系统性文献回顾技能面向医学与研究写作场景，核心目标是把文献搜索、筛选、全文获取、阅读分析、保存与导出串成一条可执行的工作流。资料中明确指出其适用场景包括：新研究项目、Introduction 前调查、系统性回顾、PICO 临床问题；不适用于快速查询单篇文献（可直接使用 search_literature）或只需整理格式（使用 format_references）。
该技能整合了多个工具。pubmed-search MCP 提供搜索类能力：search_literature 用于基本 PubMed 搜索，generate_search_queries 用于生成 MeSH 与同义词材料，parse_pico 用于解析 PICO 临床问题，merge_search_results 用于合并去重。探索类能力包括 find_related_articles、find_citing_articles、get_article_references 用于引用网络分析，get_citation_metrics 用于按 iCite RCR 排序。全文类能力包括 get_fulltext(pmcid) 获取开放获取全文，analyze_fulltext_access(pmids) 确认开放获取状态。Session 类能力包括 get_session_pmids、get_session_summary 取回搜索结果；导出类能力包括 prepare_export，用于生成 RIS 或 BibTeX。
asset-aware-mcp 负责全文解析，包含 ingest_documents(file_paths) 进行 PDF 结构化解析（双引擎）、parse_pdf_structure(file_path) 使用 Marker 高精度解析、get_job_status(job_id) 跟踪异步处理进度、inspect_document_manifest(doc_id) 获取完整资产清单、list_section_tree(doc_id) 查看章节结构、get_section_content(doc_id, section_path) 提取特定段落内容、fetch_document_asset(doc_id, asset_type, asset_id) 获取图表等资产，以及 consult_knowledge_graph(query) 进行跨文献 RAG 查询。mdpaper 用于保存文献：save_reference_mcp(pmid) 为优先方式，强调 MCP-to-MCP 验证；save_reference(article) 为回退方式，仅在 API 不可用时使用。
工作流从环境准备开始，需调用 project_action(action="current") 并读取 .memory/activeContext.md。接着制定搜索策略：一般主题使用 generate_search_queries(topic)，PICO 问题使用 parse_pico()，并对各元素并行调用 generate_search_queries()。随后进行并行搜索：同时调用多组 search_literature()，再用 merge_search_results() 合并。评估与扩展阶段：结果少于 20 篇时使用 expand_search_queries()；通过 find_citing_articles、find_related_articles、get_article_references 探索引用网络；使用 get_citation_metrics(sort_by="relative_citation_ratio") 排序。筛选与保存阶段：呈现清单（标题、年份、期刊、RCR），再调用 save_reference_mcp(pmid)。
全文阅读是该流程中的重点。对每篇已保存文献，先调用 analyze_fulltext_access(pmids) 确认是否可获取全文；有全文者使用 get_fulltext(pmcid) 或下载 PDF，再通过 asset-aware ingest_documents(file_paths)、get_job_status()、inspect_document_manifest()，以及 get_section_content(doc_id, "Methods")、get_section_content(doc_id, "Results") 读取内容；无全文者在 metadata.json 中记录 fulltext_ingested: false 及原因；最终产出 references/fulltext-ingestion-status.md 汇总表。资料明确要求：未读全文的文献，后续写作仅能引用 abstract 结论，不可引用具体方法或数据。
Subagent 分析阶段要求每篇论文由独立 subagent 完成结构化分析，以防止 context 污染。流程为：先 get_reference_for_analysis(pmid) 获取结构化的全文包（abstract 与 fulltext，不超过 30K 字符）；再 runSubagent 启动独立 subagent，prompt 需包含步骤 a 的完整全文内容，以及分析任务：撰写结构化摘要、评估方法学品质、列出关键发现与限制、判断可用于 Introduction、Methods、Results、Discussion 中哪些段落，并指示 subagent 最后调用 save_reference_analysis(pmid, summary, methodology, key_findings, limitations, usage_sections, relevance_score)。完成后 analysis.json 写入 reference 目录，metadata 标记 analysis_completed: true。主 Agent 后续写作只使用 analysis_summary，不再重读全文。资料中还提到 Gate：所有引用文献必须通过分析（Pipeline Gate Phase 2.1 + Hook C10 强制检查）。
最后是导出与记忆更新：调用 format_references() 与 prepare_export(format="ris") 导出，并写入 .memory/activeContext.md，记录进度、关键文献、全文阅读状态、分析状态与观察笔记。资料中还列出决策点：建立项目或探索时先探索熟悉文献；关键字或 PICO 问题中，比较性问题用 PICO；结果数量在 50-300 继续，少于 20 扩展，超过 500 限缩；筛选方式上，少于 30 篇逐篇阅读，超过 30 篇使用 RCR 排序。
分类方面，该技能明确用于医学文献搜索、筛选、全文解析与整理，属于写作与研究大类。其他具体平台支持范围、限制条件、收费方式与效果等，资料中暂未提供。