这篇文章会围绕一个科研人最常见、也最危险的 AI 使用场景展开：
让 AI 帮你写文献综述，究竟是在提升效率，还是在制造“看起来像真的”学术幻觉？
文献综述是科研写作中最容易“看起来顺、实际上错”的部分。
因为它不仅要求语言流畅，更要求：
- 文献真实
- 引用准确
- 逻辑严密
- 研究脉络清晰
- 观点有证据支撑
而AI的问题也恰好出在这里：
它擅长总结、归纳、组织语言，
但并不天然知道一篇文献是否真实存在。
所以，真正成熟的用法，不是“让 AI 代写综述”，
而是让 AI 成为文献综述的辅助分析器、结构整理器、逻辑推演器，
同时建立一套防止“编造文献”的工作流。
下面这篇文章，我会从科研实践角度，讲透：
- AI 在文献综述中的正确角色
- 为什么它容易“编造文献”
- 如何设计一套安全有效的综述 workflow
- 可以直接使用的 prompt、toolkit、workflow.md、skill.md 模板
很多人第一次用 AI 写文献综述时，往往会有一个非常自然的想法：
你帮我把这领域的文献总结一下。
问题就在于：
如果你不给它真实的文献输入，
它就很可能给你一篇“结构完整、语言漂亮、但文献不可核实”的内容。
这就是所谓的“幻觉”风险。
在文献综述场景下，这种风险尤其危险，因为它会让人误以为：
- 某个观点已经被广泛验证
- 某些研究已经做过
- 某些理论已经形成共识
- 某些作者确实提出过某个结论
但实际上，这些内容可能并不存在，或者被夸大、误读、拼接了。
所以我们必须先明确一个原则：
AI 可以帮助你写综述的“逻辑”，但不能替你凭空创造“文献事实”。
一、先说结论：文献综述里，AI 最适合做什么？
AI 在文献综述中的正确定位，不是“文献生产者”，而是以下几种角色。
1. 结构设计器
帮助你搭建综述框架。
比如：
- 按时间线展开
- 按主题模块展开
- 按方法路径展开
- 按争议焦点展开
- 按研究对象展开
很多人综述写不下去，不是因为没文献，而是因为不知道怎么组织文献。
这正是 AI 很擅长的地方。
2. 文献摘要整理器
帮助你把你已经读过的文献，提炼成更清晰的要点。
例如：
- 研究问题是什么
- 方法是什么
- 结论是什么
- 局限是什么
- 与当前研究有什么关系
注意：这一步的前提是你提供真实文献或真实摘要。
AI 负责整理，不负责捏造。
3. 研究脉络分析器
帮助你从若干篇真实文献中，提炼出发展脉络、共识、争议和空白。
这对于写“研究现状”特别有用。
4. 逻辑连接器
帮助你把一篇篇文献之间的关系讲清楚。
比如：
- 谁是前人的工作
- 谁扩展了前人的方法
- 谁提出了反例
- 谁指出了局限
- 当前争议在哪里
5. 语言优化器
帮助你把综述表达得更学术、更顺畅、更有层次。
但注意，语言优化不等于事实校验。
语言可以交给 AI，事实必须由作者负责。
二、为什么 AI 容易在综述里“编造文献”？
这个问题必须讲清楚。
不是为了恐吓，而是为了建立正确使用边界。
1. 它本质上是语言模型，不是数据库
AI 的核心能力是生成“最像答案的文本”，而不是从真实文献数据库中检索并核验。
所以当你问：
某领域有哪些经典文献？
它可能会生成一些“看起来很像论文”的作者、年份、标题和结论，
但这些并不一定都真实存在。
2. 它会倾向于补全缺失信息
当你给的信息不完整时，AI 会自动“补齐”。
在写作里，这通常是一种优点；
但在文献综述里，这会变成风险。
比如：
- 缺一个作者名，它可能编一个
- 缺一个年份，它可能猜一个
- 缺一个结论，它可能合理化补上
这就是最危险的地方：
它不是故意造假，而是自动补全。
3. 它会把“常识性趋势”伪装成“具体引用”
AI 很擅长总结领域趋势，但如果你要求它给出具体文献，它可能会把“该领域通常认为……”写成“某某研究表明……”。
这会让综述从“概括趋势”滑向“虚构引用”。
4. 它可能混淆不同领域、不同作者、不同时间线
尤其在交叉学科里，AI 很容易把类似主题的研究混在一起，导致：
- 作者归属错误
- 研究对象错位
- 时间顺序混乱
- 研究结论被串联错
三、正确方法：让 AI 处理“你提供的文献”，而不是凭空生成文献
这句话是整篇文章最核心的原则：
先有真实文献，再让 AI 做总结、比较、组织、改写。
也就是说，AI 在文献综述中的任务顺序应该是：
- 你先收集文献
- 你把真实文献摘要/笔记/关键信息喂给 AI
- AI 帮你做结构化分析
- 你再回到原文核对
- 最后生成综述初稿
