每个人心里大概都有一篇永远写不出来的文献综述。尤其是刚接触研究生学习的前几个月，导师一句“你先把相关领域的综述写出来看看”，直接把人送进了文献海洋。几百篇文章摆在面前，每一篇都看了，每一条笔记都抄了，可真正打开文档动笔的时候，脑子里只剩下几个孤立的关键词——那种“读了像没读”的挫败感，我太熟了。后来我用AI工具辅助过了这个坎，包括我现在经常用的宏智树AI。它帮我把“读文献—整理—成稿”这条链路跑顺了。这篇文章就是想把这段实操过程沉淀下来：怎么用对话式AI工具搭出一篇有模有样的文献综述，从拆选题、读文献、定框架到学术润色，每个环节用什么思路、提什么要求、避开什么坑，我都尽量写清楚。这套方法适合谁？一个是研究生阶段需要独立完成综述的在校同学，一个是本科毕业论文要写绪论和研究现状的人，还有一些科研刚起步、需要快速建立领域认识的朋友。提前说明白：AI在这里扮演的是“结构化助手”，不是代写枪手。用对了位置，它能让你省下大量时间；用错了位置，轻则综述质量塌方，重则触碰学术不端红线。下面的内容会把这条界线一并讲清楚。1. 文献综述到底难在哪——先把病根找准，再谈工具1.1 综述不是好词好句摘抄比赛很多同学第一步就理解偏了。文献综述不是把“A说了什么、B说了什么、C说了什么”串起来的读书笔记。评审人和导师看综述时，心里其实在评估两个东西：一是综合度——你有没有把该领域的代表性文献、关键流派、主流方法都照顾到；二是评述力——面对这些文献，你有没有提炼出共性、指出分歧、看清空白。只堆砌别人观点的综述，开头一句“随着技术的发展”，然后罗列几十篇文献的摘要，最后一句“由此可见研究很有意义”，这种稿子基本等于白写。我见过太多这样的初稿，问题不是出现在写作阶段，而是在写作之前——很多人根本不知道综述需要“评述”，以为把文献复述一遍就算完工。这个认知不扭转，用什么工具都白搭。1.2 写作瓶颈的四个真实来源我复盘过自己写综述卡住的全过程，真正的瓶颈不外乎四个。检索黑洞：选题太大或者太小，关键词组合不到位，漏掉最关键的奠基性文献。最典型的例子是用单一关键词检索，但很多领域的术语一直在演变，只搜最新提法，就会把经典研究落在视野之外。文本过载：精读一篇论文至少要半小时，50篇就是25个小时。更要命的是读后面忘前面，笔记做得越多越乱，每次想用某个观点，都要翻半天。线索混乱：读完了但说不清A研究和B研究是什么关系——是承接、是推翻、还是互补？这是综述最核心的组织单位，也是新手最缺的能力。表达壁垒：心里明白某个论点，落到纸面上总觉得不够学术。写出来像公众号科普，不像论文语言。这四个瓶颈里，“检索黑洞”基本只能靠自己解决，后三个恰恰是AI工具最擅长补位的区域。1.3 AI在综述中的“正确生态位”宏智树AI这类定位在学术场景的对话式工具，真正能解决的是文本过载、线索混乱和表达壁垒这三个问题。文本过载靠批量摘要压缩，线索混乱靠分类归纳对比，表达壁垒靠语料改写。但它也有明确的不能：不能替你判断文献质量，不能替你产生研究空白的判断，更不能替你承担学术责任。AI给出的内容里有错漏、有编造、有逻辑断层，最后签上你名字的综述，出任何问题都得你自己扛。所以我一直强调一个观念：在综述场景里，AI是“加工链”上的工具，不是“创造链”上的替身。把这句话想明白，后面所有操作才有意义。2. 开工前做好三件准备——决定AI工具是“助手”还是“玩具”2.1 把题目拆成能检索、能综述的子问题题目拆不了，AI再强也没法输出有用的东西。比如我前阵子帮一个模拟课题做过“深度学习在医学影像分割中的应用”，如果直接甩给AI一句“帮我写综述”，它只能给你一篇又宽又空的万金油文章。正确做法是先把题目拆成一组子问题：分割任务本身分哪几类？深度学习方法在这个领域的方法演进大致经历了哪些阶段？不同方法在公开数据集上的表现对比如何？目前公认的挑战和未解决的问题有哪些？这四个问题拆完，综述的骨架其实已经出来了——引言、方法分类、演进脉络、性能对比、挑战与展望。拆题的标准很简单：每个子问题都能对应到一组真实的文献，也都能对应到综述正文的一个小节。如果某个子问题检索不到文献，要么是问题问得太偏，要么是搜索词不对，需要回头调整。