systematic-literature-review

系统性文献综述技能

概述

此技能可针对某个研究主题，对多篇学术论文开展结构化的 系统性文献综述（SLR）。用户提供主题查询后，技能会搜索 arXiv，并行提取每篇论文的结构化元数据（研究问题、方法、主要发现、局限性），综合整组论文中的主题，并生成引用格式统一的最终报告。

**与 academic-paper-review 的区别：**该技能会对单篇论文进行深入同行评审；此技能则广泛综合多篇论文。如果用户提供一篇论文的 URL，并要求“评审这篇论文”，请转到 academic-paper-review。

何时使用此技能

当用户提出以下任何需求时，请使用此技能：

• 主题文献综述（“调查 Transformer 注意力变体”“综述扩散模型相关文献”）
• 多篇论文综合（“近期论文对 X 有何看法”“比较关于 Y 的论文所用的方法”）
• 引用格式统一的系统性综述（“以 APA 格式对 Z 进行 SLR”）
• 某个主题的文献注释
• 某一研究领域在特定时间范围内的趋势概述

以下情况不要使用此技能：

• 用户只提供一篇论文并要求评审（使用 academic-paper-review）
• 用户提出无需综合多个来源即可回答的事实性问题（直接作答）
• 用户需要不要求学术严谨性的普通网络研究（使用标准网络搜索）

工作流

此工作流分为五个阶段。请按顺序执行。

阶段 1：规划

开始检索前，请先向用户确认以下信息。如果其中任何一项不明确，请提出一个澄清问题，一并询问所有缺失信息。不要一次只问一个问题。

• 主题：用通俗英语描述研究领域（例如，“transformer attention variants”）。
• 范围：论文数量（默认 20 篇，上限为 50 篇），可选的时间范围（例如，“最近 2 年”），可选的 arXiv 类别（例如，cs.CL、cs.CV）。
• 引用格式：APA、IEEE 或 BibTeX（如果用户未指定，且看起来不是为特定出版场合撰写，默认使用 APA）。
• 输出位置：最终报告的保存位置（默认 /mnt/user-data/outputs/）。

如果用户说“50+ 篇论文”，请礼貌地将数量限制为 50 篇，并说明超过此数量后，综合质量会迅速下降；如果要进行更大规模的综述，应按子主题拆分。

阶段 2：搜索 arXiv

调用随附的搜索脚本。不要尝试通过其他方式抓取 arXiv，也不要编写自己的 HTTP 客户端——该脚本能够正确处理 URL 编码、Atom XML 解析和 ID 规范化。

python /mnt/skills/public/systematic-literature-review/scripts/arxiv_search.py \
  "<topic>" \
  --max-results <N> \
  [--category <cat>] \
  [--sort-by relevance] \
  [--start-date YYYY-MM-DD] \
  [--end-date YYYY-MM-DD]

**重要——搜索前先提取 2-3 个核心关键词。**不要把用户对主题的完整描述作为查询。调用脚本前，先在脑中将主题精简为 2-3 个最重要的词。删去诸如“在计算机视觉中”“用于 NLP”“变体”“近期”等限定词——这些应通过 --category 或 --start-date 指定，而不是放进查询字符串。

**查询措辞——保持简短。**脚本会将包含多个词的查询用双引号括起来，以便在 arXiv 上进行短语匹配。这意味着：

• "diffusion models" → 搜索完全匹配的短语 → 很合适，能返回相关论文。
• "diffusion models in computer vision" → 搜索完全匹配的 5 词短语 → 过于具体，可能返回 0 条结果，因为很少有论文包含这个完全相同的字符串。

查询中使用 2-3 个核心关键词，并用 --category 缩小领域范围，而不是把领域名称塞进查询。示例：

用户的说法	合适的查询	不合适的查询
"diffusion models in computer vision"	"diffusion models" --category cs.CV	"diffusion models in computer vision"
"transformer attention variants"	"transformer attention"	"transformer attention variants in NLP"
"graph neural networks for molecules"	"graph neural networks" --category cs.LG	"graph neural networks for molecular property prediction"

