paper-related-work-generator

name	paper-related-work-generator
description	为情报学领域的学术论文撰写"相关研究/相关工作"部分（中文短综述）。 在给定论文框架的基础上，按主题分小节组织文献综述，梳理研究脉络， 引用代表性工作，指出现有研究不足，并自然过渡到本文研究。 触发词："相关研究"、"相关工作"、"文献综述"、"related work"、 "撰写综述部分"、"写相关研究"。
metadata	{"author":"user","version":"2.0.0"}
allowed-tools	["Read","Write","Edit","Glob","Grep","Bash","WebSearch","WebFetch","Task","mcp__arxiv-mcp-server__search_papers","mcp__arxiv-mcp-server__download_paper","mcp__arxiv-mcp-server__read_paper","mcp__pubmed-mcp-server__pubmed_search_articles","mcp__zotero__zotero_search_items","mcp__zotero__zotero_get_item_fulltext","mcp__zotero__zotero_get_collections","mcp__zotero__zotero_get_collection_items"]

情报学论文"相关研究"部分生成技能

在给定论文框架的基础上，为情报学领域论文撰写高质量的"相关研究/相关工作"章节（中文短综述）。

快速开始

1. 用户提供完整信息：
   • 论文标题、研究主题、技术路线
   • 已确定的章节框架（包括分节标题，如"2.1 XX研究"、"2.2 YY研究"）
   • 每个小节的要点（该小节要论述的核心观点/逻辑）
2. 制定检索词（中英文双轨）：根据大纲和每个小节的要点，同时构造中文检索式和英文检索式
3. 本地 Zotero 检索（双轨检索）：
   • 先检查并获取"情报学"分类下的中文文献（用于衔接句支撑）
   • 使用中文检索式进行检索
   • 使用英文检索式进行检索
   • 合并两次检索结果
4. 外部平台检索：在 ArXiv 等平台检索补充文献
5. 匹配度检查与筛选：检查文献是否与小节匹配、能否支撑逻辑观点，不匹配则舍弃，舍弃过多则调整检索式重新检索
6. 撰写综述：按逻辑框架撰写各小节内容，形成逻辑闭环

---

核心原则

一、严格筛选标准

文献必须紧扣小节标题和核心观点：

• ❌ 错误示例："数智赋能科研创新"与"专家隐性知识形式化与迁移研究"无关
• ❌ 错误示例："大模型幻觉抑制"与"指令工程与大模型能力评测"无关
• ✅ 正确做法：每篇文献必须直接支撑小节要论述的核心观点 排除综述类论文：
• 一般不使用综述论文（review/survey）作为综述中的引用例子
• 优先使用原创研究论文（original research） 匹配度检查标准： | 检查项 | 标准 | 必须满足 | |-------|------|---------| | 主题相关性 | 文献主题与小节标题直接相关 | ✅ | | 逻辑支撑性 | 能支撑小节的核心观点 | ✅ | | 方法代表性 | 是该方向的典型/创新工作 | ✅ | | 文献类型 | 优先原创研究，慎用综述 | ✅ |

---

二、组织方式

按主题分小节，而非按时间线罗列。

典型分节方式（以论文1为例）：

2 相关研究
  2.1 政策文本的相关定量研究    ← 研究对象维度
  2.2 政策文本检索的相关研究    ← 技术方法维度

典型分节方式（以论文2为例）：

1 相关工作
  1.1 预训练语言模型在科技情报领域的应用    ← 已有技术路线
  1.2 大模型推理端应用策略及能力评测        ← 本文采用的技术路线

每个小节的内部逻辑：

三、论文组织与归类

必须先归类组织，再撰写：

1. 绝不单纯罗列别人的研究：必须对现有文献进行分类，每个类别给一个小标题，格式如 （1）xxx方法、（2）yyy技术。
2. 基于自身研究点出发，论证两点核心内容：
   • 第一，说明别人研究发现本文采用的方法确实有利于结果/能解决特定问题；
   • 第二，说明别人未能想到的盲点（研究空白），因此本文不仅采用该方法，同时又针对该盲点进行了改进。
3. 分类示例（以"预训练语言模型在科技情报领域的应用"为例）：

   （1）基于传统预训练模型的探索
     - 概述：说明前人发现该类方法对特定问题有效，但在某些方面存在盲点。
     - 文献A：BERT在面向学术文本的关键词语义功能识别中的应用...
     - 文献B：BERT在关键词生成任务中的应用...
   