2.2 先建文献弹药库，再上AI我踩过最深的坑，就是让AI凭空“帮我写”。结果是它生成了一堆看起来很顺的段落，里面引用的文献检索不到，连期刊名都是编的。后来我养成一个习惯：先自己跑到数据库里用检索式把文献捞出来，导出一份“候选文献表”，再让AI去加工。这个过程不复杂。我在常用学术数据库里用关键词组合检索，筛掉明显不相关的之后，留下50到80篇作为原始池，每篇记录作者、年份、标题和摘要，整理成纯文本。这份材料就是后续喂给AI的全部素材。这一步决定了整篇综述的“数据边界”。AI只能在给它的文献范围内生成内容，不给它材料，它就只能编。新手朋友请务必理解这一点——你给AI的文献质量，直接决定了综述质量的上限。2.3 三段式Prompt公式：角色、任务、约束很多人用AI写不出理想效果，原因是提问太笼统：“帮我看几篇文献”“帮我写综述”这类指令，换成任何人也只能给你一个模糊的大路货回答。我自己的提示词模板固定为四要素：角色设定 + 任务描述 + 输入材料 + 输出约束。举一个实际用过的基础提示词，可以直接套用：你是学术写作助手，研究方向是[深度学习/医学影像处理]。 我正在撰写主题为“深度学习在医学影像分割中的应用”的文献综述。 以下是真实存在的文献信息（作者、年份、标题、摘要）： [粘贴文献列表] 请完成：逐篇提取每篇文献的研究问题、方法、数据集、结果和局限，以结构化卡片形式输出。 要求：只基于我提供的信息，不得补充任何未列出的文献；不对文献质量做评价；每张卡片不超过100字。四要素缺一不可。尤其是“输出约束”这一项，很多同学会忽略，结果AI絮絮叨叨输出一大段只能看不能用的东西。把字数、格式、禁止事项写清楚，输出质量会有质的提升。3. 六阶段实操流程——用AI跑完一篇综述的全链路3.1 阶段一：从题目到综述大纲有了拆分好的子问题，下一步就是让AI把子问题翻译成综述大纲。我给它的提示词长这样：基于以下几个子问题，请帮我生成一份文献综述的大纲： 子问题1：医学影像分割任务分为哪几类？ 子问题2：深度学习方法在该领域的方法演进有哪几个阶段？ 子问题3：不同方法在公开数据集上的性能对比如何？ 子问题4：当前公认的挑战和未来方向有哪些？ 要求：大纲分二级标题即可；每个一级小节下包含若干二级小节； 每个二级小节后标注它打算回答哪个子问题；不要虚构任何文献信息。这里有个经验：大纲层级控制在两级，最多到三级。文献综述不是学位论文，不需要弄到四级标题那么细。大纲越细，后面调整的成本越高；相反，一个粗粒度的大纲反而给后续修改留了弹性。3.2 阶段二：把文献批量压缩成结构化卡片这是整个流程里最核心的一步。操作上有一个关键心得：一次喂给AI的文献数量控制在10到15篇，不要一口气丢进60篇。原因有两个：一是上下文窗口有限，太多内容会导致AI的回答顾此失彼；二是输出的卡片格式会随着文献数量增加而变得越来越不规范。我一般按主题或时间顺序把文献池分成几批，分批生成卡片，每张卡片固定包含五个字段：核心问题、使用的方法、实验数据、主要结论、明显局限。下面是一个实际模板：请对以下文献逐篇生成结构化卡片： [粘贴10-15篇文献的作者、年份、标题、摘要] 输出格式： 【编号】 核心问题： 使用方法： 实验数据： 主要结论： 明显局限： 约束：只基于摘要中明确出现的信息，摘要没提到的地方写“信息不足”，禁止猜测补充。最后那句“禁止猜测补充”特别重要。摘要里没写数据集，AI经常会自行脑补一个常用的数据集进去，这不就是变相造假吗？明确要求它标“信息不足”，既保证真实性，也方便你后续判断哪些文献需要下载原文补读。3.3 阶段三：按主题归类并寻找内在关联文献卡片有了，接下来是分类。这个阶段我先找AI要一版分类建议，但我不会直接照抄。常见的归类逻辑有三种：按研究主题分、按方法流派分、按时间演进分。我自己的判断标准是：综述通常以“主题为主、时间为辅”最实用。先按研究主题把文献分成几大块，每块内部再按时间顺序梳理演进，这样既不会散，也有历史感。给AI的提示词也很直接：以下是文献卡片列表：[粘贴卡片] 请根据研究主题为这些文献分组，每组用一句话概括共性， 并指出每组内部在方法和结论上的主要分歧点。 不要评价文献质量，只做结构归纳。