如何在 Zotero 中使用 Ollama 和 Gemma:离线学术 AI 分步指南
对科研人员来说,数据隐私不是可选项。无论你处理的是尚未发表的预印本、敏感的临床数据集,还是专有专利文件,把 PDF 上传到第三方云服务器都可能违反所在机构的规定和保密协议。
解决方案是什么?在你自己的电脑上本地运行开源大语言模型(LLM)。
把 Ollama、Google 的轻量开源模型 Gemma 和 PapersGPT for Zotero 组合起来,你就能和自己的学术 PDF 文献库对话——100% 隐私、零 API 成本、完全离线。
为什么在 Zotero 里用 Ollama 和 Gemma 做科研?
- 彻底的数据隐私,零云端泄露: 所有 embedding、向量索引和模型推理都留在你本地的内存/显存里,没有任何文字离开你的电脑。
- 随时随地离线科研: 在飞机上、火车上或网络信号很差的地方,照样可以分析论文、生成摘要、提取方法学表格。
- Google Gemma 的学术实力: Google 的 Gemma 系列模型(如 Gemma 2 2B/9B/27B 和 Gemma 4)在文本理解、数学推理和结构化引用方面表现出色,同时能在现代 Mac(Apple Silicon)和 Windows 笔记本上高效运行。
- 零 token 成本: 没有订阅费,不需要信用卡,也没有 OpenAI/Anthropic 的 API 账单。
方法一:内置一键方案(推荐)
如果你用的是 PapersGPT,甚至不需要手动配置命令行工具——PapersGPT 内置了本地推理引擎。
- 安装 PapersGPT: 从 PapersGPT GitHub 仓库 下载最新的
.xpi插件,在 Zotero 中通过工具>插件安装。 - 选择本地模型: 在 Zotero 中打开任意 PDF,唤起 PapersGPT(Mac 上按
Cmd + Enter,Windows 上按Ctrl + Enter),选择本地 LLM。 - 选择 Gemma: 选 Gemma 4 或 Qwen 3.5,插件会自动下载并启动本地模型。
- 开始对话: 直接提问,或批量总结多篇论文。
方法二:把你已有的 Ollama 接入 Zotero
如果你系统里已经装好 Ollama,并且更愿意自己管理模型库,按下面几步把 Ollama 和 Zotero 连起来:
第 1 步:安装 Ollama 并拉取 Gemma 模型
从 ollama.com 下载并安装 Ollama。打开终端,拉取你想要的 Gemma 模型:
# 轻量快速(8GB 内存即可流畅运行):
ollama run gemma2:2b
# 科研性能均衡(推荐 16GB+ 内存):
ollama run gemma2:9b
# 深度推理(需要 32GB+ 内存):
ollama run gemma2:27b
在浏览器打开 http://localhost:11434,确认 Ollama 本地服务已在运行,你应该能看到 "Ollama is running"。
第 2 步:在 Zotero 中配置 PapersGPT
- 打开 Zotero,点击工具栏或侧边栏中的 PapersGPT 图标。
- 打开设置 / 模型配置。
- 选择 Customized API / Local Endpoint:
- API URL:
http://localhost:11434/api/chat - 模型名称:
gemma2:9b(或你拉取的其他标签) - API Key: 留空(Ollama 不需要 API key)
- API URL:
- 点击保存 / 测试连接。
本地 Gemma 模型的科研提示词
连接成功后,可以在学术 PDF 上试试这些提示词:
- 提取研究问题与假设:
"分析这篇论文,用 3 个简洁要点提炼核心研究问题、核心假设和理论基础。"
- 梳理实验方法学:
"第 3 部分使用了什么数据集、样本量和统计评估指标?请详细列出作者自己承认的局限性。"
- 跨论文对比矩阵(多篇 PDF):
"对比所选论文之间关于 [某主题] 的相互冲突的结论,用 Markdown 表格呈现。"
性能与硬件建议
- Apple Silicon(M1/M2/M3/M4): 16GB 统一内存即可流畅运行 Gemma 9B,实时生成速度可达 30-50 tokens/秒。
- Windows / Linux(NVIDIA GPU): RTX 3060(12GB 显存)或更高即可流畅运行量化版 Gemma 模型。
- 仅 CPU: 没有独立显卡的情况下,Gemma 2B 在现代多核 Intel/AMD CPU 上也能达到可用的速度。
结语
通过 PapersGPT 把 Zotero + Ollama + Gemma 组合起来,就在学术深度与数据主权之间架起了一座桥梁——你既拥有现代 AI 的智能,又不必交出自己的科研数据。