给 AI 一篇种子论文，真的能改善文献检索吗？

可以。一篇好的种子论文会为检索提供词汇和引文背景，但它并不保证更广的覆盖面。

我比较了两条路线：只用主题搜索“针对大学生失眠的数字 CBT”，以及从一篇高度相关的论文出发。主题搜索给出了更宽的第一页；种子路线产生了更小、更连贯的邻域，包括背后的随机试验、种子论文讨论的研究，以及后来引用它的评论。

它提供了短查询没有的信息：

后续问题因此更具体。检索不再只是“找更多睡眠干预论文”，而是可以寻找采用主动数字对照的试验，或报告模块完成率的研究。

引文邻域很窄。本次测试中，这篇种子在使用的索引里只有少量参考文献和一篇近期引用评论。只依赖它，会漏掉使用不同术语、位于其他学科，或者没有通过索引引文连接的研究。

种子也会带入自身偏差。较新的论文可能缺少早期基础研究，著名论文可能挤掉规模较小的反面研究，来自一个国家的论文也可能把人群范围锚得太窄。

应该因为它匹配研究问题而选择，而不是只因为引用量高。可以检查：

最好使用两三篇不同年代或方法的种子，并比较它们的邻域。如果路线高度重合，可能说明存在稳定文献群；如果完全分开，问题很可能跨越不同词汇体系，需要同时保留。

最后的比较可以降低锚定偏差。

通过 WisPaper Search 找到或保存种子，把相关论文加入 My Library，再通过 Library QA 比较人群、方法和词汇。随后使用从多篇种子学到的术语重新检索。

种子能改进下一轮查询时很有价值；它悄悄定义整个领域时就很危险。