如何用 Agent Skill 做个性化文献综述？

它的效果怎么样呢？我在团队内部已经推广并且迭代了半年多。我的学生们都表示挺喜欢它的。

疑问

知识星球上，星友黄俊霞提问：

请教王老师，最近把您的两本书都又复习了一遍，重点看了 AI 辅助论文书写，里面涉及到许多软件，也有很多软件目前已经与时俱进了。我想请问在当前这个节点上，您用来进行文献检索，文献管理以及论文书写的最常用，最推荐的分别是哪些呢？

我的回复是：

那下一篇我介绍一个自己制作的文献回顾 skill，如何？

这个答复很受星友们欢迎，于是就有了你看到的这篇文章。

正式说明我自己的 Skill 如何制作，你如何获取，以及使用时候的注意事项之前，咱们先来分析一下现有工具的问题。

我几个月前写了一篇《 文献综述能放心交给 AI 吗？聊聊如何搭建「不翻车」的科研工作流》。这篇文章里，咱们提到了 AI 在文献综述环节可能的问题 ——「猜」或者说「编」文献。

Enago Academy 汇总多个模型的研究，AI 生成的参考文献仅 26.5% 完全正确，近 40% 错误或捏造；肾脏病学的评估里，ChatGPT 建议的文献仅 62% 真实存在，31% 凭空捏造，另有 7% 信息残缺。连 AI 顶会的审稿人都 集体漏检过。

本质上的原因，自然是模型训练的时候，被激励的行为就是回答得符合人类用户需求。而模型记住的，是模糊的规律，而不是完整背诵和复刻具体文献的事实。这是目前大语言模型训练过程中「胎里带」的问题。

另外，这还只是模型看过某篇文献的情况。更多的情况，是某篇文献出现在模型训练后，根本就不在训练数据中。那模型自身更是无法准确预知。

这个问题真的无解吗？其实不然。模型加上工具就好了嘛。

这里的工具，当然是文献检索工具。检索工具用得好，就有了学术文献综述垂类 AI 应用。我之前早已给你介绍过 Elicit, Scispace 等，都属于这一类。

但是，使用别人做好的应用，你的任务就缺乏灵活性。例如说，你希望文献综述更加毒舌一些，或者在分析的时候能够按照你预设的方向深挖一步。这些，远不如你用自己定义的 Skill + 好用的模型来处理，更为妥当。

所以，我自己做了个 Skill，名字非常直白，就叫做 literature review ，全景图大概是这样的。

它的效果怎么样呢？我在团队内部已经推广并且迭代了半年多。我的学生们都表示挺喜欢它的。

用法

把这个 Skill 放在你喜欢的 AI Agent 框架里，给它一句话主题，它最终会给你 Markdown、Word、PDF 三种不同格式的综述。

参考文献按 GB/T 7714 数字序号排好（这是学术参考文献推荐性国标，中文学位论文普遍采用），条条带 DOI 或 URL，点开能验证。

另外，我最近还让它多在 飞书文档部署了一个在线版。在线版效果不如本地版，但胜在可以立即分享。

在本文末尾，我会给你毫无保留地分享这个 Skill。

现在咱们来说说它的特点。

最大的特点，就是真实性。文献检索一律走六大学术数据库的 API（API，学术数据库开给程序的正式查询窗口）：OpenAlex、Semantic Scholar、CrossRef、Unpaywall、arXiv、PubMed，我专门为了这些查询配了十个脚本。

优先学术数据库 API（OpenAlex + Semantic Scholar），WebSearch 仅补充中文文献」；BibTeX 元数据权威来源：作者、期刊、卷期页码禁止从记忆猜测，必须从 API 或 CrossRef 提取。

检索拿回的每一条结果，都是文献数据库里真实存在的记录。你的 AI Agent 只管读、筛、写。

下面咱们按照这个 Skill 的处理步骤，来逐条介绍，让你看看它的设计构思。

界定

它接到题目后干的第一件事不是去搜，而是先画边界。

关键词构造分四层，核心概念、同义词、上位词、下位词。

时效敏感性也分四级，AI 和大模型这类话题标「极高」，只看近一两年。否则你想想看，今天再去谈论 GPT 3.5 的优缺点，是否还有人愿意听你聊呢？

基础理论标「低」，不设时限；再做领域路由，计算机和 AI 的题加 arXiv，生物医学加 PubMed。

为什么要先进行界定？因为如果你不说清楚， AI 拿 2019 年的文献去综述 2026 年的前沿科技话题，检索出来的就是一堆过时货。反之，2019 年的文献，对于某些领域来说，是非常重要新颖，也值得进入综述的。

检索

边界定了，才轮得到检索。检索必须走真实学术数据库，全程脚本化、可复现。统一 JSONL 输出 schema，也就是无论查到什么，都按统一格式存档，可回放、可审计。

现在它查一次文献跑五轮：OpenAlex、Semantic Scholar、领域库（arXiv 或 PubMed）、中文文献、去重。

文献来源有分工：OpenAlex 是主力，覆盖广、结果排序稳、带 OA 标记（OA，开放获取，全文可免费拿到）；Semantic Scholar 管引文图谱，CrossRef 管 DOI 解析，Unpaywall 管开放全文定位。DOI 精确匹配，加标题相似度超过 0.85 判重，否则预印本和期刊版会以两个身份挤进参考文献。别问我怎么知道的。

重构这个 Skill 的过程里，我曾经盯着它跑检索。它列出候选检索源，第三个蹦出来的是英国开放大学团队做的 CORE 数据库。我当时随手记了一句：「一激灵我就坐直了。看来 Claude Code 查找文献源的计划还真是内行啊。」

这就是具身认知了。毕竟咱和 CORE 数据库联合创始人、2019 年 JCDL 最佳论文奖得主 Petr 在 UIUC 聊得很投机嘛。

只是关键词再全，也有检索不完全的地方。我们得动用网络的力量。