用的資料來源。
4.至少三條互補查詢：
A：高召回率查詢。B：召回率與精確率平衡查詢。C：替代術語或跨學科補漏查詢。
5.每條查詢可能造成的漏查與誤納。
6.哪些證據可以回答各個子問題。
7.哪些問題可能無法由現有資料回答。
不要在研究計畫完成前撰寫文獻回顧。
五、實際檢索與證據篩選
執行搜尋時，請記錄：
•使用的資料來源或網站。
•完整查詢詞或查詢式。
•搜尋日期。
•使用的篩選條件。
•取得結果的資料層級：
•L0：只有題名或metadata。•L1：已讀摘要。•L2：已讀全文相關段落。•L3：已讀完整HTML或全文。•L4：已檢查PDF、表格、圖形或附錄。
不得因題名相關就判定研究支持某項主張。
只有讀到摘要、方法、結果或全文證據後，才能判定研究的實際發現。若只有metadata或搜尋片段，請標示「無法判定研究結果」。
六、文獻查核規則
對每一篇納入的研究，請確認：
1.文獻確實存在。
2.題名、作者、年份及期刊名稱一致。
3.DOI或穩定連結確實指向該文獻。
4.不得依DOI格式自行猜測或補寫DOI。
5.是否有撤稿、更正、勘誤或重大爭議。
6.引用來源是否為原始研究，而不是只引用轉述該研究的二手資料。
7.目前實際讀取的是摘要、部分全文還是完整全文。
若無法確認DOI，請明確標示「無法確認」，不得自行補上。
七、證據帳本
先製作證據表，再撰寫綜合敘述。每篇文獻至少包含：
•題名。•作者。•年份。•期刊或出版來源。•DOI或穩定連結。•文獻類型。•國家或研究情境。•研究對象與樣本數。
•研究方法。•實際研究結果。•可以支持的主張。•不能支持的主張。•研究限制。•全文取得層級。
•證據位置，例如頁碼、章節、表格或結果段落。
•證據判定：支持、部分支持、不支持、結果混合或無法判定。
請將以下三種內容分開標示：
1.文獻作者的實證結果。
2.文獻作者的解釋或推測。
3.AI根據多篇文獻進行的綜合推論。
不得把三者混寫成同一項研究發現。
八、引用規則
每一項可由外部來源驗證的重要事實，都必須在最接近該敘述的位置附上引用。
引用必須符合以下條件：
•引用來源直接支持前面的具體主張。
•不得使用只有主題相關、但沒有支持該句內容的文獻。
•不得將一個引用放在包含多個不同事實的長段落末尾。
•數字、日期、比例、樣本數及因果關係必須有直接來源。
•若同一結論來自多篇研究，應列出多個來源。
•若研究結果互相矛盾，必須呈現不同結果，不得只選擇支持預設立場的研究。
•不得為了讓文章看起來完整而加入未查證的引用。
•不得引用Deep Research自己的前文作為證據。
避免大段引用原文。以精確轉述為主，必要時只保留短句，並附頁碼或段落位置。
九、降低幻覺與過度推論
請遵守以下原則：
•找不到資料時直接說「未找到足夠證據」。
•資料只能部分回答時，說明能回答與不能回答的部分。
•不要把相關性寫成因果關係。
•不要把態度、使用意圖、實際使用及拒絕使用視為同一概念。
•不要將不同國家、學科、樣本或研究設計直接合併。
•不要因多篇文章使用相似措辭，就推論它們具有相同研究結果。
•不要使用「研究普遍證實」「學界一致認為」等語句，除非證據足以支持。
•若進行推論，必須明確標示「以下為根據現有資料的推論」。
•每一項結論都要標示證據信心：高、中、低。
•信心判斷須考量研究數量、研究品質、研究設計、結果一致性及全文可得性。
十、反證與缺口搜尋
不得只搜尋支持研究問題或假說的文獻。必須另外搜尋：
1.不支持或反駁假說的研究。
2.結果不顯著的研究。
3.結果混合或依條件而異的研究。
4.可能的混淆因素。
5.與主題相近但實際不能回答研究問題的研究。
6.研究不足的地區、學科、族群或年份。
