我把同一个检索问题交给 OpenAlex、Crossref 和 Europe PMC：针对大学生失眠的数字认知行为疗法，然后人工检查每个工具前十条结果。
这只是一次小型检索审计，不是性能排行榜。但它说明了一件很重要的事：三个工具并不是把同一批论文换个顺序，而是给出了三组明显不同的候选文献。
三组结果分别是什么样？
OpenAlex 把最贴近主题的大学生研究放在第一位，前十条里也找到了通过电子邮件提供干预的大学生研究。不过，它同时扩展到了抑郁、重度饮酒、糖尿病和一般依从性研究。
Crossref 第一条同样是目标论文，但后续结果中出现了书籍章节和“Copyright”“Index”“Acknowledgments”之类的前后置内容。Crossref 很适合核对出版元数据，宽泛的相关性查询却仍然需要认真筛选。
Europe PMC 更偏向近期健康研究。它找到了目标评论以及相关的学生睡眠研究，也带回了无手机恐惧、社交媒体使用、PTSD 和文献计量研究。医学范围很有价值，但同一句查询不足以保证每条结果都围绕干预问题。
结论很直接：任何一个前十结果页都不能直接当阅读清单。
它们主要漏在哪里？
问题大致分三类：
- **词汇遗漏：**论文使用的是“互联网提供”或“电子邮件提供”，而不是“数字”。
- **人群偏移：**干预方法相似，参与者却是糖尿病患者或重度饮酒者，不是学生。
- **文献类型偏移：**结果是评论、综述、章节或前后置内容，并非原始研究。
检索答案看起来可以很完整，却把这三种问题藏在标题列表里。所以结果数量不是好的质量指标。我更关心它有没有找到已知的重要论文、有没有带来真正的新文献，以及能不能暴露下一轮要补充的词汇。
怎么公平比较论文检索工具？
固定同一个问题、日期和筛选规则，记录前 10–20 条结果，再逐条标记：
- 直接相关
- 可作为背景
- 人群或干预不符
- 文献类型不符
- 重复
另外准备一小组“必须找得到”的种子论文。如果结果很多、题目也都像真的，却漏掉两篇明显的核心研究，就应该改查询，而不是继续相信数量。
这次测试先保存原始结果，再做判断。搜索结果会变化，人也很容易把自己喜欢的工具回忆得比实际更完整。
WisPaper 在这套流程里怎么用？
先在 WisPaper Search 用自然语言提出研究问题，再用同样的标签筛选论文卡片。把相关论文存入 My Library，然后用 Library QA 检查这批论文覆盖了哪些人群、干预和结局。
真正有用的衔接不是“某个工具找到了真相”，而是一条检索路线产生候选文献，筛选排除范围错误，另一条路线再去寻找前一条漏掉的内容。
