小绿鲸是一款专注提高英文文献阅读效率的云端阅读软件，官方描述为「超 410 万科研人都在用」，依托自研的鲸灵 AI 大模型。除阅读本身，官方称还集成了 AI 论文定题、AI 文献综述、AI 实验设计、AI 统计分析、AI 科研绘图、AI 写作插件等功能，目标是助力科研成果快速转化。
从功能清单看，它覆盖的不只是「读」，而是科研工作的多个环节。理解它的价值，需要先看清科研人在读文献这件事上到底卡在哪里。
定位：云端阅读，针对的是英文文献场景
官方把它定义为云端阅读软件，服务对象是科研人员，场景锁定在英文文献。
这个定位包含两层信息。一是语言门槛：读英文文献的障碍不只在词汇量，更在长句结构、专业术语的固定译法和学科内的表达习惯。二是协作与同步：云端形态意味着文献和标注不绑在某一台电脑上，在办公室、实验室、家里切换设备时不用重新整理。
对科研工作来说，文献不是一次性的读物。一篇论文往往要在开题、做实验、写文章几个阶段反复回看，标注和笔记能否长期留存并随手可取，直接影响使用体验。
能力分层一：读的环节
阅读环节的核心需求是快速判断一篇文献值不值得细读。英文文献的篇幅通常不短，逐篇精读不现实，实际工作里需要的是先看摘要和结论做筛选，再决定投入程度。
这类工具在阅读环节的常见支持方式是提供辅助理解，降低长难句和专业表达的理解成本。官方没有展开说明阅读环节的具体功能细节，但把「提高英文文献阅读效率」放在产品名称里，说明这是它最核心的场景。
能力分层二：研的环节
官方列出的功能里，AI 论文定题、AI 文献综述、AI 实验设计、AI 统计分析、AI 科研绘图这几项，覆盖的是研究推进过程。
这几项之间有内在关联。定题需要在读够文献之后才能判断哪些方向还没被做透；文献综述是把读过的内容组织成有脉络的论述；实验设计和统计分析属于研究执行；科研绘图则是结果呈现。把它们串起来看，产品想做的是一条从读到研的链路，而不是孤立的单点功能。
需要注意的是，实验设计和统计分析这两项对准确性要求极高。方法选择、样本量、统计检验的适用条件，都是专业判断，工具输出只能作为参考，不能直接当作方案使用。
能力分层三：写的环节
官方描述里提到 AI 写作插件。科研写作的特殊性在于，它和阅读、实验是连着的——写引言要引文献，写方法要描述实验过程，写讨论要对照已有研究。
插件形态的好处是不脱离写作环境，可以在 Word 之类的编辑器里直接调用。这一点对习惯用桌面写作工具的研究者比较友好。
同样要提醒的是，涉及引用和数据的内容必须逐条核实。文献条目的作者、年份、期刊信息，以及自己实验产生的数据，都不能由模型代填。
410 万用户这个数字说明什么
官方描述称「超 410 万科研人都在用」。用户规模能反映产品的成熟度和被接受程度，但不能替代对你自己的适用性判断。
科研领域细分明显，不同学科对文献工具的需求差别很大。生物医学方向对文献更新频率和检索能力要求高，工程类方向可能更关注公式和图表的处理。选工具时，更实用的做法是拿几篇你自己领域的典型文献试一遍，看处理结果是否符合预期。
小结
- 小绿鲸是一款专注提高英文文献阅读效率的云端阅读软件，官方称超 410 万科研人在用。
- 官方描述依托自研的鲸灵 AI 大模型。
- 官方列出的功能覆盖 AI 论文定题、文献综述、实验设计、统计分析、科研绘图和写作插件。
- 功能链路从阅读延伸到研究推进与写作，不是孤立的单点工具。
- 实验设计与统计分析涉及专业判断，工具输出只能作为参考。
- 未发表数据上传云端前需确认平台数据条款与所属机构规定，引用与数据必须人工核实。