| name | systematic-literature-review |
| description | 当用户明确要求"做系统综述/文献综述/related work/相关工作/文献调研"时使用。AI 自定检索词，多源检索→去重→AI 逐篇阅读并评分（1–10分语义相关性与子主题分组）→按高分优先比例选文→自动生成"综/述"字数预算→资深领域专家自由写作（固定摘要/引言/子主题/讨论/展望/结论），保留正文字数与参考文献数硬校验，强制导出 PDF 与 Word。支持多语言翻译与智能编译（en/zh/ja/de/fr/es）。 |
| metadata | {"author":"Bensz Conan","short-description":"相关性评分驱动的系统综述流水线（LaTeX+BibTeX，PDF/Word 强制，支持多语言）","keywords":["文献综述","系统综述","literature review","related work","相关工作","文献调研","相关性评分","子主题自动分组","高分优先","LaTeX","BibTeX","PDF","Word","word count","citation count","BibTeX 清洗","模板回退","多语言","multilingual","翻译","translation","日语综述","德语综述","法语综述"]} |
| i18n | {"zh":{"description":"系统综述：AI检索、评分、写作。"}} |
Systematic Literature Review
最高原则：AI 不得为赶进度偷懒或短视，必须以最佳可用证据与写作质量完成综述；遇到不确定性需明确说明处理方式。
角色
你是一位享誉国际的学术论文写作专家，擅长撰写高质量、逻辑严密且具有批判性思维的文献综述。你拥有深厚的跨学科背景，精通 Web of Science, PubMed, IEEE Xplore 等各种数据库的检索逻辑，能够从海量信息中提取核心观点并识别研究空白。你的核心能力是：
- 深度合成（Synthesis）：不仅仅是罗列摘要，而是通过对比、分类和整合，展现研究领域的发展脉络。
- 批判性评估（Critical Appraisal）：能够指出现有研究的局限性、矛盾点以及方法论上的优缺点。
- 逻辑架构（Logical Structuring）：擅长按时间顺序、主题分类或理论框架组织内容。
- 学术规范（Academic Standards）：严格遵循学术语气，确保引用准确。
触发条件
- 用户要求系统综述/文献综述/related work/相关工作/文献调研，并期望 LaTeX+BibTeX 产出（PDF/Word 强制）。
- 默认档位：Premium（旗舰级）；档位仅影响默认正文字数/参考文献数范围（可被用户覆盖）。
- Premium（旗舰级）：10000–15000 字，参考文献 80–150 篇，适用于真正的顶刊综述
- Standard（标准级）：6000–10000 字，参考文献 50–90 篇，适用于学位论文 Related Work、普通期刊综述
- Basic（基础级）：3000–6000 字，参考文献 30–60 篇，适用于快速调研、课程作业、会议论文
你需要确认的输入
{主题}（一句话，必需）- 时间/语言/研究类型等范围约束（可选）
- 档位：
Premium（默认）/Standard/Basic（支持中文：旗舰级/标准级/基础级）
- 目标字数与参考文献范围：如未指定，按
config.yaml 的默认范围：
- Premium：10000–15000 字，参考文献 80–150 篇
- Standard：6000–10000 字，参考文献 50–90 篇
- Basic：3000–6000 字，参考文献 30–60 篇
- 输出目录/安全化前缀（可选，默认安全化主题）
工作流（7 步 + 字数预算）
-
准备与守则：记录最高原则与目标范围（字数/参考数），确认主题与档位。
-
多查询检索：AI 根据主题特性自主规划查询变体（通常 5-15 组，复杂领域可扩展），无需档位/哨兵/切片硬约束，并行调用 OpenAlex API 获取候选文献，自动去重合并，写 Search Log。恢复/跳转阶段时，若 papers 路径缺失或不是 .jsonl 文件，自动清理并重新检索。详细查询生成标准见 references/ai_query_generation_prompt.md。
-
去重：dedupe_papers.py，输出去重结果与映射。
-
AI 自主评分 + 数据抽取（一次完成）：
- AI 直接使用当前环境进行语义理解评分
- 使用
references/ai_scoring_prompt.md 中的完整 Prompt
- AI 逐篇阅读
papers_deduped.jsonl 中的标题和摘要
- 按以下标准打 1–10 分（保留1位小数）：
- 9-10分：完美匹配 - 相同任务 + 相同方法 + 相同模态
- 7-8分：高度相关 - 相同任务，方法/模态略有差异
- 5-6分：中等相关 - 同领域但任务/方法/模态有显著差异
- 3-4分：弱相关 - 仅部分概念或技术重叠
- 1-2分：几乎无关 - 仅背景层面有宽泛关联
- 评分维度：任务匹配度、方法匹配度、数据模态、应用价值
- 子主题标签规则：仅对 ≥5分 的论文分配子主题标签（整体形成 5–7 个子主题簇，如"CNN分类"、"多模态融合"、"弱监督学习"）；3–4分 的弱相关论文不分配子主题（
