几周内完成快速综述，而不是几个月：实用指南

快速综述不是匆忙完成的文献综述。它是一种问题更窄、捷径有意设计、取舍被记录，并且服务于真实决策需求的综述。速度是设计的一部分，但速度本身不是方法。

关键区别是透明度。系统综述旨在用完整规划的方法回答问题。快速综述会通过缩小范围、限制搜索来源、简化筛选、减少重复步骤，或只提取决策所需字段，来加速流程。这些选择必须可见。

Cochrane Rapid Reviews Methods Group 表示，它发布了关于开展有效性快速综述方法的更新指导，面向 Cochrane 和其他利益相关方。WHO 相关的 Alliance for Health Policy and Systems Research 指南说明，它为如何规划、开展并促进快速综述在健康政策和系统决策中的使用提供指导，适用于实践场景。重点很清楚：快速综述需要方法指导，而不只是更快的日程。

当决策期限真实存在，并且问题可以被缩窄时，快速综述最有用。当主题宽泛、有争议、涉及安全关键问题，或很可能被当作完整系统综述使用时，它更薄弱。

适合使用快速综述的情况：

• 政策、产品、临床或研究决策不能等待完整综述。
• 问题足够窄，可以高效搜索和筛选。
• 利益相关方接受有记录的方法限制。
• 输出将作为及时证据使用，而不是声称已穷尽覆盖。
• 团队能够解释缩短了什么以及为什么。

不要把快速综述当作包装技巧。如果问题需要完整系统综述，就说出来。如果证据基础不确定，也说出来。

诚实表述是：“这篇综述用有记录的限制，更快回答一个较窄的问题。”这比假装不存在限制更有力。

快速综述和系统综述属于同一个家族。两者都应使用明确方法、预先规划的资格标准、有记录的搜索、筛选决定、提取和综合。区别在于，快速综述会有意限制或简化流程的一部分。

常见快速综述调整包括：

• 缩小研究问题。
• 搜索更少来源。
• 在有理由时限制日期范围、语言或出版类型。
• 对某些任务使用单名评审者，并配合验证。
• 优先进行标题和摘要筛选。
• 只提取与决策相关的字段。
• 使用叙述性综合，而不是更复杂的综合方法。

