设想你已经收集了几十篇论文。真正困难的通常不是“让 AI 写摘要”，而是保持筛选标准一致、让每个结论都能回到原始出处，并避免不同研究被拼成一句过度概括的话。
可靠的 AI 文献综述可以按六步完成：限定问题、记录检索、筛选文献、建立证据矩阵、综合主题、逐条核验引用。AI 可以加速整理和表达，但不能替代纳入判断、研究质量评价与最终学术责任。
先给结论：先建证据系统，再让 AI 帮你写
不要一开始就把几十篇 PDF 交给 AI，要求它直接生成整篇综述。先建立可追溯的证据系统，再让 AI 帮你识别主题、比较差异和组织表达。
学术诚信边界
AI 可以协助扩展检索词、整理证据、比较研究和改进表达；研究问题、纳入排除、质量评价、综合判断和引用核验仍由研究者负责。不要引用自己没有阅读和核验的来源。
开始前：先确认你要写哪一种综述
系统综述：回答明确问题，需要预先定义检索、筛选、质量评价和综合方法。可用 PRISMA 2020 检查报告是否完整。
范围综述：适合梳理概念、证据类型和研究空白，可参考 JBI 范围综述方法。
叙述性综述：结构更灵活，但仍应说明资料来源、选择逻辑和论证边界，避免只挑选支持预设结论的研究。
如果课程、期刊或机构已经规定方法，应优先遵循其要求。
第一步：把“我想了解这个主题”变成可执行问题
不要只问“AI 对教育有什么影响”。可以改成：“2020—2026 年，生成式 AI 对高校本科生写作反馈质量有什么影响？”
至少明确研究对象、干预或现象、比较条件、结果变量，以及时间、地区、语言和研究类型。边界越清楚，AI 后续越不容易把不相干研究拉进来。
完成这一步后，可以让 AI 补充同义词、相关概念和候选检索词，但最终问题和边界仍由研究者确认。
第二步：建立可复现的检索记录
检索不只是“找到一些看起来相关的论文”。每次都应记录数据库或平台、完整检索式、检索日期、语言和年份限制、结果数量，以及去重方式。需要透明报告检索过程时，可参考 PRISMA-S。
AI 可以帮助扩展关键词、检查布尔逻辑和整理记录，但不要把它自动生成的题名、作者、DOI 或引用直接当成真实文献。每条记录都应回到数据库、期刊页面或 DOI 页面核验。
第三步：按统一标准筛选论文
在阅读结果之前写清纳入与排除标准，并为每篇文献保留“待筛选”“摘要排除”“全文评估”“全文排除及原因”或“最终纳入”等状态。
只把已确认纳入的论文放入正式综合项目，能减少无关证据污染。
如果 AI 协助初筛，可以让它标记“可能符合”或“需要人工确认”的项目，但不应替你作最终纳入决定。边界案例尤其需要人工复核。
第四步：建立可以回到原文的证据矩阵
证据矩阵不是把每篇摘要抄进表格，而是为纳入研究建立结构化记录。至少包含：
来源：作者、年份、题名、期刊、DOI 或稳定链接；
研究设计：样本、地区、方法和比较条件；
主要结果：与研究问题直接相关的发现；
证据定位：页码、表格、图或原文段落位置；
局限与主题：偏倚风险、样本限制，以及该研究支持、反驳或补充的主题。
这样写出综合结论后，才能快速回到支持该结论的研究和具体位置，而不是依赖 AI 生成的流畅记忆。
第五步：综合“关系”，不要按论文逐篇排队
低质量综述常写成“A 发现……B 发现……C 发现……”。读者看完仍不知道证据在哪些条件下相同、冲突或缺失。
真正的综合应回答：研究在哪些方面一致？冲突发生在哪里？差异是否来自样本、测量、地区、时间或研究设计？哪些证据更可靠？目前仍缺少什么？
可以让 AI 根据证据矩阵提出候选主题和冲突点，再由你逐项检查。
