文献综述与系统综述

要解决的问题

写文献综述时，最常见的坑是「搜了一堆论文，读完后只写了个流水账」。具体来说：

• 检索策略不透明，别人无法复现你的搜索结果
• 纳入和排除标准模糊，导致筛选过程主观
• 提取字段不统一，跨论文比较时对不上
• 综述读起来像 paper-by-paper 的摘要列表，而不是有主题的叙事

literature-review 技能针对这些问题，把系统综述（systematic review）的方法论直接搬进 AI agent 的工作流。

核心能力与工作流程

1. 定义研究问题与范围

Agent 先和你一起把问题收窄。支持 PICO 框架（Population, Intervention, Comparison, Outcome）或领域内等效的问题结构化方式，同时锁定时间范围、语言、来源类型（期刊、会议、预印本）等约束。

2. 构建检索策略

自动生成包含关键词、同义词和布尔运算符的检索式，并指定目标数据库（如 Google Scholar、Semantic Scholar、arXiv、PubMed、ACM Digital Library、IEEE Xplore）。所有检索式都会被记录，保证可复现性。

3. 筛选与过滤

对检索结果应用预先定义的纳入和排除标准。排除重复论文、非同行评审的观点文章、撤稿论文和跑题结果。每一阶段的论文数量会被记录，用于绘制 PRISMA 式流程图。

4. 结构化数据提取

对每篇纳入论文提取统一字段：标题、作者、年份、研究问题、方法、主要发现、局限性、与综述问题的相关性。数据存入表格或结构化笔记，方便跨论文对比。

5. 主题综合与撰写

Agent 将提取的数据按主题归类，识别共识区、争议区和空白区。最终产出包含研究问题、方法（检索策略、筛选标准、PRISMA 流程）、主题综合、差距讨论和完整参考文献列表的综述文档。

适用边界与注意点

• 文献不足时：如果相关论文少于 5 篇，应将其定位为「范围综述」或「研究空白分析」，而不是全面综述。
• 预印本密集的领域：在 AI/ML 这类快速变化的领域，大量工作停留在 arXiv 上未经同行评审。可以纳入预印本，但必须标记其评审状态，并在证据基础中注明这一限制。
• 结论冲突的研究：当研究结论相互矛盾时，比较它们的方法、样本量和实验条件，透明地呈现冲突，而不是选择性站队。
• 跨学科主题：如 AI + 医疗这类横跨多个领域的综述，需要在计算机数据库之外补充 PubMed 等专业库，并注意术语差异。
• 非英文文献：如果领域内存在大量非英文重要文献，而你限定了英文，应在局限性中说明，并标注引用列表中出现的关键非英文工作。