literature-review-generator

文献综述生成器

概述

此技能旨在生成系统、深入且论证严谨的文献综述。Agent 将帮助梳理研究随时间的发展脉络，识别矛盾与共识，并以合乎逻辑的方式构建论证，说明为何值得开展拟议的新研究。

依赖项

• literature-search-openalex
• literature-search-arxiv
• pubmed-database
• literature-search-biorxiv
• literature-search-europepmc

快速开始

使用示例： “使用 literature-review-generator 技能梳理 2018 年至今强化学习算法的发展脉络，并寻找现有的研究空白。”

工作流

1. 制定综述方案并确定模式

确定综述的范围（年份跨度、文档类型），并选择以下工作模式之一：

• 叙述性文献综述模式（Narrative Literature Review Mode）：用于概念性提案或通用理论章节的编写。
• 系统性文献综述模式（Systematic Literature Review，SLR）：大规模研究（>100 篇论文）必须采用此模式。该模式使用正式的纳入与排除标准、自动筛选脚本，以及记录在 CSV checkpoint 中的 PRISMA 四阶段流程（请参阅下文的 PRISMA 流程专节）。
• 主题综述模式（Thematic Review Mode）：根据主题、概念或问题子主题对论文进行分类。
• 时间顺序综述模式（Chronological Review Mode）：追溯从早期先驱到最新趋势的思想或技术发展历程，以展示范式演变。
• 批判性综述模式（Critical Review Mode）：重点评估既有研究的理论假设缺陷、评估不足、数据偏差和方法论局限。

2. PRISMA 工作流与检查点（仅适用于大规模 SLR 模式）

如果选择 系统性文献综述（SLR） 模式来处理大规模搜索（数千篇论文），Agent 必须使用程序化筛选（Programmatic Screening）方法，以避免 LLM 手动筛选导致的 token 浪费。必须遵循以下 4 个阶段的工作流，并将结果保存为 CSV 文件（checkpoint）：

1. Identification（提取元数据）：调用免费的、零配置的开放搜索引擎 API（literature-search-openalex、literature-search-arxiv、pubmed-database 等），仅提取数千条结果的元数据（标题、摘要、作者、年份、DOI）。禁止下载全文。将原始输出保存到 prisma_1_identification.csv。严禁生成模拟/虚构数据。必须使用 Python 中的 requests 模块调用真实 API 端点，或将任务委派给真正的搜索 Agent。如果发生 Timeout，应实施重试/退避机制（最多重试 3 次）。如果仍然失败，必须报告错误并停止，不得编造数据。
2. Automated Screening（Python 筛选）：编写并运行 Python 脚本（使用 Pandas）筛选 prisma_1_identification.csv。删除重复项，限制年份范围，并剔除标题或摘要完全不含主要关键词的论文。将自动筛选后剩余的论文保存到 prisma_2_screened.csv。
3. Eligibility（语义与质量审核）：对于筛选后剩余的论文（50–100 篇），使用 LLM 阅读摘要，根据纳入/排除标准（Inclusion/Exclusion criteria）确认语义相关性。使用 source-quality-appraiser Agent 剔除评级较低或掠夺性的论文。将真正相关的论文保存到 prisma_3_eligible.csv。
4. Included（全文提取）：从最终论文集（例如 20–40 篇）中免费下载 PDF/全文（尤其是开放获取论文），使用 Core API 或 OpenAlex OA 链接，并通过 extract-methodology 分析其参数。将最终综合矩阵保存到 prisma_4_included.csv。
5. PRISMA 图示：Agent 必须以生成 Mermaid 图表格式的可视化 PRISMA 流程图作为本阶段的收尾，展示每个阶段论文数量（n）的缩减情况（Identification -> Screening -> Eligibility -> Included）。

3. 历史追溯与映射（时间线）

• 使用文献搜索引擎查找开创性文献（seminal papers）和最新综述论文（survey papers）。
• 按时间顺序整理相关研究的发展时间线。

4. 研究空白分析与论证图谱

• 创建论证图谱（Argument Map），构建论证脉络，为新研究的定位提供依据。示例脉络：
  • 以往研究多聚焦于方法 X 的准确性。
  • 然而，这类准确性评估往往未在真实条件下测试其鲁棒性。
  • 一些论文使用的数据集存在类别不平衡问题，却没有进行偏差处理。
  • 因此，本研究旨在通过提供基于消融实验的鲁棒性评估来填补这一空白。

5. Literature Review 报告格式

文献综述的写作结构必须包含：

• 引言：主题的重要性、要解决的研究问题，以及综述的范围限制。
• 文献总结矩阵：必须包含以下列的结构化表格：

  年份	作者	研究重点	方法	数据集 / 背景	主要发现	主要局限	与我们的研究的相关性

• 论证图（研究定位图）：以要点形式说明论证脉络，并引出您的研究贡献。
• 批判性分析与主题分类：根据所采用的方法对文献进行批判性分组（例如，基于规则的方法与深度学习方法）。
• 结论：总结对未来研究的理论和方法论启示。

6. 引用与参考文献

• 确保每项论述都有恰当的参考文献支持，并在参考文献列表中附上有效的 DOI/URL 元数据。

常见错误与关键规则

• 数据幻觉与 DOI 伪造（致命）：严禁仅为填充 PRISMA 表格而编造虚构论文。创建包含虚构论文标题的 DataFrame 属于致命违规。每篇论文都必须来源于真实 API，并且具有有效的 DOI 链接。
• 强迫用户输入复杂的 API Key：如果尚未提供 API Key（如 Semantic Scholar 的 API Key），严禁显示错误消息强迫用户手动配置。应改用无需密钥即可使用的免费 API（如 OpenAlex、PubMed、arXiv），或者在确实需要更高配额时，通过聊天友好地引导用户添加 API Key。
• 只总结而不批判：避免采用描述性总结列表的写作模式（例如，“研究者 A 发现 X。研究者 B 发现 Y。”）。Agent 必须进行比较、分类和批判。
• 时间顺序混乱：叙述概念发展史时没有清晰的时间顺序。
• 参考文献无效：撰写引文时未附上可追溯的 DOI 或原始参考文献链接。严禁编造参考文献。