不写一行代码，怎么搭出一个每天自动盯文献的科研雷达？

缘起

前段时间，一位做智慧农业节水灌溉研究的朋友找到我，倒了一肚子苦水。

他想实时盯紧领域里的 4 个前沿方向：节水灌溉技术、灌溉决策建议模型、肥料利用率影响因素、作物表型应用，外加 5 本核心期刊和 3 位顶尖学者。可这些文献散落在各个数据库和期刊官网上。靠人工去翻，别说每天刷一遍，就是每周雷打不动过一次，也得搭进去大半天时间，累得眼冒金星。

你或许也有过类似经历。不管是做课题开题、写文献综述，还是在图书馆做学科情报服务，「盯文献」都是绕不开的基本功，却常常沦为最折磨人的机械劳动。隔三差五把同样的关键词敲一遍，再一条条人肉过筛。

市面上现成的商业情报平台功能虽好，但按年收费的昂贵价格对个人或初创小团队实在不够友好；而提到自己动手搭一个，大多数人的第一反应往往是：「我又不是计算机专业的，代码都不会写，怎么可能？」

于是，这件事往往就卡在了愿望和现实的夹缝里。

我帮这位朋友搭了一套低成本的自动化监测系统。从今年春末起步，到 8 月 20 日，这个系统已经默默收录了 5200 多篇论文，其中近五千篇由 AI 逐篇提炼成了中文摘要卡片，还配上了带知识图谱和趋势预警的可视化看板，每天清晨准时更新。

最近我在给中山大学图书馆的馆员们做工作坊。课前问卷一收上来，大家最迫切想要的恰好就是这个形态：持续积累论文、可视化看板、深度数据分析。在随后的现场教学与练习实操中，大家不仅跑通了原型，更碰撞出了许多意想不到的实战经验与反思。

今天，咱们就把这套系统的构建逻辑、踩坑教训、进阶演化以及我为你封装好的开箱即用工具完整拆解开来。

门槛

很多朋友一听自动化文献追踪，脑子里立刻浮现出爬虫框架、向量数据库、分布式调度等一堆让人头皮发麻的技术术语。

如果放在几年前，这确实是一道难以逾越的高墙。但到了大模型时代，真正的门槛早已挪了位置：难的不是「做出来」，而是「说清楚你要盯什么」。

我和朋友花在梳理「关注面」上的精力，远比搭建系统本身要多得多。哪 4 个细分方向？跟踪哪 5 本期刊？盯哪 3 位学者？这些专业判断，只有真正沉浸在领域里的专家才给得出来。把这些想透彻之后，它们被写进一个简单的配置文件，就成了整个系统的「大脑皮层」。

至于底层的技术支撑，说出来你可能都觉得不可思议：免费的学术数据接口、一个单文件数据库、一个被当成函数调用的大模型、一堆静态网页，再加一个定时执行的闹钟。

没有租用昂贵的服务器，也没有复杂的分布式架构。五个平平无奇的常用小件拼装在一起，就组装成了一台每天全自动运转的科研雷达。

积累

搭建雷达的第一步，是要解决底层源头问题：论文从哪里抓，抓回来存到哪。

数据源方面，我们选了 OpenAlex 作为主力。它是一个开放、免费的学术元数据平台，不仅覆盖面极广，而且标题、摘要、作者、引用数等字段都可以通过开放 API 获取。注册一个免费的 API key 就能用，免费额度对个人监测场景绰绰有余。朋友指定的 5 本期刊里有 4 本能在 OpenAlex 中按期刊号直接订阅；4 个研究方向则可以在全库中按检索词实时获取。

剩下的一本中文期刊《智慧农业》，OpenAlex 暂时没有收录，我们通过 DOAJ（开放获取期刊目录）顺利把它补齐了。

可能有人会问：为什么不去爬那些更权威的商业数据库，或者直接爬期刊官网？

答案很实在，合规与稳定性是自动化的生命线。以 Web of Science 的所有者和运营方 Clarivate 为例，其使用条款明确禁止未经许可的程序化抓取；而一些国内期刊官网反爬机制严格，脚本一访问就会触发 403 错误。对于个人和科研团队来说，免费、合规且开放的数据接口，才是能长期安稳运行的最优解。

数据存放在哪里？整个系统只用了一个 SQLite 单文件数据库。

我教了很多年数据库课，一直跟管理类专业的同学们讲：做个人或课题组级别的小型系统，真的不必大费周章去搭复杂的数据库服务。你想想看，手机里不少 App 在本地存数据，用的就是 SQLite。一个单文件数据库，免安装、零配置，拷贝一下就是全量备份，极其皮实。

更关键的是设计原则：抓取环节坚决不碰 AI。抓取就是纯粹的拉取数据、记账入库。让流水线的前端保持足够的简单与纯粹，就算后面的大模型服务偶尔超时或报错，也不会影响前端文献的稳定入库。