这是最稳妥的方式。
四、一个安全的文献综述 workflow 应该怎么设计？
下面这套 workflow，建议你直接收藏。
它适合科研人长期使用，也适合你做成自己的workflow.md。
Step 1：先建立“真实文献池”
不要一上来就让 AI 写。
先收集真实文献，建立你的文献池。
文献池至少应该包含：
- 题目
- 作者
- 年份
- 摘要
- 研究对象
- 方法
- 主要结论
- 局限
- 你自己的备注
如果条件允许，最好做成表格。
Step 2：让 AI 帮你做文献结构化摘要
这一步非常适合 AI。
推荐 Prompt
请根据我提供的真实文献摘要，帮我提取每篇文献的以下信息： 1. 研究问题； 2. 研究方法； 3. 核心结论； 4. 研究局限； 5. 与本课题的关联点。 请只基于我提供的内容总结，不要补充未提供的信息，不要编造文献细节。 输出时请用表格整理。这个 Prompt 的关键是：
只基于我提供的内容总结。
这句话能显著降低编造风险。
Step 3：按主题聚类，而不是按作者罗列
很多综述写成了“文献清单”，原因就是只是在罗列谁做了什么。
真正高质量的综述，不是“谁做了什么”，而是“这些研究之间是什么关系”。
推荐 Prompt
请根据以下文献摘要，帮我将文献按主题、方法、结论或争议点进行聚类。 请输出： 1. 每个主题簇的名称； 2. 属于该主题簇的文献； 3. 这个主题簇的核心观点； 4. 该主题簇内部的共识与分歧； 5. 可能存在的研究空白。 请仅基于我提供的文献内容分析，不要添加未给出的文献。这一步会帮助你从“文献列表”进入“文献网络”。
Step 4：识别研究脉络和争议
文献综述的价值，不在于总结多少，而在于是否抓住了学术问题的演化。
推荐 Prompt
请基于以下文献，帮我梳理该领域的研究脉络。 请重点回答： 1. 研究是如何发展的； 2. 哪些观点逐渐形成共识； 3. 哪些问题仍存在争议； 4. 哪些方法路径更常见； 5. 当前最明显的研究空白是什么。 请不要引用未提供的文献，不要虚构作者或年份。这类 Prompt 很适合从“读文献”走向“写综述”。
Step 5：让 AI 帮你生成综述提纲
当文献结构清楚后，再让 AI 输出提纲。
推荐 Prompt
请根据以下文献主题聚类结果，为我的文献综述生成一个适合论文写作的提纲。 要求： 1. 提纲逻辑要体现研究发展、核心主题、争议点和研究空白； 2. 每一部分说明应包含哪些类型的文献； 3. 提纲应适合学术论文写作，而不是简单文献罗列； 4. 不要添加未提供的文献事实。Step 6：最后才让 AI 帮你润色表达
等结构和内容都确认之后，AI 才适合介入语言层面。
推荐 Prompt
请在不改变原意、不增加新文献、不改变引用事实的前提下，帮我润色以下综述段落。 要求： 1. 保持学术表达； 2. 增强逻辑衔接； 3. 提升句子流畅度； 4. 不要擅自加入新的观点或文献。 段落如下： [粘贴内容]五、文献综述里最重要的，不是“写出来”，而是“写对”
很多人把文献综述当成“把别人说过的话拼起来”。
但事实上，好的综述至少要回答四个问题：
1. 这个领域研究了什么？
不是简单罗列，而是概括主题边界。
2. 这些研究怎么研究的？
方法路径、实验设计、数据来源、分析方式等。
3. 这些研究得出了什么？
共识是什么，分歧是什么。
4. 还缺什么？
这才是综述的真正价值所在：
告诉读者，为什么还需要你的研究。
AI 能帮你整理前面三部分，
但第四部分，必须由你结合文献和研究判断来完成。
六、一个高质量文献综述的核心工作流：先证据，后表达
这里给你一个更清晰的综述工作流。
1. 文献检索
用数据库检索真实文献，建立文献池。
2. 文献筛选
根据主题相关性、质量、时间范围筛选文献。
3. 文献结构化
提取研究问题、方法、结论、局限、关键词。
4. 文献聚类
按主题、方法、争议点或演化关系分类。
5. 脉络分析
分析研究如何演进，哪里已有共识，哪里仍有分歧。
6. 空白识别
找出尚未解决的问题，形成自己的研究切口。
7. 综述写作
先写提纲，再写段落，再做语言润色。
8. 逐条核对
检查引用、作者、年份、结论是否准确。
七、可以直接使用的文献综述 toolkit
如果你想把文献综述做成标准化流程，可以建立下面这些工具模板。
Toolkit 1：文献输入表
