如何利用AI文献综述工作流为导师会议做准备

当你带着的不仅仅是一堆论文时，好的导师会议会更容易进行。你需要一个清晰的问题、简短的阅读总结、优先排序的论文队列，以及会议中需要做出的具体决策。

AI工具可以帮助准备这些材料，但不应让会议变成摘要的堆砌。目标是让讨论更加聚焦：你发现了什么，哪些还不确定，接下来应该做什么？

本指南介绍如何利用AI辅助的文献综述工作流为导师会议做准备。

带一份能帮助导师做决策的简报。一堆PDF文件等于让导师替你思考。结构化的简报能展示你学到了什么，以及你需要哪些指导。

带上：

• 一个明确的研究问题。
• 简短的主题总结。
• 关键论文列表。
• 优先排序的阅读队列。
• 证据模式。
• 未解决的问题。
• 你需要做出的决策。
• 下一步行动。

会议应该推动项目前进。你带的每一样东西都应该服务于这个目的。

AI可以在发现、筛选、总结和问题生成方面提供帮助。当你需要在有限时间内从大量资料中做准备时，它尤其有用。

使用AI来：

• 将宽泛的主题转化为搜索查询。
• 识别候选论文。
• 总结摘要以进行筛选。
• 比较论文主题。
• 为导师起草问题。
• 创建初步阅读顺序。
• 识别你还不理解的术语。

不要用AI来假装确定。如果文献不明确，就把这种不确定性带到会议中。

关于工具角色的定位，参见AI答案引擎与研究图书馆。

将会议问题定义为一个决策，而不是一个主题。“我读了关于X的内容”不如“我应该将项目缩小到X，还是比较X和Y？”有力。

好的会议问题包括：

• “这个研究问题是否足够聚焦？”
• “这两个方向中哪个更强？”
• “这些种子论文是否合适？”
• “我应该包括灰色文献吗？”
• “这个方法是否在范围内？”
• “我应该先完整阅读哪些论文？”
• “这个空白声明是否过于强烈？”

问题越好，导师就越容易提供帮助。

通过将必读论文与可选论文分开来建立论文队列。不要拿出一份40个来源的扁平列表，然后问从哪里开始。

使用三个组：

• 现在必读：定义主题、方法或争论的论文。
• 接下来读：可能影响论证的论文。
• 稍后保留：可能有用的论文，但不紧急。

对于每篇必读论文，用一句话说明它为什么重要。这句话比冗长的总结更有用。

关于从强大的起点寻找论文，参见如何利用种子论文找到更好的文献。

从决策的角度总结论文。你的导师不需要每篇摘要的改写。他们需要知道每篇论文对你的项目有什么贡献。

对于每篇关键论文，记录：

• 研究问题或目标。
• 方法。
• 主要发现。
• 局限性。
• 为什么对你的项目重要。
• 你是否已阅读全文。
• 你需要核实什么。

保持总结简短。如果一篇论文需要五段来解释，它可能属于你的笔记，而不是会议简报。

关于检查AI摘要，参见在信任AI摘要之前的论文摘要提示。

通过区分已知、可能和仍不确定的内容来展示进展。当导师能看到你证据的边界时，他们通常更有帮助。

使用标签：

• 已发现：已识别的论文。
• 已阅读：完整阅读的论文。
• 已核实：对照源文本验证过的声明。
• 暂定：有用但未核实。
• 不清楚：需要导师输入。
• 超出范围：有意排除。

这使你的工作流可见。它还能防止AI辅助的摘要看起来比实际更确定。

提出影响范围、方法和后续阅读的问题。避免只寻求一般性认可的问题。

有用的开放性问题：

• “我应该缩小人群范围吗？”
• “这个方法是核心还是边缘？”
• “我接下来应该搜索哪个数据库或来源？”
• “这篇论文是好的种子吗？”
• “这个空白声明需要更多证据吗？”
• “我应该包括预印本吗？”
• “哪个理论应该作为综述的框架？”

提出更少但更好的问题。三个有力的问题比十五个模糊的问题更能让会议富有成效。

在会议结束前将反馈转化为简短的行动清单。否则，对话可能感觉有用，但项目没有变化。

记录：

• 要尝试的搜索词。
• 要阅读的论文。
• 要排除的论文。
• 范围变化。
• 要比较的方法。
• 要核实的来源。
• 下次更新的截止日期。

会议结束后，更新你的论文队列和证据地图。不要让AI辅助的工作流和导师反馈存在于不同的地方。

关于证据映射，参见如何构建文献综述证据地图。

一份简洁的简报可以采用以下结构：

项目问题： 一句话。

当前范围： 包括什么，排除什么。

关键论文： 五到十篇论文，附一行相关性说明。

证据模式： 文献目前似乎显示了什么。

不确定性： 需要检查什么。

需要决策： 给导师的具体问题。

下一步： 搜索、阅读、提取或写作行动。

这种格式使会议立足于决策，而不是零散的阅读更新。

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。在综述规划中，问题很少是缺少某个工具。问题通常是搜索、阅读、检查和写作发生在不同的地方，没有共享的规则。

使用一个简短的操作流程：

• 命名综述问题或子问题。
• 定义你正在使用的来源集。
• 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，而不是强行给出干净的答案。
• 为可能进入最终综述的声明保留来源位置。
• 在每次重要的搜索、筛选或写作会话后审查工作流。

这个流程使工作持续推进，而不会让综述变得草率。它还能让导师、合作者和未来的你理解为什么来源集发生了变化。

记录那些以后难以重建的部分。你不需要记录每一次点击的日记，但你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范围、标准、工具使用、综述类型、人工检查和报告说明。添加日期、使用的工具或来源、审查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。

记录应该区分发现和证据。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，但原始来源应该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，还是只有有用的笔记。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？
• 相互矛盾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是如何进入综述的？

如果答案不清楚，就把要点留在笔记中，而不是移到草稿中。这是防止AI辅助研究变成精致但薄弱的写作的小停顿。

WisPaper可以帮助研究人员从宽泛的主题转向会议就绪的论文集。Deep Search、Scholar Agent和Inspiration Discovery支持自然语言学术搜索，当你需要围绕问题、方法或种子方向寻找候选论文时，这很有帮助。

论文卡片显示来源标签、摘要、作者、出版详情和预览图像，使第一轮筛选更容易解释。论文可以保存或上传到My Library，工作来源集在那里保持可用，以便后续跟进。

Library QA可以根据用户自己保存或上传的论文回答问题。这在准备导师简报时很有用，因为它有助于在你计划讨论的实际来源集内比较论文。

试用WisPaper