llm-for-zotero：让 Zotero 变身智能学术研究助手

学术阅读是 AI 应用最密集的场景之一——论文太多、阅读太慢、理解不深、笔记难整理。llm-for-zotero 正是来解决这个问题的：它是一个扎根于 Zotero 文献库的 AI 研究 Agent 系统，让用户在阅读 PDF 时就能直接与论文对话、提取图表信息、对比多篇文献，并将研究结论一键同步到 Obsidian 等笔记工具中。

图1：llm-for-zotero Logo —— 大脑与 Zotero 盾牌融合的图标设计

项目起源与背景

这款插件诞生于 2026 年 1 月，由独立开发者 yilewang 创建并持续维护。它瞄准了一个非常具体的痛点：学术研究者每天要与数十甚至数百篇 PDF 打交道，但 Zotero 本身只是一个文献管理器，并不"懂"论文内容。传统的 AI 阅读方式需要将 PDF 内容复制粘贴到 ChatGPT 等工具中，割裂了阅读与研究的上下文。

llm-for-zotero 将 LLM 直接注入 Zotero 内部，在 PDF 阅读器的侧边栏中嵌入对话界面，让 AI 成为阅读过程中不可分割的一部分。插件支持多款 LLM 后端——从 OpenAI API、Azure OpenAI、本地模型，到 ChatGPT WebChat（免费用户可用）、Codex App Server（ChatGPT Plus 用户推荐），再到实验性的 Claude Code 模式——覆盖了从免费到高级用户的全场景需求。

核心功能：从对话到 Agent

标准对话模式

在标准模式下，用户可以针对当前打开的 PDF 提问、摘要、翻译、提取图表。选中文本后点击"解释"，AI 会基于选中内容作答，并自动附上跳回原文的引用标注（citation jump），确保每个答案都能追溯到原始出处。这种引用机制对于学术写作至关重要——它避免了 AI 产生幻觉答案的问题。

插件还支持多 PDF 对比阅读：同时打开多篇论文时，可将它们一起作为上下文输入，让 AI 分析不同论文之间的方法差异、结论一致性或相互引用关系。这在文献综述阶段尤其有用。

Agent Mode：Zotero 库的智能管家

Agent Mode（Beta）是插件的核心亮点。开启后，AI 不再只是被动回答问题，而是能够主动操作 Zotero 库——搜索文献、读取元数据、添加/修改标签、更新论文属性、创建笔记、批量导入参考文献，甚至可以执行本地脚本。

其设计哲学非常清晰：读操作（read）无限制，写操作（write）需确认、可撤回。所有写入操作都会弹出确认卡片，用户审阅同意后才会执行，且最近 10 次写操作可以在同一会话内撤销。这套机制让 Agent 既有足够的自动化能力，又不会因为"AI 失控"导致文献库损坏。

Agent Mode 还具备上下文缓存和自动压缩能力：在长时间的研究对话中，已读取的论文内容和证据片段会被单独存储，不随对话历史一起增长，当模型上下文窗口接近满载时，系统会自动压缩旧的对话轮次，同时保留已检索到的证据。这种设计使得后续问题能够复用之前的检索结果，不必重复读取论文。

Skills：可定制的专业研究工作流

Skills 是 llm-for-zotero 的可扩展性设计。它本质上是一组 Markdown 格式的指令模板，当用户的请求匹配某个 Skill 的触发模式时，对应的指令会被自动注入到 Agent 提示词中，引导 AI 按特定方式处理请求。

插件内置了 8 个研究工作流 Skills，覆盖：论文通用问答、精准证据检索、图表解读、多论文对比、文献库综合分析、结构化文献综述、笔记撰写、自动引用导入。用户还可以在 Standalone Window 中创建自定义 Skill，将自己的研究习惯固化为可复用的模板。Skills 文件存储在 {ZoteroDataDir}/llm-for-zotero/skills/ 目录中，完全开放可编辑。

MinerU PDF 解析：更高保真的论文结构化

PDF 是学术内容的核心载体，但纯文本提取容易丢失表格、公式、图表的语义信息。llm-for-zotero 集成了 MinerU（上海人工智能实验室开源的高保真 PDF 解析工具），可以对论文进行更精细的结构化解析：保留表格边框信息、识别行内公式、提取图表图像并附带说明。MinerU 支持本地部署（通过 mineru-api 服务）或云端调用，配合插件的文件管理器，可以对文献库中的 PDF 进行批量解析、缓存管理和增量同步。

文件笔记：打通 Obsidian 等双链笔记

插件不局限于 Zotero 内部笔记，它支持将研究结论保存到本地 Markdown 文件夹——最典型的就是 Obsidian（双向链接笔记工具）和 Logseq（大纲笔记工具）。这意味着用户可以在 Zotero 中与论文对话，然后将提炼出的观点以 Markdown 格式同步到自己的知识库中，实现从"读论文"到"构建知识网络"的完整闭环。

技术架构

llm-for-zotero 基于 Zotero Plugin Template（zotero-plugin-toolkit）构建，这是一个专门用于开发 Zotero 桌面插件的框架。插件主体使用 TypeScript 编写，编译为 Zotero 兼容的 JavaScript 插件包。

架构上，代码分为几个核心模块：providers（多后端 LLM 接入层）、agent（Agent 核心引擎：工具注册、MCP 协议、上下文管理、运行时、写操作确认）、modules（UI 侧边栏、MinerU 批量解析、WebChat 中继桥接）、webchat（Claude Code 桥接层）。依赖方面使用 zotero-plugin-toolkit 作为 Zotero API 抽象层，marked 处理 Markdown 渲染，katex 渲染数学公式，mermaid 渲染图表，fflate 处理压缩。整体代码质量较高，配有完整 ESLint 配置和 Mocha 测试套件，遵循 AGPL-3.0 开源协议。

适用场景与局限性

适用场景： 研究生/学者日常论文阅读与笔记整理；文献综述阶段的多论文对比分析；将 Zotero 文献库作为研究背景知识库进行问答；需要将论文研究结论同步到 Obsidian 等双链笔记的用户。

局限性： 依赖 Zotero 桌面客户端，无法在浏览器或移动端使用；Claude Code 模式仍为实验性，不支持原生 Zotero API 操作；WebChat 模式依赖浏览器扩展，数据流经第三方；没有容器化部署方式，非开发者用户需要参考文档逐步配置 LLM 后端。

总结

llm-for-zotero 是一个深度嵌入 Zotero 生态的 AI 研究工作台，它不只是把 ChatGPT 搬进了文献管理器，而是围绕学术研究这个垂直场景设计了完整的功能体系——引用溯源、Agent 写操作确认与撤回、上下文缓存、MinerU 高保真解析、Skills 自定义工作流、双链笔记同步。这套设计让它在学术 AI 工具中独树一帜，获得了超过 1900 颗 GitHub Stars 的认可。

对于经常需要阅读、对比、综述大量论文的研究者来说，llm-for-zotero 值得一试，尤其当你已经在使用 Zotero 管理文献库时，安装成本几乎为零——前提是你愿意接受 Zotero 桌面端的局限性，以及它相对复杂的 LLM 后端配置过程。