做文献综述，该用 AI Research Agent 还是普通聊天机器人？

如果你已经知道要读哪篇论文、要解决哪个段落，普通聊天机器人通常就够了。如果任务是“搜索多个来源、调整问题、比较资料，再交付一份带过程记录的报告”，研究 Agent 才更有价值。

两者的区别不只是回答长短，而是从问题到结果之间，系统替你完成了多少规划和工具操作。

上下文已经在眼前时，聊天机器人很合适：

你提供来源，也控制每一步。回答很快，方向错了也能及时纠正。

当一个问题暗藏很多任务时，它的弱点就出现了。“综述 AI 反馈在护理教育中的研究”至少包含搜索、修改检索式、筛选、去重、综合和引用核查。普通聊天可能立刻给出答案，却没有交代这些步骤是怎么处理的。

研究 Agent 可以规划检索、访问来源、根据结果改变方向，再整理报告。OpenAI 把 deep research描述为适合综合多个来源的多步问题，并在结果中提供引用或来源链接。

它适合：

自主性减少了来回操作，也会让错误连续放大。起始范围一旦设错，Agent 可能在你看到报告前已经沿着错误方向搜了很多轮。

问自己两个问题：

两个答案都是“知道”，用普通聊天或基于固定来源的文献库工具即可。来源未知，但任务和验收标准明确，可以让 Agent 探索。如果连问题和证据标准都模糊，先进行一段短对话。给 Agent 一个宽泛主题，不会自动把它变成研究问题。

写清研究人群或场景、核心概念、年份、资料类型、语言、排除项和最终格式，并要求保留检索记录和不确定项。

例如：

这个任务既给了停止条件，也给你留下审核报告的依据。

目标明确是寻找学术论文时，可以从 WisPaper Search 开始；任务较长时，也可以使用 Scholar Agent。把筛选后的论文存进 My Library，再由 Library QA 围绕你确认的集合回答问题。

这样分工更清楚：Agent 负责探索，你决定论文集合，文献库问答分析这个稳定集合。不要让探索报告悄悄变成最终文献综述。