Ai4Scholar 完整拆解
一个 AI 科研工具平台，从选题到积分计费上线的全过程。
本文含占位内容。 产品功能、定价、集成方式来自公开信息，属实； 标注「示例」的数据段落是结构占位，上线前需替换为真实数字。
产品是什么
一站式 AI 科研工具平台，覆盖文献搜索、自动标注、科研绘图、PDF 解析和 API 集成。
- 线上地址：ai4scholar.net
- 形态：Web 应用 + 开放 API + 多平台插件
- 计费：积分制，¥29 / 350 积分起，积分永久有效不清零
核心功能：
| 功能 | 说明 |
|---|---|
| 学术写作 | 富文本编辑器，斜杠命令实时搜索文献并插入 APA 引用 |
| 文献自动标注 | 粘贴文本，AI 分析并在合适位置插入真实文献引用 |
| 科研绘图 | 输入描述生成专业科研插图，覆盖 100+ 学科场景 |
| PDF 深度解析 | 提取元数据、正文和参考文献，生成阅读笔记 |
| 多源文献搜索 | 一次搜索覆盖 Semantic Scholar、PubMed、Google Scholar |
| 开放 API | 59+ RESTful 接口，Scalar 交互式文档 |
为什么选这个方向
科研人群有几个特点，让它成为一个适合小团队做的市场：
- 痛点极其具体 —— 找文献、插引用、画图，每一件都很烦，且天天要做
- 现有方案割裂 —— 文献管理一个工具，写作一个工具，画图又一个
- 付费意愿明确 —— 这个人群习惯为工具付费，且经费通常可报销
- 需求标准化 —— 全世界的论文格式要求高度一致，不用做定制
最难的部分：多源文献聚合
一次搜索要打通 Semantic Scholar、PubMed、Google Scholar 以及中文库和专利库。 这是整个产品最脏也最有价值的一块。
难点不在于调接口，在于：
1. 接口能力不对等
各家的字段命名、返回结构、支持的检索语法都不一样。 有的提供完整的作者列表，有的只给第一作者；有的返回摘要，有的不返回。 上层要抹平这些差异，给用户一致的结果。
2. 限流是硬约束
学术数据库普遍有严格的调用配额。一次用户搜索要打多个源， 并发上去很快就撞限流。需要排队、退避重试，以及在某个源不可用时降级。
3. 跨源去重很麻烦
同一篇论文在三个库里都有，标题大小写、作者顺序、 是否带副标题都可能不同。DOI 是最可靠的键，但不是每条记录都有。
4. 缓存策略直接决定成本
文献元数据变化极慢，非常适合缓存。缓存做得好不好， 直接体现在服务器账单和响应速度上。
开放 API：59 个接口值不值
把产品能力开放成 API，意味着：
- 开发者可以把你的能力嵌进自己的系统
- 你成为基础设施，而不只是一个网站
- 但也要承担文档、版本、稳定性的长期成本
示例数据（待替换）： API 用户占总用户的 X%，贡献了 Y% 的积分消耗。
插件生态获客
已上线的集成：Zotero 插件、Dify 插件、MCP Server、Coze Agent、OpenClaw (npm)。
这套打法的逻辑是：科研人已经在 Zotero 里管理文献了， 与其让他换工具，不如把能力送到他面前。
各渠道的特点：
| 渠道 | 用户画像 | 特点 |
|---|---|---|
| Zotero 插件 | 科研人员本体 | 最精准，但插件生态封闭 |
| Dify / Coze | AI 工作流搭建者 | 二次传播强，用户不一定是科研人 |
| MCP Server | AI 助手用户 | 2026 年增长最快的入口 |
| npm 包 | 开发者 | 量小但质量高 |
示例数据（待替换）： 五个渠道分别带来 A / B / C / D / E 个用户， 付费转化率依次为 …
为什么选积分制
对一个 AI 调用成本占大头的产品，订阅制有个结构性问题： 重度用户会吃掉全部毛利，而他们恰恰是最不会流失的那批。
积分制把定价和成本绑在一起：
- 用得多的人付得多，毛利率稳定
- 没有到期取消这件事，不用做续费挽留
- "永久有效不清零"降低了首次购买的心理门槛
代价是收入不可预测，没法像订阅那样算 MRR。
示例数据（待替换）： 积分与实际调用成本的比例约为 N:1，综合毛利率 M%。
真实数据
示例（待替换）：
| 指标 | 数值 |
|---|---|
| 注册用户 | — |
| 付费用户 | — |
| 付费转化率 | — |
| 次月留存 | — |