作品防火牆公共性聯絡EN
所有作品
live · 每週出貨 · 溯源

litell

能回溯到來源的研究智慧

如果 AI 要從真實世界學習,它的輸出就必須能回溯到來源。litell 就是訓練這個能力的地方 —— 一個每個答案都帶著出處的研究引擎。

L防火牆資料來源證明卡背後的溯源能力
在防火牆的角色
來源溯源 → 證明卡
狀態
live · 每週出貨
介面
網頁 app + MCP server
技術
Python · Streamlit · MCP

問題

文獻搜尋按關鍵字與時間排序,而不是按「這篇是否真的回答你的問題」。你拿到一份清單,然後自己一篇篇做綜整。

而真正重要的品質訊號 —— 引用數、期刊地位、是否新穎 —— 又散在不同工具裡要手動查,且預設都無法溯源。

做法

litell 把搜尋當成決策、不是查表 —— 而且讓每個輸出都帶著來源。

  • 訊號感知搜尋 —— 按引用與品質排序,recall 太低時自動放寬
  • 跨論文 brief —— 回答你的問題,而不是一篇一點
  • prior-art 檢查 —— 這個想法真的新嗎?
  • 期刊品質內嵌,並直連查 JCR impact factor
  • MCP server 暴露 —— 任何 agent 都能直接搜尋、brief、查 prior art

這正是防火牆要當成產品賣的紀律:AI 的輸出必須可溯源。

目前進度

litell live 且每週出貨。網頁 app 運作中,MCP server 已在本地註冊,讓 agent 當工具呼叫。

3
MCP 工具:search · brief · prior-art
每週
出貨節奏
live
網頁 + MCP
下一個作品
cmdr →
與 PlexMesh 合作