AskChem 把 147K 篇论文拆成 2.4M 条 claim，检索粒度从「文档」压到「结论」

2026年8月1日

AskChem：把论文检索压到结论级

做文献综述的人大概都经历过这个场景：想搞清楚某个反应条件、催化机理或者材料性能数据，得翻十几篇论文，每篇从头看到尾，就为了找到那一两句有用的，再手动拼起来。传统学术搜索引擎给的是文档排名列表——研究者仍然得自己读、自己找、自己交叉验证。这套流程让人来做是体力活，让 AI Agent 来做就成了幻觉温床。

纽约大学和几位合作者最近挂到 arXiv 上的 AskChem（2607.28618），把检索的原子单位从「论文」换成了「结论」（claim）。每篇论文被拆解成原子化的、带类型的 claim，每个 claim 附上了来源 DOI 和一句原文引用。搜的不再是「哪些论文可能相关」，而是「哪些结论已经被验证过、出自哪篇论文、原文怎么说的」。

AskChem 已索引 147K 篇论文，拆出 2.4M 条 claim，体量在化学领域已经相当可观。它对外暴露了三套互补的检索结构：一个稳定的分面分类法用于层级下钻，一个证据图把相关 claim 通过关系连起来，还有一个活的演化分类法按学科原理组织论文。用户可以从分类树往下钻，也可以顺着证据网络横向扩散。

AskChem 不止有 Web 界面和 REST API，还提供了 SDK 和 MCP（Model Context Protocol）接入。MCP 是最近在 Agent 工具链里快速冒头的协议，让 LLM 可以直接调用外部数据源——不塞 PDF，不靠 RAG 切 chunk，直接查结构化 claim。一个化学领域的 Agent 可以通过 MCP query AskChem 的 claim 库，拿到带 DOI 和原文引用的结论，而不是塞给它一堆 PDF 让它自己猜出处。

论文里放了一组 benchmark 数字。把 GPT-5.5 reader 搭在 AskChem 上做检索，生成内容的 DOI 可解析率达到 100%；不接 AskChem 直接裸跑，只有 88.3%。在五个对比系统里，AskChem 的引用密度也最高。Agent 写完东西给出来的引用真的能点开、能验证，不是幻觉。

AskChem 也有边界。它目前只覆盖了化学文献，拆 claim 的质量取决于 NLP pipeline 的准确率，claim 的粒度和类型定义是人工设计的 taxonomy，迁移到其他领域需要重新适配。MCP 接入方向对了，但生态还在早期，暂时还不是一个开箱即用的「Agent 知识库」。

AskChem 做了一个很实在的工程选择：把论文检索的最小单元从文档压到 claim，同时用 MCP 给 AI Agent 开了一个原生消费结构化结论的接口。做化学研究的人能省掉大量翻论文找一句话的体力活，做 Agent 的人拿到一个可以当工具链组件用的结构化知识源。

项目地址是 askchem.org，论文、API 和 SDK 都在 arXiv 上挂着。在做科研工具或者 Agent 工作流的，可以去试一下把检索粒度压到 claim 级之后，做综述的体感到底差多少。