• 首页
/
• LLM for Zotero 文档
• 在 GitHub 上查看

LLM for Zotero

📖 English Documentation

llm-for-zotero 是一款免费的开源 Zotero 插件，可将大型语言模型直接集成到 PDF 阅读器中。与需要将 PDF 上传到网页端的工具不同，本插件让您无需离开 Zotero 即可与论文对话。它静静地驻留在阅读器侧栏——随时待命的研究助手。

最新更新

• Codex App Server（推荐）：ChatGPT Plus 订阅用户应优先使用新的 Codex App Server 认证方式，通过官方本地 codex app-server 流程免 API 密钥调用 gpt-5.4 等 Codex 模型。旧的直连后端方式仍作为 Codex Auth (Legacy) 保留给现有用户。最初的 Codex Auth 集成由 @jianghao-zhang 贡献；新的 Codex App Server 集成由 @boltma 设计。详见 Codex 配置。
• Agent 动作支持灵活论文范围：auto_tag 和 complete_metadata 现在可作用于当前论文、已选择论文、已选择文集或整个文库，并在批量变更前打开审阅卡片。
• 文件笔记：笔记目录不再硬编码为 Obsidian。您可以配置任意本地 Markdown 目录，包括 Obsidian、Logseq 或普通文件夹。详见 文件笔记。
• 独立窗口笔记编辑修复：独立窗口现在会在上下文区域保留当前笔记编辑状态。
• Claude/Anthropic 兼容性修复：更新了 Anthropic 消息顺序，并加入 Claude Opus 4.7 支持。
• Skills 技能系统：可自定义的引导文件会影响 Agent 的任务处理方式。内置 8 个技能，并支持创建自定义技能。详见 Skills 技能系统。
• MinerU PDF 解析：高保真提取可更准确地保留表格、公式和图表。

安装

1. 下载最新的 .xpi 安装包 前往 Releases 页面 下载最新的 .xpi 文件。

2. 在 Zotero 中安装插件 打开 Zotero → 工具 → 附加组件 → 点击齿轮图标 → 从文件安装附加组件 → 选择 .xpi 文件。

3. 重启 Zotero 重启 Zotero 完成安装。插件会在每次启动时自动检查更新。

配置

打开 首选项 → 切换到 llm-for-zotero 标签页。

1. 选择您的服务商（如 OpenAI、Gemini、DeepSeek）。
2. 填写 API 基础 URL、API 密钥 和模型名称。
3. 点击 测试连接 以验证配置。

支持的服务商与协议

插件原生支持以下五种服务商协议：

支持的模型

任何提供 OpenAI 兼容 HTTP API 的模型均可使用，包括通过 Ollama、LM Studio 或 vLLM 本地部署的模型。

多服务商配置

您可以配置最多 10 个服务商组，每组包含多个模型，从而：

• 用多模态模型解读图表，用文本模型生成摘要。
• 通过多个模型交叉验证答案，获得更全面的理解。
• 在对话中随时通过模型选择器切换模型。

推理等级与超参数

对于支持的模型，您可以为每次请求设置推理等级：default、low、medium、high 或 xhigh，用于控制模型在回答前的思考深度。

其他可调参数：

使用指南

1. 在 Zotero 阅读器中打开任意 PDF。
2. 点击右侧工具栏中的 LLM 助手图标以打开侧栏。
3. 输入问题，例如“这篇论文的主要结论是什么？”

首条消息会将整篇论文作为上下文加载，后续问题则通过检索定位相关段落，保持对话快速且精准。

对话模式

插件支持三种对话模式：

界面控件

• 模型选择器 — 在对话中随时切换已配置的模型。
• 推理等级选择器 — 为当前请求选择推理深度。
• 字体缩放 — 将侧栏字体大小从 80% 调整至 180%。
• 自动滚动 — 自动滚动至最新消息。
• Token 用量 — 实时显示输入、输出及推理 Token 消耗。

带引用跳转的有据答案

提问时，模型会生成基于论文内容的答案，每条结论均附有引用——点击即可跳转到 PDF 中的原始段落，方便核实答案并快速定位相关章节。

论文摘要生成

数秒内为任意论文生成简洁摘要。摘要基于完整 PDF 全文生成，您可以自定义提示词，聚焦于研究方法、结果、启示或其他任何方面。

选中文本解释

选中 PDF 中任意复杂段落或专业术语，请模型为其解释。您最多可添加 5 条上下文（来自论文或之前的回答）以进一步细化解释。

可选弹窗会自动建议将选中文本添加到对话，不喜欢可在设置中关闭。

图表解读

截取任意图形、图表或示意图，请模型进行解读。每次最多支持 10 张截图，适合分析复杂的多面板图表或跨章节对比视觉内容。

跨论文对比

在不同标签页中打开多篇论文，并排对比。在输入框中输入 / 可引用其他已打开的论文作为额外上下文，单次对话最多可引用 10 篇论文，实现深度跨文献分析。

外部文档上传

从本地磁盘上传文档作为额外上下文，支持格式：

• PDF（每个文件最大 50 MB）
• DOCX（Word 文档）
• PPTX（PowerPoint 演示文稿）
• TXT（纯文本）
• Markdown（.md 文件）

