Linkly AI

本地文献库 MCP 检索工具：为个人 PDF 文献库（如 Zotero 导出的论文集合）建立结构化索引，并通过 MCP 协议把渐进式检索工具暴露给 Claude、Cursor 等任意 AI 客户端，让 AI 能”阅读 1000 篇论文”并按内容回答文献问题。出发点：Zotero 类工具管理的是标题/作者/年份等元数据字段而非论文内容，无法回答”哪篇文献讨论了 few-shot prompting 对代码生成的影响”——即”拥有大量资料，却等于没有”。

核心机制

• Outline Index”名片”：为每篇文献建立结构化章节名片，让 AI 先看结构再决定读哪段。
• 三层索引管道（分层互补而非单一向量检索）：BM25 全文索引（1-3 分钟建完即可关键词搜索）+ Outline 索引（按 PDF 章节结构）+ 向量语义索引（跨语言语义搜索）。
• search / outline / read 三工具渐进式访问：search 搜文献（返回文件列表和摘要）→ outline 看某篇的章节结构定位段落 → read 精读指定章节原文；AI 先粗后细消费文献库，自主决定搜什么、读什么、读多少。文中示例：一次提问触发三次工具调用（search → 三篇并行 outline → 两篇目标章节 read），返回带精确章节来源（如 §4.3）的答案。
• 反幻觉引用：AI 读的是本地真实存在的文献原文，引用的是文件里的原话，与”直接让 AI 写综述”易产生虚假引用形成本质区别；但摘要/总结仍可能有误差，关键论点引用前应回原文核实。
• 配置：三步——导出 PDF 到统一目录 → 建索引 → 给 Agent 配 MCP，宣称 5 分钟完成。
• 场景外延：作者主张同一模式适用于律师（案例库/法规/合同）、记者（采访转写/行业报告）、咨询师（研究报告/客户文件）、产品经理（竞品分析/调研文档）等一切”大量参考资料 + 每次重新找”的场景。

不确定与待验证

？ 相关源文实质是 Linkly AI 的产品推广文（产品方自述），“5 分钟配置""1-3 分钟建索引”等数字均为官方宣称，无第三方基准；Outline Index 对非标准排版 PDF（扫描件、双栏、公式密集）的鲁棒性未讨论。

？ 文中对话示例引用的结论（如”few-shot 示例格式不同导致准确率差异 15-30%“）来自 AI 对文献的摘要，恰印证作者自己的警告：引用前需回原文核实。

关联

• Source: 研究者的 AI 工作流——让 AI 阅读 1000 篇论文
• MCP（本地资料库 → MCP Server → 任意 Agent 实例）
• Agentic RAG、AI 研究方法论、AI MCP
• AI 工作流的原生化模式、本地检索三案例