这一步的重点不是AI说得多对，而是它提供的分组视角能不能启发你自己重新思考。我遇到过AI把某个“边缘文献”分进了一个完全没想到的组，我顺着一查，发现那篇文献确实是这个领域交叉研究的代表——看，工具偶尔能补上你思维的盲区。3.4 阶段四：让AI帮你梳理演进脉络和争议焦点分类只是静态结构，综述真正见功夫的是动态脉络。从“哪些文献属于一类”到“这类方法是怎么一步步变成这样的”，中间隔着一条时间线和几条争论线。我会让AI生成一张演进对比表，把不同阶段的方法特征摆在一起。用我之前那个模拟课题举例，输出类似下面这种表：演进阶段代表方法共性特征主要局限早期探索传统方法结合浅层特征依赖手工设计特征泛化能力差起步期基础深度学习网络从数据中自动学习特征需要大量标注数据成熟期改进网络结构和训练策略精度显著提升计算开销大、部署难当前热点轻量化与半监督方向关注效率与标注成本鲁棒性验证不足表格一出来，脉络就清楚了。这时候可以让AI再补一个任务：识别这些文献中反复提到的“争议点”。比如“到底该追求精度还是效率”“数据增强能不能替代更多标注数据”这类被反复讨论的问题。争议点就是综述的“灵魂”，后面写评述时全靠它们撑场子。3.5 阶段五：从“分类卡片”到“论证段落”这是从素材到正文最难的一跳：如何把一个分类下的十篇文献变成一个有起承转合的段落。我的方法是固定用“论—证—评”三段结构来组织每一个小节。首句亮观点，中间用文献做证据，末尾给出自己的评价和判断。举个例子，如果不做这一步，AI很容易写成流水账：张三等人提出了方法A，取得了很高的精度。李四等人提出了方法B，也取得了很好的效果。王五等人提出了方法C……对，这就是典型的“文献点名式”写法，一点价值都没有。但同样一批文献，按“论—证—评”重新组织就完全是另一个效果：医学影像分割的深度学习方法，前期主要围绕编码器结构的改进展开，以提升特征提取能力为核心目标（张三等，20XX；李四等，20XX）。这些工作在各自数据集上都刷新了精度记录，但普遍存在训练成本过高的问题，也为后续轻量化研究埋下了伏笔。看到了吗？前半句是论点，中间是证据，最后一句是评价。这个结构，才是综述该有的样子。3.6 阶段六：学术语言润色与口语化清洗初稿写出来通常口语味很重，这是正常的，因为你是“写给自己看”的。最后一步润色，我会让AI把初稿改成学术书面语。提示词是这样：下面这段文字是我的综述初稿，口语化较重，请改写成学术书面语。 要求：保留全部核心信息；不添加我未提及的证据； 不使用“值得注意的是”“综上所述”等空转短语；保持句子长度适中。 原文： [粘贴段落]注意那个“不添加我未提及的证据”——这条约束不写，AI很可能自己在润色时“补充”两句原本没有的观点，你稍不留意就把它当成自己的内容。润色完成后，我建议再自己通读一遍，重点看哪些句子读起来“正确但陌生”。凡是你不完全理解的话，都要改写成你理解的表达，这也是守住学术底线的重要一步。4. AI辅助综述的四个高危雷区——每一个都是学术事故导火索4.1 文献幻觉：AI补出来的参考文献必须一律不用这是AI辅助写作里最危险的问题，没有之一。对话式AI在生成内容时，如果资料库里没有对应信息，它不会老实说“不知道”，而是会依据概率补一段看似合理的“答案”，这就是文献幻觉。我见过最离谱的一次是，AI生成了一篇完全编造的作者名、期刊名和卷期号的文献，连DOI都是错的。所以我在整个流程里坚持三条硬规矩：第一，只让AI处理我提供的白名单文献，绝不允许它“补充推荐”参考文献；第二，正文里出现的所有引用，必须能在自己整理的文献表格里找到；第三，任何由AI“顺口提到”的研究，一律不用，除非我到数据库里检索确认它真实存在。4.2 “罗列感”与逻辑断层：综述不能没有自己的声音AI生成的内容有个鲜明的风格特征：句子和段落之间极其顺滑，但通篇读下来不知道作者站在哪里。原因在于它默认生成的句式是“某研究指出”“作者认为”，但缺少你的一句“我认为”“这说明”“这暴露了”。识别方法很简单：把文章里所有“值得注意的是”“综上所述”“不仅……而且……”这类连接词圈出来，数一下每段出现“我”的判断句有多少。如果一页里找不出一句评述性的观点，这篇综述就是没有灵魂的文献罗列。