請明確區分「沒有找到證據」與「已有證據顯示不存在」。
十一、最終輸出結構
最後報告請依照以下順序：
1.執行摘要。2.研究問題與範圍。3.檢索方法與資料來源。4.納入與排除標準。5.證據表。
6.主要發現。7.支持與反對證據。8.不同研究之間的差異。9.證據品質與可信度評估。
10.研究限制。11.尚未回答的問題與研究缺口。12.結論。13.完整參考文獻。
14.搜尋紀錄與查詢式。15.引用稽核結果。
若證據不足以回答原研究問題，請直接在執行摘要及結論中說明，不要勉強形成確定結論。
Gemini Notebook
Gemini Notebook可以處理多達50 個來源、每個來源 500,000 字，能同時消化影片、文字內容，AI回答的內容可以對照到文件的段落，有助於進一步核對AI是否有幻覺或錯誤。且可以使用多種預設樣板快速產出心智圖、報告、問答、部落格、影片、Podcast音檔等形式，已經成為許多人閱讀資料的好夥伴。在此分享一些小技巧與注意事項：
根據網友測試，Gemini Notebook並不會看到所有文字，可以拆分成多個小文件上傳後分別詢問，細節一定要自己看全文。
跟Gemini Notebook對話的內容可以儲存為筆記(Note)，再將自己的想法筆記當成資料來源，這樣就能讓自己閱讀的資料與自己的想法筆記加總在一起，更能激盪出新想法。
可以上傳自己的報告簡報，讓Gemini Notebook幫忙規劃簡報的講述時間、模擬聽眾提問、提出修改建議。
可以請Gemini Notebook繪製表格整理資訊、分析時間線與主題叢集、發現文獻缺口與矛盾處。
雖然Gemini Notebook的來源搜尋功能現在也有Deep Research，但是不論網頁或資料庫都有許多無法取得權限，在此搜尋的效果並沒有到很好，可以考慮先搜尋與精選出需要閱讀的資料實再使用Gemini Notebook。
實際測試Gemini Notebook，有時候回答會出現資料來源內沒有講的東西，可能是來自訓練資料內容而非上傳的資料。因此建議如果需要引用，還是要回去讀全文。
Studio可以自行給指令，像是針對Podcast提出這類指令：「主持人要審閱並討論文件中每個部分的每個資源的所有細節。他們將定義關鍵術語，並提出信息的實際用途。主持人將會很專業、口齒清晰，同時不會互相打斷或頻繁重複字詞和短語。他們會對他們所呈現的內容感到興奮，並在最後概述主要觀點。」英文版的Podcast功能可以打斷中途AI主持人、參與他們的討論 (將系統語言切換為英文即可使用此功能)。
【學術搜尋AI】
【學術搜尋AI】
學術型AI工具因為是基於學術資料庫的內容，能確保答案內容的可信度，不過仍有資料不夠全面的狀況，仍須根據自己的研究主題資料在哪裡而去更完善的收集資料。
現行的學術型AI工具資料查詢範圍主要基於Semantic Scholar和Open Alex，理工領域的近代英文期刊較多，付費牆文獻通常提供metadata與摘要，OA或合作出版商內容才能取得全文。Semantic Scholar現在可以找到華藝線上圖書館的摘要，不過Semantic scholar的中日文資料許多只有標題、作者而無摘要，可能會影響AI分析結果的正確性。若您的研究領域是人文社會且需要中文資料、史料、台灣社會經濟法律政策等，則這類工具幫忙有限。
使用學術型AI工具時的指令設計方式會跟一般搜尋不同，不再需要請AI扮演角色或強調輸出的風格，因為這類學術型AI工具是為了學術用途而設計，整個機制都考量了研究者的需求，因此只要清楚講出自己的研究問題即可。雖然學術型AI工具可以用白話文的方式互動，不需要轉換關鍵字，但是仍建議您在提問中使用學術與專業用語，實測這將能獲得更佳的查詢結果。
