SuperAPI AI 工具集

literature-review

写作与研究

查看项目

更新于 10-16 10:58

技能介绍

用途

Literature Review 用于按照严谨的学术方法开展系统性、全面的文献综述。适用场景包括:为研究或发表开展系统性文献综述、跨多个来源综合某一主题的当前知识、进行元分析或范围综述、撰写研究论文或学位论文的文献综述章节、调研某研究领域的最新进展、识别研究空白与未来方向,以及需要经过核验的引用和专业排版时。

主要能力

该技能围绕多阶段工作流组织,分为七个阶段。

阶段一:规划与界定。 定义研究问题,临床/生物医学综述可使用 PICO 框架(人群、干预、对照、结局)。确定综述类型(叙述性、系统性、范围综述、元分析),设定边界(时间范围、地理范围、研究类型)。制定检索策略,从研究问题中识别 2-4 个主要概念,列出同义词、缩写和相关术语,规划布尔运算符,选择至少 3 个互补数据库。设定纳入/排除标准,涉及日期范围、语言、出版类型、研究设计,并清楚记录所有标准。

阶段二:系统性文献检索。 按领域选择合适数据库。生物医学与生命科学可使用 gget 技能检索 PubMed/PMC 和 bioRxiv 预印本,使用 bioservices 技能访问 ChEMBL、KEGG、UniProt 等。通用科学文献可通过直接 API 检索 arXiv 和 Semantic Scholar,也可使用 Google Scholar 获得更全面覆盖。专业数据库方面,可用 gget alphafold 获取蛋白质结构、gget cosmic 获取癌症基因组学数据、datacommons-client 获取人口与统计数据。检索后需记录每个数据库的检索参数,包括检索日期、日期范围、检索式和结果数量,并导出 JSON 结果进行汇总。

阶段三:筛选与选择。 先按 DOI(优先)或标题(备用)去重,记录去除的重复数量。随后依次进行标题筛选、摘要筛选和全文筛选,严格应用纳入/排除标准并记录排除原因。最后制作 PRISMA 流程图,记录从初始检索到最终纳入的各阶段数量。

阶段四:数据提取与质量评估。 从每项纳入研究中提取研究元数据、研究设计与方法、样本量与人群特征、关键发现、作者指出的局限、资金来源与利益冲突。使用相应工具评估研究质量:随机对照试验可用 Cochrane 偏倚风险工具,观察性研究可用 Newcastle-Ottawa 量表,系统综述可用 AMSTAR 2。按 3-5 个主要主题组织研究。

阶段五:综合与分析。 使用模板创建综述文档,按主题撰写综合(而非逐研究总结),组织结果部分,比较不同方法和结果,识别共识与争议,突出最强证据。在讨论部分解释发现的更广泛背景,讨论意义,承认综述自身局限,并提出未来研究方向。

阶段六:引用核验。 这是关键步骤,所有引用在最终提交前必须核验准确性。运行 verify_citations.py 脚本可提取文档中所有 DOI、核验其是否正确解析、从 CrossRef 获取元数据并生成核验报告。需检查失败的 DOI,核对作者、标题和出版信息,修正错误后重新核验,直至全部通过。引用样式可选 APA、Nature、Vancouver、Chicago、IEEE。

阶段七:文档生成。 使用 generate_pdf.py 将 Markdown 转换为专业 PDF,可指定引用样式、禁用目录或章节编号、检查 pandoc/xelatex 依赖。最终需检查 PDF 排版、各章节完整性、引用渲染、图表呈现和目录准确性。

使用方式

该技能提供配套脚本:scripts/verify_citations.py 用于核验 DOI 并生成格式化引用;scripts/generate_pdf.py 用于将 Markdown 转为专业 PDF;scripts/search_databases.py 用于处理、去重和格式化检索结果。参考资料包括 references/citation_styles.md(详细引用格式指南)和 references/database_strategies.md(数据库检索策略)。资产中提供 assets/review_template.md 综述模板。

典型流程为:复制模板创建综述文档;使用相应技能检索多个数据库并导出 JSON;用 search_databases.py 汇总处理结果;人工筛选标题、摘要和全文并提取数据;按模板结构撰写综述;运行 verify_citations.py 核验引用并修正;运行 generate_pdf.py 生成 PDF;最后审查输出。

适用场景

适用于生物医学、生命科学及跨学科领域的系统性综述、元分析、范围综述和研究论文文献综述章节撰写。该技能可与其他科研技能配合:数据库访问类(gget、bioservices、datacommons-client)、分析类(pydeseq2、scanpy、anndata、biopython)、可视化类(matplotlib、seaborn)以及写作类(brand-guidelines、internal-comms)。

限制

资料中提供最佳实践与常见陷阱提示:应至少检索 3 个数据库、避免单一数据库检索、记录所有检索过程以确保可复现、按主题而非逐研究组织结果、核验所有引用、评估研究质量、注意发表偏倚并明确说明检索日期。预印本未经同行评审,需谨慎核验。关于收费、价格、平台支持或具体效果,资料暂未提供。