文献综述Skill：多库检索、引用校验、专业排版的系统性文献综述助手
- 一个技能打通全流程：从研究问题界定、多数据库检索、去重筛选、质量评估，到主题综合、引用校验与 PDF 生成，覆盖系统性文献综述的 7 个阶段。
- 不止“能搜”，还要“搜得可复现”：强制记录搜索字符串、检索日期、结果数量与纳入/排除标准，符合 PRISMA 与学术规范。
- 引用必须验证：内置
verify_citations.py，逐条解析 DOI 并从 CrossRef 取回元数据核对，避免“看起来像真的”的假引用。 - 强制的可视化要求：每篇综述至少包含 1–2 张由 scientific-schematics 技能生成的出版级图表（如 PRISMA 流程图）。
- 与科学技能生态联动：可与 gget、bioservices、datacommons-client、matplotlib 等技能组合，形成“检索—分析—成图—写作”的闭环。
1. 该技能叫什么？如何下载安装 AI 技能提升开发效率？
技能基本信息
| 项目 | 内容 |
|---|---|
| 技能中文名 | 文献综述 |
| 技能英文名 | literature-review |
| 技能ID | 13062 |
| 允许工具 | Read、Write、Edit、Bash |
| 主要输出 | Markdown 文档 + 专业排版 PDF |
它解决什么问题
写过综述的人都熟悉这几类痛苦：一是数据库太分散，PubMed、arXiv、bioRxiv、Semantic Scholar 各搜一遍，结果还要人工合并去重；二是引用容易出错，作者名、年份、卷期页码、DOI 张冠李戴，投稿后被审稿人抓到；三是格式不统一，APA、Nature、Vancouver 各有各的规矩，手动改到崩溃；四是过程不可复现，半年后自己都说不清当初用了什么检索式。这个技能的价值就在于把上述流程标准化、脚本化、可验证化——用固定的阶段化工作流 + 三个脚本（检索结果处理、引用校验、PDF 生成）把这个过程固定下来。
“一键安装”的思路与步骤
- 安装前提：确认你的 AI 助手环境支持该技能声明的工具集（Read / Write / Edit / Bash），因为技能需要读写文档、执行 Python 脚本。
- 技能获取入口：在技能市场/技能库中按中文名“文献综述”、英文名“literature-review”或技能ID“13062”检索并安装。具体的市场入口地址与安装按钮位置，以官方说明为准。
- 补齐运行依赖（脚本运行必需）：
- Python 包：
pip install requests（用于引用验证） - PDF 依赖：macOS 用
brew install pandoc、brew install --cask mactex；Linux 用apt-get install pandoc、apt-get install texlive-xetex
- Python 包：
- 验证是否生效：
- 执行
python scripts/generate_pdf.py --check-deps，检查 pandoc 与 xelatex 是否就绪； - 让助手复述该技能的 7 个阶段工作流，或直接执行
cp assets/review_template.md test_review.md，若模板文件能被正常复制，说明技能资源已正确加载。
- 执行
2. 该技能的主要功能和特点
- 多数据库系统性检索：覆盖 PubMed/PMC、bioRxiv/medRxiv、arXiv、Semantic Scholar，并可通过 gget、bioservices 扩展到 ChEMBL、KEGG、UniProt、COSMIC、AlphaFold 等专业库。
- 结构化工作流（7 阶段）：规划与范围界定 → 系统性检索 → 筛选与选择 → 数据提取与质量评估 → 综合与分析 → 引用验证 → 文档生成，每一阶段都有明确产出物。
- PICO 框架辅助定题：面向临床与生物医学综述，用“人群—干预—比较—结果”把模糊的研究兴趣收敛成可检索的问题。
- 检索结果聚合脚本：