脚本会将一个 JSON 数组打印到标准输出。每篇论文包含：id、title、authors、abstract、published、updated、categories、pdf_url、abs_url。

排序策略：

• 始终使用 relevance 排序——arXiv 的 BM25 式评分能够确保结果确实与用户的主题相关。submittedDate 排序会返回该类别中最近提交的论文，不考虑其与主题的相关性，因此结果大多与主题无关。
• 用户要求“近期”论文或给出时间范围时，使用 --sort-by relevance 并结合 --start-date 来限制时间范围，同时确保结果与主题相关。例如，“近期的扩散模型论文” → --sort-by relevance --start-date 2024-01-01，而不是 --sort-by submittedDate。
• 仅当用户明确要求按时间顺序排列（例如“按论文发表顺序展示”）时，才适合使用 submittedDate 排序。这种情况很少见。
• lastUpdatedDate 很少有用；除非用户提出要求，否则忽略它。

**搜索恰好运行一次。**如果结果不理想，不要修改查询后重试——arXiv 的相关性排序就是如此。换用不同的查询措辞重试会浪费工具调用，还可能触及递归限制。如果结果确实为空（0 篇论文），请告知用户，并建议他们扩大主题范围或移除类别筛选条件。

如果脚本返回的论文少于用户要求的数量，这就是该查询在 arXiv 上实际能找到的结果数。不要凑数——向用户报告实际数量并继续。

如果脚本失败（网络错误、arXiv 返回非 200 状态码），请告知用户具体错误并停止。不要编造论文元数据。

不要将搜索结果保存到文件——JSON 会保留在你的上下文中，供第 3 阶段使用。整个工作流中唯一要保存的文件是第 5 阶段的最终报告。

阶段 3：并行提取元数据

你必须通过 task 工具将提取工作委派给子代理，不要自己提取元数据。 这是不可妥协的要求。具体来说，不要执行以下任何操作：

• ❌ 编写 python -c "papers = [...]" 或任何用于处理论文的 Python/bash 脚本
• ❌ 在自己的上下文中逐篇阅读摘要并直接提取元数据
• ❌ 在此阶段使用除 task 以外的任何工具

相反，你必须调用 task 工具来启动子代理。原因是：在自己的上下文中提取 10-50 篇论文会消耗过多 token，并降低阶段 4 的综合质量。每个子代理都在隔离的上下文中运行，只接收分配给它的一批论文，从而生成质量更高的提取结果。

将论文分成每批约 5 篇，然后针对每一批调用 task 工具，并设置 subagent_type: "general-purpose"。每个子代理接收论文摘要文本，并返回结构化 JSON。

并发限制：每轮最多 3 个子代理。 DeerFlow 运行时会强制执行 MAX_CONCURRENT_SUBAGENTS = 3，并会静默丢弃同一轮中的任何额外调度——LLM 不会收到相关通知，因此必须严格遵循下方的轮次策略。

轮次策略——请使用此决策表，不要自行计算如何拆分：

论文数量	每批约 5 篇	轮数	每轮子代理数量
1–5	1 批	1 轮	1 个子代理
6–10	2 批	1 轮	2 个子代理
11–15	3 批	1 轮	3 个子代理
16–20	4 批	2 轮	3 + 1
21–25	5 批	2 轮	3 + 2
26–30	6 批	2 轮	3 + 3
31–35	7 批	3 轮	3 + 3 + 1
36–40	8 批	3 轮	3 + 3 + 2
41–45	9 批	3 轮	3 + 3 + 3
46–50	10 批	4 轮	3 + 3 + 3 + 1

同一轮中绝不能调度超过 3 个子代理。 如果某一行写着“2 轮（3 + 1）”，则表示：第一轮并行调度 3 个子代理，等待它们全部完成后，第二轮再调度 1 个子代理。主代理必须严格按顺序逐轮执行。

如果论文数量处于表中两行之间（例如 23 篇论文），则按下一行的布局安排轮次，但只调度实际需要的批次数量——决策表仅提供结构，并非必须严格照搬。

在主代理级别完成分批：你已经在阶段 2 获取了每篇论文的摘要，因此每个子代理接收的都是纯文本输入。子代理不需要访问网络或沙盒——它们只需阅读文本并返回 JSON。不要让子代理重新运行 arxiv_search.py，这会浪费 token，还可能触发速率限制。

每个子代理接收的内容，以结构化提示词的形式提供：

Execute this task: extract structured metadata and key findings from the
following arXiv papers.

