用 AI 写文献综述，怎样控制幻觉和证据断裂
把文献关系、核心文献筛选、方法矩阵和四类 Gap 分开处理，让综述中的每个判断都能回到具体材料。
在体系中的位置
在文献矩阵之后组织综述判断，并让结论回到原始证据。
文献工作流 · 第 4 篇
我一直都不建议一上来就对 AI 说：
“帮我写一篇文献综述。”
这句话看起来省事，实际很危险。
它会让 AI 同时做几件事：找文献、读文献、总结观点、搭综述结构、生成研究空白。任何一步材料不够，AI 都可能用一段很顺的话把缺口补过去。引用看起来像真的，判断看起来像共识，Gap 看起来像研究问题，最后最难查的就是这些“看起来都对”的地方。
文献综述防幻觉的关键，是把任务拆成一个个能回查的小步骤。
我现在会把它拆成三段：
第一段，用 Connected Papers 看文献关系，再结合知网等数据库补中文文献线索，先形成候选文献表。
第二段，把核心文献放进筛选和结构化精读流程。
第三段，从文献方法矩阵里生成候选 Gap，再按四类框架收口。
这套方法不追求让 AI 一次性写完综述。它解决的是另一个更重要的问题：每个判断从哪里来，后面还能不能查回去。
第一步，Connected Papers 只看关系，先别急着下结论
我会先从一两篇已经确认靠谱的种子文献开始，把它们放进 Connected Papers。
这一步我只让工具做一件事：帮我看文献之间的关系。
它能提供两类线索：
| 线索 | 我会怎么用 |
|---|---|
| 邻近文献 | 看哪些论文和种子文献经常被放在一起讨论 |
| 经典入口 | 找可能需要优先补读的基础文献 |
这里最容易犯的错，是看到一张关系图以后，马上让 AI 总结“这个领域的主要观点是什么”。
我一般不会这么做。因为关系图只能说明文献之间可能有关联，还不能说明这组文献已经支持某个结论。
所以这一阶段更稳的产物是一张候选表。可以从 Connected Papers 导出 BibTeX，再把题名、作者、年份、摘要和关系线索交给 AI 做初步整理。
Connected Papers 只负责给我看关系线索，不负责替我判断研究结论。
这个边界要先立住。很多综述里的幻觉，就是从“关系线索”被过早写成“研究共识”开始的。
第二步，文献摘要进入矩阵，不直接丢给聊天窗口
有了候选文献表以后，我会接回前面已经跑过的两套方法。
第一套是文献筛选。
我会先把候选文献收成一个漏斗：
- 多源获取候选文献。
- 按题目、摘要、关键词做第一轮相关性判断。
- 用引用关系补充可能遗漏的关键论文。
- 形成核心文献清单，留下真正支撑综述的文献。
筛选完成以后，才进入第二套方法：结构化精读。
结构化精读的核心产物是一张文献方法矩阵。每篇核心文献至少抽取这几个维度：
| 维度 | 要问的问题 |
|---|---|
| 核心观点 | 这篇论文到底主张什么 |
| 理论依据 | 它用了什么理论解释问题 |
| 研究对象 | 它研究的是谁、什么场景 |
| 研究方法 | 它怎么识别或论证 |
| 核心变量 | 它关注哪些变量和关系 |
| 因果机制 | 它认为影响路径是什么 |
| 局限边界 | 它自己承认了哪些不足 |
这张表看起来比一段 AI 总结慢，实际更稳。
因为表格能横向比较，也能回原文复核。你后面写“已有研究主要从三个角度展开”时，能说清每个角度对应哪些论文。你后面写“现有研究还缺少某类场景”时，也能回到矩阵里看它到底是不是缺。
核心文献处理的产物，优先是一张能追溯、能比较、能复核的文献方法矩阵。
如果没有这张矩阵，综述很容易变成“AI 觉得这个领域大概如此”。这类话最顺，也最危险。
第三步，Gap 从矩阵里长出来，先按四类框架收口
文献矩阵做完以后，才进入 Gap 发现。
这里我会沿用前面那篇 Gap 分析文章的方法，先把 Gap 分成四类：
| Gap 类型 | 判断标准 |
|---|---|
| 理论 Gap | 现有理论解释不了新现象或新边界条件 |
| 方法 Gap | 现有方法、数据口径或识别策略有系统性盲区 |
| 现象 Gap | 新出现或被忽视的对象、情境、场景还没被充分解释 |
| 矛盾 Gap | 同一问题上结论互相打架，但缺少解释 |
这一步可以让 AI 帮忙。比如让它从矩阵里标出低频对象、冲突结论、反复出现但解释不充分的机制。
最后再让 AI 写顺，顺序不能反过来
这套流程跑完以后，AI 当然还可以继续用。
它可以帮我把矩阵整理成段落，可以帮我把四类 Gap 合并成几条主线，也可以帮我检查正文里有没有跳步。
但顺序不能反过来。
我的最小流程是：
- 用 Connected Papers 看文献关系。
- 用筛选流程收出核心文献。
- 用结构化精读生成文献方法矩阵。
- 用四类 Gap 框架生成候选研究空白。
- 最后再让 AI 帮我整理表达。
不要让一个聊天窗口同时负责找证据和下结论。
这是我现在写文献综述最重要的一条规则。
工具可以换，模型也可以换，但证据链不能断。只要每一步都有能回查的材料，AI 写得再顺，你也知道该从哪里开始核。
如果你最近正在写开题、论文或文献综述，可以先不用急着让 AI 输出一整篇正文。先做一张很小的表：种子文献是什么，关系线索是什么，核心文献是哪几篇，矩阵字段有没有填满，候选 Gap 属于哪一类。
这张表做好以后，AI 才更像助手。
在这之前，它很容易只是一个把不确定性写得很流畅的工具。
继续阅读
需要系统训练时
把一条公开方法，练成可以反复使用的科研流程
公开文章先解决一个具体判断；课程继续连接研究问题、文献判断、理论假设和方法骨架，并形成可复用的研究设计档案。