search_databases.py支持--deduplicate（按 DOI 优先、标题备用去重）、--rank citations（按被引数排序）、--year-start/--year-end年份限定、--format markdown输出与--summary摘要。 - 引用验证能力（差异化核心）：
verify_citations.py提取文中所有 DOI，校验解析结果，从 CrossRef 拉取元数据比对作者、标题、出版物信息，并生成 JSON 验证报告。 - 多引用样式支持：APA（第 7 版）、Nature、Vancouver、Chicago、IEEE，文内引用与参考文献列表保持一致。
- 出版级 PDF 输出：
generate_pdf.py支持--citation-style切换样式、--no-toc关闭目录、--no-numbers关闭章节编号。 - 强制图表：至少 1–2 张 AI 生成示意图（PRISMA 流程图、检索策略流程图、主题综合图、概念框架图等），通过
python scripts/generate_schematic.py "图表描述" -o figures/output.png生成。 - 质量评估工具映射：RCT 用 Cochrane 偏倚风险工具，观察性研究用 Newcastle-Ottawa 量表，系统综述用 AMSTAR 2。
- 高影响力优先策略：内置按论文年龄划分的被引阈值表（如 0–3 年 100+ 被引为“高度有影响力”），以及期刊层级（Nature/Science/Cell/NEJM/Lancet/JAMA/PNAS 优先）与作者声誉评估建议。
和普通工具比强在哪：普通文献管理工具管的是“存”，通用搜索管的是“找”，而这个技能管的是“从问题到成稿的全链条”，并且把可复现性和引用真实性做成了强制环节，而不是靠自觉。
3. 如何使用该技能？
以下为可直接参照的分步用法。
第 1 步：定义研究问题（PICO）
例如：“与标准护理（C）相比，CRISPR-Cas9（I）治疗镰状细胞病（P）的疗效如何？”同时确定综述类型（叙事性 / 系统性 / 范围性 / 荟萃分析）与边界（时间范围、语言、研究设计）。
第 2 步：制定检索策略
从研究问题中抽出 2–4 个核心概念，为每个概念列同义词、缩写与相关术语，用 AND / OR / NOT 组合，并至少选择 3 个互补数据库。
第 3 步：多库检索并记录参数
gget search pubmed "CRISPR gene editing" -l 100
gget search biorxiv "CRISPR sickle cell" -l 50
每个数据库都要在文档中留下检索记录，格式参考：
### 数据库：PubMed
- 搜索日期：2024-10-25
- 日期范围：2015-01-01 至 2024-10-25
- 搜索字符串：("CRISPR"[Title] OR "Cas9"[Title]) AND ("sickle cell"[MeSH] OR "SCD"[Title/Abstract]) AND 2015:2024[Publication Date]
- 结果：247 篇
第 4 步：聚合、去重与排序
python search_databases.py combined_results.json \
--deduplicate --rank citations \
--year-start 2015 --year-end 2024 \
--format markdown --output search_results.md --summary
第 5 步：三级筛选并绘制 PRISMA 流程图
标题筛选 → 摘要筛选 → 全文筛选，逐级记录排除数量与原因，最后形成“初始 n=X → 去重后 Y → 标题后 Z → 摘要后 A → 纳入 B”的漏斗。
第 6 步：生成图表（不可跳过）
python scripts/generate_schematic.py "CRISPR 治疗镰状细胞病的系统性文献综述 PRISMA 流程图" -o figures/prisma.png
第 7 步：按模板撰写主题综合
cp assets/review_template.md my_literature_review.md
