直接回答：AI最适合辅助文献综述中的关键词扩展、检索式整理、去重、标题/摘要初筛、信息抽取、主题归类和证据表草拟；研究问题、纳入排除标准、偏倚判断、关键文献取舍和最终结论仍应由研究者负责。PRISMA强调透明报告，Cochrane近年的AI立场也把责任、透明和方法严谨性放在首位。[1][2]
本文讲的是可复现的AI辅助流程，不代表AI可以自动完成系统综述，也不替代具体学科的综述规范。
先把“文献综述”拆成七个步骤
- 明确研究问题与范围；
- 设计关键词、同义词和数据库检索式；
- 检索并导出题录；
- 去重与标题/摘要筛选；
- 全文筛选；
- 抽取研究特征和关键结果；
- 归类、综合、写作并报告限制。
AI可以在每一步提供辅助，但要把“建议”与“决定”分开。尤其是纳排判断，一旦模型漏掉关键论文，后面的总结再漂亮也没有意义。
第一步：先定义问题，再让AI扩展关键词
不要直接让AI“搜某主题全部论文”。先写清研究对象、问题、时间范围、文献类型和排除条件，再让AI生成同义词、缩写、旧称、英文术语和相关MeSH词。PubMed高级搜索支持字段限定、复杂布尔组合，并显示查询如何被解释；这类数据库能力应该成为AI检索建议的落点。[3]
| 字段 | 示例内容 |
|---|---|
| 研究问题 | 要回答的核心关系或现象 |
| 关键词组 | 主概念、同义词、缩写、英文术语 |
| 范围 | 年份、语言、学科、研究设计 |
| 纳入标准 | 必须满足的条件 |
| 排除标准 | 明确剔除条件 |
第二步：题录要保留唯一标识
检索结果至少保留标题、作者、年份、期刊、摘要、DOI/PMID、数据库来源和检索日期。Crossref REST API可通过DOI检索元数据，适合用于补齐题录与核验文献身份。[4]
第三步：AI筛选只能做“候选建议”
让AI输出：是否建议纳入、触发了哪条纳排规则、引用摘要中的哪句话作为依据、置信度和需要人工判断的问题。这样比只返回“纳入/排除”更容易审计。
筛选记录建议：文献ID｜AI建议｜触发规则｜证据片段｜人工决定｜排除理由｜复核人。
第四步：建立证据表，而不是让AI直接写结论
Cochrane将研究特征整理和为综合做准备视为证据综合中的基础步骤。[5] 对每篇入选文献，统一抽取研究对象、样本量、研究设计、干预/变量、主要结果、效应量、局限和原文位置。
推荐证据表字段
| 字段 | 用途 |
|---|---|
| 文献ID/DOI | 保证可追溯 |
| 研究问题 | 确认与综述问题的关系 |
| 样本与方法 | 比较研究设计 |
| 核心结果 | 提取真正证据 |
| 原文页码/段落 | 防止AI二次概括失真 |
| 局限 | 控制过度外推 |
| 主题标签 | 后续聚类与综合 |
第五步：用AI归类，但不要把“相似”当“因果”
AI适合把几十篇研究按主题、方法、对象或结论方向聚类，再帮助发现冲突。但聚类只是组织方式，不能因为多篇文章被放在一起，就自动推出一个学术结论。
第六步：写作时绑定证据
每个重要结论都要能回到证据表中的具体文献，而不是只引用AI生成的二手总结。PRISMA 2020提供清单和流程图，核心价值就是让检索、筛选和报告过程更透明、可复现。[1]
文章局限
- 不同学科对系统综述、范围综述、叙述综述有不同方法要求。
- AI筛选与抽取准确率依赖任务、模型和提示方式，关键步骤必须抽样或双人复核。
- 付费数据库、版权全文和机构权限仍需遵守原有授权规则。
参考来源
- PRISMA：PRISMA 2020（核验于 2026-08-08）
- Cochrane：负责任使用AI进行证据综合（核验于 2026-08-08）
- PubMed：Search Help（核验于 2026-08-08）
- Crossref：REST API（核验于 2026-08-08）
- Cochrane Handbook：Preparing for synthesis（核验于 2026-08-08）
更新记录
- 2026-08-08：首次整理并核验官方或一手资料，建立可复用流程与检查清单。
如果你想系统比较AI搜索、Deep Research、学术检索和引用核验工具，可以继续查看：AI搜索与研究专题 →
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
百度热点