综述写作这件事，很多人以为难点在"读文献"，其实真正折磨人的是"筛文献"和"理逻辑"。我做过三次系统性文献综述，前两次都是手动筛摘要、手动建表格、手动归类，一次下来少说两周，眼睛都快看瞎了。第三次我开始认真研究市面上的SLR-AI工具，前后试了七八款，踩了不少坑，也摸出了一些门道。这篇就聊聊我用这些工具做综述的真实体验，哪些环节AI确实能帮上忙，哪些环节它反而会添乱，以及怎么组合使用才能把效率真正提上去。
1. 先搞清楚SLR-AI到底在综述流程的哪个位置发力
1.1 系统性文献综述的标准流程拆解
在聊工具之前，得先把系统性文献综述（Systematic Literature Review，简称SLR）的标准流程理清楚。不管你用什么工具，这个流程的骨架是不变的。按照经典的SLR方法论，整个流程大致分为几个阶段：确定研究问题、制定检索策略、执行检索、去重与初筛、全文筛选、数据提取、质量评估、综合分析与撰写。
每个阶段的工作量和难度差异很大。检索策略的制定需要你对领域有足够理解，知道该用哪些关键词、哪些数据库、时间范围怎么定。执行检索本身不难，但检索结果动辄几百上千条，去重和初筛就是体力活了。全文筛选更费时间，你得下载PDF、快速浏览、判断是否纳入。数据提取是最耗心力的环节，要从每篇纳入文献中提取研究设计、样本量、核心发现、局限性等信息，整理成结构化表格。最后的综合分析和撰写，考验的是你的学术写作能力和逻辑组织能力。
我自己的经验是，在一个中等规模的综述项目中（检索结果500-800条，最终纳入30-50篇），去重初筛大概占30%的时间，全文筛选占20%，数据提取占25%，分析和撰写占25%。也就是说，超过一半的时间花在了"筛选"和"提取"这两个机械性较强的环节上。这恰恰是AI工具最有可能帮上忙的地方。
1.2 AI能介入的四个关键节点
基于我的实际使用经验，SLR-AI工具目前能有效介入的主要是四个节点。
第一个是检索结果的去重与初筛。你从不同数据库导出的文献记录格式不同，有RIS、BibTeX、CSV等，手动去重很容易漏。AI工具可以自动识别重复记录，并根据你设定的纳入排除标准，对标题和摘要进行初步分类，给出"可能纳入""可能排除""不确定"的标签。
第二个是全文筛选辅助。部分工具支持上传PDF，AI会读取全文后判断是否符合你的纳入标准。这个功能听起来很美，但实际准确率参差不齐，后面我会详细说。
第三个是数据提取。这是我觉得AI帮助最大的环节。你定义好需要提取的字段（比如研究方法、样本量、主要结论），AI可以从全文中自动抽取并填入表格。虽然需要人工核对，但比从零开始填表快太多了。
第四个是证据综合与可视化。一些工具能根据提取的数据自动生成证据表、森林图式的汇总视图，甚至帮你梳理出研究之间的共识与分歧。这个环节AI更多是辅助整理，真正的分析判断还得靠人。
1.3 为什么"全自动综述"是个伪命题
市面上有些工具宣传"一键生成综述"，我实测下来的结论是：目前阶段，全自动综述基本不可靠。原因有三。
其一，综述的核心价值在于批判性分析，而不是文献堆砌。AI可以帮你总结每篇文献说了什么，但它很难判断这些研究的方法论质量如何、结论之间为什么矛盾、你的研究问题在这个领域处于什么位置。这些判断需要领域知识，AI目前给不出有深度的见解。
其二，纳入排除标准的执行需要语境理解。比如你的标准是"排除非实证研究"，但有些论文方法部分写得很模糊，AI可能误判。再比如"排除样本量小于30的研究"，AI需要准确找到样本量信息，但有些论文的样本量分散在多个段落中，AI容易漏读。
其三，学术诚信问题。综述是你对领域的理解和判断的体现，如果完全交给AI生成，且不加以核实和改写，存在明显的学术规范风险。AI应该是你的助手，不是你的替身。
所以我的建议是：把AI定位为"效率工具"而非"决策工具"。它帮你省去机械劳动的时间，让你把精力集中在真正需要人类判断的环节上。
2. 我实测过的几类SLR-AI工具及其真实表现
2.1 文献筛选类工具：去重和初筛的自动化
这类工具的核心功能是帮你处理检索结果，完成去重和基于标题摘要的初筛。我试过的主要有基于规则的和基于AI的两类。
基于规则的工具（比如一些系统综述管理平台自带的去重功能）主要靠标题相似度、DOI匹配、作者+年份组合来判断重复。这类工具的好处是透明、可解释，你知道它为什么判定两条记录重复。缺点是对于标题略有差异但实际是同一篇的情况，容易漏判。
