文獻綜述並非論文摘要的匯編，它是有結構地論述學術領域當前的認知、爭議所在，以及你的研究問題為何值得探討。人工智慧工具能加速工作進度，但文獻綜述的知識結構依然不變：你需要找出相關論文、閱讀並理解它們、綜合不同來源的論點、找出研究空白，並撰寫一份連貫的領域說明。以下工具對應著該過程中的特定階段。它們都不能為你撰寫文獻綜述，但每一項都能消除某種特定的摩擦點。
本指南涵蓋從搜尋到定稿的完整工作流程：哪些工具適用於哪些階段、每項工具的貢獻止於何處，以及只有你才能完成的知識性工作從何開始。各部分依文獻綜述專案的實際順序排列，而非任意羅列工具。
開始前：精確定義你的研究問題
人工智慧搜尋工具根據你提供的術語和概念來返回結果。一個模糊的研究問題會導致文獻搜尋缺乏明確界限——你會找到數千篇論文，卻沒有清晰的原則來判斷哪些是相關的。在開啟任何搜尋工具之前，請用一句話寫下你的研究問題，其中應包含：你正在研究的現象或變數、研究對象或背景，以及你想了解的關係。例如：「睡眠剝奪對青少年工作記憶有何影響？」是可以搜尋的。「我想了解睡眠和認知」則不然。
這個階段無需人工智慧工具——它需要你對研究問題及其範圍進行思考。你初始問題的精確性決定了後續每一步的精確性。一旦你的問題定義清楚，就可以將其轉化為搜尋詞：研究對象（青少年）、現象（睡眠剝奪、睡眠不足），以及結果（工作記憶、認知表現、執行功能）。這些將成為你文獻搜尋的關鍵字群組。
利用系統學術搜尋建立你的文獻庫
大多數文獻綜述低估了其主題存在的論文數量。Google 學術搜尋中的關鍵字搜尋只是一個起點，而非完整的搜尋。徹底的文獻庫建立應平行採用多種策略：
資料庫搜尋 (Elicit, Semantic Scholar, PubMed, Web of Science)：至少在兩個資料庫中執行你的關鍵字群組搜尋。Elicit 會搜尋學術文獻並返回結構化的結果表格，讓你能夠快速篩選和評估多篇論文的相關性。Semantic Scholar 的 AI 生成 TLDRs 讓你無需閱讀完整摘要即可評估摘要是否相關。對於生物醫學主題，PubMed 的 MeSH 術語系統能找出資料庫關鍵字搜尋遺漏的論文。
引用鏈 (Connected Papers, Research Rabbit)：選取你最相關的 5-10 篇論文，並透過 Connected Papers 或 Research Rabbit 運行。這兩種工具都能找出透過引用和相似性連接的論文，而這些論文是你的關鍵字搜尋未能返回的。這一步至關重要——一些最相關的論文可能使用了不同的術語，因此不會出現在關鍵字搜尋中。
將結果匯入 Zotero：當你識別出相關論文時，立即將它們匯入 Zotero。Zotero 的瀏覽器擴充功能能一鍵匯入期刊網站和 PDF 中的書目資料。從一開始就在 Zotero 中建立書目，可避免在寫作過程中手動重新輸入引文。
在 AI 解釋支援下高效閱讀單篇論文
閱讀階段從紀律中獲益最多。人工智慧工具可以輔助理解，但不能取代對原始資料的投入。對於每篇論文：
從摘要和結論開始：在閱讀全文之前，判斷論文是直接、間接還是完全不涉及你的研究問題。你在搜尋階段匯入的許多論文都可能是邊緣的；你應該快速瀏覽它們。
使用 SciSpace 處理困難的方法學和理論部分：當你遇到超出你專業知識範圍的統計方法學部分，或進入一個新學科的理論框架時，SciSpace 的高亮解釋功能提供情境化的人工智慧解釋，無需你離開文檔。這對於進入新子領域的研究人員最有用：
- 高亮你不明確的特定段落——而非整個部分
- 獲得基於該特定文本背景的解釋
