用 WisPaper 完成千篇文献的标题摘要初筛

文献综述真正耗时的环节往往不是检索，而是判断哪些文献值得精读。一次宽泛的检索可能返回上千条记录，如果按结果出现的顺序逐条打开 PDF，这是效率最低的策略。更合理的做法是初筛（screening）：把一大堆检索结果压缩成一个规模更小、且每一步都能解释的阅读集合。你需要先定义标准，再扫标题与摘要，把拿不准的记录留待人工复核，并记录每篇文献被纳入或排除的理由。WisPaper 是一款面向研究者的 AI 学术搜索与初筛工具，它的搜索工作区提供 Deep Search、Scholar Agent 与 Inspiration Discovery，文献卡片上会显示来源标签、摘要与预览图，便于在决定是否精读之前先做分诊。你可以通过 WisPaper 了解它的入口与能力范围。本文讲的是流程本身：无论你最终用 AI、用表格、用专门的筛选工具，还是几种方式混用，这套方法都能让大规模初筛站得住脚。

准备工作

明确初筛与精读是两件事

初筛回答的问题是「这篇文献该不该留在候选集里」，精读回答的问题是「这篇文献对我的论证有什么贡献」。把两个阶段混在一起，综述会迅速变慢：你过早打开 PDF，把时间花在无关文献上，最后还忘了某篇文献当初为什么被纳入。清晰的做法是把工作拆开：

检索得足够宽，先把候选文献找出来；
用标准去筛标题与摘要；
对拿不准的文献人工复核；
只对纳入或高优先级的文献做精读；
保留一条日后可以解释的决策链。

即使你做的不是系统性综述，这一点同样重要。导师、审稿人或合作者都可能追问最终文献是怎么选出来的，「看起来挺相关」不构成方法。写成文字的初筛流程能给你一个更有力的回答。

在打开结果之前先写好标准

初筛最常见的错误，是先看检索结果再想标准。这会招来凭感觉做决定：摘要写得漂亮的留下，术语陌生的被忽略，综述在你意识到之前就已经带上偏差。所以纳入与排除标准要写在前面。它们不必复杂，但必须具体到足以指导判断。一套有用的标准通常要回答：

必须出现哪个主题、人群、方法、材料、干预、系统或结局？
哪些相邻主题应当排除？
允许哪些出版类型？
语言或数据库的范围是什么？
哪些研究设计符合本次综述的问题？
如果时间限制有正当理由，相关的时间范围是什么？

正式综述里，这些标准应写进研究方案或方法部分；学位论文章节或叙述性综述里，放在项目笔记中也行。关键在于写在初筛之前，而不是之后。如果打算让 AI 参与初筛，标准就更重要了：意图还含糊的时候，模型无法可靠地执行你的意图。标准写得清楚，也便于复核 AI 的建议——你可以直接问：这个判断符合那条写下来的规则吗？

准备记录载体

你需要一个能承载全部记录、可检索、可标注的地方：电子表格或专门的筛选工具都可以。同时准备好三个固定标签（见下一节），以及一份可复用的排除理由清单。若项目有多位评审者，还要事先约定分歧的解决规则，而不是让筛得快的人说了算。

操作步骤

第一步：建立三堆分类法

大规模初筛最适合用极简标签。第一轮不要造出十几个类别，只用三个：

标签	含义	下一步
纳入（Include）	记录明显符合标准	保存，进入全文复核或优先阅读
排除（Exclude）	记录明显落在标准之外	记录排除理由
待定（Maybe）	标题与摘要不足以判断	留待人工复核

「待定」这一堆不是失败，它是质量控制。它同时防止人和 AI 工具把不确定的记录强行塞进一个过早的结论里。排除理由要短且可复用，例如：人群不符、方法不符、场景不符、非实证研究、非同行评审、重复记录、全文不可得、超出范围。可复用的理由会让最终的筛选日志更容易汇报。