基于AI的工具则更进一步，它不仅能去重，还能根据你输入的纳入排除标准，对每条记录的标题和摘要进行语义分析，给出分类建议。我实测下来，在标准明确、摘要信息完整的情况下，AI初筛的准确率大概在80%-85%左右。听起来不错，但剩下的15%-20%的误判需要你逐条复核，而且AI往往会"过度纳入"——它倾向于把不确定的都标为"可能纳入"，导致你需要复核的数量比预期多。
实操建议：用AI做初筛时，把纳入标准写得尽可能具体。比如不要写"排除质量低的研究"，而是写"排除样本量小于30、未报告效应量、非随机对照设计的研究"。标准越具体，AI的判断越准。
2.2 数据提取类工具：结构化表格的自动填充
数据提取是我认为AI帮助最明显的环节。传统做法是你打开每篇PDF，找到需要的信息，复制粘贴到Excel表格里。一篇文献少说5分钟，50篇就是4个多小时。用AI工具的话，你上传PDF，定义好提取字段，它能在几分钟内给出初步结果。
我试过的工具有的专注于数据提取，有的把提取功能集成在更大的综述管理平台里。它们的共同逻辑是：你提供提取模板（比如"研究设计""样本量""干预措施""主要结局指标""核心结论"），AI逐篇读取全文，把对应信息填入表格。
实际表现方面，结构化程度高的信息提取准确率较高，比如研究设计类型、样本量、国家、发表年份这些。但需要语义理解的信息容易出错，比如"主要结论"的提炼，AI有时会抓错重点，或者把讨论部分的一个次要观点当成主要结论。另外，如果论文的写作结构不规范（比如方法部分和结果部分混在一起），AI的提取质量会明显下降。
我的做法是：AI提取完第一轮后，我逐篇核对，重点核对"核心结论"和"局限性"这两个字段。核对过程中直接修改，比从零填表还是快很多。整体算下来，数据提取环节的时间能压缩60%左右。
2.3 证据综合类工具：从数据到洞察的距离
证据综合类工具试图帮你从提取的数据中生成汇总视图，比如证据表、研究特征汇总、甚至初步的定性综合。我试过的几款工具能自动生成"研究特征表"，把纳入文献的研究设计、样本、干预、结局等列成一张大表，这个功能确实省事。
但到了"综合"层面，AI的表现就比较有限了。它能做的是描述性汇总，比如"在纳入的35项研究中，20项采用随机对照设计，15项采用准实验设计；样本量范围从45到1200不等"。这种描述性统计对写综述的"结果"部分有帮助，但它无法告诉你"为什么这些研究结论不一致""哪些调节变量可能解释了异质性""这个领域的理论缺口在哪里"。
我个人的做法是：用AI生成的汇总表作为写"结果"部分的素材，但"讨论"部分完全自己写。讨论部分是综述的灵魂，需要你对领域的深刻理解，AI目前替代不了。
2.4 写作辅助类工具：语言润色与结构建议
还有一类工具专注于综述的写作环节，提供语言润色、段落重组建议、甚至根据你的笔记生成初稿。我用过几款通用的AI写作工具来做综述写作辅助，体验是：润色可以，生成不行。
润色方面，AI能把你的中式英语改得更地道，能帮你把冗长的句子拆短，能建议更准确的学术用词。这些功能确实有用，尤其是当你不是英语母语者时。
但如果你指望AI根据你的笔记直接生成一段综述正文，结果往往很"空"——它会把你的笔记重新组织一下，用一些看起来很学术但实际上没有信息量的句子填充，读起来像那么回事，细看全是废话。所以我的建议是：自己写初稿，用AI润色，而不是让AI写初稿你来改。
3. 工具选型时最容易忽略的几个维度
3.1 数据安全与隐私合规
这一点很多人不在意，但我觉得非常重要。你上传的文献PDF、提取的数据、研究笔记，都涉及你的研究内容。如果工具是云端服务，你的数据就存在别人的服务器上。对于未发表的研究，这存在泄露风险。
我在选工具时会优先看几个点：是否支持本地部署、数据是否加密传输、隐私政策是否明确说明不会将用户数据用于模型训练、是否支持数据导出和删除。有些工具虽然功能强，但隐私政策写得含糊，我就直接排除了。
注意：如果你的综述涉及敏感领域或未发表数据，建议优先选择支持本地运行的工具，或者至少确认工具有明确的数据保护承诺。
3.2 与现有工作流的兼容性
另一个容易忽略的点是工具能否融入你现有的工作流。比如你习惯用Zotero管理文献，那工具是否支持从Zotero导入导出就很关键。你习惯用Excel做数据提取，那工具能否导出CSV格式就很重要。