- 跟進具體問題：「SEM 在此背景下意味著什麼？」而非「解釋這一段」
每讀完一篇論文後立即寫下自己的閱讀筆記：在 Zotero（如果你使用連結筆記則在 Obsidian）中寫下簡潔的筆記，記錄論文的論點、它與你的研究問題的關係，以及任何方法學或理論上的限制。這些筆記才是你之後將會整合的內容——而不是論文本身。
利用 AI 問答整合你的全部文獻庫
這是文獻綜述的核心知識性操作，也是大多數研究者停滯不前的地方。整合並非列出每篇論文說了什麼——它是在所有論文中識別模式、共識、矛盾和空白。當你處理來自 60-80 篇論文的閱讀筆記時，手動整合既耗時又容易出錯。
使用 Ponder 針對你的整個文獻庫提問：將你的文獻庫匯入 Ponder（透過 PDF 上傳、DOI，或直接從 Ponder 搭載 OpenAlex 搜尋功能的學術搜尋匯入，OpenAlex 擁有超過 2.5 億篇論文）。然後提出整合問題：
- 「這些論文總體上對 [你的核心變數] 得出了什麼結論？」
- 「哪些論文主張 X，哪些主張相反？」
- 「研究 [現象] 採用了哪些方法學？」
- 「哪些論文承認了與 [研究對象或背景] 相關的限制？」
- 「這些作者將哪些內容確定為未來研究方向？」
每個 Ponder 的回答都會引用支持每項主張的特定論文中的特定頁碼。這意味著每個整合主張都可以立即追溯到其來源——你可以在撰寫前驗證它，並引用正確的頁碼。頁面級別的引文正是 Ponder 專門對學術寫作有用的原因：你不僅獲得了摘要，還獲得了一個帶有可驗證來源位置的可引用主張。
根據 Ponder 的答案建立你的整合框架：隨著 Ponder 查詢中出現的模式，你開始看到你的文獻綜述的結構：主要立場是什麼，關鍵爭論點在哪裡，哪些實證發現是可靠的，哪些是有爭議的。這個結構將成為你綜述章節的大綱。
系統地識別研究空白
文獻綜述的任務是確立你的研究將填補的空白。為此，請同時使用 Ponder 和 Elicit：
Ponder（基於整合的空白識別）：提問「這些論文中，[你的主題] 的哪些方面尚未被研究？」，「此文獻中缺乏哪些研究對象？」，「這些論文的未來研究部分提到缺少什麼？」作者在他們的限制和未來方向部分明確指出空白；Ponder 同時從你所有論文中找出這些陳述。
Elicit（結構性空白識別）：如果你已經進行了系統搜尋，請使用 Elicit 的提取表格，根據重要維度（研究對象、場景、結果測量、研究設計、方法學）比較研究。提取表格中的空白單元格是結構性定義的空白——針對你的主題，沒有人填寫的欄位。
Connected Papers（拓撲性空白識別）：對你的 5 篇核心論文運行 Connected Papers，並檢查外圍和稀疏區域。在網路中出現但與主要群集連接不緊密的論文，通常代表尚未完全整合到主流文獻中的方法或框架——這可能是你貢獻的潛在定位。
撰寫文獻綜述大綱和初稿
在這個階段，你已經具備：明確的研究問題、Zotero 中全面的文獻庫、來自 Ponder 的綜合發現，以及由具體證據支持的研究空白陳述。你的文獻綜述大綱應該直接源於綜合結構——其組織方式不是按時間順序或按論文，而是按領域內的論點和辯論進行主題分類。
根據你的輸出要求選擇寫作工具：
- Google Docs：如果你的導師或共同作者需要在共享文件中協同評論和修訂，Google Docs 是預設選擇。它的評論和建議系統與所有學術審查工作流程兼容。Gemini AI 可以協助措辭和章節過渡。
- Overleaf：如果你的學科需要 LaTeX（大多數 STEM 領域、經濟學），Overleaf 能夠處理論文和期刊格式，並透過 Zotero 自動整合書目。這對於 STEM 領域的大多數期刊投稿流程都是必需的。