写作要点是按主题而非按文献组织。例如：“病毒载体（AAV）在 15 项研究中显示高转导效率（65–85%），但引发免疫原性担忧；相比之下脂质纳米颗粒效率较低（40–60%），安全性更好。”
第 8 步：验证全部引用
python scripts/verify_citations.py my_literature_review.md
cat my_literature_review_citation_report.json
发现失败条目后修正原文，重复运行直到全部通过。
第 9 步：生成 PDF 并质检
python scripts/generate_pdf.py my_literature_review.md \
--citation-style nature --output my_review.pdf
随后对照质量检查清单逐项确认：DOI 全部验证、引用样式统一、PRISMA 流程图已包含、检索方法完整记录、结果按主题组织、质量评估完成、局限性已说明、参考文献完整、PDF 无报错。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势 | 不足 |
|---|---|---|---|---|---|---|
| literature-review（本技能） | 全流程系统性文献综述生产工具 | 多库检索、去重聚合、PRISMA 流程、质量评估、DOI 引用校验、多引用样式、MD/PDF 输出 | 需支持 Read/Write/Edit/Bash 的运行环境，并安装 requests、pandoc、xelatex | 学术综述、论文文献部分、基金申报背景材料 | 流程标准化、引用可验证、可复现、成稿即排版 | 首次依赖安装有一定门槛；检索质量依赖检索式设计能力 |
| 人工传统流程（PubMed + EndNote/Zotero + Word） | 手工检索与文献管理 | 数据库检索、文献库管理、插入引用 | 低门槛但耗时极长 | 小规模叙事性综述 | 完全可控、符合个人习惯 | 去重与格式全部手工，引用错误率高，过程难以复现 |
| 通用大模型直接撰写 | 对话式生成综述文本 | 生成结构化的综述段落 | 门槛极低 | 快速了解某个领域、写科普式概述 | 上手快、语言流畅 | 不执行真实数据库检索，引用易“编造”，无法生成 PRISMA 流程与可验证报告 |
| AI 文献检索类工具（如 Elicit / Consensus 类） | 面向检索与问答的辅助工具 | 语义检索、论文速读、结果摘要 | 订阅制、网页操作 | 快速摸底某主题的高被引论文 | 检索体验好、上手快 | 偏“找与读”，弱于系统性筛选、质量评估与规范排版输出 |
| 系统综述协作平台（如 Covidence 类） | 团队协作式系统综述管理 | 双人筛文、偏倚风险评估、PRISMA 流程 | 需注册与付费，学习成本较高 | 大型团队系统综述 / 荟萃分析 | 流程严谨、支持多人协作 | 门槛高、偏管理流程，文档撰写与排版仍需另找工具 |
选型建议：如果只是“快速了解一个领域”，通用对话式工具足够；如果是“要交稿、要投稿、要经得起审稿人查引用”，本技能的优势最明显；如果是十人以上团队协作的大型系统综述，可考虑专业协作平台做筛选管理，再用本技能完成综合写作与成稿输出。
5. 该技能的典型应用场景与实际体验情况
场景一：研究生的学位论文文献综述章节 痛点：要在两三周内读完上百篇文献，还要保证引用格式符合学校要求。使用方式：先用 PICO 收窄题目，跑 3 个数据库的检索，用脚本去重并按被引数排序，优先精读高影响力论文，再按主题成文并用 APA 样式出 PDF。体验：上手前 1–2 小时主要花在依赖安装和检索式调试上，之后流程非常顺；最大的“爽点”是引用校验报告，一眼能看出哪条 DOI 有问题。
场景二：课题组投稿前的系统性综述（PRISMA 合规） 痛点：期刊要求提供 PRISMA 流程图与完整检索记录，人工整理极易遗漏。使用方式：逐库记录检索字符串与命中数，三级筛选逐级记录排除原因，用 scientific-schematics 生成 PRISMA 流程图，最后按目标期刊样式（如 Nature）出稿。体验：合规性材料一次性备齐，审稿人追问检索细节时可以直接给出原始记录。注意事项：预印本（bioRxiv、medRxiv、arXiv）未经同行评审，需单独标注并核查是否已正式发表。