修复办法也很直接，回到3.5的“论—证—评”结构，确保每个小节的末句都是你对该类文献的评价、分岐点判断或研究空白的指认。4.3 查重标红：直接粘贴的稿子永远过不了关实话实说，AI输出的原句如果直接拼进正文，查重时大概率会大片标红。原因很简单——越“标准”的学术表达，在语料库里越容易出现雷同，AI生成的就是这种“标准表达”。我的处理方法是“两层翻译法”：第一层，让AI输出论点式的提纲，而不是完整句子；第二层，自己根据提纲用个人习惯的语言扩写成完整段落，最后再用AI做润色。这样做的好处是，全文的核心句群都是你自己组织出来的，AI只负责打磨措辞，既保留了个人风格，也降低了和其他文章句级重复的概率。4.4 引用细节翻车：版本、页码、作者顺序AI整理文献信息时，最常见的错误是作者顺序排错、页码张冠李戴、版本号弄混。尤其是多作者文献，AI会默认把次要作者排到前面，或者把期刊缩写和全称混在一起。这个没有捷径，只能人工核对。我的做法是所有喂给AI的文献都保留了数据库导出的原始格式，AI输出任何引用信息后，我都会回到原始条目里逐项比对。这个工作繁琐但不可或缺——引文错误在盲审阶段是最容易被专家一眼看穿的硬伤。5. 常见问题速查表现象原因处理办法生成内容出现检索不到的文献AI超出白名单自行补充凡是白名单之外的引用一律删除，再检索确认过才能使用综述像流水账，看不出观点只做了文献归类，没有评述每个小节按“论—证—评”重写，补充对本组文献的评价句段落开头永远是“某研究指出”缺少论点引领把每段首句换成自己提炼的观点，再用文献做支撑内容大而空，缺少具体数据输入材料摘要过短，或AI没提取关键字段补充原文的数据集、指标、数值等细节后再生成内容与选题跑偏任务描述没有限定主题范围在提示词里写明“只围绕XX主题展开，不涉及相关但无关的方向”查重标红过多直接粘贴AI原句先让AI输出论点提纲，自己扩写后再润色，避免整句搬运引用格式错乱提示词没有给出格式样例在输出约束里附上目标格式示例，要求严格按样例输出生成篇幅严重失衡没有字数约束明确写“每个小节200到400字”“每张卡片不超过100字”这张表是我自己踩坑后整理的，每次用AI写综述都会对照一遍，能省去很多返工。6. 守住学术底线——AI辅助写作的三条铁律6.1 铁律一：透明披露学校、期刊和导师对AI使用的态度各有不同。有的允许用来润色、整理文献，有的明确禁止生成正文。不管规则是哪一种，我的建议都是同一个：在动笔之前就主动向导师或合作者说明，自己计划用AI辅助完成哪些环节，做到哪一步。把这个边界前置讲清楚，比事后被发现要体面得多。透明披露不仅是对规则的尊重，也是对自己的保护——AI辅助和代写的界线，概念上大家各有各的理解，但提前沟通，至少不会产生“你交的东西来路不明”的误会。6.2 铁律二：内容主体必须是你自己判断一条AI输出的“安全带”很简单：如果把你和AI合作完成的手稿拿给另一个人看，ta能不能看出来哪部分是你的真实理解和判断？如果说不出来，说明你在整个流程里是被推着走的，内容主体已经是AI了。我的做法是把AI当成“外聘的文献整理员和初稿编辑”，而不是“联合署名作者”。它负责压缩信息、生成结构、润色措辞，但每个核心论点、每段首句的判断、每个研究空白的指认，都必须出自我自己。哪怕AI给出了一个很漂亮的判断句，我也会先问自己一句：我真的认同吗？6.3 铁律三：最终责任在你提交综述的人是你，署名的人是你，对综述中的每一个字负责的人也是你。AI不会替你在答辩会上解释论文逻辑，不会替你在审稿意见面前维护研究方法，更不会替你承担学术不端的后果。想明白这一层，AI的使用方式自然就变了。它不再是一个替你“省事”的捷径，而是一个帮你“省力”的工具——把机械劳动压缩到最短，把你自己的思考时间尽量延长。我个人用了这类工具半年以后，最大的感受是：它真正节省的是“机械劳动”时间，而不是“思考”时间。省下来的时间应该花在反复读那几篇最关键的文章上，想明白研究空白到底在哪里。最后分享一个我现在一直在用的小习惯：每次用AI生成完材料，我会单独开一个文档，把里面我不同意、不理解、想追着深挖的观点记下来——这些笔记才是后面写讨论和结论时最见功底的部分。工具千千万万，绞尽脑汁的那部分，终究还是自己的。
