能问出这种问题，其实说明了 AI 科普还有很长的路要走。

举一个简单的例子，问

后面的五万位数都是什么？

你觉得这是数学题还是记忆题？

如果你觉得这是记忆题，那就大概率会问出，为什么 AI 会伪造根本不存在的参考文献，为什么 AI 不知道某首诗的作者是谁？

很简单的一个道理，那就是 AI 记忆强，肯定比大多数的人类强得多，但并不是无限的，因为 AI 终究是搭载在硬件上的软件，物理大小限制了它的记忆能力。

而如果你认为这是数学题那就简单多了，因为 AI 最强的是它具备思考能力，如果它觉得这是数学题，那它自然会调用数学的手段来解决。

你看这是我在 Trae 上面问的 Gemini 2.5 Pro，它自然的想到了用 Python 代码的形式来解决这个问题。

它找到了用 Decimal 这个库这个最好的办法。

然后写代码，帮我运行并给出结果。

没办法截全部。

参考文献是一样的，你真的没必要去逼一个 AI 记住所有的参考文献，因为不可能。

就是不可能，你知道每天有多少新的论文发表吗？

单算一个 arXiv，每个月 20000+ 论文，你能记住几篇？

为什么要求一个 AI 去花精力背这种没有意义的东西？

毕竟 AI 是有使用工具能力的，比如你给 AI 开启联网功能，那么它编造参考文献的概率可以降低到几乎为 0。

其次，如果你愿意多学一点的话，你可能会知道有 MCP 这个工具，这个相当于直接给 AI 访问某类软件的权限。

Google Scholar MCP 就是一个非常好用的工具，你可以直接让 AI 去使用这个工具。

让 AI 去判断哪些地方需要参考文献然后自动去查找和添加，这样就可以解决这个题目的问题。

比如在 Claude 的 Desktop 版本，你可以先安装好。

claude

npx -y @smithery/cli@latest install @JackKuo666/pubmed-mcp-server --client claude --config "{}"

然后再用这个代码来配置好。

{
  "mcpServers": {
    "Google-Scholar": {
      "command": "bash",
      "args": [
        "-c",
        "source /home/YOUR/PATH/.venv/bin/activate && python /home/YOUR/PATH/Google-Scholar-mcp-server.py"
      ],
      "env": {},
      "disabled": false,
      "autoApprove": []
    }
  }
}

然后就可以用了。

比如用关键词来搜索

Example 1: Search for papers using keywords

result = await mcp.use_tool("search_google_scholar_key_words", {
    "query": "artificial intelligence ethics",
    "num_results": 5
})
print(result)

高级搜索模式

result = await mcp.use_tool("search_google_scholar_advanced", {
    "query": "machine learning",
    "author": "Hinton",
    "year_range": [2020, 2023],
    "num_results": 3
})
print(result)

获取作者信息

result = await mcp.use_tool("get_author_info", {
    "author_name": "Geoffrey Hinton"
})
print(result)