摘要： 文章比較五種學術搜尋 API 在 agent 工作流中的身分、正文證據與引用關係支援。Firecrawl 自行量測的 arXivQA 成績是召回率 53.3%、每次任務 0.32 美元，並提醒成績不算獨立評估。
一個用來回答學術問題的 AI agent，答案可不可靠，經常取決於檢索層怎麼挑。模型的推理能力再強，只要檢索層交到它手上的只有標題與摘要，它照樣可能把某篇論文當成依據引用，而那篇論文其實並不支持該論點。這類失誤有幾種樣貌：歸因錯誤、識別碼是幻覺產物、改寫結果偏離原文——它們共通的地方在於，agent 被要求描述的證據，它自始至終都沒真正看過。
Firecrawl 在 2026 年 8 月 24 日刊出的比較文章裡，逐一檢視五種學術搜尋 API，並點出一個現象：坊間的工具比較多半以人類研究者為預設讀者，而 agent 要的東西完全是另一回事。底下的整理，聚焦這些 API 各自適合什麼情境、要付出什麼代價，供產品開發者判斷時參考。
Agent 要的不是一份「搜尋結果頁」
人類可以很快掃過十個標題，再點開看起來有希望的論文，agent 沒有這種本事——檢索層回傳什麼，答案就只能建立在什麼之上。所以對 agent 而言，學術搜尋必須供應三樣東西：
- 可辨識的論文身分：識別碼要符合規範，標題、作者、日期以欄位形式出現，而不是丟給 agent 自己從文字裡拆。
- 與問題相關的正文證據：能回答該問題的正文段落，而不是只有摘要。
- 通往相關工作的路徑：能從一篇論文移動到它引用的論文、引用它的論文，以及位置鄰近的論文。
這三樣不必靠一次呼叫全部拿齊，但 agent 必須取得得到身分、證據與關聯，不必自己把學術層重建一遍。
通用搜尋端點在「發現」這件事上很拿手，但 agent 沒辦法引用它找到的內容；通用爬蟲能給出頁面內容與來源 URL，用來追溯出處足夠，卻不會把學術特有的部分正規化，例如 DOI、arXiv ID、PMID、版本、跨來源的規範身份與引用關係。這些工作在 agent 迴圈中會反覆發生，因此 API 若內建這些能力，開發負擔能減輕不少。
五種 API 各自的位置與取捨
Firecrawl 的文章沒有替這五種 API 排名，而是按各自適用的工作流分組，因為目前並不存在同時涵蓋五者的基準測試。
Firecrawl Research Index 是為 agent 工作流而設計的檢索索引，2026 年 6 月推出，收錄的 arXiv 論文超過 300 萬篇。它最關鍵的能力是讀取模式（read mode）：你針對論文提問，回來的是帶分數的正文段落，而不是一條還得自己處理的 PDF 連結。引用圖譜擴展（similar、citers、references）同樣在支援之列；GitHub 議題、PR 與 README 則由獨立的 Developer Index 負責。Firecrawl 宣稱它在 arXivQA 上的召回率達 53.3%（每次任務成本 $0.32），MRR 為 0.750，不過這份成績出自供應商自行運行的基準，方法雖然公開且可重現，仍算不上獨立評估。
arXiv API 免費而且穩定，用於已知 arXiv ID 的直接查詢最順手。它回傳的結構化元資料相當乾淨，限制則是每三秒一次請求、單一連線，而且不提供全文與引用圖譜。對新鮮度敏感的 agent 更要留意：arXiv 只在週日到週四發布公告，週五收到的稿件恐怕要等到週日晚上才會出現。
Semantic Scholar 的涵蓋範圍橫跨各領域（2.14 億篇論文、24.9 億引用），支援前後向的引用遍歷，也能從開放取用論文或摘要中回傳與查詢相符的片段。但它的即時 API 節奏並未公布；匿名使用者共用每秒 1000 次請求，若持有金鑰，則為每秒 1 次。
OpenAlex 是跨領域的綜合索引，在元資料與 DOI 解析上特別擅長，並提供快取的全文內容，但不給出依查詢排序的段落。它另外有免費的公開快照（每季更新）；API 在無金鑰時每天 $0.10，有金鑰則每天 $1，速率上限為每秒 100 次請求。
Exa 的守備範圍不限於論文，也涵蓋灰色文獻（grey literature），其出版物索引加上網頁索引，回傳的是全文與高亮。網頁索引每小時更新，出版物的節奏則未公布；搜尋端點為每秒 10 QPS，每千次請求 $7。
速率限制與新鮮度：2026 年變動最劇烈的環節
