Systematic Review

• 为研究论文或学位论文撰写文献综述、调查报告或相关工作章节。
• 跨多个学术数据库（Semantic Scholar、arXiv、OpenAlex）进行全面检索，以梳理某一研究领域的全貌。
• 在进行全文精读之前，依据标题和摘要对大量候选文献进行初步筛选。
• 识别研究空白与尚待探索的机会，而不仅仅是对现有工作进行总结。

• 您只需要快速进行一次性引用或单个参考文献查询，而不需要结构化综述。
• 您的项目已经完成了文献检索和筛选阶段，综合分析也已完成。

遵循PRISMA 2020框架（Page et al., BMJ 2021），确保您的文献综述符合公认的报告标准。每个步骤均按顺序排列，以反映标准Systematic Review工作流程。

在任何搜索开始之前，提示您定义明确的纳入和排除标准，从而减少选择偏倚，并使综述范围得到良好控制。

跨多个来源构建结构化检索，涵盖 Semantic Scholar、arXiv 和 OpenAlex，同时采用宽泛查询与精确查询相结合的方式，以最大化召回率并最小化覆盖盲区。

首先进行标题/摘要筛选，然后再进行全文审阅，从而将深度阅读的精力集中在最相关的文献上。

从每篇论文中提取一组统一的字段——方法、数据集、评估指标和主要发现——使跨论文比较和表格生成变得简便直观。

引导综合分析朝向识别研究差距和未来机会，而不仅仅是罗列先前的研究成果，同时优先考虑近期高引用量的论文，以及每个子主题至少一篇具有里程碑意义的经典文献。

研究人员在撰写论文时，需要对已有工作进行有据可查、可重复验证的梳理与呈现。该技能将引导用户完成标准制定、多数据库检索以及结构化信息提取等环节，最终形成一篇条理清晰的相关工作综述叙述。

攻读博士学位的学生在撰写正式文献综述时，可以遵循类似PRISMA的步骤，系统地筛选数百篇候选文献，提取可比较的元数据，并归纳出推动其研究问题形成的研究空白。

准备综述论文或元分析的团队使用结构化提取模板，在所有纳入研究中一致地收集方法、数据集和指标信息。

在探索新主题领域时，综合阶段能够揭示尚未充分研究的问题和开放性机遇，帮助研究人员识别新颖贡献最能产生影响的方向。