这个工具提供了哪些能力
点开任一能力,看清怎么用
每个能力展开后是三件事:它会给你什么、你需要准备什么、哪些必须由你把关。
常见场景:需要做系统综述的标题摘要筛选,希望用多LLM投票减少单模型偏差;需要对大量文献做PICO标准的结构化数据和效应量提取;需要用RoB 2、ROBINS-I或QUADAS-2工具评估纳入研究的偏倚风险;需要在PubMed、Scopus等多个数据库同时检索并自动去重
帮你判断一篇文献该不该纳入你的系统综述。多个大模型并行独立判断每条文献(标题摘要或全文),再经规则修正和置信度聚合,最后给出纳入、排除或交人工复核的决定;凡是不确定的一律进人工复核,不会悄悄自动排除。
它会给你什么
- 每条文献的筛选决定,包括结论、置信度、各模型的判断和理由。
- 筛选过程中的实时进度提示。
- 结果可导出为表格或文献管理格式文件。
你需要准备
- 一条文献记录,包括标题、摘要、作者、年份、编号等信息,做全文筛选时还要正文。
- 一份纳入排除标准,包括研究框架、研究设计要求和语种限制等。
- 接好的多个大模型服务,至少四个。
由你把关
- 人工复核队列里的记录需要你逐条决定纳入还是排除,由你决定。
- 试点批次的结果需要你审查并反馈,反馈会用于改进系统判断,由你核对。
- 单条筛选决定你可以手动改判,改判是否合理由你核对。
帮你从论文 PDF 里提取结构化数据。你给一份 Excel 提取模板和一篇 PDF,系统解析全文后用两个模型并行提取各字段,再做多层校验和效应量计算,得到带置信度标注和原文证据句的数据,可直接导出给 RevMan 或 R 统计软件用。
它会给你什么
- 每篇文献的提取结果,包括各工作表的数据和出错提示。
- 多种格式的导出文件:保留格式的模板 Excel、带置信度颜色标注的 Excel、CSV、RevMan XML、R 统计软件用的 CSV。
- 提取过程的实时进度提示。
你需要准备
- 一份 Excel 提取模板,包含数据、映射和参考文献三个工作表。
- 要提取的论文 PDF 全文。
- 接好的两个大模型服务。
由你把关
- 置信度低的字段需要你人工审查,Excel 里的颜色标注会帮你定位,由你核对。
- 两个模型意见不一致时的仲裁结果要抽查,由你核对。
- 导出数据用于 Meta 分析前,关键数值要与原文核对,由你核对。
帮你把一个研究问题变成规范的纳入排除标准。多个模型分别生成草稿,再经共识投票、术语补充和质量验证,产出结构化的纳排标准,供后续检索和筛选直接使用。
它会给你什么
- 一份结构化的纳入排除标准,保存后可在各页面共用。
- 这份标准直接对接后面的文献检索和筛选环节。
你需要准备
- 一句研究问题,或者已有的标准文本,也可以给几条例子让系统推断。
- 接好的多个大模型服务。
- 生成模式的选择,比如更彻底的全面模式。
由你把关
- 生成的标准需要你审查,可以手动修改单个条目或导入已有标准,由你核对。
- 系统的就绪度评分只是参考,是否达到可筛选门槛由你决定。
帮你评估一篇研究的偏倚风险。系统把 PDF 全文切块后让多个模型并行评估,再跨模型投票给出各领域的判定和总体结论,每个判定都附理由和支持引文;支持随机对照试验、观察性研究、诊断准确性研究三种主流评估工具。
它会给你什么
- 偏倚风险结果,包括总体判定、各领域判定和是否需要人工复核的标记。
- 一张交通灯矩阵图,一眼看清各领域风险高低。
- 历史评估记录,可保存为 JSON 文件。
你需要准备
- 论文 PDF 的全文。
- 评估工具的名称,或者给出研究类型让系统自动选工具。
- 接好的多个大模型服务。
由你把关
- 标记需要人工复核的领域要逐条确认,由你核对。
- 总体判定可能偏严,是否采信由你决定。
- 支持引文是否真正支持该判定,由你核对。
帮你一次查遍多个文献数据库。系统把你的纳排标准转成各数据库的检索式并行检索,再用六层渐进去重(从精确编号到标题匹配再到语义相似)合并跨库重复文献,输出带完整审计日志的规范记录,还能自动下载 PDF 全文。
它会给你什么
- 检索汇总数据,包括各库命中数、去重后数量、下载和识别完成数。
- 去重后的文献列表,可导出为文献管理格式供筛选。
- 完整的去重合并日志,记录每条合并的依据。
你需要准备
- 已生成的纳入排除标准。
- 选择要检索的数据库,比如 PubMed、Scopus 等。
- 检索结果的数量上限。
由你把关
- 标题加年份这类弱匹配的合并是否正确,需要人工复核,由你核对。
- 语义去重的边界情况要抽查,由你核对。