Firecrawl 特別提醒，2026 年變動最多的部分就是速率限制。agent 做一次兩跳引用追蹤，可能在幾秒內發出數十次呼叫；萬一供應商中途開始限流，拿到的答案會看似完整、實際殘缺。所以在承諾選用某家供應商之前，最新的速率限制與計費方式務必先查清楚。
新鮮度同樣關鍵。在進展快速的領域裡，預印本本身就是文獻，而非預覽。arXiv API 的公告排程、Semantic Scholar 未公布的即時節奏，都會左右 agent 回答的時效性。
實作示範：單跳檢索
下面的 TypeScript 範例使用官方 firecrawl Node SDK（型別檢查以 firecrawl@4.32.0 為準），示範如何找到論文，並取得能回答問題的正文段落：
import { Firecrawl } from "firecrawl";
const firecrawl = new Firecrawl({
// Falls back to FIRECRAWL_API_KEY. Research works keyless at low volume.
apiKey: process.env.FIRECRAWL_API_KEY,
maxRetries: 3,
backoffFactor: 0.5,
});
const found = await firecrawl.research.searchPapers(
"detecting citation hallucination in retrieval augmented generation",
{ k: 5 },
);
for (const paper of found.results) {
console.log(paper.primaryId, paper.title);
}五筆結果中，排在最前面的三筆如下：
arxiv:2601.05866 FACTUM: Mechanistic Detection of Citation Hallucination in Long-Form RAG
arxiv:2605.27700 CiteCheck: Retrieval-Grounded Detection of LLM Citation Hallucinations in Scientific Text
arxiv:2603.27752 Retromorphic Testing with Hierarchical Verification for Hallucination Detection in RAG每筆結果都同時帶有 paperId 與 primaryId（即 arXiv ID）。想取得支撐論點的段落，就把論文 ID 連同查詢問題送進讀取模式：
const read = await firecrawl.research.readPaper(
"arxiv:2601.05866",
"What method does FACTUM use to detect citation hallucinations?",
);
console.log(read.passages[0].text);務實的取捨建議
沒有任何一個 API 能通吃所有情境。若 agent 需要引用正文段落，Firecrawl Research Index 的讀取模式是首選，但要注意它的 AI/ML 語料庫不涵蓋經濟學或 arXiv 以外的期刊，而且計費採點數制，比較難預測。若只是解析已知的 arXiv ID，arXiv API 免費且穩定，但應付不了多步驟工作流。若需要跨領域的引用遍歷，Semantic Scholar 或 OpenAlex 更合適，前提是接受它們的速率限制，或是缺少段落排序這件事。
Firecrawl 也提到，Aemon（YC W26）在內部基準中發現，在科學與技術檢索系統之中，Firecrawl Research 提供了最強的召回率，搜尋深度較深時尤其明顯。這類第三方驗證對決策有幫助，但仍舊得自行測試。
最後，別忘了 PDF 解析的「最後一哩路」。arXiv API 回傳 PDF 連結，抽取工作得由你自行處理；Firecrawl 的 /parse 端點則能把 PDF 轉為乾淨的 Markdown。挑選 API 時把這個環節一併納入考量，agent 的引用才真正可驗證。