自然语言描述研究
用户用日常语言说明自己在研究什么，不需要构造关键词或布尔表达式，降低检索门槛。
价格价格与免费额度未公布
平台Web / Claude / ChatGPT
归类知识管理
收录2025-01-01
复核2025-01-01
编辑评分
4.3 / 5
★★★★☆
Undermind.ai编辑总结
Undermind.ai 是一款面向科研人员的 AI 文献检索工具，由 Josh Ramette 联合创立，定位是「你的 AI 共同研究者」。它会先通过追问弄清你的研究目标，再自动阅读和评估数百篇论文、顺着引用链一路追踪，直到把相关资料找齐。当前主力是 v2 检索引擎，v1 版本的结果据称比 Google Scholar 好 10x。官方公布的检索测试中，Undermind 深度搜索在 23 条复杂查询上取得 85% 的前 20 相关性召回率、75% 全相关性召回率和 58% 精确率，明显高于 GPT-5.6 和 Claude Opus 5 等前沿模型。它还能在 Claude、ChatGPT 等环境中使用。短板是价格与免费额度未公布，用户规模等运营数据也未披露。
Undermind.ai是什么？
Undermind.ai 是一款由 Josh Ramette 联合创立的 AI 科研助手，面向需要系统梳理文献的科研人员。它的核心承诺是「找到别人漏掉的论文」，帮助用户先广泛铺开、再逐步深入，最终建立起对某个领域的真正掌控力。
产品的工作方式分几步：用户用自然语言描述自己在研究什么，Undermind 会主动追问细节以准确理解需求，随后自动阅读并评估数百篇论文，并顺着引用关系一路追踪，直到确认已经找全。当前主力是 v2 检索引擎，据官方说法，v1 版本的结果就比 Google Scholar 好 10x，v2 则大幅领先带网页搜索的前沿模型。它还可以在 Claude、ChatGPT 等环境中直接使用。
对不同角色来说用法不同：刚进入某个方向的科研人员可以用它做广泛查阅和方向头脑风暴；有具体问题的研究者可以用它核验结论、追踪引用来源、筛选相关论文；长期跟踪某一领域的用户则可以订阅关注方向，在有新论文发表时收到提醒。
Undermind.ai核心功能
追问澄清需求
收到描述后，Undermind 会主动提出后续问题，以准确弄清用户真正需要什么样的文献。
引用链追踪
自动阅读和评估数百篇论文，并顺着引用关系一路追踪，直到判定已经把相关资料找齐。
报告迭代
生成的研究报告可以反复迭代，支持深入全文阅读、提取细节，逐步完善对问题的理解。
方向头脑风暴
可与已读过相关文献的 AI 专家一起发散研究方向，并生成自定义表格来支撑研究。
行内引用核验
任何一句陈述都能通过行内引用回溯到原始论文，便于逐条核实结论出处。
相关性判断
快速判断某篇论文是否切合自己的具体问题，并支持按喜好排序和筛选结果。
新论文提醒
关注自己感兴趣的领域，有相关论文发表时会收到通知，持续跟进最新进展。
第三方环境接入
除了网页端，也能在 Claude、ChatGPT 等环境中使用，嵌入已有的工作流。
Undermind.ai值不值得用？
当你需要为一个具体研究问题做穷尽式文献调研时，Undermind 值得一试：它在 23 条复杂查询上的前 20 相关性召回率达到 85%，全相关性召回率 75%，远高于 GPT-5.6 和 Claude Opus 5 作为搜索代理的表现。它擅长先追问再检索，顺着引用链找全资料，并且每一步都能回溯到原文。不过价格和免费额度没有公布，长期使用的成本不透明；产品也主要围绕科研场景设计，非学术用途价值有限。如果只是查一条常识资料，用普通搜索就够了。
建议选它的情况
- 要为一个具体研究问题做系统文献综述的科研人员
- 担心遗漏关键论文、需要引用链穷尽检索的人
- 希望结论可逐句回溯到原文的严谨研究者
- 已经习惯在 Claude、ChatGPT 里工作、想直接接入的人
不建议选它的情况
- 只需要查一条常识信息、并不需要学术文献的用户
- 预算敏感、需要事先明确价格和免费额度的个人用户
- 做非学术类内容检索、不需要引用追踪的用户
Undermind.ai使用建议
入门先把路子走对
- 先把问题说清楚用自然语言描述你的研究目标，越具体越好。Undermind 会追问细节，认真回答这些追问能明显提高检索质量。
- 从宽到窄地提问产品支持先广泛铺开再逐步深入。第一轮可以先问大方向，看它给出的文献版图，再针对具体子问题继续追问。
- 用行内引用逐条核验报告里的每句结论都能点回原始论文，遇到关键判断时顺着引用去读原文，不要只看摘要。
- 订阅关注方向把长期关注的领域设为订阅，有新论文发表时会收到提醒，省去反复手动检索的功夫。
进阶省时间也省钱
- 用多次提交走完整条曲线一次生产搜索平均 2.9 分钟后自行停止，但因为会从已有结果继续，重复提交相似搜索就能拿到剩余部分。
