Skill/学习科研/Literature Review
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 · 2026.10.31 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?

从材料到结果流程示意,非实测结果

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

  1. 01

    制定检索与筛选标准

  2. 02

    核对文献并提取证据

  3. 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。

相关 Skill

  • Research Lookup研究资料检索
  • Citation Management引用与文献管理
  • Scientific Critical Thinking科学证据评估

复制到 Codex

浏览器暂未允许直接复制。点击下方文字,按 Ctrl+C(Mac 按 ⌘C)复制,再粘贴到 Codex。

三步开始使用

  1. 找到想做的事,点击「复制提示词」。
  2. 打开 Codex,把提示词粘贴进去并发送。
  3. 按它的提示提供文件或材料,继续完成任务。

按需安装就好,不用一次装完。部分 Skill 需要软件、账号或付费服务,Codex 会先检查使用条件。