AI辅助综述的文献检索日志模板

文献检索日志记录论文是如何被找到的。在AI辅助的综述中，日志更加重要，因为检索可能涉及数据库、引文图谱、自然语言AI查询、种子论文和人工发现。

没有日志，就很难解释某篇论文为何进入综述、测试了哪些查询、检索了哪些来源，以及AI如何影响了来源集合。

本指南为AI辅助的文献综述提供检索日志模板，并说明需要记录的内容。

文献检索日志是用于记录为综述查找来源的检索活动的记录。它记录了从研究问题到候选论文的路径。

检索日志通常记录：

• 检索来源。
• 日期。
• 查询。
• 筛选条件。
• 结果数量。
• 保存的记录。
• 备注。
• 后续行动。

对于AI辅助的工作流，日志还应记录AI检索提示、引文追踪路径和工具辅助的发现步骤。

检索日志很重要，因为AI检索可能难以在事后重建。自然语言提示、生成的建议和工具结果可能随时间变化。

日志有助于你：

• 解释检索过程。
• 避免重复失败的检索。
• 追踪论文的来源。
• 比较查询版本。
• 记录AI辅助的发现。
• 支持PRISMA风格的报告。
• 审计是否遗漏了关键论文。

日志将检索从记忆练习转变为方法记录。

关于报告，请参阅AI辅助筛选的PRISMA流程图。

每条记录应回答检索了什么、何时检索的以及发生了什么。

包括：

• 综述问题或子问题。
• 检索来源或工具。
• 检索日期。
• 查询或提示。
• 筛选条件或限制。
• 结果数量。
• 保存的记录。
• 来源路径。
• 审阅者。
• 备注。
• 下一步行动。

如果查询有更改，应创建新条目，而不是覆盖旧条目。失败的检索很有用，因为它们显示了你尝试过什么。

数据库检索应记录得足够详细，以便能够理解并在可能的情况下重复检索。

记录：

• 数据库名称。
• 平台（如果相关）。
• 完整的检索式。
• 检索的字段。
• 检索日期。
• 日期范围。
• 语言限制。
• 文献类型筛选。
• 结果数量。
• 导出的数量。
• 关于错误或更改的备注。

如果同一概念在不同数据库中使用不同的术语，应记录数据库特定的版本。

关于查询构建，请参阅AI文献综述检索式。

AI检索查询应记录为提示或任务描述。自然语言检索可以影响找到的论文，因此需要记录。

记录：

• 使用的工具。
• 提示或查询。
• 日期。
• 请求的来源类型。
• 给出的任何限制。
• 检查的结果。
• 保存的论文。
• 结果如何验证。
• 查询是否修订。

例如，记录你是否要求同行评审论文、近期研究、方法论文或围绕种子论文的来源。

这避免了将AI检索视为隐形的捷径。

引文追踪应记录为从种子论文出发的来源路径。这适用于向后和向前追踪。

记录：

• 种子论文。
• 方向：向后或向前。
• 工具或数据库。
• 日期。
• 保存候选论文的标准。
• 保存的论文。
• 关于聚类或不相关分支的备注。

引文追踪通常能找到关键词检索遗漏的论文。日志解释了这些论文如何进入综述。

关于方法，请参阅向后和向前引文追踪。

灰色文献检索需要额外的来源类型细节，因为来源可能没有与期刊文章相同的元数据。

记录：

• 检索的组织或网站。
• 检索查询或浏览路径。
• 日期。
• 来源类型。
• URL。
• 版本或发布日期。
• 纳入原因。
• 质量备注。
• 访问备注（如果需要）。

灰色文献可能有用，但需要仔细标注。

关于标准，请参阅AI灰色文献检索。

使用如下字段列表：

条目ID： 唯一编号或代码。

综述问题： 主要问题或子问题。

来源类型： 数据库、AI检索、引文追踪、灰色文献、人工检索或提醒。

工具或来源： 数据库、搜索引擎、AI工具或网站的名称。

检索日期： 检索的日期。

查询或提示： 精确的检索式或自然语言查询。

限制： 日期、语言、文献类型、字段、来源类型或其他筛选条件。

找到的结果： 返回的记录数量（如果有）。

保存的记录： 导出或添加到候选集的记录数量。

验证： 如何检查来源。

备注： 问题、修订、缺失的术语或下一步。

使用日志来了解每条记录的来源。这有助于去重、来源路径报告和检索改进。

在筛选过程中，日志可以显示：

• 哪个查询产生了大量不相关的记录。
• 哪个来源找到了关键论文。
• 哪些种子论文富有成效。
• 哪些AI检索需要验证。
• 应添加哪些缺失的术语。
• 哪些路径应在以后重复。

日志应与筛选记录保持关联。检索和筛选是独立的阶段，但它们相互依赖。

通过定义你需要做出的决策、该决策所需的证据以及证明决策如何做出的记录，将建议转化为可重复的工作流。在文献发现中，问题很少是缺少某个工具。问题通常是检索、阅读、检查和写作发生在不同的地方，没有共享的规则。

使用简短的操作例程：

• 命名综述问题或子问题。
• 定义你正在使用的来源集合。
• 决定什么算作下一步的足够证据。
• 对该步骤中的每篇论文应用相同的标准。
• 标记不确定的情况，而不是强迫一个干净的答案。
• 保留可能进入最终综述的声明的来源位置。
• 在每次主要检索、筛选或写作会话后审查工作流。

这个例程保持工作进展，而不会使综述变得草率。它还让导师、合作者和未来的你能够理解来源集合为何发生变化。

记录那些事后难以重建的部分。你不需要记录每一次点击的日记，但需要足够的细节来解释从问题到来源再到声明的路径。

对于这个主题，最有用的记录通常包括查询、来源路径、种子论文、结果数量和后续检索。添加日期、使用的工具或来源、审阅者状态和下一步行动。如果AI协助了该步骤，写下它帮助了什么以及人工检查了什么。

记录应区分发现和证据。工具可能帮助找到一篇论文，但论文本身必须支持声明。摘要可能帮助筛选来源，但原始来源应支持文献综述中出现的任何陈述。

在写作之前，检查工作流是否产生了可用的证据或仅是有用的笔记。笔记帮助你思考。证据支持一个句子。

问：

• 这个来源将支持哪个声明？
• 声明是否比证据更窄？
• 方法、样本、结果或概念细节是否已检查？
• 局限性是否可见？
• 冲突的论文是否得到处理而不是被忽略？
• 引用是否真实、最新且相关？
• 另一个读者能否理解这个来源如何进入综述？

如果答案不明确，将要点保留在笔记中，而不是将其移入草稿。这是防止AI辅助研究变成精致但薄弱的写作的小停顿。

WisPaper可以支持检索日志记录的检索和来源集合阶段。Deep Search、Scholar Agent和Inspiration Discovery帮助研究人员进行自然语言学术检索，而论文卡片显示来源标签、摘要、作者、出版详情和预览图像。

研究人员可以将论文保存或上传到My Library，帮助在检索后保持候选论文可用于综述。Library QA可以根据用户自己的库回答问题，这有助于在筛选和提取之前检查保存的论文。

检索日志本身仍应记录查询、日期、来源路径和人工验证状态。WisPaper帮助论文发现和组织；研究人员保留方法记录。

试用WisPaper