- 在 Claude 或 ChatGPT 里直接用如果日常工作流已经在这两个环境里，可以不必切换到网页端，直接在其中调用能省不少来回。
- 按相关性排序再筛结果支持自由排序和筛选，先按相关性把你独有的问题排一遍，再决定精读哪几篇，比从头读起效率高。
- 用自定义表格整理方向发散研究方向时可以生成自定义表格，把候选方向横向铺开对比，比零散记笔记更容易看出取舍。
Undermind.ai适合谁用？
做系统综述的研究者
推荐需要在某个问题上穷尽文献，85% 的前 20 相关性召回率和引用链追踪正好对症。
刚进入新方向的博士生
推荐对领域还不熟，可以用它先铺开文献版图，再逐步深入到具体子问题。
已用 Claude 的科研人员
推荐直接在 Claude 里调用即可，不必切换工具，能嵌进已有工作流。
长期跟踪某一领域的用户
推荐订阅关注方向后有新论文会收到提醒，适合持续跟进而非一次性检索。
预算敏感的个人用户
有条件价格和免费额度未公布，在确认成本前很难评估是否值得长期投入。
只想快速查常识的人
不推荐为学术文献检索而设计，查普通信息属于杀鸡用牛刀。
Undermind.ai优点和缺点
优点
- 23 条复杂查询上前 20 相关性召回率 85%
- 全相关性召回率 75%，高于对比的前沿模型
- 精确率 58%，明显领先其他检索系统
- v1 版本结果据称比 Google Scholar 好 10x
- 会先追问澄清需求，再开始检索
- 每句结论都能通过行内引用回溯到原文
缺点
- 价格与免费额度未公布
- 一次生产搜索平均 2.9 分钟后会自行停止
- 场景偏学术，非科研用途价值有限
- 用户规模等运营数据未披露
Undermind.ai关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 前 20 相关性召回率 | 85% | Undermind 深度搜索官方评测 |
| 全相关性召回率 | 75% | Undermind 深度搜索官方评测 |
| 精确率 | 58% | Undermind 深度搜索官方评测 |
| GPT-5.6 Sol 前 20 召回率 | 50% | 对比模型官方评测 |
| GPT-5.6 Sol 全相关性召回率 | 38% | 对比模型官方评测 |
| GPT-5.6 Sol 精确率 | 40% | 对比模型官方评测 |
| Claude Opus 5 前 20 召回率 | 47% | 对比模型官方评测 |
| Claude Opus 5 全相关性召回率 | 33% | 对比模型官方评测 |
| Claude Opus 5 精确率 | 35% | 对比模型官方评测 |
| GPT-5.6 Luna 前 20 召回率 | 43% | 对比模型官方评测 |
| GPT-5.6 Luna 全相关性召回率 | 30% | 对比模型官方评测 |
| GPT-5.6 Luna 精确率 | 40% | 对比模型官方评测 |
| 评测查询条数 | 23 条 | 官方评测方法说明 |
| 生产搜索平均时长 | 2.9 分钟 | 官方评测方法说明 |
| 使用 Undermind 的 GSK 科学家 | 1000+ | GSK R&D 负责人评价 |
Undermind.ai常见问题
Undermind 的检索效果到底怎么样？＋
在 23 条以自然语言描述研究目标的复杂查询上，Undermind 深度搜索的前 20 相关性召回率达到 85%，全相关性召回率 75%，精确率 58%。作为对比，GPT-5.6 Sol 在 medium 设置下分别是 50%、38%、40%，Claude Opus 5 在 medium 设置下是 47%、33%、35%。这些数字都来自十名钟时间点的平均值。
搜索一次要多久？会不会等很久？＋
生产搜索平均 2.9 分钟后会自行停止。但产品会从已有结果继续，所以重复提交相似搜索可以拿到曲线剩余部分，不需要一次等到全部跑完。
它和 Google Scholar 比有什么不同？＋
据官方说法，v1 检索引擎的结果就比 Google Scholar 好 10x，之后的版本一直在改进，目前的 v2 引擎大幅领先带网页搜索的前沿模型。两者定位不太一样：Google Scholar 偏向关键词匹配，Undermind 是先理解研究目标再顺着引用链穷尽检索。
可以在哪些环境里使用？＋
除了网页端，还可以在 Claude、ChatGPT 等环境中使用，适合已经习惯在这类工具里工作的用户直接接入。
能不能用它追踪某个领域的新论文？＋
可以。把感兴趣的领域设为关注后，有相关论文发表时会收到通知，适合需要长期跟进而非一次性检索的用户。
它的结论可信吗，怎么核实？＋
报告中的任何一句陈述都可以通过行内引用回溯到原始论文，遇到关键判断时顺着引用去读原文即可，不必只依赖摘要。