我踩过的一个坑是：选了一个功能很强的工具，但它只支持自己的文献库格式，我从Zotero导出的数据要经过好几次格式转换才能导入，转换过程中还丢了元数据。后来我换了一个支持标准RIS/BibTeX导入的工具，虽然功能少一些，但工作流顺畅多了。
3.3 可解释性与可复现性
综述的一个核心要求是可复现。别人应该能按照你描述的方法，重复你的筛选和提取过程，得到相同的结果。如果AI工具是个黑箱，你只知道它给了你一个分类结果，但不知道它为什么这么分，那你的综述方法部分就很难写清楚。
所以我在选工具时，会特别关注它是否提供决策依据。比如筛选时，它是否显示"判定为纳入，因为摘要中提到了随机对照设计且样本量为120"。这种可解释性对你写方法部分、对审稿人理解你的流程都很重要。
3.4 成本与学习曲线
最后是成本。SLR-AI工具的价格差异很大，有免费的、有按月订阅的、有按项目收费的。我的建议是：先明确你的需求频率。如果你一年只做一次综述，按项目付费可能更划算；如果你持续做综述，订阅制可能更经济。
学习曲线也要考虑。有些工具功能强大但界面复杂，你需要花时间学习怎么用。如果学习成本太高，省下来的时间可能还不够你学工具的时间。我一般会先用免费试用版跑一个小项目，感受一下上手难度，再决定是否深入使用。
4. 把AI嵌入综述流程的实操方案
4.1 检索与去重阶段的AI介入方式
这个阶段我的做法是：先在各个数据库执行检索，导出RIS格式的记录，然后统一导入一个支持AI去重的工具。导入后，工具会自动识别重复记录并合并。我会人工抽查一部分合并结果，确认没有误合并。
去重完成后，我会把纳入排除标准输入工具，让它对标题和摘要进行初筛。这里有个技巧：把标准分成"硬性标准"和"软性标准"。硬性标准是明确的、可自动判断的，比如"发表年份在2015-2024之间""必须是英文文献""必须是实证研究"。软性标准需要语义理解，比如"研究主题必须与XX相关"。我会让AI先执行硬性标准，把明显不符合的排除掉，然后再用AI辅助软性标准的判断。
初筛完成后，工具会给出一个分类列表。我不会直接接受AI的分类，而是逐条复核"不确定"和"可能纳入"的记录。复核时我会看标题和摘要，快速判断。这个环节虽然还是要花时间，但比从零开始筛快多了。
4.2 全文筛选与数据提取的协作模式
全文筛选阶段，我的做法是：先下载所有可能纳入文献的PDF，然后用AI工具批量读取，让它根据纳入标准判断是否纳入。AI的判断结果我会逐篇复核，重点看那些AI判定为"排除"但我直觉觉得应该纳入的文献。
数据提取阶段，我会先设计好提取模板，字段包括：作者年份、研究设计、样本特征、干预/暴露、主要结局、核心发现、局限性。然后把PDF批量上传，让AI自动提取。提取完成后，我会逐篇核对，重点核对"核心发现"和"局限性"这两个字段。
这里有个经验：AI提取的结果不要直接用于最终表格，而是作为"初稿"。我会在AI提取的基础上修改和补充，这样比从零填表快，也比完全信任AI准确。
4.3 综合写作阶段的人机分工
到了综合写作阶段，我的分工是：AI负责整理素材，我负责写正文。
具体来说，我会让AI根据提取的数据生成研究特征汇总表、按主题分类的文献列表、主要结论的对比表。这些素材帮我快速回顾纳入文献的全貌。然后我自己写"结果"部分，描述纳入研究的主要特征和发现。写"讨论"部分时，我完全自己来，因为这部分需要我对领域的判断。
写完后，我会用AI做语言润色，把中式表达改得更地道，把长句拆短，检查术语一致性。但润色后的版本我会再读一遍，确保AI没有改变我的原意。
4.4 质量核查与人工复核的不可替代性
最后强调一点：AI的输出必须经过人工复核。我一般会做三层核查。
第一层是随机抽查。从AI的筛选结果中随机抽10%-20%的记录，人工重新判断，看AI的准确率如何。如果准确率低于85%，我会考虑调整标准或换工具。
第二层是边界案例核查。那些AI判定为"不确定"或处于纳入排除边界的文献，我会逐篇仔细看，确保判断准确。
第三层是数据一致性核查。AI提取的数据，我会检查是否有内部矛盾，比如样本量在摘要和正文中不一致、研究设计在不同段落中描述不同等。这些矛盾往往意味着AI提取有误。
5. 那些AI帮倒忙的时刻与应对策略
5.1 摘要信息不足导致的误判