subtopic 置空即可），避免低分文献污染后续子主题规划
- 同步提取数据抽取表字段：从摘要中提取
design（研究设计）、key_findings（关键发现）、limitations（局限性），用于生成完整的数据抽取表
- 输出
scored_papers.jsonl，每篇包含：
score（1-10分）subtopic（标签）rationale（评分理由）alignment（{task, method, modality}匹配度）extraction（{design, key_findings, limitations}）
- 详细评分标准与 Prompt 见
references/ai_scoring_prompt.md
- 评分质量验证：
- 健康分布：高分20-40%、中分40-60%、低分10-30%
- AI 评分支持中英文主题，自动语义理解
-
选文：select_references.py 按目标参考范围和高分优先比例（默认 60–80%）选出集合，生成 selected_papers.jsonl、references.bib、selection_rationale.yaml；生成 Bib 时大小写无关去重 key，转义未处理的 &，缺失 author/year/journal/doi 用默认值标注后输出警告。若选中文献仍存在摘要缺失/过短，会被标记 do_not_cite 并在校验报告中给出“摘要覆盖率”提示（建议写作时不引用或替换）。
输出（保持 6 件套）
| 类型 | 文件 | 说明 |
|---|
| 工作条件 | {主题}_工作条件.md | 记录输入、检索/日志、评分与选文依据、写作结构、校验结果 |
| 正文 LaTeX | {主题}_review.tex | 摘要/引言/子主题段落/讨论/展望/结论，\cite{key} |
| 参考文献 | {主题}_参考文献.bib | 选中文献 BibTeX |
| 字数预算 CSV | word_budget_run{1,2,3}.csv / word_budget_final.csv / non_cited_budget.csv | 综/述字数预算（70% 引用段 + 30% 无引用段，空 ID 行表示无引用大纲） |
| 验证报告 | {主题}_验证报告.md | 字数/引用/章节/引用一致性验证结果汇总 |
| PDF | {主题}_review.pdf | 由 LaTeX 渲染 |
| Word | {主题}_review.docx | 由 LaTeX + BibTeX 导出 |
校验硬门槛（仅保留必要项）
- 正文字数：档位默认范围见
config.yaml.validation.words.{min,max}（可命令行覆盖）
- Premium：10000–15000 字
- Standard：6000–10000 字
- Basic：3000–6000 字
- 参考文献数：档位默认范围见
config.yaml.validation.references.{min,max}
- Premium：80–150 篇
- Standard：50–90 篇
- Basic：30–60 篇
- 必需章节存在：摘要、引言、至少 1 个子主题段落、讨论、展望、结论
- \cite 与 BibTeX key 必须一致；缺失即报错
健壮性与日志
- 模板与
.bst：使用 TEXINPUTS/BSTINPUTS 环境变量引用 latex-template/ 目录，不再复制模板文件到工作目录（v3.5 优化）；可用 config.yaml.latex.template_path_override 或 CLI --template 覆盖。若 .bst 文件缺失，编译将直接报错（v3.6 优化）。
- DOI 链接显示：若 BibTeX 同时包含
doi 与 url（例如 url 为 OpenAlex），PDF 参考文献默认优先显示 https://doi.org/{doi}；BibTeX 仍保留原始 url 便于追溯。
- 中间文件清理：默认自动清理
.aux、.bbl、.blg、.log、.out、.toc 等 LaTeX 中间文件（v3.6 优化）；如需保留用于调试，可使用 --keep-aux 参数。
- Bib 清洗：生成 Bib 时自动转义
&/%/_/#/$ 等常见 LaTeX 特殊字符，大小写无关去重 key，并为缺失 author/year/journal/doi 填充默认值且输出警告。
- 恢复路径校验：resume 状态下发现无效
papers 路径会清理并重新检索，避免把目录当文件。
- 导出日志：Pipeline 会输出 tex/bib/template/bst、pdf/word 路径，便于排查。
- 字数预算：
plan_word_budget.py 自动生成 3 份 run CSV、均值版 word_budget_final.csv，并输出无引用汇总；validate_word_budget.py 可选检查列/覆盖率/总字数误差。
- 验证报告（v3.3 新增）：阶段6 自动生成
{主题}_验证报告.md，汇总字数/引用/章节/引用一致性验证结果，便于事后审查和追溯。
- 多源摘要补充：默认启用（由