场景三：技术团队做技术趋势调研（arXiv / Semantic Scholar） 痛点：AI 领域进展快，官方文档滞后，需要看一手论文。使用方式：以 arXiv 分类（如 cs.LG、q-bio.QM）加标题关键词构造检索式，配合 Semantic Scholar 做正向/反向引用链扩展，找到奠基性工作与最新跟进研究。体验：引用链扩展是意外好用的功能，能把“只搜到综述”变成“搜到整条技术脉络”。
场景四：医学与生物信息方向的方法学背景写作 痛点：需要引用 ChEMBL、UniProt、KEGG、COSMIC 等专业库数据，还要写清新颖方法的背景。使用方式：通过 gget 与 bioservices 技能取数，用本技能统一纳入综述的方法学部分，形成数据与文献互相印证的叙述。体验：跨技能协作是核心亮点，但也最考验对各个技能边界是否熟悉。
整体体验总结：上手难度中等（门槛集中在依赖安装与检索式设计），效果在“规范性与可验证性”上明显优于手工流程，注意事项是——检索式设计得好不好，直接决定综述质量，建议先跑一次小规模试点检索再全量执行。
6. 该技能能为用户带来的价值
- 时间效率：把多库检索、去重、排序、格式转换这些机械劳动交给脚本，写作者可以把精力集中在“读、判断、综合”这些真正需要人的环节。
- 质量下限被抬高：引用校验、质量评估工具、PRISMA 记录三项硬性约束，让“不合格的综述”很难被交出去。
- 可复现性带来的长期价值：完整记录检索日期、检索字符串与命中数，半年后复跑同一检索式即可更新综述，这对需要定期更新的领域综述意义极大。
- 门槛降低：初学者不需要先读完一本系统综述方法学教材，按模板和 7 阶段流程走一遍，就能产出结构规范、引用可靠的文档。
- 产出即成品：Markdown 便于版本管理与协作，PDF 可直接用于提交与评审，省去排版返工。
7. 常见问题 FAQ
Q1：这个技能怎么安装？需要准备什么环境？
在技能市场按中文名“文献综述”、英文名“literature-review”或技能ID 13062 检索安装（具体入口以官方说明为准）。环境上需要支持 Read/Write/Edit/Bash 工具的运行环境，并安装 requests；若要生成 PDF，还需安装 pandoc 与 xelatex（macOS 用 Homebrew，Linux 用 apt），安装后用 python scripts/generate_pdf.py --check-deps 自检。
Q2：这个技能收费吗？ 技能本身的定价与授权方式请在官方技能市场页面确认，以官方说明为准。需要留意的是，检索过程中使用的第三方数据库或 API（如 Semantic Scholar 的部分能力）可能有自己的免费额度与密钥要求，同样以各平台官方说明为准。
Q3：它和直接用通用 AI 助手写综述有什么区别？
区别在于“是否真的做了检索”和“引用是否可验证”。本技能要求真实调用 PubMed、arXiv、bioRxiv、Semantic Scholar 等数据源，强制记录检索参数，并要求所有 DOI 通过 verify_citations.py 校验后引用；同时必须附带 PRISMA 流程图等图表。通用对话式写作容易生成看似合理但无法核实的文献条目。
Q4：引用能保证 100% 准确吗？ 脚本会校验每个 DOI 能否正确解析，并比对 CrossRef 返回的作者、标题与出版物信息，从而把“明显错误”筛出来。但它不能替代人的判断——例如某篇论文的结论是否被你正确解读，仍需作者自己复核。建议把验证报告当作必读清单，逐条确认。
Q5：谁最适合用它？和竞品怎么选？ 最适合研究生与科研人员（撰写论文综述章节）、课题组的系统综述负责人（需要 PRISMA 合规）、技术团队的调研者（跟踪 arXiv 前沿）。选型上：只需快速了解领域 → 通用对话式工具；需要检索与速读辅助 → AI 文献检索类工具；需要多人协作筛选 → 系统综述协作平台；需要从检索到成稿一条龙且引用可验证 → 本技能。若预算与人力允许，“协作平台管筛选 + 本技能管综合与成稿”是性价比较高的组合。