在此介紹這些西方文獻主流的學術AI搜尋工具，並非鼓勵大家訂購，而是許多美國圖書館館員也會介紹這些工具給他們的讀者，讓大家了解可能其他研究者正在使用什麼樣的工具，也能從這些工具學習到一些使用通用型AI的策略。
探索題目與初步發想/ 資料搜尋
Google Scholar Lab：免註冊、免費使用。
以提問的方式來獲得google scholar的資料推薦，一次會提供10筆資料與條列這10筆資料的重點，可以點選「更多結果」來增加10筆資料。Google Scholar 通常是最廣的發現層：期刊、書籍、書章、學位論文、工作論文、預印本與機構典藏都可能出現，因此很適合補足主流索引的遺漏，但它的缺點是檢索索引與覆蓋規則不透明。Google scholar Lab會先大量查詢與評估後才提供這些資料，因此需要花一點時間等待。
雖然網頁上說僅能英文提問，然而測試中文提問也可以回答，只是僅有部分中文資料會用中文摘述資料內容重點、其它資料仍會以英文摘述重點。有使用者指出Google Scholar Lab確實能幫他們篩選出更相關或之前查不到的資料，但也有人被推薦了不相關或較舊的資料。另外，同一問題重新提問或用不同語言提問都會獲得不同的資料推薦，因此建議多幾次提問，或是搭配傳統的關鍵字搜尋與文獻滾雪球，不要只讓自己停在最初被推薦的10筆資料。可參考此評測內容說明。
請記得設定您的Google Scholar的圖書館連結為政治大學，才能方便從此頁面連回圖書館訂購的資料庫內容而無須付費使用。
OpenEvidence：需註冊、目前上傳證件照認證可免費使用。
文獻回顧 (學術型Deep Research)
Undermind：可使用學校信箱註冊獲得免費使用額度。
最早開始有Deep Research搜尋功能的學術AI工具，最初的出發點是要挑戰Google Scholar，想要用AI提升學術搜尋的相關度，目標宏大。已有許多國外大學老師及圖書館館員推薦給學生使用，教育版信箱有免費額度。最近改版重新調整以前眾多功能的呈現方式 (以前比較像完整報告直接展示，現在更仰賴人機互動後產生結果)，且中文能力優化非常多。
查詢範圍乃Semantic Scholar和Open Alex這些OA資料，資料會清楚標示是否有PDF檔，並可自行上傳PDF檔後再分析。
進去頁面後會以對話方式聚焦您的問題、再提供文獻搜尋結果，且會將文獻搜尋結果根據主題概念、時間順序列出，且會提供多種研究人員需要的功能。請參考下圖與查詢結果範例頁面。另可參考Undermind的MCP設定與使用方式。
Consensus：需註冊、有免費使用額度。
同樣參考PRISMA設計文獻回顧的功能，可以提出一個問題讓AI分析資料並直接回答「對」或「錯」。官網有詳盡的說明與範例展示可以參考。資料收錄範圍為Semantic Scholar、OpenAlex 與其 scholarly-web crawl ，除了同儕審查文章，也包含部分會議論文與預印本。另可參考Consensus的MCP設定與使用方式。
Elicit：需註冊、免費使用的額度少。
已投入AI學術搜尋多年，獲許多研究者推薦。可以使用自然語言提問探索文獻，文獻結果可以依照欄位並排序，會提供查詢結果部分文獻的摘要。可以上傳檔案讓AI協助閱讀、解釋文章，可以探索研究主題且deep research有參考PRISMA的設計，可以看到AI搜尋與評估文章品質的過程，最終產生的報告也具有專業度。請參考官網說明。資料範圍為Semantic Scholar＋OpenAlex＋PubMed；可選 ClinicalTrials.gov。另可參考Elicit的API與MCP說明。
學術功能綜整平台