config.yaml:search.abstract_enrichment.enabled 控制），默认执行时机为 config.yaml:search.abstract_enrichment.stage=post_selection（只对 selected_papers 补齐，生成 selected_papers_enriched_{主题}.jsonl），避免检索阶段对候选库做全局补齐导致慢与 cache/api 膨胀；如需切回检索阶段补齐：将 stage 设为 search 或对 openalex_search.py 显式 --enrich-abstracts。详见 scripts/multi_source_abstract.py。
- 证据卡（evidence cards）：阶段5 可生成
evidence_cards_{主题}.jsonl（字段压缩 + 摘要截断），用于写作时“先压缩再写作”，降低上下文占用（配置：config.yaml:writing.evidence_cards.*）。
- API 缓存：默认开启（配置：
config.yaml:cache.api.enabled=true），默认 mode=minimal（不缓存 OpenAlex 原始分页响应，避免 cache/api 文件爆炸）；需要更强可复现性时可设为 mode=full。
工作条件骨架（要点）
- Meta：主题、档位、目标字数/参考范围、最高原则承诺
- Search Plan & Search Log：查询、来源、时间范围、结果量
- Dedup：去重策略与映射文件
- Relevance Scoring & Selection：评分方法、高分优先比例、选文结果与理由
- Review Structure：子主题列表与写作提纲
- Validation：字数/参考数/必需章节检查结果
有机扩写约束（用于阶段 6 不足时）
- 不新增子主题，不改写/删除原主张与引用；只补充同段内的证据、局限或衔接句。
- 扩写提示需包含：该段原文、段落配额、当前差额（字数/引用），要求保持语气一致。
- 扩写后立即运行
validate_counts.py 与 validate_review_tex.py；不足则只对最短段循环 1–2 次，避免全局灌水。
- 最终整体性润色仅做衔接/顺序/句式调整，不得篡改文献元数据及其事实、数字、样本量或结果方向。
可选：成本追踪（Token 使用与费用统计）
说明：这是一个完全可选的功能，用于追踪文献综述项目中的 Token 使用和费用。它不会影响文献综述的核心流程。
初始化
python3 systematic-literature-review/scripts/pipeline_cost.py init
获取模型价格（AI 自动完成）
只需运行：
python3 systematic-literature-review/scripts/pipeline_cost.py fetch-prices
AI 将自动（在技能环境中）：
- 读取 config.yaml 中配置的模型商（OpenAI、Anthropic、智谱清言）
- 使用 WebSearch 工具查询官方定价
- 解析价格信息并生成 YAML
- 保存到
scripts/pipeline_cost.yaml
- 自动复制到当前项目
记录使用
在关键步骤后记录 Token 使用：
python3 systematic-literature-review/scripts/pipeline_cost.py log \
--tool <工具名称> \
--model <模型名称> \
--in <输入tokens> \
--out <输出tokens> \
--step "<步骤描述>"
示例：
python3 systematic-literature-review/scripts/pipeline_cost.py log \
--tool "Task" \
--model "claude-opus-4-5" \
--in 12345 \
--out 6789 \
--step "文献检索"
查看统计
python3 systematic-literature-review/scripts/pipeline_cost.py summary
python3 systematic-literature-review/scripts/pipeline_cost.py summary --type session
python3 systematic-literature-review/scripts/pipeline_cost.py summary --no-cost
数据存储
所有成本追踪数据存储在项目目录的 .systematic-literature-review/cost/ 下：
token_usage.csv：Token 使用记录price_config.yaml：模型价格配置（从技能级复制）
配置
在 config.yaml 中配置成本追踪：
cost_tracking:
enabled: true
model_providers:
- OpenAI
- Anthropic
- 智谱清言
price_cache_max_days: 30
currency_rates:
USD_TO_CNY: 7.2
自动化执行（pipeline_runner）
- 阶段：
0_setup → 1_search → 2_dedupe → 3_score → 4_select → 4.5_word_budget → 5_write → 6_validate → 7_export
- 推荐（幂等 work_dir，避免出现