保存至笔记

一键将任意回答或选中文本直接保存到 Zotero 笔记，与您现有的笔记工作流无缝集成，无需手动复制粘贴。

对话历史与导出

对话会自动保存到本地并与对应论文关联。您可以：

• 在历史记录面板中浏览过往对话。
• 将完整对话以 Markdown 格式导出到 Zotero 笔记。
• 导出内容包含选中文本、截图，以及正确渲染的 LaTeX 数学公式。

自定义快捷预设

创建最多 10 个自定义预设，将常用提示词一键触发。内置预设包括：

• 总结 — 生成简洁摘要
• 关键要点 — 提取主要发现
• 研究方法 — 描述研究方法
• 局限性 — 识别不足或局限

您可以修改这些预设或添加自定义内容，以适配您的研究工作流。

独立窗口模式

在独立窗口中打开 LLM 助手，脱离 Zotero 阅读器侧栏。独立窗口提供全尺寸聊天界面，左侧配有可折叠的对话历史面板。

打开方式

功能特点

• 论文对话与文库对话 — 通过顶部标签页切换论文级对话和文库级对话。
• 对话历史 — 在可折叠的左侧面板中按日期分组（今天、昨天、最近 7/30 天、更早）浏览历史对话。
• 功能完全一致 — 阅读器侧栏中的所有功能（截图、文件上传、Agent 模式、快捷预设、引用选择器）在独立窗口中均可正常使用。
• 搜索 — 通过搜索浮层快速查找历史对话。

独立窗口打开时，阅读器侧栏面板会显示占位提示，提供聚焦窗口（将独立窗口置于前台）和关闭窗口并返回侧栏两个选项。

文件笔记

除了 Zotero 内置笔记外，Agent 还可以将研究笔记保存为您指定本地目录中的 Markdown 文件。插件不绑定任何特定笔记软件：可以指向 Obsidian 知识库、Logseq 图谱，或普通 .md 文件夹。

配置

打开 首选项 → llm-for-zotero，滚动到 Notes Directory 部分。

点击 Test Write Access 验证插件是否有权限写入该目录。

工作原理

使用您配置的昵称要求 Agent 写笔记，例如“总结这篇论文并保存到 Obsidian” 或 “把这篇记录到我的 Logseq”。Agent 将：

1. 采集内容：从论文中提取元数据、摘要、关键要点，并在可用时加入图表。
2. 编写 Markdown 笔记：遵循 write-note 技能中的约定。
3. 添加 YAML 前置信息：匹配 write-note 模板中的 title、created、tags、citekey、doi、journal；作者信息保留在正文中。
4. 复制图表（按需）：将 MinerU 解析的 PDF 图表复制到附件文件夹。
5. 写入笔记：保存到 {notes_directory}/{default_folder}/{title}.md。

笔记使用 Pandoc 引用语法（[@citekey]），兼容 Obsidian 的 Zotero Integration 和 Pandoc 插件，也适用于大多数 Markdown 阅读器。

Agent 模式（Beta）

启用后，LLM 将成为一个自主 Agent，可在 Zotero 文库中执行读取、搜索和写入操作。读取工具可直接运行；写入工具会进入确认卡片，并支持撤销。

文库与 PDF 读取工具

这些工具让 Agent 浏览您的文库、PDF、附件和在线学术资源，不会修改任何内容。

文库写入工具

所有写入工具均需人工确认后方可生效。

文件系统与脚本工具

Agent 包含面向本地文件、脚本和 Zotero 运行时自动化的系统级工具。

典型使用场景：

• 运行 Python 或 R 脚本分析从文库中提取的数据。
• 将元数据导出为 CSV/JSON 供外部处理。
• 调用命令行工具（如 pandoc、ffmpeg、pdftotext）作为 Agent 工作流的一部分。
• 动态编写并执行脚本，转换或可视化您的研究数据。
• 读取本地数据文件，并将结果写回 Zotero 笔记。

内置动作

Agent 为常见文库管理工作流提供高级动作，自动串联多个工具。

MCP 服务器

插件运行内置的 Model Context Protocol (MCP) 服务器，允许外部 AI Agent 和工具以编程方式与您的 Zotero 文库交互。

• 端点：http://localhost:23119/llm-for-zotero/mcp
• 协议：JSON-RPC 2.0（MCP v2024-11-05）
• 方法：initialize、tools/list、tools/call

