用 AI 与 Zotero 完成一篇可投稿的文献综述

写一篇综述，真正耗时间的往往不是「写」，而是选题发散、检索式拼不完整、几十篇文献读不完、参考文献格式对不上。这篇教程把一篇已被期刊录用的工科综述的完整流程拆成六个环节，说明在每个环节里 AI 工具、文献管理软件和绘图软件各自承担什么、怎么下指令、哪些结果必须回到原文核对。适合正在准备第一篇综述、缺少系统指导的研究生，也适合已经写过但想压缩重复劳动的作者。文中提到的工具与期刊要求会随时间变化，具体功能、配额与投稿规范请以各产品官网和期刊当前公布的信息为准。

准备工作

开始之前，先把工具和材料备齐。这套流程不依赖某一个特定模型，同一环节换用其他具备联网或长文本能力的对话工具也能走通，但下面这些前置条件需要先满足。

账号与软件

• 一个具备联网检索能力的对话式 AI 工具：用于选题发散、检索式构建、摘要筛选与章节初稿。联网能力在选题阶段很关键，因为需要了解近几年的研究现状。
• 文献管理软件 Zotero：用于收集、去重、管理文献，并批量导出带摘要的报告。这是整条流程的中枢，摘要报告的质量直接决定后面 AI 输出的质量。
• 演示软件 Keynote（macOS）或 PowerPoint（Windows）：用于绘制机理图。不必为了画图专门学一个新软件，日常做汇报用的演示工具就够。
• 可选的本地 AI Agent 工具：用于投稿前的格式与参考文献交叉核验。相比网页端反复上传文档，本地 Agent 能直接读取工作目录里的文件，改动范围可控。
• 数据库访问权限：中国知网、Web of Science 等数据库通常需要所在机构的订阅，先确认校园网或机构账号可用。

先想清楚三件事

综述有很强的时效性，它汇报的是某一领域近期围绕某个小痛点、小热点取得的进展与留下的空白。所以动笔前要先定三件事：

1. 选题必须聚焦。「某类原料的综合利用」这种题目写不透；「某种预处理方式对某类膳食纤维结构与功能的影响」这种切口才有讨论空间。
2. 文献要分级，不唯年份论。把收集到的文献按功能分成四类：交代背景与基础理论的经典文献（引用前要核查是否有后续勘误或结论修正）、说明技术演变脉络的代表性研究、反映近三到五年新突破的前沿研究、以及结论互相冲突的争议性研究。第四类往往是最有价值的讨论素材。
3. 先读同领域近期综述。在让 AI 发散之前，自己先读几篇同方向的综述，摸清行业公认的痛点在哪里。没有这个底子，AI 给出的选题你无法判断好坏。

操作步骤

第一步：用结构化指令确定选题与大纲

不要对着空白文档硬想。把需求写成一份带角色、任务、输出格式和严谨性约束的指令，交给具备联网能力的工具。指令里最容易被忽略、但最影响结果的是最后那段约束：禁止编造论文、作者、期刊、DOI 和具体数值；明确区分学界共识与逻辑推断；证据不足时使用「可能」「提示」「尚不明确」这类谨慎表述；存在争议时同时列出正反双方的研究视角与实验条件差异。

选题阶段的指令可以这样组织：

# 角色设定
你是一位【学科】领域的资深科研专家与期刊审稿人，我是一名该领域的研究生，正在筹备一篇学术综述。

# 任务目标
我计划撰写一篇与【大方向】相关的【中文/英文】综述。
请结合近 5 年的研究现状，帮我挖掘该方向尚存的研究痛点或综述空白，
并提供 5 个具备发表潜力的具体选题。

# 输出要求
每个选题按以下结构输出：
1. 拟定题目（具体聚焦，避免宽泛）
2. 核心切入点与综述必要性（解决什么学术或行业痛点）
3. 涵盖的 3～4 个核心讨论维度

# 严谨性约束
- 严禁编造论文、作者、期刊、DOI 或具体实验数值。
- 明确区分「学界已证实的共识」与「基于逻辑做出的推断」。
- 证据不足的判断必须使用「可能」「提示」「尚不明确」等表述。
- 存在争议的观点，同时列出正反双方的研究视角及条件差异。

拿到几个候选选题后，挑一个自己已有积累、能大致理清逻辑的，再让工具生成三级大纲。大纲指令的关键在于要求「逻辑递进」而不是「文献罗列」：章节之间要体现从背景痛点、到核心机制与处理方法对比、到品质与应用影响、再到现存瓶颈与展望的层层推进。同时要求在每个二级、三级标题下用括号注明该小节应当重点对比哪些指标、需要回答什么核心科学问题，并在末尾提炼支撑各章节的中英文检索关键词。

