前些日子，特工宇宙关注到了一款名为「ResearchFlow」的产品。

它给我们带来了与传统 Chat 交互形态不同的 AI 搜索和学术研究的新体验，并且更加贴近人类对知识的深度探索和结构化思维方式～

还在因找不到合适的文献而焦虑？还在因读不懂论文而发愁？还在因组会汇报 PPT 而发愁？

随特工宇宙一起来看看这款 AI 学术研究新利器！

ResearchFlow 的产品定位是结合白板和思维导图功能的 AI 学术研究工具，目标用户群体是专业的研究人士和广泛的学习者，核心是让用户更轻松、直观地探索和组织复杂的研究内容，高效地获取深度洞察见解。

官网：rflow.ai，PC 访问更佳

进入 ResearchFlow 的首页，一眼就看出是精细化适配了学术研究的场景。

比如主搜索框的左下角模式默认「Academic」，也可选择是否联网搜索；还有「Academic Filter」可以细化如研究领域、资料来源、出版时间、引用量等设置项。

进一步使用，发现产品主要分为三大功能模块：学术搜索，深度探索，文档标注交互。

1. 学术搜索：遇到研究问题，可以利用产品内的学术数据库和个人数据，获得逻辑完善、权威靠谱的解答，有 Report 文本版和 Mindmap 可视化版，搭配食用更好吸收知识～

2. 深度搜索：用可视化的方式，将复杂论文以交互式节点呈现，还可以基于这些信息做进一步提问和求解，每个思维导图块 hover 即可出现「ask AI」快捷追问入口。  

3. 文档标注交互：在文档里可以标注高亮、框选区域，框选后有「ask AI」入口和预置提问模式，对文字、图表单独分析，还可把 AI 分析的内容卡片拖拽进思维导图内！

在每个模块下，可以选择内容按 APA、MLA、Harvard 主流参考文献格式引用，还可将结果导出为多种格式的 Mindmap 或 Report，非常适合学术研究，大大提效。

此外，还可开启 Pro 模式，可以看到更丰富的导图结构和更完善的回答内容。

此外，ResearchFlow 从一开始也规划了商业模式，时间方案分为单个月/年/季度、月续费、年续费，价格方案在不同时间方案下为每月 $16-$25 不等；增值点主要在于上传文件、「Ask AI」、区域截取追问、更高质量回答等功能使用的频次。但是，所有的标准功能都是免费使用的，PRO 模型每日也有试用次数，大家可以去薅一下～

综合体验下来，ResearchFlow 比较适合两大类场景，都是帮助用户更高效地获取知识和消化信息，进一步得到洞察启发。

首先，当然是专业学术研究场景，有上述提到的功能细节所做的学术领域适配，以及对接的学术垂类数据库；另外，也适合有普遍深入学习研究诉求的同学，如在校学生、某领域爱好者、投资咨询从业者、甚至生活中做攻略。

据特工宇宙了解，ResearchFlow 的团队成员主要来自剑桥、北大、清华等全球名校，不愧是科研的顶尖高手，难怪对学术领域有如此深刻的理解。

与市面上常见的大多数 AI 搜索产品不同，ResearchFlow 在交互方式上做了差异化创新。

这样的差异点，使得用户不会局限在线性的搜索模式中，而是可以结构化、网络状地对于一个主题有更研究和全面的探索，并且可以保留已研究的 Context 历史背景继续延申，清晰直观高效～

举个栗子，如果面对一个半开放性的问题，如可能会有很多研究方向，需要多方面探索尝试。这时，如使用 Perplexity 这样线性模式，就会存在被分支打断搜索思路主路径的阻碍；而如 Metaso 也有可视化思维导图，但更多是最终结果的可视化呈现，缺少用导图模式结构化灵活交互...

Researchflow 更为合适满足诉求， 既有关于这个问题研究主路径的之前所有 Memory，又能在其中某个节点上自由探索延申。

业内常在讨论的 AI 搜索，利用 LLM 和工程能力，对用户的核心价值是搜索快速、准确、相关、全面，还可对回答信息做更高效的整理呈现。

用户使用 AI 搜索，一方面核心需要的是答案，产品首要满足上述基本第一性价值，例如与大规模学术领域垂直数据库对接、支持上传文件和联网，提升了答案的威信专业和即时性。另一方面，在研学场景，AI 搜索利用 LLM 自主规划步骤，模拟人类面对一个复杂问题时，结构化拆解、逐步探索延申的思维链过程，更加提高答案的全面和准确性。

总的来说，ResearchFlow 在功能细节和交互形式上的差异化，切准学术研究行业特点， 深入结合业务 know how。用户在使用过程中，不仅可以享受对已有信息整合提炼的效率价值，更可贵的是，还有基于已知信息进一步获得新的信息增量价值。

此外，在体验产品和写本文时，正好月之暗面发布了 kimi 的 AI 搜索新功能，其中一个典型特点就是会自动反思。其实「反思」更是十分贴合学术研究场景。

读论文、写论文本身就要求批判思考，实际输出中，不论是做 Literature Review、还是文末研究不足之处，人类的思维链方式也正是基于已有的信息，反思不足、思考改进，得出新信息。

与此同时 ResearchFlow 团队也表示，他们在做的是让用户和 AI 协作完成一个研究，过程中的每一个关键的信息点和决策点，都可以让用户通过交互，做进一步修改和深入延展探索，给用户灵感启发和思考辅助；而不是只让 AI 回答答案，并非要用 AI 替代用户的思考判断。

据悉，ResearchFlow 团队接下来还正准备开发分享系统，后续计划承接一些社区的论文分享内容，希望变成一种新型的知识分享平台。

“如果还是用传统的 ChatBot 做共享聊天窗，几乎很难真正实现分享的意义和目标，所以决定坚持做协同系统。”主创团队如此表示。

让我们拭目以待！

文章来源于“特工宇宙”，作者“特工女巫”