这意味着您可以将任何兼容 MCP 的 AI Agent（如 Claude Desktop、Cursor、自定义 Agent）连接到您的 Zotero 文库，使用上述所有工具。

Agent 演示

多步骤工作流

Agent 可以串联多个工具完成复杂任务——例如查找论文、读取元数据、搜索相关文献并撰写摘要笔记。

直接读取图表

读取多页内容

查找相关论文

自动应用标签

撰写笔记

安全与审批

所有写入操作均通过人机协作确认流程：

• Agent 提出一批变更建议（如添加标签、编辑元数据）。
• 您在审批表单中查看拟定变更。
• 您可以在任何变更生效前选择批准、拒绝或修改。
• 如有问题，使用 undo_last_action 进行撤销。
• 终端命令和文件操作同样需要明确审批后才会执行。

Skills 技能系统

Skills（技能）是可自定义的引导文件，用于调整 Agent 处理不同类型请求的方式。每个技能是一个 Markdown 文件，包含正则表达式触发模式：当您的消息匹配某个技能的模式时，该技能的指令会自动注入 Agent 的系统提示词中，引导它使用最高效的工具和工作流来完成任务。

内置技能

插件内置 8 个技能，覆盖常见的研究工作流。首次运行时会自动复制到您的技能文件夹。

工作原理

1. 在 Agent 模式下发送消息时，插件会将您的文本与每个技能的 match 模式进行匹配。
2. 如果技能中的任何一个模式匹配成功（OR 语义），该技能的指令会被注入 Agent 的系统提示词中。
3. 多个技能可以同时激活——如果您的消息匹配了多个技能的模式。
4. Agent 将这些指令作为工具选择和工作流的引导——技能教会 Agent 如何完成任务，而非定义它能做什么。

创建自定义技能

1. 打开独立窗口（Ctrl+Shift+L / macOS：Cmd+Shift+L）。
2. 点击顶部工具栏中的 Skills 图标打开技能管理面板。
3. 点击 ”+ New skill” 按钮创建模板文件。
4. 模板会在默认文本编辑器中打开，编辑以下三个关键部分：

---
id: my-custom-skill
match: /你的正则表达式模式/i
match: /另一个触发模式/i
---

当此技能匹配时，Agent 应遵循的指令。
描述工作流程、优先使用哪些工具以及任何约束条件。

5. 保存文件。技能会立即加载——无需重启。

技能文件格式：

管理技能

• 左键点击面板中的技能可在默认文本编辑器中打开编辑。
• 右键点击技能弹出上下文菜单，包含在文件系统中显示和删除选项。
• 技能以 .md 文件形式存储在 {Zotero数据目录}/llm-for-zotero/skills/ 中。
• 如果您删除了内置技能，它将在重启后保持删除状态——插件尊重您的选择。插件更新中新增的内置技能会自动添加，但不会恢复您已删除的技能。

WebChat 配置（ChatGPT 网页同步）

WebChat 模式通过浏览器扩展将您的问题直接发送到 chatgpt.com——无需 API 密钥。查询从 Zotero 转发到 ChatGPT 网页界面，回复实时流式传回插件。

前置条件

• ChatGPT 账号（免费版、Plus 或 Team 均可）
• Chromium 内核浏览器（Chrome、Edge、Brave、Arc 等）

配置步骤

1. 下载浏览器扩展：

前往 github.com/yilewang/sync-for-zotero → Releases，下载最新的 sync-for-zotero-extension.zip，解压到电脑上的文件夹。

2. 安装扩展（侧载）：

• 打开浏览器，访问 chrome://extensions
• 开启右上角的开发者模式
• 点击加载已解压的扩展程序，选择解压后的扩展文件夹
• “Sync for Zotero” 扩展应出现在扩展列表中

3. 配置插件：

打开 Zotero → 首选项 → llm-for-zotero：

4. 开始对话：

在浏览器中打开一个 ChatGPT 标签页并保持打开。在 Zotero 中，插件面板会显示 “chatgpt.com” 指示器及连接状态点（绿色 = 已连接，红色 = 未检测到）。输入问题并发送即可。

WebChat 功能

• PDF 附件 — 右键点击论文标签切换 PDF 发送状态（紫色 = 发送，灰色 = 跳过）。
• 截图 — 使用截图按钮将图片上下文附加到消息中。
• 对话历史 — 点击时钟图标浏览和加载过往 ChatGPT 对话。
• 退出 — 点击 “Exit” 按钮返回常规 API 模式。