Papers:
[Paper 1]
arxiv_id: 1706.03762
title: Attention Is All You Need
authors: Ashish Vaswani, Noam Shazeer, ...
published: 2017-06-12
abstract: <full abstract text>

[Paper 2]
arxiv_id: ...
...

For each paper, return a JSON object with these fields:
- arxiv_id (string)
- title (string)
- authors (list of strings)
- published_date (string, YYYY-MM-DD)
- research_question (1 sentence, what problem the paper tackles)
- methodology (1-2 sentences, how they tackle it)
- key_findings (3-5 bullet points, what they actually found)
- limitations (1-2 sentences, what they acknowledge or what is obviously missing)

Return the result as a JSON array, one object per paper, in the same
order as the input. Do not include any text outside the JSON — no
preamble, no markdown fences, just the array.

解析子代理结果：task 工具会返回带固定前缀的字符串，例如 Task Succeeded. Result: [...JSON...]。在尝试解析 JSON 前，先去除 Task Succeeded. Result: 前缀（或 Task failed. / Task timed out. 前缀）。如果某一批失败或返回的 JSON 无法解析，请记录相关情况并注明受影响的论文，然后继续处理剩余批次——不要因一批出错就放弃整个综合任务。

所有轮次完成后，将各批数组展平为一个论文元数据对象列表，并保持原有顺序。

阶段 4：综合与排版

现在生成最终的 SLR 报告。此阶段包含两项工作：跨论文综合（主题分析）和引文格式处理。

跨论文综合：报告不能只是罗列论文。至少应识别以下内容：

• 主题：整组论文中反复出现的 3–6 个研究方向、方法或问题框架。
• 趋同点：多篇论文认同的研究发现。
• 分歧点：论文得出不同结论或采用不兼容方法的情况。
• 研究空白：现有文献尚未涉及的内容（通常会在“局限性”字段中明确说明）。

如果论文集规模太小或异质性太高，无法进行主题综合（例如，5 篇论文涉及截然不同的子主题），请在报告中明确说明——不要强行归纳不存在的主题。

引文格式：具体格式取决于用户的偏好。仅阅读与用户要求格式相匹配的模板文件，不要全部读取：

• templates/apa.md — APA 第 7 版。社会科学和大多数计算机科学期刊的默认格式。用户要求 APA 或未指定格式时使用。
• templates/ieee.md — IEEE 数字引文格式。用户的目标是 IEEE 会议或期刊，或明确要求 IEEE 时使用。
• templates/bibtex.md — BibTeX 条目。用户提到 BibTeX、LaTeX 或需要机器可读的参考文献时使用。重要：arXiv 论文应引用为 @misc，而不是 @article——BibTeX 模板对此有明确说明。

每个模板都包含引文规则和完整的报告结构（执行摘要、主题、逐篇论文注释、参考文献、方法部分）。请严格遵循模板中的报告正文结构，然后填入阶段 3 的元数据。

阶段 5：保存并呈现

将完整报告保存到 /mnt/user-data/outputs/slr-<topic-slug>-<YYYYMMDD>.md，其中 <topic-slug> 是主题名称转换为小写并以连字符连接后的版本（例如 transformer-attention）。然后调用 present_files 工具，并传入该路径，以便用户下载。

在聊天消息中，提供简短预览，让用户无需打开文件也能立即了解其内容：

1. 执行摘要——报告开头的 3–5 句段落，原文照录。
2. 主题列表——阶段 4 综合中识别出的主题列表（仅列出主题名称和一句话说明，不要贴出完整主题章节）。
3. 论文数量 + 文件链接——例如：“包含 20 篇论文、逐篇注释和格式化参考文献的完整报告已保存至 slr-transformer-attention-20260409.md。”