每个人心里大概都有一篇永远写不出来的文献综述。尤其是刚接触研究生学习的前几个月，导师一句“你先把相关领域的综述写出来看看”，直接把人送进了文献海洋。几百篇文章摆在面前，每一篇都看了，每一条笔记都抄了，可真正打开文档动笔的时候，脑子里只剩下几个孤立的关键词——那种“读了像没读”的挫败感，我太熟了。后来我用AI工具辅助过了这个坎，包括我现在经常用的宏智树AI。它帮我把“读文献—整理—成稿”这条链路跑顺了。这篇文章就是想把这段实操过程沉淀下来：怎么用对话式AI工具搭出一篇有模有样的文献综述，从拆选题、读文献、定框架到学术润色，每个环节用什么思路、提什么要求、避开什么坑，我都尽量写清楚。这套方法适合谁？一个是研究生阶段需要独立完成综述的在校同学，一个是本科毕业论文要写绪论和研究现状的人，还有一些科研刚起步、需要快速建立领域认识的朋友。提前说明白：AI在这里扮演的是“结构化助手”，不是代写枪手。用对了位置，它能让你省下大量时间；用错了位置，轻则综述质量塌方，重则触碰学术不端红线。下面的内容会把这条界线一并讲清楚。1. 文献综述到底难在哪——先把病根找准，再谈工具1.1 综述不是好词好句摘抄比赛很多同学第一步就理解偏了。文献综述不是把“A说了什么、B说了什么、C说了什么”串起来的读书笔记。评审人和导师看综述时，心里其实在评估两个东西：一是综合度——你有没有把该领域的代表性文献、关键流派、主流方法都照顾到；二是评述力——面对这些文献，你有没有提炼出共性、指出分歧、看清空白。只堆砌别人观点的综述，开头一句“随着技术的发展”，然后罗列几十篇文献的摘要，最后一句“由此可见研究很有意义”，这种稿子基本等于白写。我见过太多这样的初稿，问题不是出现在写作阶段，而是在写作之前——很多人根本不知道综述需要“评述”，以为把文献复述一遍就算完工。这个认知不扭转，用什么工具都白搭。1.2 写作瓶颈的四个真实来源我复盘过自己写综述卡住的全过程，真正的瓶颈不外乎四个。检索黑洞：选题太大或者太小，关键词组合不到位，漏掉最关键的奠基性文献。最典型的例子是用单一关键词检索，但很多领域的术语一直在演变，只搜最新提法，就会把经典研究落在视野之外。文本过载：精读一篇论文至少要半小时，50篇就是25个小时。更要命的是读后面忘前面，笔记做得越多越乱，每次想用某个观点，都要翻半天。线索混乱：读完了但说不清A研究和B研究是什么关系——是承接、是推翻、还是互补？这是综述最核心的组织单位，也是新手最缺的能力。表达壁垒：心里明白某个论点，落到纸面上总觉得不够学术。写出来像公众号科普，不像论文语言。这四个瓶颈里，“检索黑洞”基本只能靠自己解决，后三个恰恰是AI工具最擅长补位的区域。1.3 AI在综述中的“正确生态位”宏智树AI这类定位在学术场景的对话式工具，真正能解决的是文本过载、线索混乱和表达壁垒这三个问题。文本过载靠批量摘要压缩，线索混乱靠分类归纳对比，表达壁垒靠语料改写。但它也有明确的不能：不能替你判断文献质量，不能替你产生研究空白的判断，更不能替你承担学术责任。AI给出的内容里有错漏、有编造、有逻辑断层，最后签上你名字的综述，出任何问题都得你自己扛。所以我一直强调一个观念：在综述场景里，AI是“加工链”上的工具，不是“创造链”上的替身。把这句话想明白，后面所有操作才有意义。2. 开工前做好三件准备——决定AI工具是“助手”还是“玩具”2.1 把题目拆成能检索、能综述的子问题题目拆不了，AI再强也没法输出有用的东西。比如我前阵子帮一个模拟课题做过“深度学习在医学影像分割中的应用”，如果直接甩给AI一句“帮我写综述”，它只能给你一篇又宽又空的万金油文章。正确做法是先把题目拆成一组子问题：分割任务本身分哪几类？深度学习方法在这个领域的方法演进大致经历了哪些阶段？不同方法在公开数据集上的表现对比如何？目前公认的挑战和未解决的问题有哪些？这四个问题拆完，综述的骨架其实已经出来了——引言、方法分类、演进脉络、性能对比、挑战与展望。拆题的标准很简单：每个子问题都能对应到一组真实的文献，也都能对应到综述正文的一个小节。如果某个子问题检索不到文献，要么是问题问得太偏，要么是搜索词不对，需要回头调整。