- 检索结果导出后是否进入筛选环节,由你决定。
帮你检验自动筛选系统靠不靠谱。你提供系统的筛选决定和人工金标准,系统算出灵敏度、特异度等指标和置信区间,生成符合系统综述报告规范的性能报告和图表,还能据此优化决策阈值并反馈给筛选环节。
它会给你什么
- 一份性能评估报告,包括各项指标、置信区间和元信息。
- 可视化图表:ROC 曲线、校准曲线、混淆矩阵、层级分布和偏倚热力图。
- 按期刊发表格式排版的文本报告。
你需要准备
- 一批筛选决定,每条含文献编号、结论和置信度。
- 对应的人工金标准标签,即每篇文献该纳入还是排除。
- 随机种子和重复抽样次数等计算参数。
由你把关
- 优化后的阈值回灌前需要你确认,因为它会影响后续筛选行为,由你确认。
- 校准曲线偏差较大时是否需要重新校准,由你决定。
- 漏检率和自动化率之间的取舍,由你决定。
第一次这样开始
把仓库地址直接交给 AI
先让 AI 说明环境和风险,再完成最小安装验证。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。
第一次直接复制
帮我安装这个库:https://github.com/ChaokunHong/MetaScreener 安装前先告诉我需要什么环境,安装后帮我跑通一个最小示例。
别这样用
这些判断,仍然由你负责
- 把Tier 1和Tier 2的自动决策当作最终结果而不人工抽检
- 跳过PICO标准的人工审核环节而直接用模型生成的版本
- 把MetaScreener的偏倚评估结果替代研究者对研究质量的独立判断
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
处理机制
- 01
HCN四层与分层决策路由
解释 MetaScreener 多个模块(筛选、提取、RoB 评估)怎样共享一套"并行多模型推理 → 规则修正 → 校准聚合 → 分层路由(含人工门)"的骨架,同时在产物类型(决策/字段/判定)上分化,以及保守策略(不确定→人工、recall-first、最差情况合并)如何贯穿全系统成为共同运行治理。
已核对范围
- 读取 README 的 HCN 四层架构图与 Decision Router tier 定义
- 读取 docs/SYSTEMARCHITECTURE.md 第 11 章 HCN 四层筛选系统
- 读取 hcnscreener.py、layer1/inference.py、layer2/ruleengine.py、layer3/aggregator.py、layer4/router.py 源码骨架
- 读取 core/modelsscreening.py 的 Record/ModelOutput/ScreeningDecision 字段
- 读取 docs/SYSTEMARCHITECTURE.md 第 12 章 PDF 数据提取系统与第 14 章 Meta 分析导出
- 读取 module2extraction/engine/neworchestrator.py、fieldrouter.py、llmextractor.py、computation.py、arbitrator.py 源码骨架
- 读取 module2extraction/validation/ 四层验证与 export/ 导出策略
- 读取 tests/unit/testextractionschema.py、testfieldschemaextension.py、testnumericalcoherence.py、testcompilerpipeline.py
仍待核对
- 未调用 OpenRouter API,未验证多模型并行推理实际输出
- 未运行任何筛选 smoke 或 Cohen/ASReview benchmark
- 未验证校准器在真实金标准上的拟合行为
- msactive 主动学习与 layer3 贝叶斯路由(bayesianrouter.py/glad.py/dawidskene.py)的运行行为未深读
- 未运行任何提取 smoke
- 未验证双模型 Alpha/Beta prompt 的实际分歧率
- 效应量计算在真实数据上的正确性未验证
- RevMan XML/R metafor 导出的下游可用性未验证
读取版本
532ee3cc10a7e22e54747d7c3413509c31b9a99b许可
Apache-2.0
最近核对
内容 2026-07-10
Stars 2026-07-11