我遇到过好几次这样的情况：一篇文献的摘要写得很简略，没有明确报告研究设计或样本量，AI就根据有限信息做了判断，结果判错了。比如一篇实际上是随机对照试验的论文，摘要里只写了"我们比较了两组参与者的结果"，AI可能判定为"非随机设计"而排除。
应对策略是：对于摘要信息不足的文献，不要依赖AI的判断，直接下载全文人工判断。我一般会设置一个规则：如果摘要中缺少关键信息（研究设计、样本量、主要结局），就标记为"需人工判断"，不进入AI自动筛选流程。
5.2 跨语言文献的处理短板
如果你的综述需要纳入非英文文献，AI工具的表现会明显下降。我试过让AI处理中文和日文文献，提取准确率比英文低不少。主要问题是术语翻译不准确、句式理解错误、文化语境缺失。
应对策略是：非英文文献尽量人工处理，或者先用翻译工具翻译成英文再让AI处理，但翻译过程中可能丢失细节，所以翻译后的结果也需要人工核对。
5.3 对研究质量的判断偏差
AI可以提取研究设计、样本量这些表面信息，但它很难判断研究的内部效度和外部效度。比如一项研究声称是随机对照，但随机化方法有问题；或者样本量很大但抽样偏差严重。这些质量问题AI看不出来。
应对策略是：质量评估环节完全人工做。我会用标准的质量评估工具（比如Cochrane风险偏倚评估工具）逐篇评估，不依赖AI。
5.4 过度依赖AI导致的思维惰性
这是最隐蔽但也最危险的问题。当你习惯了AI帮你筛选、提取、总结，你可能会不自觉地减少对文献的深度阅读。你看着AI生成的汇总表，以为自己了解了这些研究，但实际上你错过了很多细节和 nuance。
我的应对策略是：强制自己深度阅读核心文献。对于最终纳入的每一篇文献，我至少会完整读一遍全文，做笔记，写批注。AI帮我省的是机械劳动的时间，不是阅读和思考的时间。
6. 从工具使用反推综述写作的能力建设
6.1 检索策略的设计能力依然是核心
用了这么多AI工具，我最大的感受是：工具再强，也替代不了好的检索策略。如果你的检索词选得不准、数据库选得不全、时间范围定得不合理，再好的AI也帮不了你。检索策略的设计需要你对领域的深刻理解，知道这个领域的核心概念是什么、常用的同义词有哪些、哪些数据库收录了这个领域的文献。
我一般会花不少时间在检索策略的设计上：先做预检索，看看检索结果的相关性如何；然后调整关键词，增加同义词、调整布尔逻辑；再测试几次，直到检索结果的相关性满意为止。这个过程AI可以辅助（比如帮你生成同义词列表），但核心判断还是靠人。
6.2 对纳入排除标准的清晰定义
AI筛选的准确率高度依赖你的纳入排除标准是否清晰。如果你的标准模糊、有歧义，AI的判断就会不稳定。所以我在制定标准时，会尽量做到：每条标准都有明确的判断依据、标准之间不重叠、边界情况有明确的处理规则。
比如"排除非实证研究"这条标准，我会进一步明确：什么是实证研究？包括哪些设计？排除哪些类型（综述、评论、社论、案例报告）？边界情况（比如混合方法研究）怎么处理？标准越清晰，AI执行起来越准确。
6.3 数据提取模板的科学设计
数据提取模板的设计直接影响AI提取的准确率。我的经验是：字段名称要具体、字段定义要明确、字段格式要统一。
比如不要写"样本信息"，而是拆成"样本量""样本特征（年龄、性别、来源）""抽样方法"三个字段。不要写"结果"，而是拆成"主要结局指标""效应量""置信区间""p值"。字段越具体，AI越容易准确提取。
另外，对于每个字段，我会在模板中写一个简短的说明，告诉AI这个字段应该提取什么信息。比如"样本量：指最终纳入分析的参与者数量，不包括失访者"。这种说明能显著提高AI的提取准确率。
6.4 批判性综合与学术写作的不可替代性
最后，也是最重要的：综述的核心价值在于批判性综合。AI可以帮你整理文献、提取数据、生成汇总表，但它无法替代你对领域的判断、对研究之间关系的洞察、对理论缺口的识别。这些能力需要你大量阅读文献、深入思考、反复打磨。
我的建议是：把AI当作你的研究助理，而不是你的替身。让它帮你处理机械性工作，你把省下来的时间用在深度阅读和思考上。这样你不仅能写出更好的综述，也能在这个过程中真正提升自己的学术能力。
用AI做综述这件事，我的整体感受是：它确实能显著提高效率，但前提是你要知道它的边界在哪里。用对了地方，它能帮你省下一半以上的时间；用错了地方，它可能给你添乱，甚至影响综述的质量。希望我的这些经验能帮你少走一些弯路。
