1stAuthor Papers

每篇论文,每个章节,各一次调用。

arXiv 全文当天同步,加 PMC、bioRxiv、medRxiv。像数据库一样能过滤的混合检索,一个会读章节、用真实 ID 作答的 agentic 循环。

获取 API key 阅读文档
$pip install deepxiv-sdk
一句提问进去,带引用的回答流出来
语料
来源规模深度新鲜度
arXiv{arxiv} 篇全文、分节、混合索引T+0 — 公布当天
PubMed Central约 750 万篇结构化解析,按节访问每日
bioRxiv / medRxiv预印本按节访问,同一套阅读动词每日
示例

它擅长回答的三类问题

点一个,在 playground 里打开。

渐进式阅读

分层读,不要一口气全读。

每一层都是单独一次调用,便宜到可以对全部候选跑一遍。判断一篇论文值不值得读,花 300 个 token,而不是 23,000。

一篇论文2409.05591
brief标题、TLDR、关键词、引用数、GitHub 链接
~300 tok
head章节地图,每节带 token 数——答案在哪一节
~1.7k tok
section "2. Method"一整节,干净的 markdown
5,919 tok
raw整篇论文
23,311 tok
# search → judge → read: three calls, not one 23k-token dump
deepxiv search "agentic memory" --venue NeurIPS --venue-year 2025 --min-citations 50
deepxiv paper 2409.05591 --brief
deepxiv paper 2409.05591 --section "2. Method"
过滤

像数据库一样过滤的检索

作者、机构、分类、会议(NeurIPS ↔ NIPS 别名自动解析)、会议年份、日期区间、最低引用数、offset 翻页、可选精排。过滤条件是 AND——窄日期窗叠高引用门槛,返回 0 条是正常的。

按社交信号看趋势

现在真正在被读的是什么——单篇论文的推文、点赞、浏览。

不止 arXiv

PubMed Central、bioRxiv、medRxiv 共用同一套阅读动词。仅开放获取。

两个 agentic 后端

arXiv 端用论文 ID 作答;web 端用缓存页面正文作答,并标出哪些页面被完整读过。

Agentic

Effort 档位

effort检索轮数首 token · arXiv首 token · web什么时候用
low1–23–4s5–9s现在就要答案
medium37–8s≈13s跨论文比较
high4–59–13s更久综述型问题
轮数是上限不是下限——证据够了就提前收敛。调高 effort 只增加阅读轮数,改不了第一轮召回;答案不对,先把问题问得更具体。

给你的 agent 一点可以推理的东西。

免费额度,无需绑卡。