   （2）大语言模型方法的引入与改进
     - 概述：别人研究发现大模型确实有利于提升性能，但未考虑到复杂垂域适配问题，本文针对此进行改进。
     - 文献E：小样本学习和提示学习方法在低资源场景的应用...
     - 文献F：复杂方法推动信息资源建设的升级...
   

4. 每个类别与小节形成逻辑层次：
   • 类别之间要有逻辑递进关系
   • 从基础到应用，或从早期到最新
   • 每个类别内部按时间或重要性排序

---

四、内部逻辑衔接

1. 类别之间的过渡（小节内部）

类与类之间必须自然过渡：

**示例1（按技术发展）：**
早期的BERT模型虽然在科技文献文本分类任务中取得了良好效果[1]，
但其传统的面向下游任务的微调方法难以摆脱对标注数据的依赖，
无法应对低资源、小样本的任务场景[2]。
为此，研究者提出了改进的预训练方法...
**示例2（按方法论）：**
基于规则的方法虽然在特定领域表现稳定[3]，
但其依赖人工特征工程，难以适应领域迁移。
深度学习方法通过学习数据的隐含特征，
有效解决了特征工程的问题[4]，
但其可解释性较差。知识图谱方法...

2. 小节之间的过渡（情报学中文文献支撑）

不同小节之间必须有明确的逻辑衔接，并引用情报学分类的中文文献：

位置选择：

• 方案A：在上一小节（2.1）的结尾处添加过渡段（推荐）
• 方案B：在下一小节（2.2）的开头处添加过渡段

情报学中文文献的使用：

• 从 Zotero"情报学"分类中选取2-3篇最相关的中文论文
• 在衔接句中引用这些文献，支撑过渡论述的逻辑
• 引用格式："张三等[1]从...角度指出..."

过渡逻辑模板：

**示例（应用侧→技术侧）：**
"可以发现,在科技情报领域,学者对大模型的应用大多发生在推理端,即运用各种指令策略引导模型解决任务。然而,各类大模型在科技文本上的语义理解能力有何差异,如何从推理端发挥大模型在科技情报领域的最大效能,当前尚未有研究对此进行实验论证和结果探讨。对大模型学术文本挖掘能力边界和推理端指令策略的探索,是当前亟待解决的研究问题。"

**示例（传统方法→新方法）：**
“上述研究为政策文本的量化分析提供了重要的参考价值。然而,传统的定量分析方法仍然存在一定的局限性,限制了对政策文本的深层次理解和利用。而本文结合大语言模型和检索增强生成技术, 为政策文本的分析和应用提供新的思路和方法。”

过渡句的核心要素：

1. 承接上文：简要总结2.1的核心贡献
2. 指出问题：点明2.1研究存在的局限或未解决的问题
3. 引出下文：自然过渡到2.2要研究的技术/方法
4. 逻辑关联：说明2.2的研究如何补足2.1的不足

