Consensus 是一款专为学术研究打造的 AI 搜索引擎，它和 Perplexity 这类通用问答引擎最大的不同在于：它只检索经过同行评审的学术论文（覆盖 2 亿篇以上），并且不只扔给你一段总结，而是给出"Consensus Meter"——用支持、反对、混合三种标记直观呈现学界对某个结论的态度。对写综述、做循证决策、查证"某说法到底有没有研究支撑"的研究者与学生来说，这种"带证据温度"的结果比一句孤零零的回答更有用。
从能力边界看，Consensus 的免费档已经能无限检索论文、每月给 10 条 Pro 消息和 3 篇 Deep Research 综述；付费侧 Pro 约 20 美元/月（年付约 12 美元/月）、Deep 约 65 美元/月（年付约 45 美元/月），Deep 档会生成更深入的多论文综述，Teams 档面向团队定制。和 Elicit 一样，它属于"研究助理"品类，但 Consensus 的招牌是那枚 Consensus Meter 与研究结论的聚合呈现，而不是单纯的文献抽取。
把 Consensus 放进科研工作流，最常见的搭档是文献管理与写作工具：Zotero 负责收藏与引用格式、CNKI、万方、维普 补中文文献、Notion、Obsidian 做阅读笔记。英文写作环节可叠加 Grammarly 校对、QuillBot 改写、DeepL 翻译、PaperPass 查重；遇到难以确定的概念，再去 知乎 或 百度文库 找通俗解释。
和竞品相比，Consensus 的强项是"结论可信度可视化"。当你要的是"这个疗法到底有没有效、学界站哪边"，它比 ChatGPT 的泛泛而谈更靠谱；当你要的是"把一堆网页事实串成报告"，Perplexity 更灵活；当你要的是"长文档逐页问答"，Humata 更对口；当你要的是"海量中文资料一口气读完"，Kimi 的长上下文能顶上。它们覆盖的是研究链的不同环节，常常组合使用。
常见误区是把它当通用搜索引擎。Consensus 只对学术文献负责，时事、商业、生活类问题它给不出好答案，这类需求交给 Perplexity 更合适。选型建议：写论文、做 Meta 分析、查证科学结论可靠性时首选 Consensus；需要广度与实时性再叠加通用引擎；需要把结论落进自己的知识库，用 Notion、Obsidian 收口。把它定位为"证据雷达"，而非"万能问答机"，价值最清晰。
从检索策略看，Consensus 最怕"问题太宽泛"。给它"间歇性禁食对 2 型糖尿病患者的糖化血红蛋白是否有显著改善"这种带变量和人群的问题，比"健康饮食有用吗"更能触发高质量的 Consensus Meter。免费档的 10 条 Pro 消息适合关键问题精用，日常广度检索交给无限免费搜索；写综述时 Deep 档的多论文聚合能省下大量手动归纳。和 Elicit 配合可做交叉验证，CNKI、万方、维普 补中文证据，Zotero 收口引用，形成"搜—证—存"的研究流水线。它不替代你读原文，但能让你在动笔前先看清学界整体的风向。
最后提醒，Consensus Meter 反映的是"已有研究"的倾向，不代表最新或未发表结论；把它的综述当作起点，再顺着引用去读原文，才是严谨用法。搭配 QuillBot 改写、PaperPass 查重，可避免无意抄袭。
检索结果里的每篇论文都可点开看摘要与引用，顺藤摸瓜能快速建立文献地图。对做系统综述的人，这比手动翻几十篇 PDF 高效得多；把结论导出后交给 QuillBot 改写、PaperPass 查重，写作环节也更稳。