2.2 先建文献弹药库，再上AI我踩过最深的坑，就是让AI凭空“帮我写”。结果是它生成了一堆看起来很顺的段落，里面引用的文献检索不到，连期刊名都是编的。后来我养成一个习惯：先自己跑到数据库里用检索式把文献捞出来，导出一份“候选文献表”，再让AI去加工。这个过程不复杂。我在常用学术数据库里用关键词组合检索，筛掉明显不相关的之后，留下50到80篇作为原始池，每篇记录作者、年份、标题和摘要，整理成纯文本。这份材料就是后续喂给AI的全部素材。这一步决定了整篇综述的“数据边界”。AI只能在给它的文献范围内生成内容，不给它材料，它就只能编。新手朋友请务必理解这一点——你给AI的文献质量，直接决定了综述质量的上限。2.3 三段式Prompt公式：角色、任务、约束很多人用AI写不出理想效果，原因是提问太笼统：“帮我看几篇文献”“帮我写综述”这类指令，换成任何人也只能给你一个模糊的大路货回答。我自己的提示词模板固定为四要素：角色设定 + 任务描述 + 输入材料 + 输出约束。举一个实际用过的基础提示词，可以直接套用：你是学术写作助手，研究方向是[深度学习/医学影像处理]。 我正在撰写主题为“深度学习在医学影像分割中的应用”的文献综述。 以下是真实存在的文献信息（作者、年份、标题、摘要）： [粘贴文献列表] 请完成：逐篇提取每篇文献的研究问题、方法、数据集、结果和局限，以结构化卡片形式输出。 要求：只基于我提供的信息，不得补充任何未列出的文献；不对文献质量做评价；每张卡片不超过100字。四要素缺一不可。尤其是“输出约束”这一项，很多同学会忽略，结果AI絮絮叨叨输出一大段只能看不能用的东西。把字数、格式、禁止事项写清楚，输出质量会有质的提升。3. 六阶段实操流程——用AI跑完一篇综述的全链路3.1 阶段一：从题目到综述大纲有了拆分好的子问题，下一步就是让AI把子问题翻译成综述大纲。我给它的提示词长这样：基于以下几个子问题，请帮我生成一份文献综述的大纲： 子问题1：医学影像分割任务分为哪几类？ 子问题2：深度学习方法在该领域的方法演进有哪几个阶段？ 子问题3：不同方法在公开数据集上的性能对比如何？ 子问题4：当前公认的挑战和未来方向有哪些？ 要求：大纲分二级标题即可；每个一级小节下包含若干二级小节； 每个二级小节后标注它打算回答哪个子问题；不要虚构任何文献信息。这里有个经验：大纲层级控制在两级，最多到三级。文献综述不是学位论文，不需要弄到四级标题那么细。大纲越细，后面调整的成本越高；相反，一个粗粒度的大纲反而给后续修改留了弹性。3.2 阶段二：把文献批量压缩成结构化卡片这是整个流程里最核心的一步。操作上有一个关键心得：一次喂给AI的文献数量控制在10到15篇，不要一口气丢进60篇。原因有两个：一是上下文窗口有限，太多内容会导致AI的回答顾此失彼；二是输出的卡片格式会随着文献数量增加而变得越来越不规范。我一般按主题或时间顺序把文献池分成几批，分批生成卡片，每张卡片固定包含五个字段：核心问题、使用的方法、实验数据、主要结论、明显局限。下面是一个实际模板：请对以下文献逐篇生成结构化卡片： [粘贴10-15篇文献的作者、年份、标题、摘要] 输出格式： 【编号】 核心问题： 使用方法： 实验数据： 主要结论： 明显局限： 约束：只基于摘要中明确出现的信息，摘要没提到的地方写“信息不足”，禁止猜测补充。最后那句“禁止猜测补充”特别重要。摘要里没写数据集，AI经常会自行脑补一个常用的数据集进去，这不就是变相造假吗？明确要求它标“信息不足”，既保证真实性，也方便你后续判断哪些文献需要下载原文补读。3.3 阶段三：按主题归类并寻找内在关联文献卡片有了，接下来是分类。这个阶段我先找AI要一版分类建议，但我不会直接照抄。常见的归类逻辑有三种：按研究主题分、按方法流派分、按时间演进分。我自己的判断标准是：综述通常以“主题为主、时间为辅”最实用。先按研究主题把文献分成几大块，每块内部再按时间顺序梳理演进，这样既不会散，也有历史感。给AI的提示词也很直接：以下是文献卡片列表：[粘贴卡片] 请根据研究主题为这些文献分组，每组用一句话概括共性， 并指出每组内部在方法和结论上的主要分歧点。 不要评价文献质量，只做结构归纳。