literature-review

文献综述

通过多视角对话和系统搜索进行深入的文献综述。

输入

• $0 — 研究主题或问题
• $1 — 可选：具体关注点或角度

参考资料

• 多视角对话提示（STORM）：~/.claude/skills/literature-review/references/dialogue-prompts.md
• 文献综述工作流（AgentLaboratory）：~/.claude/skills/literature-review/references/review-workflow.md

脚本（来自 literature-search 技能）

# 搜索 Semantic Scholar
python ~/.claude/skills/deep-research/scripts/search_semantic_scholar.py --query "topic" --max-results 20

# 搜索 OpenAlex
python ~/.claude/skills/literature-search/scripts/search_openalex.py --query "topic" --max-results 20

# 搜索 arXiv
python ~/.claude/skills/deep-research/scripts/search_arxiv.py --query "topic" --max-results 10

工作流

步骤 1：生成专家角色（来自 STORM）

根据主题，创建 3-5 个多样化的专家角色：

• 每个角色代表不同的视角、角色或研究角度
• 示例：“专注于效率的机器学习系统研究员”、“关注保证的理论统计学家”
• 使用参考资料中的角色生成提示

步骤 2：多视角对话

对每个角色，模拟多轮问答对话：

1. 角色从其独特角度提出问题
2. 根据问题生成搜索查询
3. 使用搜索脚本搜索文献
4. 综合基于检索论文的答案，并附上内联引用
5. 记录对话轮次及搜索结果
6. 每个角色重复 3-5 轮
7. 当角色说“非常感谢您的帮助！”时结束

步骤 3：综合知识

• 将所有角色的对话合并为统一的知识库
• 消除不同角色之间的冗余
• 按主题/子主题组织
• 基于收集的信息生成大纲

步骤 4：生成文献综述

• 按照生成的大纲撰写结构化的综述
• 每个主张必须有引用支持
• 包含关键论文的摘要表格（方法、贡献、局限性）

输出

结构化的文献综述，包含：

1. 大纲 — 层次化的主题结构
2. 每节摘要 — 每节均基于检索到的论文
3. 论文数据库 — 所有综述论文的结构化条目
4. 知识空白 — 识别出的需要进一步研究的领域

规则

• 综述中的每一句话都必须有收集到的信息支持
• 如果未找到信息，需明确说明空白
• 广泛引用——涵盖多样化的方法，而不仅仅是最流行的
• 包含近期论文（最近 2-3 年）以及基础性工作
• 使用内联引用：“Smith 等人 [1] 提出...”

相关技能

• 上游：literature-search、deep-research
• 下游：related-work-writing、research-planning
• 另见：survey-generation