不要在聊天中贴出 2000 多字的完整报告——逐篇论文注释、参考文献和方法部分应放在文件中。预览旨在让用户快速了解报告内容，并决定是否打开文件。

示例

示例 1：典型的 SLR 请求

用户：“对近期的 transformer 注意力变体进行系统性文献综述，20 篇论文，采用 APA 格式。”

你的流程：

1. 阶段 1：确认主题（transformer 注意力变体）、范围（20 篇论文，默认时间范围）和格式（APA）。仅在缺少信息时提出 一个 澄清问题（例如：“您有指定的时间范围吗？还是采用默认的最近 3 年？”）。
2. 阶段 2：arxiv_search.py "transformer attention" --max-results 20 --sort-by relevance --start-date 2023-01-01。
3. 阶段 3：20 篇论文 → 第 1 轮 = 3 个子 Agent × 5 篇论文 = 覆盖 15 篇，第 2 轮 = 1 个子 Agent × 5 篇论文 = 覆盖 5 篇。汇总结果。
4. 阶段 4：读取 templates/apa.md，按照其结构撰写报告，并根据阶段 3 的元数据填写主题和逐篇注释。
5. 阶段 5：保存为 slr-transformer-attention-20260409.md，调用 present_files。

示例 2：对数量不明确的小规模集合的请求

用户：“帮我调查几篇关于扩散模型的论文。”

你的流程：

1. 阶段 1：“几篇”含义不明确。提出一个问题：“您想要多少篇论文？10、20 还是 30 篇？对引用格式有偏好吗（默认采用 APA）？”
2. 用户回复“10 篇，BibTeX”。
3. 阶段 2：arxiv_search.py "diffusion models" --max-results 10 --category cs.CV。
4. 阶段 3：10 篇论文 → 单轮，2 个子 Agent × 5 篇论文。
5. 阶段 4：读取 templates/bibtex.md，使用 @misc 条目格式（而不是 @article）。
6. 阶段 5：保存并展示。

示例 3：超出范围的请求

用户：“这是篇论文（https://arxiv.org/abs/1706.03762）。你能评审一下吗？”

这是对单篇论文的同行评审，而非文献综述。不要使用此技能。改由 academic-paper-review 处理。

说明

• 前置条件：subagent_enabled 必须为 true。阶段 3 需要使用 task 工具并行提取元数据。仅当运行时配置（config.configurable.subagent_enabled）中的 subagent_enabled 设为 true 时，才会加载此工具。否则，可用工具中不会出现 task 工具，阶段 3 也无法按设计执行。
• 设计上仅支持 arXiv。此技能不会查询 Semantic Scholar、PubMed 或 Google Scholar。arXiv 收录了大量 CS/ML/物理/数学预印本，而 DeerFlow 用户最常希望调查的也正是这类文献。多来源学术搜索应由专用 MCP 服务提供，而非纳入此技能。
• 论文数量上限为 50 篇。这与阶段 3 的并发策略有关（每轮最多 3 个子 Agent，每个约 5 篇，最多约 3 轮）。超过 50 篇的综述会降低综合质量，最好拆分为多个子主题。
• 阶段 3 要求启用子 Agent。此技能的并行提取步骤必须使用 task 工具，该工具仅在运行时 subagent_enabled=true 时可用。若子 Agent 不可用，不要声称能够执行阶段 3 的并行计划；应告知用户，完整工作流需要启用子 Agent，或者提出将请求缩小范围／拆分为更小的人工评审。
• 子 Agent 的结果是字符串，而非对象。解析 JSON 载荷前，务必去除 Task Succeeded. Result: / Task failed. / Task timed out. 前缀。
• id 字段是纯 arXiv id（例如 1706.03762），不是 URL，也不带版本后缀。如果需要完整 URL，请使用 abs_url / pdf_url。
• 综合分析，而非罗列。最终报告必须归纳主题，并比较各篇论文的研究发现。若报告只是逐篇罗列论文，则属于失败情况；如果找不到主题，应明确说明，而不是编造。