这一步的重点不是AI说得多对，而是它提供的分组视角能不能启发你自己重新思考。我遇到过AI把某个“边缘文献”分进了一个完全没想到的组，我顺着一查，发现那篇文献确实是这个领域交叉研究的代表——看，工具偶尔能补上你思维的盲区。3.4 阶段四：让AI帮你梳理演进脉络和争议焦点分类只是静态结构，综述真正见功夫的是动态脉络。从“哪些文献属于一类”到“这类方法是怎么一步步变成这样的”，中间隔着一条时间线和几条争论线。我会让AI生成一张演进对比表，把不同阶段的方法特征摆在一起。用我之前那个模拟课题举例，输出类似下面这种表：演进阶段代表方法共性特征主要局限早期探索传统方法结合浅层特征依赖手工设计特征泛化能力差起步期基础深度学习网络从数据中自动学习特征需要大量标注数据成熟期改进网络结构和训练策略精度显著提升计算开销大、部署难当前热点轻量化与半监督方向关注效率与标注成本鲁棒性验证不足表格一出来，脉络就清楚了。这时候可以让AI再补一个任务：识别这些文献中反复提到的“争议点”。比如“到底该追求精度还是效率”“数据增强能不能替代更多标注数据”这类被反复讨论的问题。争议点就是综述的“灵魂”，后面写评述时全靠它们撑场子。3.5 阶段五：从“分类卡片”到“论证段落”这是从素材到正文最难的一跳：如何把一个分类下的十篇文献变成一个有起承转合的段落。我的方法是固定用“论—证—评”三段结构来组织每一个小节。首句亮观点，中间用文献做证据，末尾给出自己的评价和判断。举个例子，如果不做这一步，AI很容易写成流水账：张三等人提出了方法A，取得了很高的精度。李四等人提出了方法B，也取得了很好的效果。王五等人提出了方法C……对，这就是典型的“文献点名式”写法，一点价值都没有。但同样一批文献，按“论—证—评”重新组织就完全是另一个效果：医学影像分割的深度学习方法，前期主要围绕编码器结构的改进展开，以提升特征提取能力为核心目标（张三等，20XX；李四等，20XX）。这些工作在各自数据集上都刷新了精度记录，但普遍存在训练成本过高的问题，也为后续轻量化研究埋下了伏笔。看到了吗？前半句是论点，中间是证据，最后一句是评价。这个结构，才是综述该有的样子。3.6 阶段六：学术语言润色与口语化清洗初稿写出来通常口语味很重，这是正常的，因为你是“写给自己看”的。最后一步润色，我会让AI把初稿改成学术书面语。提示词是这样：下面这段文字是我的综述初稿，口语化较重，请改写成学术书面语。 要求：保留全部核心信息；不添加我未提及的证据； 不使用“值得注意的是”“综上所述”等空转短语；保持句子长度适中。 原文： [粘贴段落]注意那个“不添加我未提及的证据”——这条约束不写，AI很可能自己在润色时“补充”两句原本没有的观点，你稍不留意就把它当成自己的内容。润色完成后，我建议再自己通读一遍，重点看哪些句子读起来“正确但陌生”。凡是你不完全理解的话，都要改写成你理解的表达，这也是守住学术底线的重要一步。4. AI辅助综述的四个高危雷区——每一个都是学术事故导火索4.1 文献幻觉：AI补出来的参考文献必须一律不用这是AI辅助写作里最危险的问题，没有之一。对话式AI在生成内容时，如果资料库里没有对应信息，它不会老实说“不知道”，而是会依据概率补一段看似合理的“答案”，这就是文献幻觉。我见过最离谱的一次是，AI生成了一篇完全编造的作者名、期刊名和卷期号的文献，连DOI都是错的。所以我在整个流程里坚持三条硬规矩：第一，只让AI处理我提供的白名单文献，绝不允许它“补充推荐”参考文献；第二，正文里出现的所有引用，必须能在自己整理的文献表格里找到；第三，任何由AI“顺口提到”的研究，一律不用，除非我到数据库里检索确认它真实存在。4.2 “罗列感”与逻辑断层：综述不能没有自己的声音AI生成的内容有个鲜明的风格特征：句子和段落之间极其顺滑，但通篇读下来不知道作者站在哪里。原因在于它默认生成的句式是“某研究指出”“作者认为”，但缺少你的一句“我认为”“这说明”“这暴露了”。识别方法很简单：把文章里所有“值得注意的是”“综上所述”“不仅……而且……”这类连接词圈出来，数一下每段出现“我”的判断句有多少。如果一页里找不出一句评述性的观点，这篇综述就是没有灵魂的文献罗列。