简诗 AI 学术文献系统性综述

问题：手工文献综述容易遗漏与不可复现

在做学术调研或技术全景分析时，从检索到综合的每一步都可能因为标准不统一而引入偏差：关键词组合随意、纳入排除条件只存在脑子里、数据提取字段不一致，最后综述读起来像论文摘要列表，也无法被他人复现。这个技能把系统综述（systematic review）的方法论固化成代理可执行的流程。

核心能力与工作流程

技能将一次综述拆成六个步骤：

1. 定义研究问题与范围：用 PICO（人群、干预、对照、结局）或领域等效框架把问题收窄，明确时间范围、语言、来源类型等边界。
2. 制定检索策略：组合主关键词、同义词与布尔算子，选择 Semantic Scholar、arXiv、PubMed、ACM Digital Library 等数据库，并完整记录检索式以便复现。
3. 筛选与过滤：按预定义的纳入/排除标准剔除重复、撤稿、非同行评审与跑题文献，记录每一阶段的文献数量，生成 PRISMA 风格流程。
4. 结构化数据提取：为每篇纳入文献提取标题、作者、年份、研究问题、方法、主要发现、局限等字段，用统一表格存储以便跨论文比较。
5. 主题综合：把提取结果归入跨论文出现的主题，识别共识、争议与空白，形成有叙事逻辑的综合而非逐篇罗列。
6. 撰写综述文档：输出包含引言、方法（检索策略、纳入排除标准、PRISMA 流程）、主题综合、局限与未来方向、完整参考文献列表的最终文档。

适用边界与注意点

• 可复现性优先：所有检索式、数据库访问日期、纳入排除标准都要留档，让另一位研究者能照着重做。
• 证据质量分层：20 篇博客支撑的观点不如 3 项严格实验可靠，综合时要按证据强度加权。
• 报告缺失：未覆盖的人群、条件或研究类型同样重要，应在综述中显式说明。
• 文献不足时降级：相关论文少于 5 篇时，输出应转为 scoping review 或研究空白分析，而不是假装完整。
• 预印本要标注：AI/ML 等领域大量工作仅在 arXiv 发布，可用但需标记其未经同行评审的状态。
• 安全边界：技能不会自动安装依赖、修改系统权限或执行下载；涉及外部写入时会先确认目标与影响，凭据也仅用于用户指定的官方服务。