ai-research-assistant
Aria 是一款专为文献管理工具 Zotero 打造的 AI 研究助手插件,旨在利用大语言模型(如 GPT-4)提升学术科研效率。它主要解决了研究人员在阅读海量文献时面临的整理困难、笔记繁琐及深度分析耗时等痛点,让用户能直接在熟悉的文献库环境中与 AI 进行自然对话。
这款工具特别适合高校学者、研究生及各类需要处理大量学术资料的研究人员使用。Aria 的核心亮点在于其与 Zotero 的深度集成:用户只需拖拽文献条目或集合即可快速引用上下文;支持作者、标签等内容的智能自动补全;更独特的是,它集成了 GPT-4 Vision 视觉分析能力,允许用户在 PDF 中框选图表或特定区域,让 AI 直接解读视觉信息。此外,所有的对话内容均可一键保存为笔记或注释,无缝融入现有的知识管理体系。通过简单的配置和快捷键操作,Aria 将强大的生成式 AI 能力转化为触手可及的科研助力,帮助用户更专注于核心创新工作。
使用场景
博士生李明正在撰写关于“大语言模型在医疗诊断中应用”的综述论文,需要快速梳理 Zotero 库中上百篇 PDF 文献的核心观点。
没有 ai-research-assistant 时
- 人工阅读效率低:必须逐篇打开 PDF 手动通读摘要和结论,耗时数天才能完成初步筛选。
- 信息整合困难:从不同文献中提取作者、观点和标签时,需反复切换窗口手动复制粘贴,极易出错。
- 图表分析缺失:遇到包含关键数据的复杂图表时,无法直接让 AI 解读图片内容,只能依靠肉眼估算或跳过。
- 笔记整理繁琐:将思考过程转化为正式笔记时,需要重新组织语言并手动关联原文位置,打断写作心流。
使用 ai-research-assistant 后
- 智能对话速读:直接在 Zotero 侧边栏通过自然语言提问,ai-research-assistant 瞬间总结多篇文献的核心贡献与局限性。
- 拖拽式引用交互:利用拖拽功能将文献集合直接送入对话框,自动补全作者与标签,一键生成对比分析草稿。
- 视觉深度解析:启用 GPT-4 Vision 功能,直接框选 PDF 中的复杂图表,ai-research-assistant 立即输出数据趋势分析与文字解读。
- 无缝笔记沉淀:对话中的精彩洞察可一键保存为带原文锚点的注释和笔记,自动同步至 Zotero 条目,随时调用。
ai-research-assistant 将原本需要数天的文献梳理工作压缩至几小时,让研究者从繁琐的资料搬运工转变为真正的知识架构师。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
A.R.I.A.(咏叹调)—— 你的 AI 研究助手
Aria 是一款由大型语言模型(LLMs)驱动的 Zotero 插件。A-R-I-A 是“AI Research Assistant”(AI 研究助手)的反向缩写。
请根据您的 Zotero 版本选择正确的版本:
- Zotero 6:https://github.com/lifan0127/ai-research-assistant/releases/tag/0.8.0
- Zotero 7:https://github.com/lifan0127/ai-research-assistant/releases/latest

快速入门
开始使用 Aria 的最简单方式,就是尝试提示库中的交互式提示。

功能
拖放引用 Zotero 中的条目和收藏集

创作者(作者)、标签、条目等的自动补全

视觉分析(GPT-4 Vision)
如何使用 Zotero 区域标注在 PDF 中创建可拖动区域?

将聊天保存为笔记和标注

Zotero 和 GPT 要求
- 请注意,Zotero 6 和 7 分别有不同的发布版本:
- Aria 需要 OpenAI 的 GPT-4 模型系列。(我如何访问 GPT-4?)
- 视觉分析功能需要 GPT-4 Vision 模型的预览访问权限。
安装
有关安装过程的详细说明,请参阅:https://twitter.com/MushtaqBilalPhD/status/1735221900584865904(鸣谢:__穆什塔克·比拉尔博士__ - 南丹麦大学)
- 从 GitHub 下载最新版本的 .xpi 文件:https://github.com/lifan0127/ai-research-assistant/releases/latest
- 在 Zotero 中,从顶部菜单栏选择工具,然后点击附加组件。
- 在附加组件管理器面板中,单击右上角的齿轮图标,选择从文件安装附加组件。
- 选择刚刚下载的 .xpi 文件并点击打开,安装过程将开始。
快速入门
默认情况下,可以通过点击 Zotero 工具栏上的
按钮或使用“Shift + R”快捷键来激活 Aria。
在使用 Aria 之前,您需要提供一个 OpenAI API 密钥。按照应用内指示添加密钥,并重启 Zotero。(截图)
重启后,您应该会看到已激活的 Aria 窗口(如上所示),并可通过对话开始使用它。
偏好设置
Aria 可通过编辑 > 偏好设置 > Aria 进行配置。请注意,某些更改需要重启 Zotero。
- 模型选择:在基础 GPT-4 模型和新的 GPT-4 Turbo 模型(预览版)之间进行选择。
- 缩放级别:调整缩放级别以适应您的屏幕分辨率。
- 键盘快捷键:更改键盘快捷键组合,使其更符合您的工作流程。

更新
- 在有互联网连接的情况下,Aria 可以自动更新。要检查是否有可用更新,从顶部菜单栏选择工具,然后点击附加组件。
- 若要手动更新 ARIA,点击 Aria 下方的更多,然后单击右上角的齿轮图标。选择检查更新。(截图)
限制
以下是根据用户反馈已知的限制。
- 目前,Aria 可以通过 Zotero 搜索 API 查询您的 Zotero 库。未来版本将支持查询 Zotero SQLite 数据库以获取文档数量和其他指标。
- Aria 对您的 Zotero 应用程序状态(选中项、当前标签页、高亮文本)的感知有限。不过,您可以使用拖放和自动补全功能,在消息中提供这些上下文信息。
故障排除
与 Zotero 的开放式对话以及基于概率模型的交互,可能会导致许多不同且常常意想不到的结果。如果您遇到任何错误,请在 GitHub 上提交一个问题,并附上 Aria 聊天窗口中错误消息的截图。谢谢!
- “代理因达到最大迭代次数而停止”:对于某些问题,机器人会多次迭代调用 API 来合成回复。有时,在达到最大迭代次数之前,它可能无法生成答案。
- Aria 选项卡未出现在偏好设置面板中:您可以在偏好设置中选择__高级__选项卡,并打开__配置编辑器__。在高级配置中,搜索“aria”,然后双击“extensions.zotero.aria.OPENAI_API_KEY”条目,以添加您的 OpenAI API 密钥。
开发
请参考 Zotero 插件开发指南,了解如何在本地环境中设置插件。
反馈
现在您可以提交反馈并分享您的聊天记录,以帮助改进 Aria。让我们一起让 Aria 更加出色吧!

版本历史
v0.7.52024/10/200.8.02024/10/07v0.7.42024/10/06v0.7.22024/09/130.7.22024/09/13v0.7.12024/08/290.7.12024/07/290.7.0-z72024/04/150.7.02024/01/240.6.62023/12/240.6.52023/12/040.6.42023/11/160.6.32023/11/130.6.22023/11/120.6.12023/11/110.6.02023/11/090.5.52023/11/070.5.42023/11/050.5.32023/11/040.5.12023/11/03相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。