文件夹里的 PDF 越积越多，写作时却不知道从哪一篇讲起。这种困境，通常不是因为读得不够，而是资料之间还没有建立联系。

有价值的综述，需要回答三个问题：这个领域解决了什么？不同研究为什么得出不同结果？你的课题准备从哪里继续推进？

AI 可以参与这项工作，但不宜从“替我写完全文”开始。更实用的办法，是先把检索、取舍、阅读记录和出处核对组织起来，再依据这些材料完成论述。

本文结合 literature-review-workflow Skill，介绍如何把文献检索、合法获取全文、筛选、精读、证据整理和综述起草串成一条可检查的流程。文末附全套《文献综述Skill干货包》，内含literature-review-workflow安装包及安装方法和整套可直接复制的Prompt模板合集。

01｜先明确要回答的问题，再决定读什么

开始搜集论文前，先写下一段简短说明：

我的研究对象是什么？关注哪类问题？哪些方法属于讨论范围？有哪些明确不纳入的内容？最终要形成开题综述、论文相关工作，还是专题研究报告？

这段说明相当于检索边界。缺少边界，论文数量很容易持续增加，真正有用的材料却未必变多。

可以从与问题密切相关的代表性研究出发，沿参考文献及后续研究扩展，再结合关键词检索补充。

工具生成的关联图可以辅助发现线索，但论文之间存在联系，并不直接说明哪一篇具有奠基地位，或哪种观点已经被推翻。这些判断仍需回到研究内容。

这一阶段的目标，是形成一份有出处的候选目录，而不是立刻写出结论。

02｜筛选时留下理由，比单纯打分更有用

让 AI 根据标题和摘要进行初步分类，可以减少重复劳动。但“相关性得分高”不等于“一定值得引用”。这套工作流采用两轮筛选：先依据标题和摘要标记“纳入、待定、排除”并写明简要理由；再阅读全文，确认最终纳入情况、研究类型、证据类型及与问题的相关性。

建议同时记录：

• 是否直接回应研究问题；
• 研究对象与方法是否具有可比性；
• 能为论述提供哪类证据；
• 保留、排除或待查的具体原因。

完成初筛后，再人工补查重要基础研究、必须比较的方法，以及关键词不同但思路相通的跨领域工作。

拿到全文后，还要重新判断。仅凭摘要得到的理解，可能不足以支持对实验条件和结论范围的描述。

如果使用文献问答工具，提问时应要求同时返回对应篇目和原文位置。工具给出的答案，可作为查阅入口，不能直接当作已核实的研究事实。

03｜精读的重点，是发现结论成立的条件

读完摘要、记住贡献，并不等于理解一项研究。

对核心论文，可以围绕四组问题展开：

证据是否充分？

结论由什么实验或材料支持？比较对象是否恰当？有没有其他解释？

方法在哪里受限？

依赖哪些前提？更换样本、数据环境或评价方式后，结果是否仍可能成立？

哪些问题值得继续研究？

文章没有处理的部分，究竟是研究机会，还是超出了合理范围？与自己的课题有什么关系？

复现需要什么？

数据、代码、参数与处理步骤是否交代清楚？缺少哪些条件？

可以让 AI 从这些角度辅助提问，再由研究者检查证据、判断轻重。对决定研究路线的关键文献，应亲自阅读全文，并写下自己的理解。

04｜把阅读记录变成能追溯的证据材料

单篇笔记负责保存细节，汇总表负责支持比较。两者结合，写作时才不必反复翻找。

每篇文献可按六项内容记录：研究问题、材料或数据、方法设计、主要发现、适用限制、与本课题的关系。

随后，把共同字段汇入证据表，并附上 DOI、稳定链接或其他识别信息。涉及重要结论时，尽量保留页码、章节、图表编号或原文摘录。

证据表是整理索引，原始论文才是核查依据。 表格里的内容如果抽取有误，后续文字也会跟着出错，因此仍需抽样检查与重点复核。

信息缺失时，标注“未报告”或“待确认”；只有摘要时，注明证据范围。不要为了让表格整齐而补全未知内容。

05｜按问题组织文章，避免逐篇介绍

材料准备充分后，先搭建比较框架，再开始写段落。

可以按研究议题、技术路径或应用条件划分章节。每个部分都尽量说明：这一类研究采用了什么思路、取得了哪些进展、结论之间有哪些分歧，以及限制来自哪里。

例如，与其连续介绍三篇方法论文，不如围绕一个共同问题展开：

这些方法分别依赖什么假设？实验设置是否一致？效果差异能否直接比较？在哪些条件下，各自的优势更明显？

这样写出来的综述，才能从文献列表转向分析。

研究空白也应建立在检索与比较结果之上。发现“现有样本中较少讨论”，不能直接扩大成“整个领域无人研究”。

06｜把重复步骤整理成 literature-review-workflow

如果经常做文献综述，可以把检索、筛选、阅读和写作要求整理成一个可复用的工作流。literature-review-workflow 可以作为这类流程的入口：从研究主题、关键词、DOI/PMID 清单或本地 PDF 开始，逐步完成资料整理、全文处理、论文筛选、精读记录、证据汇总和综述起草。

它适合批量整理论文、建立证据表、制作阅读笔记，或形成叙述性、范围性和系统综述风格的初稿。已有 PDF 时，可以从本地文件开始；只有 DOI、PMID 或检索词时，则先整理书目信息，再进入筛选环节。

建议为每个课题保留一套过程资料：检索记录、候选清单、排除理由、全文文件、文本提取结果、精读笔记、证据表和综述草稿。这样做的价值，不只是节省重复操作，也方便回溯“这篇论文为什么被保留”“这个结论依据什么”。

证据表应在综述草稿之前完成。表格中要区分已充分支持、部分支持、背景信息、存在冲突和资料不足等情况；仅凭题名或摘要得到的内容，不应直接当作强证据。正式写作时，为关键判断附上作者、年份、DOI、页码或图表位置等核查线索。

资料获取必须合规。 只处理开放获取论文、用户提供的文件或用户已经获授权使用的材料。遇到付费墙、登录限制、验证码或其他访问控制时，应记录为暂时无法获取，不尝试绕过。工具或解析依赖不足时，可以先保留书目信息，继续完成可行的筛选和记录。

固定流程能减少重复劳动，但不会代替研究判断。不同学科仍需调整检索来源、纳入标准、字段和证据评价方式；关键论文与重要引用也要人工回到原文核对。

07｜交稿前，把检查落到具体位置

查文献是否真实。

核对题名、作者、年份及标识信息，并检查引用的结论是否确实出现在原文中。另一个 AI 的认可，不能代替来源核验。

查比较是否公平。

数据范围、实验条件和指标定义不同的研究，不宜只凭一个数字判断优劣。

查结构是否服务研究目标。

每一节都应为问题定位或后续论证提供支持。与目标关系不大的材料，可以删去或移入补充记录。

查判断是否仍由自己负责。

AI 可以协助提取、归类和起草，但重要文献的理解、研究方向的选择，以及最终提交的学术内容，需要研究者亲自把关。

当每个重要判断都能找到依据，每次取舍都留下理由，文献积累才会逐渐转化为可继续使用的研究基础。

文献综述学习资料，免费领取

这个skill不单单只适用于Codex，work Buddy同样适用

回复 【B678】 或 【文献综述Skill】，即可免费领取。