系统综述中的 AI：用得越多，“记录”越重要

系统综述的价值在于透明——任何人都应该能循着同样的程序重走一遍。同行评审也一定会问：论文是怎么筛选、怎么评价的？

在流程中使用 AI 本身没什么需要遮掩的。但只说“是 AI 选的”，并不构成一份合格的记录。只有“人审核了 AI 的建议并做出最终决定”，才立得住。

建议检索词。辅助题目和摘要的初筛与排序。按结构整理每篇论文的摘要。提取 PICO 候选。起草提取表格。润色文字。

共同点是：这些都是中间产物，之后可以由人审核修正。在这里省时间，不会拉低综述的质量。

最终的纳入或排除。逐条确认排除理由。偏倚风险评估。判断证据的确定性和结论的强度。

这些决定直接塑造综述的结论。“参考 AI 的输出”和“让 AI 拍板”之间有一条线，绝不能越过。由读过原始 PDF 的人做出决定，并连同理由一起记录下来。

一个实用技巧：把记录拆成两栏，分别写下“AI 的候选评估及其依据”和“人的最终决定及其理由”。

分开记录，之后既能自查“我是不是被 AI 带着走了”，写方法部分时也能做到坦诚。

严谨的综述靠团队程序运转：两名评审员独立筛选，分歧之处协商一致。AI 扮演什么角色，同样应该由团队决定，而不是个人自行拍板。

是否需要在方法部分报告 AI 的使用、用到什么程度可以接受——请与研究团队、导师和投稿期刊确认。这个领域的规范仍在形成之中。

Paperfy 不是专门的筛选管理工具。它派上用场的是全文阶段之后的环节：阅读、核实、记录。

每个 PDF 都把 AI 摘要和图表并排展示，你可以手动编辑摘要，留下“排除——理由：结局定义不一致（已核对方法部分第 4 页）”这样的判断笔记。几个月后回顾某个决定时，能从笔记一键跳回原文，价值千金。

把 AI 省下来的时间，投到重读原文和团队讨论上。

综述的可信度，最终取决于花在原文上的时间和决策记录的质量。AI 是创造这些时间的工具，不是它们的替代品。