Qurious：用 Convex 和 Vercel AI SDK 重做学术搜索的开源尝试

核心洞察

这个项目想做的事很明确：把 Google Scholar 那套搜索体验重新做一遍，加上 AI 摘要和对话能力。技术选型挺有意思，后端直接上了 Convex一个后端即服务平台，提供数据库、函数和实时同步功能。 而不是传统的 Postgres，前端是 Next.js 加 shadcn/ui 的标准组合。不过目前 roadmap 还是空的，功能完成度得自己跑一遍才知道。

---

核心结论

1. Qurious一个开源的 AI 科研助手，帮助用户发现、理解和组织科学文献。 是一个 AI 驱动的研究助手，定位为 Google Scholar、Consensus 和 SciSpace 的开源替代品，帮助用户更快地找到、理解并整理科学文献。

2. 核心功能包括五项：语义搜索基于语义理解而非关键词匹配的搜索技术，能理解查询意图和内容含义。（按含义而非关键词搜索论文）、与论文对话（获得有依据的上下文回答）、AI 摘要与洞察、列表与研究文件夹整理、以及个人注释。

3. 技术栈方面，后端采用 Convex（而非传统 Postgres），前端使用 Next.js + React + Tailwind CSS + shadcn/ui + TanStack Query，AI 层使用 Vercel AI SDKVercel提供的AI开发工具包，支持多模型集成和统一接口，部署在 Vercel 上。

4. 项目依赖 Semantic Scholar一个免费的学术搜索引擎，提供论文元数据和引用信息。 的数据支持，采用 MIT 许可证开源，本地运行需 Node.js ≥ 18 和 pnpm。

5. 目前项目 roadmap 仍为空，功能完成度需自行运行验证。

Qurious 是什么

Qurious 是一个 AI 驱动的研究助手，帮研究人员、学生和好奇的人更快地找到、理解并整理科学文献。

AI 驱动的研究发现、摘要与整理工具。
Google Scholar、Consensus 和 SciSpace 的开源替代品。

在线演示 • 功能 • 架构 • 贡献者

---

功能

• 语义搜索 – 按含义搜索论文，而不是关键词。
• 与论文对话 – 提问，获得有依据的、结合上下文的回答。
• AI 摘要与洞察 – 自动生成摘要和关键要点。
• 列表与研究文件夹 – 把论文整理到收藏集中。
• 个人注释 – 为每篇论文添加笔记和想法。

---

架构

技术栈

这个项目离不开 Semantic Scholar 的支持。

---

快速开始

前置条件

• Node.js ≥ 18
• pnpm（通过 Corepack）

安装

pnpm install

这会安装所有工作区依赖和工具。

一次性设置（Convex）

pnpm run convex:login

环境配置

在 apps/web 下创建 .env.local 文件：

CONVEX_URL=your_convex_url_here

本地运行

运行所有服务：

pnpm dev

不启动浏览器或 Web API 应用：

pnpm dev:no-ui

或

pnpm dev --filter=!browser-app --filter=!web-api

只运行 Convex 后端：

pnpm convex:dev

测试

pnpm test

---

贡献者

感谢所有为 Qurious 做出贡献的人。

如何贡献

欢迎提交贡献。你可以这样参与：

1. Fork 仓库
2. 创建 功能分支（git checkout -b feature/amazing-feature）
3. 提交 改动（git commit -m 'Add some amazing feature'）
4. 推送 到分支（git push origin feature/amazing-feature）
5. 发起 Pull Request

提交 PR 前请先阅读贡献指南。

---

路线图

待补充。

---

许可证

MIT 许可证。详见 LICENSE 文件。

---

社区与链接

网站： quriousai.xyz

Twitter/X： @QuriousAI_

Discord： 加入服务器

---

由 Qurious 社区用爱制作

常见问题（FAQ）

Qurious 是什么？它和 Google Scholar 有什么区别？

Qurious 是一个开源的 AI 科研助手，帮助研究人员、学生快速发现、理解和组织科学文献。它提供语义搜索、论文对话、AI 摘要等功能，是 Google Scholar、Consensus 和 SciSpace 的开源替代品。

Qurious 的技术栈是什么？如何本地部署？

Qurious 基于 Next.js、Convex 和 Vercel AI SDK 构建，前端使用 React、Tailwind CSS 和 shadcn/ui，后端使用 Convex。本地部署需 Node.js ≥ 18 和 pnpm，安装依赖后配置 Convex 和环境变量即可运行。

Qurious 有哪些核心功能？

Qurious 的核心功能包括：语义搜索（按含义搜索论文）、与论文对话（获得有依据的回答）、AI 摘要与洞察、列表与研究文件夹（整理论文）、个人注释（添加笔记和想法）。