beaver-zotero
把 AI 研究助手装进 Zotero，扎根文献库实现句子级引用溯源与智能 PDF 标注
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
把 AI 研究助手装进 Zotero，扎根文献库实现句子级引用溯源与智能 PDF 标注
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
每个研究生都有过这样的经历：明明记得在某篇 PDF 里见过一个关键观点，翻遍文件夹却怎么都找不到。这种"脑子里有，但抓不住"的挫败感，消耗了学者们大量宝贵时间。
Beaver 解决的就是这个问题——它不是一个普通的 AI 聊天机器人，而是一个扎根在你个人文献库里的研究智能体。它住在 Zotero 里，读得懂你收集的每一篇论文，能在你阅读 PDF 的过程中随时回答问题、标注重点、对比文献。
图1：Beaver 在 LitQA2 基准测试上的表现（来源：项目官方文档）
学术研究的效率瓶颈，从来不在于文献太少，而在于文献太多却无法有效利用。一个认真做研究的博士生，Zotero 库里有几百篇论文是常态。但这些论文里的知识是"死"的——你只能靠记忆去关联它们。
传统的文献管理工具（Zotero、Mendeley、EndNote）只解决了"存"的问题，从未解决"用"的问题。2023 年大模型浪潮兴起后，很多人尝试用 ChatGPT 类工具辅助文献阅读，但面临两难：要么把论文内容粘贴给第三方，要么放弃隐私裸奔给 API。
Beaver 的作者 Jan-Lukas Gewie 敏锐地捕捉到了这个痛点，于 2024 年推出了这个项目——把 AI 能力直接嵌入 Zotero 插件，让 AI 和用户的文献库共生，而不是寄生在外部。
这是 Beaver 最有技术含量的功能。大多数 AI 阅读工具只能告诉你"这个观点在第 X 页"，Beaver 能做到句子级引用——它会精确标注出支撑某个观点的具体段落，并生成可点击的跳转链接。
这背后的技术挑战远比表面看起来复杂：
Beaver 为此专门构建了评估体系，团队在 LitQA2 基准测试上进行了系统性评测，涵盖了检索准确性、引用精确度和事实正确性三个维度。
当你在 Zotero 中打开一篇 PDF，Beaver 侧边栏会自动识别你的阅读位置。你可以直接问：
Beaver 会在 Zotero 原生 PDF 阅读器中直接标注答案来源，无需切换到任何外部工具。
"帮我高亮关键发现"、"把所有与我的研究相关的段落标成蓝色"——这类自然语言指令 Beaver 都能理解并执行。生成的标注是真正的 Zotero 标注，会同步到你的 Zotero 库，完全可编辑，行为和手动标注无异。
Beaver 的检索不是简单的关键词匹配，它会综合使用：
最终给出一个有据可查的回答，每句话都标注了来源。
对于开发者，Beaver 还提供了一个 MCP (Model Context Protocol) 服务器，可以将你的 Zotero 文献库接入 Claude Desktop 等支持 MCP 的 AI 工具。这意味着你可以在任何 AI 应用里直接调用自己的文献库作为上下文。
Beaver 的代码仓库分为三个核心层：
1. addon/（Zotero 插件主体）
基于 zotero-plugin-template 构建，这是 Zotero 社区最成熟的开源插件模板。插件以 .xpi 包形式分发，Zotero 7.0+ 用户可直接从 Tools → Add-ons 安装。
2. react/（前端界面）
使用 React + Lexical（Meta 出品的富文本编辑器）构建交互式聊天界面。Lexical 在 Beaver 中主要用于渲染笔记编辑和引用展示，其原子化架构适合这种高度定制化的编辑器场景。
3. src/（命令行工具）
包含 beaver-extract CLI 工具，用于本地文件处理（PDF 文本提取），这是免费版实现本地 AI 功能的底层依赖。
后端基于 Supabase 构建（PostgreSQL + Auth + Edge Functions），负责模型调用、语义搜索向量存储和 API 路由。用户可使用自己的 API Key，也可以订阅 Beaver 的云服务。
主要依赖栈：
免费版功能已经非常完整：本地 PDF 文本提取、元数据搜索、语义搜索（标题+摘要）。所有 AI 功能通过用户自己的 API Key 驱动，隐私完全在自己手里。
付费版（beaverapp.ai 订阅）无需 API Key，团队版支持协作文献库，适合研究小组使用。
安装门槛并不高：只要你的 Zotero 版本是 7.0+，下载 .xpi 文件安装即可。但源码编译需要 Node.js >= 18 和 Supabase 环境变量配置，对普通用户来说偏复杂。
1. 云端强依赖： 免费版的语义搜索和 PDF 解析都需要 Supabase 后端，一旦网络不稳定，体验大打折扣。
2. 中文 PDF 支持： 项目主要面向英文学术文献，对中文 PDF 的 OCR 和解析支持尚未经过充分验证。
3. 开源许可证限制： 代码采用 AGPL-3.0 许可证，商业使用需注意合规。
4. 精度仍有提升空间： 在 LitQA2 评测中，虽然表现领先于通用大模型+互联网搜索方案，但在更复杂的跨论文推理任务上仍有明显短板。
Beaver 最大的价值不在于技术本身，而在于它定义了一种新的产品形态——嵌入式 AI 助手。它不是让用户去适应 AI，而是让 AI 去适应用户的工作流。
从增长数据看，GitHub 207+ stars、36 个 open issues，说明项目活跃度较高，社区参与积极。同时它也催生了类似 zotero-ai、zotero-gpt 等衍生项目，形成了以 Zotero 为中心的 AI 生态。
如果你是一个学术研究者，Beaver 值得尝试——尤其是免费版，基本零成本就能提升文献阅读效率。