处理

当数据源源不断进入数据库后，第二步是让 AI 协助消化。

以往很多人用 AI 读文献，习惯打开网页对话框，把 PDF 或摘要扔进去，一问一答地聊。这种方式适合对重点文献做精读，但面对每天源源不断涌入的新文献，如果还靠人工对话，人和钱包都吃不消。

我们的解法是：把大模型当成一个确定的「处理函数」来调用。

所谓函数调用，就是把输入和输出格式彻底定死：输入固定是「论文标题 + 摘要」，输出必须是严格符合规范的 5 字段 JSON 格式，分别提取核心速览（tldr）、关键方法（method）、主要发现（finding）、归属方向（direction）以及延伸机会点（opportunity）。什么时候启动、每天处理多少篇、处理完写回数据库哪个字段，全由代码自动化串联，中间不需要人工介入。

我们在系统里真实使用的提示词模板非常精炼。下面就是原样模板，只把领域词换成了「XX」之类，方便你直接替换成自己的方向：

​
你是 XX 方向的科研助理。下面是一篇论文的标题与摘要。
​
请用简体中文输出严格的 JSON，字段如下：
- tldr: 一句话讲清这篇论文做了什么（不超过 50 字）
- method: 用了什么关键方法 / 数据 / 技术（不超过 40 字）
- finding: 最关键的发现或结论（不超过 50 字）
- direction: 从 [”XX 技术”,”XX 决策建议方法与模型”,”XX 利用率影响因素”,”XX 应用”,”其他”] 中选最贴切的 1 个
- opportunity: 对寻找研究方向有价值的一句话 —— 可延伸的研究空白 / 机会点（不超过 60 字）
只输出 JSON 对象，不要多余文字。
​
标题：{title}
​
摘要：{abstract}
​

每篇论文经过这道流水线清洗，就变成了一张结构清晰的卡片。

模型后端我们接入了智谱的 GLM 系列（近期已经升到订阅套餐支持的最新 5.3 版本）。不过这一层完全不挑模型，你手头订阅了哪家大模型 API，直接接入即可。

除了单篇卡片提炼，系统还会定期把同一方向近期的论文聚合起来，让大模型撰写一段百余字的「趋势速览」：当前研究聚焦在哪些具体子问题？主流方法有何演进？有哪些尚待填补的空白？单篇卡片帮你决定「要不要细读」，趋势速览则帮你建立「宏观态势感知」。

看板

数据处理好了，怎么让它以赏心悦目的方式呈现出来？

看板的演进过程，生动诠释了信息系统开发里的原型思维。

我在讲授信息系统开发课程时，常跟学生强调：千万不要上来就闭门造车规划一个庞大复杂的系统，跟用户签了需求就消失半年，等期末交货时用户往往一脸茫然。更稳妥的做法是：先搭出一个最小可用原型（MVP），让数据先跑起来，就着看得见摸得着的东西持续迭代。

这个系统的最初版本，其实简陋得很 —— 只有一个按方向分栏的卡片列表。随着数据库里文献数量破千，我们才逐步在看板上生长出 4 个深度分析模块：数据统计概览、包含 42 个节点的关键词共现图谱、近半年快速升温的热点词挖掘，以及 AI 归纳的趋势预警简报。

在技术实现上，看板采用的是纯静态网页方案。流水线每天跑完分析脚本，直接生成嵌好数据的 HTML 文件。这种架构不需要后台服务器常驻监听，极其轻量，也为接下来的零成本部署打下了基础。

部署

本地跑通只是自娱自乐，只有让科研人员随时随地能在手机和电脑上打开，系统才真正产生价值。

很多类似教程往往卡在部署环节：推荐的国外托管平台虽然好用，但在国内直连往往访问困难。我们采取的策略是「一次构建，双轨发布」：

一路推到 Cloudflare Pages，利用其全球 CDN 的稳定分发；另一路发到阿里开源的 魔搭社区（ModelScope）「创空间」，在上面免费创建一个静态空间，把网页文件传上去，就能拿到国内高速直连的公开访问链接。

配合自动化调度工具，每天早上 7 点半定时触发整个管线。抓取新文献、调用大模型、更新图谱看板、双轨推送到托管平台，顺便把当日简报推送到移动端。

咱们算一笔账：数据接口在免费额度内够用，数据库免维护，静态托管零费用，真金白银的开销只剩大模型的日常 Token，而我们这边复用已有订阅，增量为零。真正贵的其实不是钱，是前面梳理关注面花掉的那些时间。不过那件事你只做一次，而商业平台的年费，是年年都要交的。

用下文我分享给你的方法，你也能轻松部署一个自己的文献监测网站。这里有个样例，你可以点击这个链接 或扫描下方二维码查看。

翻车

讲到这里看似顺风顺水，但在两个多月的真实运行中，系统结结实实地给我们上了三课：