AI · 学术工具 · Vibe Coding 实践
从 162 篇 IEEE 论文到 11 篇精准命中——PaperTools 用 AI 解决设计学研究生的投稿选刊难题，把"逐篇翻阅"变成"一键分析"。
作为设计学研究生，判断一个会议是否适合自己的论文，核心在于了解该会议过去接收了哪些研究方法。然而现实是——
在 IEEE 检索 "design" 关键词后，仍需逐篇翻译标题、阅读英文摘要，才能判断是否与自己的设计学方法匹配。一篇篇读下来，极其低效。
IEEE 数据库可以导出含摘要的 CSV，信息是完整的——问题在于没有工具帮你做"方法维度"的筛选与匹配。
① 语言壁垒：全英文摘要需要翻译理解
② 维度缺失：普通检索无法识别"参与式设计""WoZ"等研究方法
③ 判断负担：匹配度需要人工逐条评估
④ 无法复用：读完即散，没有结构化沉淀
PaperTools 将整个流程拆解为两个独立但互补的功能模块，覆盖"判断要不要投"到"理解参考文献"的完整链路。
从 IEEE 导出包含标题与摘要的 CSV 文件，上传后 AI 自动识别设计学研究方法（参与式设计、共同设计、WoZ 等），按匹配度评分排序，导出筛选报告。
下载目标论文后，上传 PDF 进行深度分析。AI 自动提取研究问题、方法设计、样本规模、结论与创新点，生成结构化阅读报告，附相似度评估。
命中率 6.8%，覆盖参与式设计、共同设计、思辨设计、WoZ 等设计学核心方法，真正解决"我该不该投这个会议"的判断难题。
以下为 IEEE RO-MAN 2025 的实际分析结果，均由 PaperTools 自动生成。
"我不是不会读论文，我是没有精力在162篇里找到那11篇。"
"把研究方法维度的筛选，从人工判断变成 AI 自动识别。"
"不替代研究者的判断，只消灭重复劳动。"
没有做用户调研，因为我就是目标用户。设计学研究生投稿的核心难点是方法维度的判断，而不是语言障碍——这个洞察决定了产品功能的边界。
先有 IEEE CSV 导出这个标准化数据源，再围绕它设计功能。不是"我能做什么"，而是"用户已有什么、缺什么"——数据已在，工具未有。
筛选（要不要投？）和精读（怎么引用？）是两个不同场景、不同深度的需求，拆分成独立模块，而不是做成一个复杂的一体化工具。
筛选结果附置信度与证据条数，阅读报告附相似度说明——AI 给出参考，研究者做最终判断。设计了透明度机制，而不是黑盒输出。
没有工程背景，借助 CodeBuddy 完成了产品的全栈实现与部署。这证明 AI 时代的产品经理需要的是清晰的产品定义能力，而不是编程能力。
上传你的 IEEE CSV，30 秒看到筛选报告。已免费上线，无需注册。
访问 papertools.cloud