技能简介
系统综述真正难的地方，往往不是文献下载本身，而是你有没有一个清晰、可持续扩展的起步框架。这一期把综述问题、检索骨架、引用校验和 evidence map 页面放进同一条 workflow。本次附件包已补入 HFpEF 合并 CKD 的证据空白阅读清单与带注释语料，适合继续扩成开题或综述骨架。
传统方式通常需要 半天到1天，而把流程说清楚后，AI 辅助可以在 约20分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
综述问题先缩成 PICO / PECO
先把暴露 / 干预、对照、人群和结局边界讲清楚，后面的检索式才不会越跑越散。
数据库与时间范围先定好
PubMed、Embase 或补充数据库的边界最好先说明，避免后续纳排口径反复变化。
证据提取字段提前统一
研究设计、样本量、暴露 / 干预、结局和核心结论最好先固定到同一张 extraction table。
输出用途先说清楚
是为了综述开题、组会汇报、proposal 还是协作同步，不同用途决定页面粒度和重点。
📦 一轮像样输出至少应交付这 4 样
PICO / PECO 问题骨架
把模糊选题压缩成真正可执行的综述问题与纳排边界。
检索式与纳排标准初稿
提供可继续扩展的 PubMed / Embase 风格检索框架与筛选口径。
核心文献与标准化引用清单
把优先阅读的关键文献、元数据和 DOI 校整齐，减少后续返工。
HTML evidence map 页面
把问题、证据提取表和研究空白整理成一个可转发、可持续更新的综述地图页。
💡 适用场景
系统综述开题
在正式筛文献前先搭出问题框架、检索策略和阅读顺序。
课题组文献汇报
把散乱的阅读结果整理成一页化 evidence map，更方便导师快速看进度。
合作者协作同步
不同成员可以围绕同一套 extraction table 与 evidence map 继续补证据。
proposal 或综述初稿
先把研究空白、关键证据和引用信息搭清楚，再进入正式写作。
⚙️ 核心实操流程
先把综述问题定义成 PICO / PECO
第一步最关键。 你先把问题说清楚，后面所有检索才有边界。 原来一个模糊选题，已经被拆成能执行的综述问题了
调用 `literature-review`： 以“SGLT2 抑制剂对 HFpEF 结局的影响”或“肠道菌群与高血压”的问题为例， 生成 PICO / PECO 问题、纳排标准初稿和检索关键词框架。
搭出检索式和证据提取框架
很多人卡在“知道主题，但不会开始”。 第二步跑完之后，你已经不再是空手查文献， 而是带着一张 extraction table 去看材料
继续用 `literature-review`： 为刚才的问题生成 PubMed / Embase 风格的检索式， 以及证据提取表模板， 包括研究设计、样本量、暴露 / 干预、结局和核心结论。
把核心文献元数据和引用整理干净
这一步看起来不酷， 但它决定你后面会不会因为引用和信息不一致反复返工。 一旦元数据被收干净，后面的阅读和写作都顺很多
调用 `citation-management`： 对当前纳入的核心文献做元数据校验， 统一作者、年份、期刊、DOI 和引用格式， 并标记最值得先读的 5-10 篇关键文章。
输出一个可转发的证据地图网页
最后你拿到的，不只是一个 Excel。 而是一个别人打开就能看懂你综述进度的 evidence map。 对导师汇报、组会同步、合作者沟通都特别有用
调用 `ai-results-html`： 把综述问题、纳排标准、核心文献清单、证据提取表和当前研究空白， 整理成一个带目录的 HTML 证据地图页面。
建议录制的关键画面
- PICO / PECO 问题生成
- 检索式与纳排标准输出
- 证据提取表模板
- 引用元数据校验结果
- HTML 证据地图页面
建议准备的关键截图
- PICO 结构卡片
- 检索式摘要
- 核心文献清单
- evidence map 页面截图
🧯 最常见的 4 类翻车点
选题模糊就直接搜文献
没有清晰问题边界时，资料越积越多，结构却越来越乱。
检索式和纳排标准脱节
如果两者不是同一逻辑，后面筛文献时会不断返工。
只收 PDF，不做元数据校验
作者、年份、期刊和 DOI 不统一时，后续写作和去重都会出问题。
只留 Excel，不做结构化页面
没有 evidence map 这种中间层，组会和协作时仍然很难快速讲清楚进展。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。