技术说明

• 插件在 Zotero 内置端口（23119）上嵌入轻量级 HTTP 中继服务器，浏览器扩展通过轮询该中继交换查询和响应。
• WebChat 模式下禁用 Agent 模式、斜杠命令（/）和引用选择器（@）。
• 推理/思考模式在 ChatGPT 端控制，而非通过插件的推理切换按钮。

Codex 配置（ChatGPT Plus 订阅用户）

如果您拥有 ChatGPT Plus 订阅，可以通过 Codex CLI 登录，在插件中免单独 API 密钥使用 gpt-5.4 等 Codex 模型。

插件现在提供两种 Codex 相关模式。新用户应选择 Codex App Server。

• Codex App Server（推荐）：启动本地 codex app-server CLI，并通过 stdio 与其通信。这是第三方应用使用 Codex 的官方方式，也是新用户首选配置。
• Codex Auth (Legacy)：直接调用 ChatGPT/Codex Responses 后端。现有用户暂时可以保留该配置，但新用户应选择 Codex App Server。

特别感谢 @jianghao-zhang 贡献最初的 Codex Auth 集成，以及 @boltma 设计 Codex App Server 集成。

配置步骤

1. 安装 Codex CLI（一次性操作）：

# macOS / Linux（需要 Node.js 18+）
npm install -g @openai/codex

# macOS 替代方案（无需 Node.js）
brew install --cask codex

2. 登录 ChatGPT 账号：

codex login

浏览器窗口将自动打开——使用您的 ChatGPT Plus 账号登录。凭据保存至 ~/.codex/auth.json。

3. 配置插件：

在 Zotero → 首选项 → llm-for-zotero 中：

点击测试连接以验证。

仍需旧方式的现有用户可以选择 Codex Auth (Legacy)，API 地址保持 https://chatgpt.com/backend-api/codex/responses，模型名称保持不变。

Codex Auth (Legacy) 技术说明

• 从 ~/.codex/auth.json（或 $CODEX_HOME/auth.json）读取本地凭据。
• 遇到 401 响应时自动尝试刷新 Token。
• 支持本地 PDF 内容定位和截图/图像输入。
• Legacy 直连模式暂不支持嵌入向量和 /files 上传流程。

MinerU PDF 解析

MinerU 是一款先进的 PDF 解析引擎，可从 PDF 中提取高保真 Markdown，同时保留表格、公式、图表和复杂版式——这些内容在标准文本提取中往往会被破坏。

启用后，插件会将 PDF 发送到 MinerU API 进行解析并在本地缓存结果。此后与该论文的所有交互都将使用 MinerU 解析的内容，为模型提供更丰富、更准确的上下文。

启用方法

1. 打开 Zotero → 首选项 → llm-for-zotero。
2. 找到 MinerU 部分，勾选启用 MinerU。
3. 可选填入您自己的 MinerU API 密钥。
4. 打开任意 PDF 开始对话，插件会在首次使用时解析 PDF 并缓存结果。

使用自有 API 密钥

插件提供共享社区代理，开箱即用无需 API 密钥，但共享配额有限。如需更大用量：

1. 前往 mineru.net 注册账号。
2. 在账号设置中生成 API 密钥。
3. 将密钥粘贴到 Zotero → 首选项 → llm-for-zotero → MinerU。
4. 点击测试连接以验证。

提供个人 API 密钥后，插件将直接调用 https://mineru.net/api/v4。未提供密钥时，使用社区代理。

常见问题

是否免费使用？

是的，插件完全免费且开源（AGPL v3）。您只需为调用所选服务商的 API 付费。使用 Codex App Server 认证时，ChatGPT Plus 订阅用户无需单独 API 密钥。

是否支持本地模型？

支持——任何提供 OpenAI 兼容 HTTP API 的模型均可使用，包括通过 Ollama、LM Studio、vLLM 等工具本地部署的模型。在设置中填写本地 API 地址和模型名称即可。

我的数据是否会用于训练模型？

不会。您使用自己的 API 密钥，数据隐私由您所选服务商的条款约束。大多数 API 服务商（如 OpenAI、Anthropic）不会将 API 数据用于模型训练。

能否同时使用多个模型？

可以。配置最多 10 个服务商组，每组包含多个模型，通过模型选择器在对话中随时切换。

上下文检索是如何工作的？

首条消息会加载论文全文作为上下文，后续问题使用混合检索（BM25 + 嵌入向量搜索）并结合多样性优化，定位最相关段落，保持响应快速准确。

如何报告 Bug 或提交功能请求？

请在 GitHub 上 提交 Issue。

贡献与支持

欢迎贡献！无论是 Bug 反馈、功能请求还是 Pull Request——欢迎在 GitHub 上提交 Issue 或 PR。

如果本插件对您有帮助，欢迎：

• 在 GitHub 上给个 Star ⭐
• 请我喝杯咖啡
• 通过支付宝扫码捐赠：

Star 趋势