每个调整都有成本。搜索更少来源可能漏掉研究。简化筛选可能漏掉符合条件的论文。窄提取可能隐藏语境。只有在这些成本被理解并报告时，快速综述才可辩护。

如果项目需要符合 PRISMA 思路的正式报告，在决定哪些捷径可接受前，先使用 AI 辅助系统综述方法。

快速综述应从决策开始，而不是从主题开始。“教育中的 AI”太宽泛。“哪些 AI 反馈工具有证据显示能改善本科课程中的写作修改？”更接近一个可综述的问题。

搜索前写下：

• 谁会使用这篇综述？
• 它将支持什么决策？
• 什么证据会改变这个决策？
• 哪些人群、场景或研究类型重要？
• 即使看起来有趣，什么也会被排除？

这能防止范围蔓延。没有决策需求时，每篇相邻论文都看起来相关。有了决策需求，综述就能说不。

这也有助于使用 AI。如果你用 AI 建议搜索词、筛选论文或建立提取表，工具需要狭窄问题和清楚标准。模糊提示会产生模糊候选列表。

快速综述中的捷径应该提前规划，而不是在截止压力下临时发现。

写一份简短方法计划，覆盖：

这份计划不需要很长。它需要足够清楚，让别人能理解你做了什么。

最糟糕的快速综述会反过来做：悄悄削减方法，然后写得像一篇穷尽式综述。限制可见时，读者可以接受限制。

搜索应匹配决策需求。快速综述可以比完整系统综述使用更少数据库，但不应只依赖方便。

实用的快速搜索可以结合：

• 聚焦的数据库搜索。
• 从关键论文追踪引用。
• 用综述文章识别种子研究。
• 在适当时使用专家推荐论文。
• 用 AI 学术搜索发现词汇并分流候选项。

AI 可以帮助识别替代术语和相邻表述。它也可以帮助浮现关键词搜索漏掉的论文。但最终搜索仍应记录。记录来源、搜索式、搜索日期和任何限制。

如果搜索太嘈杂，使用 Google Scholar 之外的 AI 学术搜索在运行最终搜索前发现更好的词汇。

筛选是快速综述经常节省时间的地方，也是最容易损失质量的地方。

使用简单标签：

• Include：清楚符合标准。
• Exclude：清楚超出标准。
• Maybe：需要更近一步复核。

Maybe 区很重要，因为快速综述推进很快。它给不确定论文第二次查看机会，而不是逼你仓促决定。

AI 可以通过排序可能相关性、总结摘要或标记不确定记录来辅助。把这当作分流，而不是最终资格判断。如果综述将发表或用于重要决策，应记录 AI 辅助筛选如何被检查。

对来源密集型项目来说，从研究论文中提取数据应发生在筛选之后。筛选前提取会制造额外工作，并模糊相关性决定。

提取应保持精简。不要因为完整系统综述会有一个巨大表格，就为快速综述建立巨大表格。只提取回答决策问题需要的字段。

快速综述中常用字段包括：

• 研究设计。
• 人群或场景。
• 干预、暴露、方法或概念。
• 比较对象或基线，如相关。
• 结局或发现。
• 主要局限。
• 适用性笔记。

AI 可以帮助预填提取字段，但每个被使用的字段都应对照原始论文检查。对结局、方法和局限来说，这尤其重要。摘要错误可能改变证据含义。

如果用 AI 做提取，记录工具、输入、提取字段和人工验证过程。这份记录也有助于最终稿件需要 AI 使用声明时使用。

快速综述的综合应该直接。读者通常想知道证据提示什么、信心在哪里受限，以及还存在哪些与决策相关的空白。

使用与决策匹配的综合类别：

• 按干预或工具类型。
• 按人群或场景。
• 按结局。
• 按方法质量。
• 按适用性水平。
• 按发现一致性。

避免把综合写成逐篇论文游行。快速综述仍然应该解释模式，而不只是堆叠摘要。

这里可以使用把论文组织成主题中的方法。主题应来自证据和决策需求，而不是来自听起来整齐的标签。

快速综述通过说清楚限制来赢得信任。

报告：

• 搜索来源。
• 搜索日期。
• 资格标准。
• 任何日期、语言或出版类型限制。
• 筛选流程。
• 使用一名还是多名评审者。
• 使用的 AI 工具，如有。
• 提取字段。
• 验证步骤。
• 已知空白和可能漏掉的证据。

不要用柔软语言隐藏捷径。如果只纳入英文论文，就说出来。如果由一名评审者筛选摘要，并对不确定案例进行验证，就说出来。如果 AI 在人工复核前对论文排序，就说出来。

对稿件来说，这直接连接到如何向期刊披露 AI 使用。披露应与方法一致。

在把快速综述发给利益相关方、导师、客户或期刊前，做一次简短质量检查。综述可以是快速的，但读者仍然需要知道能得出什么、不能得出什么。

检查：

• 引言中是否能看见决策问题？
• 资格标准是否足够具体，能解释排除？
• 搜索来源和限制是否被命名？
• 主要捷径是否直接说明？
• 纳入研究是否可追溯到来源记录？
• 重要发现是否已对照原始论文检查？
• 局限是否用清楚语言写出？
• 结论是否比证据更窄？

最后一点很重要。快速综述常常在结论阶段变得危险。证据可能支持“现有研究提示”，但不支持“该干预有效”。证据可能支持“已发表证据有限”，但不支持“没有效果”。让结论强度与证据强度一致。

如果 AI 帮助起草了综述任何部分，检查草稿是否存在过度自信语言。模型倾向于让证据听起来比实际更顺滑。把漂亮的确定性替换成准确的不确定性。

大多数快速综述问题并不神秘。它们来自速度掩盖方法选择。

注意这些失败模式：

• 问题对可用时间来说太宽。
• 搜索限制出于方便选择，但没有报告。
• 筛选原因没有保存。
• AI 摘要未经检查就被使用。
• 提取字段对决策来说过宽。
• 因为输出需要显得有用，所以局限被弱化。
• 最终文档读起来像完整系统综述，尽管使用了捷径。

解决方法不是让一切都慢下来。解决方法是把取舍明确写出来。快速综述的价值，恰恰在于它用可见的不确定性，为决策者提供及时证据。

WisPaper 帮助研究者使用 AI 搜索和筛选学术论文。它的搜索工作区支持 Deep Search、Scholar Agent 和 Inspiration Discovery，论文卡片会显示来源标签、摘要和预览图，方便用户在决定阅读前先快速判断结果。

WisPaper 也允许用户建立论文库，并基于该库提问。论文可以上传，也可以从搜索结果中加入，然后用于针对个人文献库的问答。

试用 WisPaper