大纲出来后不要直接采用。用另外一两个工具交叉验证一遍，看有没有可以补充、调整顺序或合并的地方。不同模型给出的结构差异，本身就是判断大纲是否合理的参考。

第二步：把主题拆成三个维度，构建检索式

这一步有个常见误区：直接让 AI 替你检索文献。AI 不负责给出最终文献列表，它只负责把研究主题拆解成可执行的检索策略，真正的检索必须回到数据库里做。

让工具把主题拆成「核心研究对象」「关键处理技术或方法」「研究结果或应用方向」三个维度，然后：

• 为每个维度列出中英文核心词、同义词、近义词和常见学术缩写；
• 给出两到三组适配中国知网高级检索语法的组合，区分「主题」与「篇名」字段，使用 SU=、TI= 以及 AND/OR 运算符；
• 给出两到三组适配 Web of Science 核心合集的英文布尔检索式，使用 TS= 主题字段、引号做精确匹配、星号做通配，例如把原料名与处理方式用 AND 连接、把同义的处理方式用 OR 括在一起。

把生成的检索式复制进数据库执行，第一遍筛选只看标题：与综述主题相关的就导入 Zotero，无关的略过。这一步不必读摘要，速度要快，目的是先把池子建起来。

第三步：用 Zotero 批量导出摘要，再让 AI 做相关性分级

这是整条流程里最值得掌握的一个技巧。写综述要参考的文献动辄几十上百篇，把完整 PDF 全部丢给 AI 既会超出上下文限制，也会因为无关细节太多而放大幻觉。而由原作者撰写、高度凝练的摘要，本身已经包含了研究背景、方法、核心数据与结论。用摘要替代全文作为输入，单次能处理的文献数量大幅增加，提取的准确度也更高。

在 Zotero 里批量导出摘要的步骤如下：

1. 在 Zotero 中选中需要使用的文献条目，可以全选。
2. 右键点击，选择「由所选条目生成报告」（Generate Report from Items）。
3. 弹出的窗口会整齐列出标题、作者、摘要等信息。
4. 全选复制报告内容，粘贴到 AI 工具的对话框里。

拿到摘要报告后，不要立刻让它写正文。先做一轮相关性分级与信息预提取，把无关文献剔掉。指令里要明确限定「本次任务仅限初筛与摘要提取，不撰写正文」，并要求以表格形式汇总六项信息：原文献编号、作者与年份、研究对象与核心问题、关键研究方法、摘要中的主要结果与结论、相关性评级（高/中/低）。表格下方再针对高相关性文献单独列出两项：建议归入大纲的哪一章节，以及摘要中未提供、必须精读全文才能确认的实验条件或数据。

严谨性红线同样要写进指令：严格保留原报告中的文献编号，不得打乱顺序；严禁根据标题脑补实验结果，严禁补充摘要中未出现的数据；不同研究结论有差异时如实分别记录；摘要表述含糊之处统一标注「需读全文核实」。

投喂时按子章节分批，单次十五到二十篇左右。一次性塞太多，模型容易漏读细节。

第四步：以研究问题为主线撰写章节初稿

综述最忌讳的写法是按发表时间或研究对象逐篇改写摘要，变成流水账。正确的做法是以研究问题或作用机制为主线：横向对比不同处理方式对同一原料的影响，或者剖析相同方法下因实验条件与指标不同而产生的结论差异，指出共性规律并解释差异来源。

写每个小节时，指令里要同时提供三样输入：完整大纲（让模型理解上下文边界）、本次要写的具体小节标题、以及筛选后的高相关文献摘要。写作要求至少包含四条：

• 先综后述：不得按「A 研究了什么、B 研究了什么」逐篇改写，必须归类、串联、对比。
• 字数控制：给出该小节的字数区间，语言严谨、客观、平实。
• 溯源标注：凡引述观点或数据，句末用「原文献编号、第一作者、年份」的格式标注，方便回溯核验。
• 事实边界：所有论述必须完全来自本次提交的摘要，不得调用模型自身的外部知识补充数据或结论；摘要不足以支撑某个论点时，直接在文中标出「此处缺乏文献支撑，需补充检索」。

