学习科研 55.5k 仓库 Star
Literature Review
把研究证据整理清楚
Literature Review 是组织文献综述的 Skill,覆盖明确问题、检索、筛选、提取、比较和写作。它要求保留检索词、日期与排除理由,区分搜索记录、论文报告和实际研究,减少重复计算同一研究的风险。输出重点是证据之间的联系与分歧,而非逐篇论文摘要的简单拼接。
你需要准备:研究问题、检索范围、筛选标准与已有文献
一桉AI 整理 · 更新 · 查看 GitHub 来源
粘贴到 Codex,它会先检查安装条件,再引导你使用。
Literature Review 能帮你做什么?
设计可追溯的检索
先界定研究问题和纳入标准,再选择互补数据库与检索词,保存检索日期、结果和覆盖边界,方便后来复查。
筛选并关联研究资料
按标题、摘要和全文逐步筛选,记录排除理由;去除重复记录后,还要识别同一研究对应的多篇报告。
按主题综合研究结论
比较不同研究的设计、结果与证据局限,组织共同发现、分歧和缺口,并核对引用是否真正支持正文。
什么时候适合用?
下面是用法示例,可换成你的材料和目标。
示例:梳理课题背景
给出清晰研究问题和时间范围,整理可取得文献,比较主要研究路线,形成用于讨论课题方向的综述草稿。
示例:更新已有综述
提供旧稿和原有筛选标准,检索新增研究并记录变化,说明新材料是否影响此前结论以及仍缺的证据。
怎么开始使用?
研究问题与文献范围
准备这些材料文献综述
研究问题、检索范围、筛选标准与已有文献
可追溯的文献综述
- 01
制定检索与筛选标准
- 02
核对文献并提取证据
- 03
综合比较与说明局限
准备什么,会得到什么?
- 准备的材料
- 研究问题、检索范围、筛选标准与已有文献
- 交付的结果
- 按主题组织的 Markdown 综述与完整参考文献,具备条件时可导出 PDF。
- 检索记录、筛选与排除说明,以及研究和报告之间的对应信息。
使用前要知道
脚本不会独立完成一项合格的系统综述,也不提供现成的荟萃分析计算引擎。全文获取、独立审阅和专业判断仍需落实;本站未运行实测。
常见问题
只把检索摘要交给它,能称为系统综述吗?
不能仅凭摘要和自动整理作此保证。需要事先定义标准、记录检索与筛选、获取并评估适用全文,也要说明审阅人员与覆盖范围的局限。
同一项研究发表了两篇论文,要算两项证据吗?
不一定。两篇报告可能使用同一批参与者或不同随访时间,应先建立研究与报告的对应关系,避免在汇总时把重叠样本重复计算。
GitHub 与官方参考
依据项目说明与参考文档整理。页面中的任务与流程示例用于说明用法。
- Literature Review SKILL.md ↗2026-10-31 核对
来源与使用条件
- 原始项目
- K-Dense-AI/scientific-agent-skills ↗
- Skill 名称
literature-review- Skill 目录
skills/literature-review- 仓库 Star
- 55,487 · 2026-10-31 核对,仅代表仓库关注度。
- 许可说明
- 以原项目许可为准
- 使用条件
- 基础脚本需要 Python 3.10+、requests 及联网检索或 DOI 核对能力。可选 parallel-cli 需 Parallel 授权;导出 PDF 需 Pandoc 和 XeLaTeX;可选 AI 示意图需 OPENROUTER_API_KEY。
- 注意事项
- 许可为 MIT。脚本不会自动完成一项完整系统综述;需记录检索覆盖、筛选标准及证据局限,不将搜索摘要代替全文评估;来源已核对,未在本站运行实测。
查看安装与使用提示词
请帮我准备并使用 Literature Review Skill,完成下面的任务。请实际执行当前环境允许的安装与检查,不要只返回一份安装教程。 【来源与目标】 原始仓库:https://github.com/K-Dense-AI/scientific-agent-skills 所选目录:skills/literature-review 参考分支:main 原始目录 frontmatter name:literature-review 安装后的目标调用名:literature-review 来源页面:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/literature-review/SKILL.md 安装路线核对日期:2026-11-01 Literature Review 当前指令与依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/literature-review/SKILL.md OpenAI:Codex 本地 Skill 位置、调用与自动发现:https://learn.chatgpt.com/docs/build-skills 上游安装方式与按任务准备独立依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/README.md 仓库开发环境与 Skill 依赖的区别:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/pyproject.toml PDF 检查模式与本地 CSL 支持:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/literature-review/scripts/generate_pdf.py 【先检查环境,再安装】 先识别操作系统、当前 shell、工作目录、同名 Skill 和已有工具;命令须适配实际平台并正确处理带空格的路径。默认安装到当前项目的 .agents/skills;如果没有可用项目目录,再使用用户目录的 .agents/skills。遵循当前 Codex 实际支持的位置;上游 CLI 或插件有专用目录时使用其正式方案。检查现有安装来源与完整性,能复用就复用,不重复注册相同来源、不覆盖用户修改。系统内置与所选第三方来源同名时保留系统版,明确区分来源和实际目录,不能只凭名称认定装过或选对了。 下文 ~/.agents/skills 是用户级路径示例;已选项目范围时,使用项目的 .agents/skills 并保持相同子目录层级。