实用段落结构
主题判断 → 支持证据 → 冲突或例外 → 方法差异 → 当前可以得出的有限结论。不要用“多数研究表明”代替可核验的数量和条件。
第六步：让 IvyCraft 规划产物，但保留研究者审批
上传已获授权使用的纳入论文、检索记录、证据矩阵和研究问题。
让 Agent 自动分析资料，识别主题、证据冲突、薄弱环节和缺失信息。
审阅它自动生成的内容规划，调整主题顺序、论证强度和不能外推的边界。
确认内容规划后，再选择综述简报、研究演示或信息图模板并生成内容。
通过对话补充反例、缩小结论或回查某条证据，并逐条验证引用。
这套流程的重点不是让工具“代写结论”，而是减少重复整理工作，同时保留研究者对结构、证据和最终表述的控制。
隐私、版权与保密提醒
不要把未获授权的全文、个人敏感信息、未发表或处于保密期的手稿上传到无法确认数据处理规则的服务。使用前应检查学校、期刊、研究伦理要求和平台条款。
成稿前的五项核验
证据检查：每个重要事实、数字和引用能否回到原文？是否把相关性写成因果？
覆盖检查：检索是否遗漏关键数据库、术语、年份或灰色文献？排除理由是否一致？
综合检查：主题是否来自证据，而不是来自预设观点？冲突研究是否得到解释？
表达检查：段落是否先给判断，再给证据与边界？术语和缩写是否保持一致？
AI 使用检查：目标期刊、课程或机构是否要求披露 AI 工具、用途和使用范围？如果需要，应如实说明。作者始终要对准确性、原创性、引用和最终内容负责。
四种看似省时、实际危险的做法
只读 AI 摘要。 摘要常省略方法细节、限制和负面结果。
让 AI 自动补引用。 可能出现不存在、错配或无法支持句子的来源。
把文献数量当质量。 低质量研究重复十次，也不会自动变成强证据。
忽略授权、隐私与保密要求。 方便上传不代表有权上传，尤其要谨慎处理未发表手稿和敏感资料。
总结：让 AI 加速整理，不要让它切断证据链
一篇可信的 AI 文献综述，不是由模型一次生成的长文，而是一条可以检查的证据链：研究问题 → 检索记录 → 筛选决定 → 证据矩阵 → 主题综合 → 引用核验。
先把证据系统建好，再使用 IvyCraft 分析材料、自动形成内容规划并由你确认，最后生成和迭代内容。这样既能提高效率，也能保留研究判断和学术责任。
AI 文献综述常见问题
AI 可以直接替我写完整的文献综述吗？
不建议直接生成后提交。AI 适合协助扩展检索词、整理证据、发现主题和改进表达；研究问题、筛选、质量评价、综合判断和最终核验必须由作者负责。
如何避免 AI 生成不存在的引用？
不要要求模型凭记忆补齐参考文献。让每条引用都来自已核验的数据库记录或原文，并逐项检查题名、作者、年份、期刊、DOI 和引用内容。
证据矩阵应该包含哪些字段？
至少包含来源信息、研究设计、样本、主要结果、证据定位、局限性和主题标签。具体字段应根据综述类型和研究问题调整。
研究结论互相冲突时怎么办？
不要简单投票。比较样本、测量、研究设计、地区、时间和偏倚风险，说明冲突可能来自哪里，以及现有证据最多支持到什么程度。
使用 AI 做文献综述需要披露吗？
取决于期刊、学校、课程或资助机构的政策。提交前应检查最新要求；需要披露时，说明使用了什么工具、用于什么环节以及作者如何核验结果。AI 工具不能作为作者，也不应被当作原始证据引用。
IvyCraft 在这个流程中适合做什么？
适合在材料已经整理后，分析主题、冲突和研究空白，自动提出内容规划供你确认，再按所选模板生成和迭代内容。它不能替代文献真伪、研究质量和引用准确性的人工判断。