相信 AI 生成的文献综述前，先检查这 5 件事

AI 生成的文献综述，很容易在研究真正开始前就显得“已经完成”。它有标题、过渡、引用和语气确定的结论，但你看不见检索是否漏掉整条研究路线，也不知道引用是否支持旁边那句话。

判断一份报告能不能用，不一定要从头读完所有来源。先做五项检查，最快暴露风险最大的错误。

找数据库或搜索系统、完整查询、日期、筛选条件、语言和纳入规则。只有参考文献列表，不等于有检索记录。

报告写“近期研究表明”时，要问搜索了哪些年份、怎样定义近期。它声称覆盖整个领域时，要看来源是否真的代表这个领域，而不是 Agent 当时最容易访问到的几页结果。

没有检索轨迹的报告，仍然可以作为背景简报，但不应该被描述成完整综述。

抽查五条：一条核心来源、一条最新来源、一条意外结论、一条数值主张，以及一条你从未见过的引用。分别核对题目、作者、年份、出版载体、DOI 或稳定链接。

还要看资料类型。报道试验的新闻不是试验本身；叙述性综述不能代替某个实验的原始证据；预印本和同行评审论文也不应被悄悄写成同一种证据状态。

挑出三句承担主要论证的文字，分别拆成人群、干预或暴露、结果、方向与确定性，再找到支持段落。

留意常见升级：相关性变成因果；一个场景变成普遍结论；次要结果变成主要发现；“没有显著差异”变成“两个方案相同”。

报告如果无法指出主张背后的方法或结果，就修改或删除那句话。

过于顺滑的综述，往往把困难部分抹平了。检查报告是否提到冲突发现、无效结果、研究局限、缺失人群，以及术语或方法的变化。

可以追问：

再专门搜索缺失的一边。文献综述应该解释证据为何呈现这种形状，而不是让所有论文看起来都给同一结论投票。

把最后一段和综述中最强的研究设计比较。如果多数证据是横断面研究，结论就不该承诺某种效果。如果各研究对概念和结果的定义不同，综述也许能说明一种趋势，却未必能给出统一答案。

看到建议时，还要检查是否有关于收益、风险、可行性和场景的证据。文献本身不确定，好的结论也应该保留不确定性。

把核心来源存进 WisPaper My Library，再用 Library QA 从每篇提取相同字段：研究设计、人群、结果指标、发现和局限。把这张证据表与生成的叙述对照。

报告似乎漏掉某类人群或反面结果时，在 WisPaper Search 中专门做一次反向检索。如果拿到的是 .bib 文献表，TrueCite可以先标出需要核查出版记录的条目。这些检查不会自动批准整份综述，而是告诉你哪些地方最需要人工阅读。