今天的 GEO 日報追蹤學術搜尋的一個新落地案例：慶應義塾大學圖書館把生成式 AI 助理加入 KOSMOS，讓自然語言問題直接得到來源清單與摘要。
這件事重要的不是「AI 幫忙寫答案」，而是圖書館檢索也出現查詢擴展、候選重排與引用選擇。內容能否被看見，要先通過資料庫與中繼資料門檻。
一、學術 AI 搜尋把來源選擇搬到答案之前
新聞概述
9 月 7 日，慶應義塾大學圖書館上線 KOSMOS AI Research Assistant。登入者可用自然語言輸入研究問題，系統會找出五個相關來源並產生概述。
校方說明此功能採用 Clarivate 的 Primo Research Assistant，服務對象是學生、教師與職員，目的在協助探索研究主題與新觀點。
這不是一般網路搜尋引擎全面改版，而是大學圖書館在既有探索系統中加入生成式回答層。可搜尋範圍仍受館藏索引、授權與產品設定限制。
資訊來源
事件的一手來源是慶應義塾大學圖書館公告，其中明列上線日期、登入要求、五個來源與 AI 概述。
機制以Clarivate 產品文件交叉核對；文件揭露查詢轉換、檢索、重排與摘要流程。
限制則以加州大學圖書館團隊的獨立測試補強，避免只採用供應商說法。
資訊可信度
校方公告可確認「何時上線、誰能使用、介面提供什麼」；Clarivate 文件可確認產品流程。兩者是不同組織的一手資料，欄位互相對得上。
加州大學測試指出，結果通常相關、摘要可能有幫助，但系統偶爾無法產生概述，也不會搜尋該聯盟可用的全部內容。
慶應公告沒有公開準確率、採用人數、來源點擊或查詢紀錄。因此不能推論五個來源代表權威排名，也不能宣稱被選中一定帶來流量。
事實重點
依官方文件，使用者問題會先由語言模型轉成多個以 OR 串接的布林查詢；非英文問題可同時產生當地語言與英文變體。
查詢送進 Central Discovery Index 後，最多三十筆前段結果會以嵌入模型重新排序，再挑出最能回答問題的五個來源。
系統把五筆資料的摘要與中繼資料交給語言模型，產生帶行內參照的概述。使用者仍能查看來源、更多結果與全文連結。
官方文件也列出限制：範圍以 CDI 紀錄為主，部分內容供應商、新聞、資料不足或撤回內容可能不納入；目前不支援承接上下文的追問。
資訊判讀
本日判讀：學術 AI 搜尋至少有四個可見度閘門，包括資料庫收錄、查詢命中、候選重排與摘要引用。只盯最後答案，會看不到前段流失位置。
在這種系統裡，標題、作者、摘要、主題詞、識別碼與全文可用性都可能影響檢索。這不等於可用關鍵字堆疊保證進入前五名。
五來源概述適合當研究入口，不等於系統性文獻回顧。來源排除、館藏差異與回答不穩定，都可能讓同一問題得到不同證據組合。
建議行動
監測時把漏斗拆開：先確認內容是否進入目標資料庫，再檢查中繼資料是否完整、是否進入候選集、是否被排進前五與實際引用。
重要研究問題應用不同問法、語言、日期與資料類型重跑，並保存來源清單。若答案改變，先查索引與重排差異，不急著把波動解讀成內容品質變差。
出版者可優先補齊穩定標題、作者、摘要、DOI、主題詞與原始證據連結；圖書館則應記錄未涵蓋資料源與失敗查詢，讓使用者知道答案邊界。
