Cito
混合型学术搜索，涵盖 2.36 亿篇论文，专为代理商打造。
Cito 是一个基于 Semantic Scholar 语料库的混合搜索引擎：包含 2.36 亿篇关键词索引论文、1.46 亿篇带有 SPECTER2 密集向量的论文，这些论文与 RRF 融合，并由交叉编码器重新排序。它提供免费的网页搜索，无需注册，提供简洁的 JSON API，并拥有原生 MCP 接口，因此像 Claude Code 这样的智能体可以不受上游速率限制地进行深度文献检索。开发 Cito 的初衷是，所有学术 API 都严重限制了我的智能体的性能。
AI 分析
Cito是一个混合学术搜索引擎，覆盖Semantic Scholar的2.36亿篇论文，结合关键词搜索与SPECTER2密集向量，通过RRF融合和交叉编码器重排序以获得准确结果。主要功能包括无需注册的免费网页搜索、简易JSON API以及为AI代理（如Claude）优化的原生MCP端点，可不受速率限制进行深度文献研究。它解决了学术API节流阻碍代理工作流以及传统搜索相关性差的关键痛点。价值主张是为人类研究者和自主AI系统提供无缝、高质量的科学发现工具。
在2025-2026年，AI代理和自主研究工具正经历爆发式增长，对专业、无速率限制的知识检索需求日益增加，以减少幻觉并实现深度研究。混合搜索技术已成熟，开发者对代理友好学术工具的需求与MCP和代理AI框架的兴起相符。推动AI生产力工具的经济因素进一步支持采用。这是一个优秀时机。
技术难度为中高，因为混合搜索实现和在2.36亿规模下维持相关性，但利用现有开放模型（SPECTER2）和Semantic Scholar语料库，降低了数据获取风险。向量托管和推理成本显著，但可通过云提供商管理。没有重大供应链问题；合规对搜索引擎而言是标准的。可扩展性潜力强。总体评级：高，特别是对IR/ML经验丰富的团队。
主要目标细分：构建研究代理的AI/ML工程师（独立开发者到企业团队）、学术研究者、博士生和STEM教职人员。行业：人工智能、高等教育、研发实验室。地理分布：全球，以美国、欧洲和东亚为主。AI研究工具TAM估计超过100亿美元，学术搜索SAM约10亿美元，代理优化API的SOM约1-2亿美元。核心痛点：API节流、结果不相关、文献综述耗时。用户对可靠、高吞吐量API计划有强烈的付费意愿。
竞争水平：中。直接竞争对手：1. Semantic Scholar (semanticscholar.org)，2. Elicit (elicit.com)，3. Consensus (consensus.app)，4. Scite (scite.ai)，5. Perplexity AI学术搜索。优势：专为AI代理构建，具备MCP端点且无上游速率限制，优越的混合融合/重排序，完全免费的网页访问。劣势：较新的进入者，品牌信任度较低，依赖Semantic Scholar数据，与规模更大的玩家相比运营成本可能更高。
升级 Pro 解锁完整 AI 分析
