文献综述怎么写得有逻辑：证据地图、段落结构和 AI 辅助工作流

好综述不是“读了很多文献”，而是帮读者看清证据格局

很多医学综述写得像流水账：第一篇研究发现什么，第二篇研究发现什么，第三篇研究又发现什么。读者看完仍然不知道这个领域真正解决了什么、争议在哪里、下一步该怎么做。好综述的价值，是把分散文献组织成可理解的证据地图：哪些结论稳定，哪些证据薄弱，哪些人群没有研究，哪些方法可能有偏倚。

因此，综述写作的核心不是“把 AI 生成的段落润色一下”，而是建立一套从问题、证据表、主题分组到段落论证的流程。AI 可以加速整理，但最终判断必须由作者负责。

第一步：先写一句清楚的综述问题

综述问题越模糊，文章越容易散。不要写“人工智能在肿瘤中的应用综述”这种无限大的题目。更好的问题是：AI 影像模型在早期肺癌筛查中的临床验证证据如何？单细胞测序如何帮助理解免疫治疗耐药机制？SGLT2 抑制剂对慢性肾病患者肾脏结局的证据边界是什么？

一个可写的综述问题通常包含 4 个要素：对象、技术或干预、结局或机制、证据边界。边界越清楚，检索、纳入、分组和写作越容易。

第二步：用证据表替代零散读书笔记

如果你的笔记只是复制摘要、划线和几句感想，写作时一定会痛苦。建议从一开始就用证据表记录每篇文献。证据表不是为了好看，而是为了让你能横向比较研究。

• 基础信息：作者、年份、期刊、国家、研究类型。
• 研究对象：样本量、人群特征、疾病阶段、纳排标准。
• 方法：干预、暴露、模型、数据来源、随访时间。
• 主要结果：效应量、置信区间、关键图表、主要结局。
• 局限：偏倚风险、外部验证不足、样本量小、随访短、混杂因素。
• 可引用判断：这篇文献能支持哪个观点？不能支持什么？

证据表越标准化，后面越容易发现模式：哪些研究结果一致，哪些研究只在特定人群成立，哪些结论只是早期探索。

第三步：做证据地图，而不是按阅读顺序写

证据地图可以很简单：横轴放主题或机制，纵轴放证据等级或研究类型。你可以把文献分成基础研究、动物实验、回顾性临床研究、前瞻性队列、随机试验、系统综述，也可以按机制、诊断、治疗、预后、工具和转化应用分组。

对医学综述来说，常用的分组方式包括：

• 按临床路径：筛查、诊断、治疗、随访、预后。
• 按机制链条：分子机制、细胞模型、动物模型、临床证据。
• 按技术流程：数据获取、模型构建、验证、解释性、部署。
• 按证据强度：高质量证据、有限证据、争议证据、缺口。

证据地图完成后，综述的大纲通常自然出现。你不是从第一篇文献写到最后一篇，而是围绕几个关键判断展开。

第四步：每个段落都用“观点-证据-限制-过渡”结构

综述段落最怕只有文献罗列。建议每个核心段落都遵循这个结构：

1. 观点：这一段要告诉读者什么判断？
2. 证据：哪些研究支持这个判断？研究设计和结果是什么？
3. 限制：这些证据有什么边界？样本、方法、外部验证、随访是否不足？
4. 过渡：这个判断引向下一个问题是什么？

例如，不要写：“A 研究发现模型准确率 0.91，B 研究发现准确率 0.88，C 研究也发现模型有效。”更好的写法是：“现有研究提示 AI 模型在内部验证中表现较好，但多数研究样本来源单一，外部验证和前瞻性评估不足，因此模型性能是否能转化为临床获益仍需进一步验证。”

第五步：AI 适合用来搭框架，但不要让它替你下结论

超能文献 Deep Research 或其他 Deep Research 类工具，适合在综述早期帮助拆解问题、生成主题树、整理候选证据和提出写作框架。它能明显减少“我不知道从哪里开始”的时间。

但 AI 的输出应该被当作“待核验提纲”，不是最终稿。尤其在医学综述里，引用是否真实、样本量是否正确、结局是否被夸大、研究设计是否被误读，都必须回到原文和证据表。

比较稳的 AI 工作流是：

1. 先用人工定义综述问题和纳入边界。
2. 让 AI 根据问题生成主题树和检索关键词候选。
3. 用 PubMed、超能文献、Semantic Scholar 找文献，并导入 Zotero。
4. 用 AI 帮你从单篇文献提取 PICO、方法、结果和局限，但人工核验。
5. 用证据表生成证据地图。
6. 让 AI 根据证据地图起草段落结构，而不是凭空写综述。
7. 最后逐条核对引用、数字和结论边界。

第六步：引言、主体和结尾各有任务

引言不是泛泛介绍背景，而是把读者带到一个明确问题：为什么这个话题重要，过去研究解决了什么，仍然缺什么，这篇综述准备如何组织证据。

主体不是按年份堆文献，而是按证据地图展开。每个小节都应有一个中心判断，并且解释证据强弱。

结尾不要只写“仍需更多研究”。要更具体：需要什么人群、什么研究设计、什么结局、什么随访时间、什么外部验证，才可能推动领域前进。

第七步：综述最吸引人的地方，是敢于说“证据还不够”

很多作者害怕写局限，担心显得领域不成熟。但对读者来说，真正有价值的综述恰恰能指出边界。比如 AI 医学影像模型内部验证很多，但多中心前瞻性验证少；生物标志物研究机制漂亮，但临床可重复性不足；某类治疗短期指标改善明显，但硬终点和安全性证据还不充分。

这些判断比“某技术具有广阔前景”更有价值，也更容易被引用。SEO 也一样，用户愿意停留和分享的内容，通常不是泛泛乐观，而是帮他避免踩坑。

常见错误：为什么你的综述看起来浅

• 题目太大：想一篇文章讲完整个领域，最后只能蜻蜓点水。
• 只总结结果，不比较方法：医学证据的可信度往往取决于研究设计和偏倚风险。
• 引用太旧：没有用近 2 到 3 年高质量研究更新证据地图。
• 没有图表：缺少证据地图、机制图、流程图或研究对比表，读者很难抓住结构。
• AI 痕迹明显：大量空泛句子、没有具体文献判断、没有限制条件。

一个可直接套用的综述小节模板

小节标题：围绕一个明确判断，不要只写关键词

第一句：本小节的中心判断。
证据组 1：高质量或代表性研究支持什么。
证据组 2：不同研究之间一致或不一致在哪里。
方法学限制：样本、设计、测量、外部验证、随访、偏倚。
临床或科研意义：这个判断能指导什么，不能指导什么。
过渡句：引出下一个小节或证据缺口。

延伸阅读和站内入口

如果你还在检索阶段，可以先看 医学文献检索完整流程；如果你关注论文整体结构，可以看 学术论文结构写作方法；如果想找 Deep Research 工具，可以看 综述写作与 Deep Research 工具专题。系统综述写作建议同时参考 PRISMA 2020。