像是SciSpace，使用自然語言提問探索文獻，文獻結果可以依照欄位並排序，會提供查詢結果部分文獻的摘要。此平台也可以上傳檔案讓AI協助閱讀、解釋文章，有AI協助寫作、改寫、偵測AI內容、產生引文格式、探索研究主題、將PDF檔轉成影片。現在還有AI代理功能，可以完成更多任務 (AI代理任務需要扣點數，免費版較難體驗到)，點此連結可以看到Agent製作報告的流程與結果。資料範圍為OpenAlex、Semantic Scholar、Google Scholar與可信資料庫。
尋找相關研究與引文網路(文獻滾雪球)
先找到一篇重要的關鍵文章，根據這個文檔可以探索其他有相互引用關係的文章與作者，並能從視覺化圖表來看出文章的年代與引用次數。例如：Litmap、Connected papers、ResearchRabbit。ResearchRabbit免費，可優先嘗試，請參考官網介紹 How to do a literature review with ResearchRabbit。
Scite是一個以 Smart Citations（智慧引文）為核心的學術研究與文獻評估平台。它不只顯示一篇論文被引用多少次，還會擷取引用該論文的原文脈絡與所在章節，並以機器學習將引用關係分類為「支持（supporting）」、「反駁／對照（contrasting）」或「僅提及（mentioning）」。因此，研究者可進一步判讀某項研究結論在後續學術討論中是獲得支持、受到質疑，還是僅被作為背景文獻引用。請參考官網介紹，另可參考Scite的MCP說明。
中文學術AI
臺鵠人文知識探勘系統：免費使用、要先註冊個人帳號。
此系統目前介接「熱蘭遮城日誌(1624-1662)、臺灣文獻叢刊(1683-1945)、臺灣方志彙刊(1683-1895)、文武官職表(1683-1895)、臺灣總督府檔案事典(1895-1945)、漢文台灣日日新報(1905-1911)、臺灣省議會議員小傳及前傳、臺灣省議會公報(1946-1998)、臺灣地名辭書、台灣民俗文物辭典、國家文化記憶庫、地名資訊服務網」等資料，可以基於這些資料來回答臺灣歷史問題，回答皆會提供資料出處、且可點選「查核出處」再次驗證。若有意同時查詢網路資料，亦可開啟「網路搜尋功能」。可選擇使用模型為GPT5.5、Claude 4.6 sonnet或GPT5.5 thinking、Claude Code Agent。可參考圖書館測試簡報。
AI對於歷史問題的各種幻覺問題可參考「知識之眼」研討會影片內容
中研院地圖小助手：免註冊、免費使用。
中央研究院人社中心GIS專題中心所建置的臺灣百年歷史地圖系統已經發布超過3000筆WMTS圖層服務，因為分屬不同網站（城市）服務網址，使用者往往不易搜尋或者介接應用；此外，還有一個情況是使用者希望找尋特定時代、特定地點（地名），卻不知道應該是要運用哪一個圖層。地圖小助手可根據自然語言提問推薦合適的地圖圖層。詳細介紹請見「地圖人工智慧 (Map AI) 工作坊(影片)」
CBETA 電子佛典Online語意搜尋：免註冊、免費使用。目前可鎖定「阿含」、「律」等 23 部類提問，根據經典內容回答。請參考使用說明。
識典古籍：免費使用、Deep Research功能需註冊使用。
由北京大學與字節跳動共同開發，北京大學數字人文實驗室有多種數位人文工具(像是「吾與點」資料擷取工具)。在此網站中，可以使用AI助手輔助閱讀理解古籍，也可以使用深度研究功能獲得古籍資料的分析報告，且平台上的古籍持續招募志工校對，以提升資料來源的正確性。北京清華的「漢籍智能集成」、中國國家圖書館的「中華古籍智慧化服務平台」也有AI功能的發展。
Page updated
Google Sites
Report abuse