初稿生成后，可以换一个工具对照核心文献做补充润色。但无论用几个模型，下面这些核对必须由作者本人完成：

• 语言表述调整到符合学术文章的风格；
• 所有带数据的表述，回到参考文献逐一核对数字；
• 所有专有名词，回到文献核对称呼是否准确、英文表述是否规范；
• 涉及前处理、发酵、产物转化等过程的描述，回到原文细读并做笔记，再用工具整理出文献中的核心方法与流程，相互对照；发现冲突或与原文不符的地方，逐一比对确认。

这一步的准确性会直接传导到后面的作图环节，不能省。

第五步：先让 AI 出构图草图，再用演示软件临摹

机理图是很多人卡住的地方，难点不在画，而在不知道从哪开始。可行的做法是分两步：先让 AI 根据已经核对好的正文段落生成一张构图草图，把它当作视觉参考框架；再用 Keynote 或 PowerPoint 照着临摹成正式图。

草图指令要包含以下要素：

• 逻辑与分区：先用文字说明打算怎么分区，例如从左到右的工艺流程布局，或上下分层的宏观—微观机制布局；提取三到四个核心阶段，用箭头指示物质转化或作用方向。
• 视觉风格：扁平化、现代的二维科研矢量插画风格，纯白背景，主色调不超过三种，避免三维渲染、光效和过度写实的背景。
• 元素与标注：使用直观的科学图标、简化的分子或结构示意，减少大段文字，只在关键节点保留简短的英文占位标签，方便后续替换成规范术语。
• 严谨性约束：画面中出现的所有反应步骤、物质元素和箭头指向，必须严格基于提供的正文，不得凭空捏造未提及的反应路径或设备。

第一次生成的图大概率与预期不符，甚至有明显错误。这没关系，这一步真正的产出不是那张图，而是一个可以对照的框架——原本只存在于想象中的结构，变成了能检查、能修改的具体对象。拿到草图后，逐项对照正文检查：哪些地方与正文不符，哪些元素明显错误，哪些步骤缺失。

临摹阶段有几个实操要点：

• 布局：有外接屏幕就左右分屏，一边放参考图一边画；没有的话，把参考图直接拖进画布，对照着画。
• 顺序：从局部开始画，不要先搭大框架。先画大板块会导致后续调整时全选和拖拽不顺畅，还会牵扯图层问题。把每个小部分画好，最后再补排版。
• 留白：绘图前先用参考线划定统一的上下左右边距，把所有元素限制在核心区域内，版面会立刻显得整洁。
• 一致性：画完后自己再理一遍机理图的逻辑顺序，核心名词与过程对照已核对过的正文，确认表述一致。

第六步：导出图片并做投稿前核验

图片要同时保留可编辑的源文件和最终导出的图片文件：前者方便返修时修改，后者用于投稿。如果期刊没有特殊要求，在演示软件里把画好的元素全选成组，直接复制粘贴进正文对应位置，清晰度通常足够。

如果投稿系统要求单独上传 300 DPI 以上的高清图（如 TIFF 或 PNG），直接从 Keynote 导出往往无法自定义分辨率。在 macOS 上可以用一个原生无损的转换路径：先在 Keynote 中选择「文件 → 导出为 → PDF」，图像质量选「最佳」，保留矢量信息；再用系统自带的「预览」打开该 PDF，选择「文件 → 导出」，在导出为 TIFF 或 PNG 时手动指定 300 或 600 像素每英寸。导出后还要检查图片在实际排版尺寸下是否清晰，尤其是字体、箭头和较小的图形元素，有问题就回到源文件修改。

参考文献整理是投稿前另一项耗时工作。从数据库导入 Zotero 的条目，常出现 DOI、卷号、期号或出版信息不完整的情况。可以先用学术搜索引擎找到对应论文，点引用按钮补齐卷号、作者等信息。图注、表格对齐方式、字号这些细节也要逐项核对。

如果使用本地 AI Agent 做交叉核验，指令要写得非常具体。一个可用的结构是：

1. 读取工作目录下的论文副本，明确禁止直接修改原始文件。
2. 按目标期刊要求的参考文献格式（例如 GB/T 7714-2015 顺序编码制）逐项排查：正文引用序号与文末列表是否严格按出现先后一一对应；是否存在正文有引用而文末缺条目、或文末有条目而正文从未引用的情况；作者、题名、期刊名、年份、卷期页码及 DOI 是否有格式缺失或明显错误；全文图表编号、多级标题层级与正文指代是否统一；是否存在中英文标点混用、单位未斜体或未留空格等排版瑕疵。
3. 先生成一份核验报告，对每个问题输出出现位置、原始文本、问题描述、建议修改方案，以及必须由作者人工核实的事项。
4. 设定安全红线：不自行插入新的文献引用，不篡改科学论点，不为强行匹配参考文献而改写正文语义。
5. 等作者审阅确认报告中的修改方案后，再在副本文件上执行替换与重排。
6. 保留原始文件，在本地输出修改后的新文件及一份完整的修改日志。