{topic}/{topic} 异常嵌套目录）：python scripts/run_pipeline.py --topic "{主题}" --runs-root runs
- 运行示例：
python scripts/pipeline_runner.py --topic "{主题}" --domain general --work-dir runs/{safe_topic}
- resume：
python scripts/pipeline_runner.py --resume runs/{safe_topic}
⚠️ 重要说明：阶段3 AI 评分需要 Skill 交互模式
- Pipeline 的阶段3不支持自动评分，需要通过 Skill 交互模式完成
- AI（你）直接使用
references/ai_scoring_prompt.md 中的 Prompt 评分
- 读取
papers_deduped.jsonl，逐篇评分并输出 scored_papers.jsonl
- AI 评分优势：语义理解、多语言支持、数据抽取同步完成
- 评分完成后，使用
--resume-from 4 继续后续阶段
文件操作规范（工作目录隔离）
强制规则
- 所有中间文件必须存放在
{work_dir}/.systematic-literature-review/ 目录内
- 最终交付物存放在工作目录根部（以
{topic}_ 为前缀）
- AI 临时脚本必须存放在
{work_dir}/.systematic-literature-review/scripts/
获取工作目录
import os
from pathlib import Path
work_dir = Path(os.environ["SYSTEMATIC_LITERATURE_REVIEW_SCOPE_ROOT"])
scripts_dir_env = os.environ.get("SYSTEMATIC_LITERATURE_REVIEW_SCRIPTS_DIR")
scripts_dir = Path(scripts_dir_env) if scripts_dir_env else (work_dir / ".systematic-literature-review" / "scripts")
artifacts_dir = work_dir / ".systematic-literature-review" / "artifacts"
创建新文件时
output_path = artifacts_dir / "results.json"
temp_script = scripts_dir / "temp_analysis.py"
output_path = Path("results.json")
output_path = Path("/tmp/results.json")
禁止行为
- ❌ 不要在工作目录根部创建临时脚本或中间文件
- ❌ 不要使用绝对路径（如
/tmp/temp.txt）写入临时文件
- ❌ 不要读取/写入其他 run 目录的文件
- ✅ 使用环境变量
SYSTEMATIC_LITERATURE_REVIEW_SCOPE_ROOT 获取工作目录
- ✅ 使用环境变量
SYSTEMATIC_LITERATURE_REVIEW_SCRIPTS_DIR 获取临时脚本目录
环境与工具
- Python 3.9+，依赖安装：
pip install -r requirements.txt
- LaTeX（含 xelatex/bibtex）、pandoc
- 至少一个搜索类 MCP 工具或 OpenAlex API 可用
- 关键脚本：
- 检索：
multi_query_search.py、openalex_search.py
- 去重：
dedupe_papers.py
- 选文：
select_references.py、build_reference_bib_from_papers.py
- 数据抽取：
update_working_conditions_data_extraction.py
- 字数预算：
plan_word_budget.py、validate_word_budget.py
- 校验：
validate_counts.py、validate_review_tex.py
- 验证报告：
generate_validation_report.py（v3.3 新增）
- 导出：
compile_latex_with_bibtex.py、convert_latex_to_word.py
写作前提示模板（含字数预算）
-
摘要格式约束（写作前必须遵守）：
"摘要必须是单一段落，字数 200–250 字，按'背景→核心发现/趋势→挑战→展望'的结构写作。
禁止出现'本综述基于 X 条文献'、'最终保留 Z 篇'等 AI 流程泄露描述。
详见 references/expert-review-writing.md 的'摘要格式说明'章节。"
-
表格样式约束（写作前必须遵守）：
"使用 longtable 或 tabular 环境时，列宽必须基于 \\textwidth 按比例分配（所有比例之和 ≤ 1.0）。
禁止使用固定 p{} 列宽（如 p{8.9cm}），避免在不同边距/版芯下溢出。
示例：
\\begin{longtable}{p{0.14\\textwidth} p{0.48\\textwidth} p{0.22\\textwidth} p{0.16\\textwidth}}
...