<SKILL_DIR>、<项目根目录> 等占位符须先换成核对过的真实路径再执行。依赖仓库的存放目录与 Codex 发现入口分别处理,不把缓存目录当作已注册入口。 这是完整目录安装路线。优先使用当前 Codex 自带的 $skill-installer,明确传入仓库 K-Dense-AI/scientific-agent-skills、目录 skills/literature-review、分支 main、安装名 literature-review,并把 --dest 设为已解析的目标 .agents/skills 绝对路径。目录为“.”时表示仓库根目录,仍要传入安装名。不要猜测安装器在本机的固定路径。如果没有内置安装器,按下列项目说明从原仓库获取完整目录,保留全部配套文件。 所选 Skill 的具体安装步骤: 1. 仅完整安装 K-Dense-AI/scientific-agent-skills 的 skills/literature-review 到 ~/.agents/skills/literature-review/;只用于项目时改用 .agents/skills/literature-review/。从完整 checkout 递归复制或用支持完整目录的安装器获取,保留同目录相对结构。 2. 先核对同名安装来源,避免覆盖本地修改或并装两个版本;<SKILL_DIR> 使用安装绝对路径。不要把仓库根 pyproject 的扫描/开发环境当作本项运行环境,也不默认安装其余 176 项。 3. 准备 Python 3.10+ 与 requests;可建立独立环境后安装 requests。若只整理用户现有文献,可先使用本地流程;网络 DOI 核对和数据库搜索需要实际可访问来源。 4. 可选 Parallel 检索使用 parallel-web-tools[cli]==0.9.3,并由用户完成 Parallel 登录或配置密钥;不把付费搜索服务算作随 Skill 获得。 5. PDF 分支另准备 Pandoc、XeLaTeX 和需要的字体/本地 CSL 文件;生成 AI 示意图另需 OpenRouter 服务和对应密钥,仅在选用时配置。 6. 安装后核对 SKILL.md 的 name 与调用名一致;Codex 会自动发现变更。先在 Skill 列表查找,未出现时再新建聊天或重载,不把重启写成每次必做。 必须保留的资源: - skills/literature-review/SKILL.md - skills/literature-review/scripts/(verify_citations.py、search_databases.py、generate_pdf.py、generate_schematic.py、generate_schematic_ai.py) - skills/literature-review/references/ - skills/literature-review/assets/review_template.md 已知依赖:基础脚本需要 Python 3.10+、requests 及联网检索或 DOI 核对能力。可选 parallel-cli 需 Parallel 授权;导出 PDF 需 Pandoc 和 XeLaTeX;可选 AI 示意图需 OPENROUTER_API_KEY。 原项目许可:以原项目许可文件为准 特别条件:许可为 MIT。脚本不会自动完成一项完整系统综述;需记录检索覆盖、筛选标准及证据局限,不将搜索摘要代替全文评估;来源已核对,未在本站运行实测。 需要账号、密钥或服务时先检查现有可用连接;让用户在官方授权或本地配置入口完成,不要求把密钥粘贴到聊天。缺少付费服务或不支持的客户端能力时,明确剩余条件与可完成的范围。 【安装后验收】 读取实际安装位置的 SKILL.md,核对真实 name,并检查它引用的脚本、模板、共享文件与工具是否存在。若上游已迁移路径或更名,先核对正式说明再调整;找不到则报告实际错误,不猜路径或宣称成功。 1. 在所选环境检查 Python 版本并导入 requests;核对全部 scripts、references 和综述模板。 2. PDF 需要时可运行 python <SKILL_DIR>/scripts/generate_pdf.py --check-deps;此模式只查询 pandoc/xelatex 版本,不生成 PDF。 3. 可选 Parallel 仅检查 CLI 版本和本机授权状态,不提交收费检索,也不打印任何密钥。 Codex 通常自动发现变更;只有未出现时才引导新建聊天或重载。若本轮尚未出现在可用列表,可在允许的范围内读取已安装的完整文件继续准备任务,同时说明自动识别尚待确认。插件依赖的工具未连接时,不能用读取文件代替连接成功。 分别报告“文件已安装”“Codex 已识别”“任务所需能力已就绪”的实际状态和证据;失败时给出卡住的步骤、错误与下一步,不反复执行相同的失败命令。 【接着引导我使用】 请使用实际可用的 $literature-review;若实际名称发生变化,以刚核对的本地 name 为准。存在不同来源同名项时,明确选择所选来源与实际文件路径,避免调用成系统版或另一版本。对于必须由用户显式调用的 Skill,直接给我下一条可复制的调用语句。 - 调用 $literature-review,先确定研究问题、检索范围、数据库和纳入排除规则;保留检索词、时间与筛选记录。 - 区分搜索记录、论文报告和实际研究;先形成带证据来源的综述和筛选表,再按可用环境导出,不把自动脚本当成完整系统综述。 我想完成的任务: 围绕我给出的研究问题和范围制定检索、纳入与排除标准,开展可追溯的文献检索和筛选,比较研究方法与结论,记录证据差异和局限。引用真实文献,不编造论文、检索覆盖或研究结果。 需要我提供的材料: 研究问题、检索范围、筛选标准与已有文献 期望得到: 一份带真实引用的文献综述草稿、检索和筛选记录,以及仍需全文核查或进一步检索的事项。 先查看我在当前聊天中已经提供的目标与材料,只问缺少的关键内容;没有材料时,告诉我第一步提供什么,可给一个简短示例。条件满足后从一个小任务开始,检查输出,再说明怎样继续使用。示例仅用于演示,不充当我的真实数据;没有执行过的步骤、测试或交付物不要写成已经完成。需要发送、发布或修改外部账号内容时,先让我核对具体对象和内容。