述评与结论紧扣：

• 每个类别末尾要总结该类别的贡献和不足
• 不足必须与本文研究问题直接相关
• 为最后的逻辑闭环做铺垫

---

五、每个小节的内部逻辑

① 概述该方向的研究脉络，并给出小标题分类（2-3句）
    ↓
② 按带有小标题的类别组织代表性工作（必须采用 `（1）` `（2）` 的格式）：
   （1）第一类方法名称
     → 概述前人证明该方法有效的依据，并自然引出该类别下的代表文献。
     → 具体文献（每项1-2句说明"谁做了什么，用了什么方法，证明了什么"）。
     → 类别小结：别人没有想到的盲点（研究空白）。
   ↓ 过渡句
   （2）第二类方法名称
     → ...
    ↓
③ 综述小结：指出现有研究未想到的盲点，说明别人发现本文采用的方法确实有利于结果，但由于这些遗漏，本文采用该方法同时进行针对性改进。

关键要求（必须遵守）：

1. 文献数量硬性要求

• 最终引用文献必须≥20篇（严格最低标准）
• 检索阶段必须获取≥40篇相关文献进行筛选整理
• 中英文文献混合，近3年文献占比>50%

2. 文献真实性要求（绝对禁止编造）

• ❌ 严禁编造文献：所有引用的文献必须来自实际检索结果
• ❌ 严禁虚构作者、标题、年份：必须与检索到的真实文献完全一致
• ✅ 必须使用真实文献：只能引用实际检索到的、可获取全文或摘要的文献
• ✅ 可追溯性：每篇引用的文献都能在检索结果中找到对应条目

3. 检索与筛选流程

阶段2-3：检索获取≥40篇相关文献
    ↓
阶段4：严格筛选，剔除不相关、质量低、重复的文献
    ↓
阶段5：使用筛选后的真实文献撰写综述（最终引用≥20篇）

违规后果：

• 编造文献属于学术不端行为
• 必须确保每篇引用文献都有真实的来源支撑
• 如检索到的真实文献不足40篇，需扩大检索范围或调整检索词，绝不能编造

4. 其他注意事项

• 文献综述不是简单堆砌，每引用一篇文献都要说明它与本文的关系
• 综述的最后一段必须自然过渡到本文的研究，形成"前人做了什么→还缺什么→所以本文做什么"的逻辑闭环

---

工作流程

按照工作流一步步进行，并输出每步结果： references/WORKFLOW.md

---

注意事项（必须严格遵守）

一、文献数量与真实性（硬性要求）

1. 最低文献数量

• 最终引用文献必须≥20篇（绝对最低标准，不能低于20篇）
• 如检索结果不足20篇，需扩大检索范围、调整检索词或延长检索时间

2. 严禁编造文献（学术诚信底线）

• ❌ 绝对禁止编造：不得虚构任何文献的作者、标题、年份、期刊等信息
• ❌ 绝对禁止冒充：不得将未检索到的文献冒充已检索到的文献
• ✅ 全部真实来源：所有引用的文献必须来自实际的检索结果
• ✅ 可追溯验证：每篇引用的文献都能在检索结果中找到对应条目

3. 文献质量要求

• 优先核心期刊、高水平会议论文
• 慎用综述论文作为引用例子（除非是奠基性综述）
• 近3年文献占比>70%
• 中英文文献混合

二、内容撰写要求

4. 文献综述不是简单堆砌：每引用一篇文献都要说明它与本文的关系
5. 逻辑闭环：综述最后必须自然过渡到本文研究
6. 语言风格：学术中文，客观严谨，避免口语化
7. 引用格式：使用 GB/T 7714-2015 标准
   • 正文引用：使用上标数字，如"张三等[1]提出..."
   • 文末列出"参考文献"章节，按引用顺序编号
   • 具体格式详见下文"参考文献格式（GB/T 7714-2015）"章节

---

写作风格

• 客观严谨：使用"研究表明"、"结果显示"等客观表述
• 适度评价：可以指出不足，但措辞应委婉，如"仍存在一定的局限性"
• 逻辑连贯：段落之间、小节之间要有过渡
• 术语规范：首次出现的英文缩写需给出全称

---

段落结构模板

[小标题，例如：（1）基于大模型的特征提取]
[主题句：说明别人研究发现采用此方法确实有利于提升某方面的结果]
  → [代表性工作1：谁做了什么，方法，证明了方法的有效性]
  → [代表性工作2：谁做了什么，方法，同上]
  → [代表性工作3（可选）]
  → [小结/评价：指出别人在研究中没有想到的盲点或局限性，引出本文基于此方法的改进与采用理由]

---

参考文献格式（GB/T 7714-2015）

正文引用格式

采用顺序编码制，引用用上标数字表示：

张三等[1]提出了基于深度学习的方法...
已有研究[2,3]表明...
近年来，多位学者对此进行了探索[4-6]...