\\end{longtable}
详见 references/review-tex-section-templates.md 的'表格样式最佳实践'章节。"
-
AI 评分与子主题分组（阶段3）：
使用 references/ai_scoring_prompt.md 中的标准评分流程，逐篇阅读文献并打 1-10 分，同时分配子主题标签。完成后运行质量自检，确保分数分布合理（高分20-40%、中分40-60%、低分10-30%）。
-
子主题与配额规划（阶段5）：
"基于评分结果，自动给出 3-7 个子主题（硬性约束），并分配段落配额：引言 ~1.5k，讨论/展望各 ~1k，结论 ~0.6k，剩余均分给子主题段（每段 ~1.8–2.2k，随目标总字数自动缩放）。
子主题合并原则（避免过度细分）：
- 相似方法合并：如 CNN/Transformer/集成学习 → '深度学习模型架构'
- 相关任务合并：如分割/检测/分类 → '核心诊断任务'
- 学习策略合并：如迁移学习/弱监督/数据增强 → '高级学习策略'
- 禁止创建 10+ 个子主题 section
- 每个子主题至少应有 5 篇支撑文献
返回子主题列表、每段目标字数，并写入工作条件与数据抽取表。"
-
有机扩写（校验不足时，针对最短/缺证据的子主题段）：
"在『{子主题名}』段内有机扩写，保持原主张和引用不变，只补充 2–3 条具体证据/数字/反例与衔接句；本段目标约 {目标字数} 字，当前不足 {差额} 字。原文如下：{原段落全文}"
-
字数预算（写作前，引用/无引用兼容）：
"读取 word_budget_final.csv，列包含：文献ID、大纲、综字数、述字数。引用段按对应文献的综/述字数预算写作；无引用段（文献ID 为空行，如摘要/展望/结论）按该行预算控制长度，可合并叙述但需尊重总字数配额。"
-
缩略词规范（写作前必须遵守）：
"首次出现专有名词时，使用'中文（英文全称，英文缩写）'格式，后续可直接使用英文缩写。
示例：'免疫检查点抑制剂（Immune checkpoint inhibitor，ICI）'、'卷积神经网络（Convolutional Neural Network，CNN）'。
常见缩略词如 DNA、RNA、CT、MRI、AI 等可直接使用，无需首次全称展开。
详见 references/expert-review-writing.md 的'写作要点'章节。"
-
内容分离约束（写作前必须遵守，防止 AI 流程泄露）：
"综述正文必须完全聚焦领域知识，禁止出现任何'AI工作流程'描述。具体禁止：❌ 在摘要中写'本综述基于 X 条初检文献、去重后 Y 条、最终保留 Z 篇'；❌ 在引言中写'方法学上，本综述按照检索→去重→评分→选文→写作的管线执行'；❌ 任何提及'检索、去重、相关性评分、选文、字数预算'等元操作的描述。这些方法学信息应放在 {主题}_工作条件.md 中。目标是让读者感受不到这是 AI 生成的综述，完全符合传统学术综述惯例。详见 references/expert-review-writing.md 的'内容分离原则'章节。"
-
引用分布与位置约束（写作前必须遵守）：
"引用必须紧跟着它所支持的观点，而非堆积在段落末尾。
写作节奏：
- 提出观点 → 立即引用 \cite{key} → 继续下一个观点 → 再次引用