本地 Agent 相比网页端对话工具的优势在于改动范围可控：它只动指定的引用与格式问题，正文其余部分的排版样式不受影响，也省去了反复上传和复制粘贴。

一个完整示例

下面用一个虚构但结构完整的例子，把六个环节串一遍。假设研究方向是某类果渣的高值化利用与面制品品质改良。

选题。先读三到五篇同方向近两年的综述，确认行业痛点是果渣口感差、利用率低。把大方向填进选题指令，得到五个候选题目，选中其中一个聚焦到「某种预处理方式对果渣膳食纤维结构与面制品品质的影响」。再让工具按「背景痛点 → 预处理方法对比 → 结构与品质影响 → 瓶颈与展望」生成三级大纲，每个小节下注明需要对比的指标，末尾给出中英文检索词。换第二个工具验证大纲，补上一个遗漏的讨论维度。

检索。把主题拆成三个维度：核心对象（果渣、膳食纤维及其同义词与英文表述）、处理技术（超声、过热蒸汽、酶解、发酵等）、应用方向（面制品品质、质构、风味）。生成知网与 Web of Science 各两到三组检索式，在数据库中执行，按标题初筛，把相关条目全部导入 Zotero。

摘要筛选。在 Zotero 中全选条目，右键生成报告，复制全部内容。按每批十五到二十篇投喂给 AI，要求输出六列表格并给出高相关文献的章节归属与待核实盲区。剔除评级为低的条目，把标注「需读全文核实」的地方记下来，后面精读时重点看。

写初稿。以「不同预处理方式对膳食纤维结构的影响」这一小节为例，把完整大纲、小节标题、筛选后的摘要一起提交，要求横向对比而非逐篇罗列，字数控制在一千字左右，每处引述标注文献编号与年份，摘要不足支撑的论点直接标出。初稿出来后，逐条回到原文核对数字与术语。

作图。把已核对的「前处理 → 结构变化 → 面制品品质」段落交给 AI，要求先说明分区方案再生成草图。拿到草图后对照正文检查箭头方向与阶段划分，然后在 Keynote 中从局部开始临摹，最后补排版与留白。完成后按 PDF 中转的方式导出 300 DPI 的 TIFF。

核验。把论文副本放进一个工作目录，让本地 Agent 按顺序编码制检查引用对应关系、缺失 DOI、图表编号与标点，先出核验报告，人工确认后再执行修改，保留原始文件与修改日志。

注意事项

• AI 不负责最终文献列表。检索式可以由 AI 扩展，但检索、筛选、判断相关性必须回到数据库里完成。
• 摘要不是全文。摘要中缺失的实验条件、样本量、统计方法，必须精读全文确认。所有标注「需读全文核实」的地方都要落实。
• 分批投喂。单次提交的文献过多会导致模型漏读细节，按小节分批、每批十五到二十篇是更稳妥的做法。
• 编号不能乱。摘要报告中的文献编号是后续溯源标注的锚点，一旦被打乱，正文里的引用就无法回溯。
• 经典文献要查勘误。引用奠基性研究前，确认是否有后续勘误或结论修正。
• 作图从局部开始。先搭大框架会让后续调整变得困难，图层与全选操作都会受影响。
• 导出分辨率要实测。从演示软件直接导出的图片未必满足期刊的分辨率要求，导出后要在实际排版尺寸下检查清晰度。
• 本地 Agent 先报告后修改。始终在副本上操作，保留原始文件，并要求输出修改日志；不要让工具自行插入新引用或改写论点。
• 工具与规范会变。文中涉及的软件功能、导出选项、期刊格式要求与数据库语法，请以各产品官网和目标期刊当前公布的投稿须知为准。

整套流程真正改变的不是写作本身，而是完成写作的方式：把信息整理、文献分类、格式调整这些重复劳动压缩掉，把判断留给自己。选题是否有价值、结论是否可靠、文献之间的矛盾如何解释、文章最终怎么表达，这些问题没有工具能替代作者的判断。也不必一开始就追求一套完美的工作流，先找到一个值得研究的问题，再挑合适的工具一步步做下去，就已经是很好的开始。