参考文献列表格式

在综述末尾添加"参考文献"章节，按引用顺序编号列出所有文献，每篇文献均需另起一行。

1. 期刊论文

[序号] 作者. 题名[J]. 刊名, 年, 卷(期): 起止页码.

[1] 张三, 李四, 王五. 基于深度学习的文本分类方法研究[J]. 情报学报, 2023, 42(3): 45-56.
[2] Brown T, Mann B, Ryder N, et al. Language models are few-shot learners[J]. Advances in Neural Information Processing Systems, 2020, 33: 1877-1901.

2. 专著（书籍）

[序号] 作者. 书名[M]. 出版地: 出版者, 出版年.

[3] 王晓光. 知识图谱: 方法、工具与应用[M]. 北京: 科学出版社, 2022.
[4] Jurafsky D, Martin J H. Speech and Language Processing[M]. 3rd ed. Stanford: Stanford University, 2023.

3. 会议论文

[序号] 作者. 题名[C]//会议论文集名. 出版地: 出版者, 出版年: 起止页码.

[5] 李华, 赵六. 面向科技情报的知识图谱构建方法[C]//第十八届中国情报学年会论文集. 北京: 中国科学技术情报学会, 2023: 123-130.
[6] Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. Minneapolis: ACL, 2019: 4171-4186.

4. 学位论文

[序号] 作者. 题名[D]. 保存地: 保存单位, 年份.

[7] 陈明. 基于预训练语言模型的科技文献摘要生成研究[D]. 武汉: 武汉大学, 2022.

5. 电子文献（网页、在线资源）

[序号] 作者. 题名[EB/OL]. (发布日期)[引用日期]. 获取路径.

[8] OpenAI. GPT-4 technical report[EB/OL]. (2023-03-23)[2024-01-15]. https://arxiv.org/abs/2303.08774.
[9] 中国互联网络信息中心. 第52次中国互联网络发展状况统计报告[EB/OL]. (2023-08-28)[2024-01-10]. https://www.cnnic.net.cn/.

6. 标准

[序号] 标准编号, 标准名称[S].

[10] GB/T 7714-2015, 信息与文献 参考文献著录规则[S].

作者著录规则

• 1-3位作者：全部列出，用逗号分隔

  [1] 张三, 李四, 王五.
  [2] Smith J, Johnson M.
  

• 超过3位作者：列出前3位，加", 等"（中文）或", et al"（英文）

  [3] 张三, 李四, 王五, 等.
  [4] Brown T, Mann B, Ryder N, et al.
  

完整示例

## 参考文献

[1] 张三, 李四. 基于大语言模型的科技情报分析框架研究[J]. 情报学报, 2024, 43(1): 12-25.
[2] Brown T, Mann B, Ryder N, et al. Language models are few-shot learners[J]. Advances in Neural Information Processing Systems, 2020, 33: 1877-1901.
[3] 王五. 知识图谱构建与应用[M]. 北京: 科学出版社, 2023.
[4] Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of NAACL-HLT. Minneapolis: ACL, 2019: 4171-4186.
[5] 李华. 面向科技文献的智能摘要方法研究[D]. 北京: 中国科学院大学, 2022.
[6] OpenAI. GPT-4 technical report[EB/OL]. (2023-03-23)[2024-01-15]. https://arxiv.org/abs/2303.08774.
[7] GB/T 7714-2015, 信息与文献 参考文献著录规则[S].