修复办法也很直接，回到3.5的“论—证—评”结构，确保每个小节的末句都是你对该类文献的评价、分岐点判断或研究空白的指认。4.3 查重标红：直接粘贴的稿子永远过不了关实话实说，AI输出的原句如果直接拼进正文，查重时大概率会大片标红。原因很简单——越“标准”的学术表达，在语料库里越容易出现雷同，AI生成的就是这种“标准表达”。我的处理方法是“两层翻译法”：第一层，让AI输出论点式的提纲，而不是完整句子；第二层，自己根据提纲用个人习惯的语言扩写成完整段落，最后再用AI做润色。这样做的好处是，全文的核心句群都是你自己组织出来的，AI只负责打磨措辞，既保留了个人风格，也降低了和其他文章句级重复的概率。4.4 引用细节翻车：版本、页码、作者顺序AI整理文献信息时，最常见的错误是作者顺序排错、页码张冠李戴、版本号弄混。尤其是多作者文献，AI会默认把次要作者排到前面，或者把期刊缩写和全称混在一起。这个没有捷径，只能人工核对。我的做法是所有喂给AI的文献都保留了数据库导出的原始格式，AI输出任何引用信息后，我都会回到原始条目里逐项比对。这个工作繁琐但不可或缺——引文错误在盲审阶段是最容易被专家一眼看穿的硬伤。5. 常见问题速查表现象原因处理办法生成内容出现检索不到的文献AI超出白名单自行补充凡是白名单之外的引用一律删除，再检索确认过才能使用综述像流水账，看不出观点只做了文献归类，没有评述每个小节按“论—证—评”重写，补充对本组文献的评价句段落开头永远是“某研究指出”缺少论点引领把每段首句换成自己提炼的观点，再用文献做支撑内容大而空，缺少具体数据输入材料摘要过短，或AI没提取关键字段补充原文的数据集、指标、数值等细节后再生成内容与选题跑偏任务描述没有限定主题范围在提示词里写明“只围绕XX主题展开，不涉及相关但无关的方向”查重标红过多直接粘贴AI原句先让AI输出论点提纲，自己扩写后再润色，避免整句搬运引用格式错乱提示词没有给出格式样例在输出约束里附上目标格式示例，要求严格按样例输出生成篇幅严重失衡没有字数约束明确写“每个小节200到400字”“每张卡片不超过100字”这张表是我自己踩坑后整理的，每次用AI写综述都会对照一遍，能省去很多返工。6. 守住学术底线——AI辅助写作的三条铁律6.1 铁律一：透明披露学校、期刊和导师对AI使用的态度各有不同。有的允许用来润色、整理文献，有的明确禁止生成正文。不管规则是哪一种，我的建议都是同一个：在动笔之前就主动向导师或合作者说明，自己计划用AI辅助完成哪些环节，做到哪一步。把这个边界前置讲清楚，比事后被发现要体面得多。透明披露不仅是对规则的尊重，也是对自己的保护——AI辅助和代写的界线，概念上大家各有各的理解，但提前沟通，至少不会产生“你交的东西来路不明”的误会。6.2 铁律二：内容主体必须是你自己判断一条AI输出的“安全带”很简单：如果把你和AI合作完成的手稿拿给另一个人看，ta能不能看出来哪部分是你的真实理解和判断？如果说不出来，说明你在整个流程里是被推着走的，内容主体已经是AI了。我的做法是把AI当成“外聘的文献整理员和初稿编辑”，而不是“联合署名作者”。它负责压缩信息、生成结构、润色措辞，但每个核心论点、每段首句的判断、每个研究空白的指认，都必须出自我自己。哪怕AI给出了一个很漂亮的判断句，我也会先问自己一句：我真的认同吗？6.3 铁律三：最终责任在你提交综述的人是你，署名的人是你，对综述中的每一个字负责的人也是你。AI不会替你在答辩会上解释论文逻辑，不会替你在审稿意见面前维护研究方法，更不会替你承担学术不端的后果。想明白这一层，AI的使用方式自然就变了。它不再是一个替你“省事”的捷径，而是一个帮你“省力”的工具——把机械劳动压缩到最短，把你自己的思考时间尽量延长。我个人用了这类工具半年以后，最大的感受是：它真正节省的是“机械劳动”时间，而不是“思考”时间。省下来的时间应该花在反复读那几篇最关键的文章上，想明白研究空白到底在哪里。最后分享一个我现在一直在用的小习惯：每次用AI生成完材料，我会单独开一个文档，把里面我不同意、不理解、想追着深挖的观点记下来——这些笔记才是后面写讨论和结论时最见功底的部分。工具千千万万，绞尽脑汁的那部分，终究还是自己的。