- Scrivener：如果你的文獻綜述是大型學位論文中的一個章節，Scrivener 的裝訂模型可以處理整個手稿——你在專案中將文獻綜述作為一個資料夾來撰寫，該專案組織你的整個學位論文。它的編譯功能可以從所有章節生成一份可供提交的文檔。
根據你的綜合發現撰寫，引用 Ponder 的頁面級來源：你初稿中的每個段落都應該是一個由多個來源支持的綜合主張——而不是一篇論文的摘要。結構是：主張 → 來自多篇論文的支持證據（引用）→ 如適用，合格條件或反證據。Ponder 的頁面級引用會告訴你每個支持主張應引用的確切頁碼，省去了搜尋原始論文以查找該段落的步驟。
編輯語言品質和投稿標準
初稿品質不如論點的清晰度和準確性重要。一旦初稿完成，這些工具將處理不同的編輯面向：
- Grammarly：語法、清晰度、語氣和風格修正。直接整合到 Google Docs 和 Word 中。免費版本涵蓋基本語法；付費版本增加了風格和語氣建議。對於使用第二或第三語言寫作的研究人員來說，Grammarly 能捕捉到原本需要昂貴專業編輯才能發現的錯誤。
- Trinka：專門針對學術和科學寫作訓練的語法和風格修正工具。能捕捉到一般語法工具遺漏的被動語態誤用、模糊語言和特定學科術語錯誤。比 Grammarly 廣泛的用途更針對正式的學術寫作。
- Paperpal：符合期刊投稿標準的學術英文編輯，包括針對要求 AI 揭露的期刊提供 AI 文本檢測。對於將其文獻綜述作為期刊論文一部分提交的研究人員很有用。
常見問題
AI 可以為我撰寫文獻綜述嗎？
沒有任何 AI 工具能夠在沒有大量人類知識投入的情況下，可靠地撰寫出符合學術標準的文獻綜述。AI 工具的作用是加速那些瓶頸在於資訊處理而非判斷的特定階段：查找論文、理解難懂的段落、從大量文獻中進行綜合，以及識別結構模式。文獻綜述的論證結構——為什麼這個研究空白很重要，這些爭論如何相關，你的貢獻是什麼——需要你對該領域的理解和你的理論立場。那些使用 AI 跳過與原始資料互動的研究人員，其文獻綜述會被審查者和審稿人認為是膚淺的。使用 AI 來加速處理；不要用它來避免處理。
撰寫文獻綜述最好的 AI 工具是什麼？
對於綜合階段——文獻綜述的核心知識工作——Ponder 是最有用的工具。它可以針對你匯入的整個文獻庫回答問題，並提供頁面級別的引用，這是你構建由可驗證來源支持的綜合主張所必需的。在查找論文方面，Elicit 的結構化提取和 Semantic Scholar 的索引資料庫涵蓋了搜尋階段。對於不熟悉的方法學領域的閱讀理解，SciSpace 處理段落級別的解釋工作。大多數完成的文獻綜述需要在不同階段使用三到四種這些工具，而不是全程使用一種工具。
在 AI 輔助下撰寫文獻綜述需要多長時間？
AI 輔助主要壓縮了綜合階段——與其花費數週手動閱讀 80 篇論文的筆記以尋找模式，Ponder 的跨文獻庫問答讓這些模式在研究會話中顯而易見。搜尋階段（Elicit、資料庫搜尋、引用鏈）如果系統地進行，需要數天而非數週。閱讀單篇論文無法按比例壓縮——深入研究原始資料仍需時間。對於一份 6,000-8,000 字、關於已確立學術主題的文獻綜述，有 AI 輔助的現實估計是：3-5 週的專注會話，相較於沒有 AI 輔助的 8-12 週有所減少。品質上限相同；下限則因常見錯誤（遺漏論文、未綜合的摘要）被更早發現而提高。
另見： 如何用 AI 總結研究論文 | 系統綜述 AI 工具 | 學生適用的最佳 AI 研究工具