# Literature Input Sheet - 题目： - 作者： - 年份： - 研究问题： - 方法： - 数据/样本： - 核心结论： - 局限： - 与本研究的关联： - 备注：Toolkit 2：文献聚类表
# Literature Clustering | 主题簇 | 文献列表 | 核心观点 | 共识 | 分歧 | 空白 | |--------|----------|----------|------|------|------| | A | | | | | | | B | | | | | | | C | | | | | |Toolkit 3：综述逻辑检查表
# Review Logic Checklist - 是否按主题组织，而不是按作者罗列？ - 是否展示了研究发展的脉络？ - 是否区分了共识与争议？ - 是否明确指出研究空白？ - 是否为自己的研究问题铺垫了逻辑？ - 是否所有引用都可核对？八、一个适合长期使用的skill.md
如果你想让 ChatGPT 更稳定地辅助文献综述，可以建立一个literature_review_skill.md。
# Skill: Literature Review Assistant ## 目标 帮助科研作者基于真实文献，完成结构化摘要、主题聚类、脉络梳理、研究空白识别和综述写作。 ## 输入 - 真实文献摘要或笔记 - 文献列表 - 研究方向 - 综述目标 ## 输出 - 文献结构化摘要 - 主题聚类结果 - 研究脉络分析 - 研究空白总结 - 综述提纲 - 润色后的综述段落 ## 工作原则 1. 只基于用户提供的真实文献分析 2. 不编造作者、年份、标题或结论 3. 优先处理结构与逻辑，再处理语言 4. 所有引用信息必须可核对 5. AI 只辅助，不替代文献事实校验九、怎样判断 AI 有没有“开始编造”？
这是非常实用的一部分。
很多时候，AI 并不会明显地乱编，而是轻微偏移。
你可以重点警惕下面这些信号：
1. 给出具体作者、年份、标题，但你没提供原始来源
如果它开始提供看似完整的引用，但你无法在数据库里检索到，说明有风险。
2. 把模糊结论写得特别确定
比如原文只是“有一定关联”，它却写成“证明了因果关系”。
3. 引用数量突然很多，但你没有提供足够文献
这通常意味着模型在“补文献”。
4. 同一篇文献在不同回答里被描述得不一致
这说明它对文献内容并没有真正稳定掌握。
5. 综述越来越像“模板化标准答案”
如果段落非常顺，但每句话都缺少真实文献支撑，往往是过度生成的结果。
十、安全原则：让 AI 做“二次加工”，不要做“首发创造”
先由你提供：
- 真实文献
- 摘要
- 笔记
- 主题分类
再让 AI 做：
- 摘要整理
- 逻辑归纳
- 结构重组
- 表达润色
- 空白提炼
这才是更专业、更稳妥的用法。
十一、文献综述最容易踩的 5 个坑
1. 只总结，不比较
综述不是文献堆积，而是比较和分析。
2. 只写共识，不写争议
没有争议，就没有研究空间。
3. 只写别人做了什么，不写还缺什么
综述的目的之一，就是推出自己的研究问题。
4. 让 AI 代替检索
检索必须由数据库完成，AI 不能替代文献搜索。
5. 不做最终核对
所有作者、年份、结论、模型名称、术语，都要回到原文确认。
附：可直接复制的 Prompt / workflow / skill.md
1. 文献结构化摘要 Prompt
请仅根据我提供的真实文献摘要，帮我提取以下信息： 1. 研究问题； 2. 研究方法； 3. 核心结论； 4. 研究局限； 5. 与我研究方向的关联点。 请不要补充未提供的信息，不要编造文献细节。2. 文献聚类 Prompt
请根据以下真实文献摘要，按照主题、方法或争议点进行聚类。 请输出每个主题簇的核心观点、共识、分歧与空白。 请不要添加未提供的文献。3. 综述提纲 Prompt
请根据以下文献聚类结果，为我生成一份适合学术论文写作的文献综述提纲。 要求体现研究脉络、争议点和研究空白，不要编造文献。4. workflow.md
# Workflow: Literature Review with AI 1. 检索真实文献 2. 筛选高相关文献 3. 提取结构化摘要 4. 进行主题聚类 5. 分析研究脉络与争议 6. 识别研究空白 7. 生成综述提纲 8. 写作与语言润色 9. 回到原文逐条核对5. skill.md
# Skill: Safe Literature Review with AI ## 核心原则 - 只基于真实文献工作 - 不编造作者、年份、标题或结论 - 先结构，后语言 - 先证据，后表达 - 所有引用必须可核对
)
