Literature Review

• 为研究论文、学位论文或基金申请开展系统性文献综述、范围综述或荟萃分析。
• 跨多个数据库和出版物类型，综合归纳生物医学、科学或技术主题的当前知识现状。
• 撰写manuscript的文献综述部分，并需要以 APA、Nature、Vancouver、Chicago 或 IEEE 格式提供经过验证的引用。
• 通过同时检索预印本服务器和同行评审文献，识别某一领域的研究空白、奠基性论文及未来研究方向。

• 您只需要对某个主题进行快速的背景摘要，而不需要有据可查、可重复的系统性检索——一般的网络搜索功能可能就足够了。
• 您的领域不属于生物医学、科学或技术领域，因为专业数据库集成（PubMed、bioRxiv、arXiv 等）所能提供的帮助有限。
• 您不需要引用验证或 PDF 输出，只是想要关于某个主题的非正式笔记。

通过集成科学工具（gget、bioservices、datacommons-client）跨 PubMed、bioRxiv、medRxiv、arXiv、Semantic Scholar 等多个数据库进行检索。并行网络技能（parallel-cli search）结合学术领域过滤功能，提供广泛的学术网络覆盖，确保不遗漏任何重要来源。

所有引用均通过 scripts/verify_citations.py 进行准确性验证，该脚本提取 DOI、通过 CrossRef 解析并检索权威元数据。支持多种引用格式，包括 APA（第7版）、Nature、Vancouver、Chicago 和 IEEE。

通过 scripts/generate_pdf.py 脚本，借助 pandoc 和 XeLaTeX，将已完成的综述从 Markdown 转换为专业格式的 PDF。可选项包括引文样式、目录以及章节编号。

通过规划与范围界定、系统性检索、筛选与遴选、数据提取与质量评估、主题综合、引文核实以及文档生成七个阶段引导文献综述过程——遵循 PRISMA 和 Cochrane 最佳实践。

scripts/search_databases.py 将所有数据库的结果合并，通过 DOI 或标题去除重复条目，按引用次数排序，并以 Markdown 或 JSON 格式导出整洁的聚合结果，以供筛选使用。

与scientific-schematics技能集成，可生成达到发表质量的图表，包括PRISMA流程图、主题综合图和概念框架图——默认采用色盲友好及高对比度设计。

一位研究镰状细胞病CRISPR基因疗法的研究人员，借助该技能在PubMed、bioRxiv和Semantic Scholar中使用MeSH术语与布尔运算符进行检索，依据PICO框架定义的纳入标准对数百条结果进行筛选，提取数据，运用Cochrane偏倚风险工具评估偏倚，并最终生成一份符合PRISMA规范、采用Nature风格引用格式的PDF报告。

一名研究生在撰写论文时，运用该技能进行多数据库检索，按主题而非逐篇研究的方式整理研究发现，核实所有引用文献，并导出格式规范的 Markdown 及 PDF 章节以备提交——同时附有完整记录的检索方法说明，以确保研究的可重复性。

一位技术研究人员通过 parallel-web 查询 arXiv（cs.LG、stat.ML 分类）、Semantic Scholar 及通用学术资源，对机器学习文献进行系统梳理，重点关注顶级会议（NeurIPS、ICML）中高引用率的论文，并对研究趋势、基准测试及开放性研究问题进行综合分析。

一个团队在准备基金申请时，利用该技能跨多个数据库快速梳理某一研究领域，识别关键奠基性文献与研究空白，并生成简洁、经过引文核实的摘要文件，以支撑申请书中的科学依据部分。