第一轮的目标不是完全理解文献，而是在不丢掉需要判断的文献的前提下，把堆子变小。

第二步：只筛标题与摘要

从标题与摘要开始筛。除非标题和摘要含糊到无法分类，否则不要打开 PDF。这一步之所以有效，是因为大量无关记录可以被快速排除：标题可能就暴露了错误的领域，摘要可能暴露了错误的人群，方法部分可能显示这是一篇评论而非实证证据。

第一轮只问几个问题：

这条记录是否匹配综述主题？
是否匹配所要求的方法、人群或情境？
是否明显超出范围？
摘要是否含糊到无法做出有把握的判断？

这个阶段不要做深度笔记，深度笔记属于后面的阶段。初筛笔记的作用是解释决策，而不是概括整篇文献。

在 WisPaper 里，检索结果以文献卡片形式呈现，卡片上带有来源标签、摘要与预览图，正好支撑「不打开 PDF 先判断」的做法。你可以先用 Deep Search 把候选集铺开，再用 Scholar Agent 追问某条记录为何可能符合标准，或让它指出哪些信息缺失导致无法判断；Inspiration Discovery 则适合在主题边界还不清楚时先摸清相邻领域。工具能加速的正是这一步，但判断标准仍然来自你自己写下的规则。

第三步：把 AI 用在分诊上，而不是让它静默裁决

AI 可以帮忙排序、挑出可能匹配的记录、概括摘要、识别重复、建议排除理由、标出边界记录。但它不应该在你不知情的情况下决定最终的证据基础，除非你的研究方案明确允许，并且你记录了方法。最稳妥的规则是：最终纳入由人控制。AI 可以帮你快速穿过那些显而易见的案例，但研究者应当做出或确认最终决定，尤其是高风险的综述。

适合让 AI 做的事：

解释某条记录为什么可能符合你的标准；
标出导致无法判断的缺失信息；
按可能的相关性给候选文献排序；
生成一段简短的理由，供人工复核；
把摘要与你写下的标准逐条对照。

不适合让 AI 做的事：

未经核查就接受它给出的纳入或排除结论；
让工具在中途改动标准却不做记录；
在正式综述的方法部分隐瞒 AI 的参与；
把相关性排序等同于合格性判断；
仅凭 AI 摘要就引用文献。

逻辑很简单：工具可以减少摩擦，但不能替你承担责任。

第四步：人工复核边界文献

综述的质量就住在边界文献里，捷径的危险也在这里。常见的边界情形包括：

标题用了陌生术语，但摘要看起来相关；
方法相关，但人群不符；
人群相关，但研究类型超出范围；
摘要含糊，但发表渠道高度相关；
来自相邻学科，术语体系不同；
疑似重复记录或二次报告。

对这类记录，重新读一遍摘要，检查关键词，能看方法就看方法，凑够足以决策的信息。如果是正式综述，把最终决定的理由记录下来。边界复核也是第二位人工评审者能发挥作用的地方：多人项目里，分歧应当通过讨论或事先约定的规则解决，而不是看谁筛得快。

第五步：维护筛选日志

筛选日志是「快速综述」与「站得住脚的综述」之间的差别。它不必复杂，但必须记录决策。至少保留这些字段：

字段	作用
文献标题	标识被筛的记录
来源或数据库	显示记录从哪来
决定	记录纳入、排除或待定
理由	解释该决定
评审者或工具	显示是谁或什么协助了判断
备注	记录不确定之处或后续动作

如果做的是正式系统性综述，PRISMA 就相关了。PRISMA 流程图用来呈现综述过程中识别、纳入、排除的记录数量以及排除理由；PRISMA 2020 包含清单条目与一份扩展清单，用于说明报告建议，其清单共 27 项。但不要因为维护了一张表格就声称符合 PRISMA——PRISMA 是报告规范，它帮你如实报告做过什么，不会把薄弱的筛选决策变强。若综述需要正式的报告方案，先参考专门的 AI 辅助系统性综述方法指南，再决定把多少自动化写进方案。

一个完整示例

假设一次检索返回了远超你精读能力的记录，下面是从头到尾跑通的最小流程。

阶段一：准备

写下综述问题与标准，产出一份简短的筛选规则集。例如主题限定为某个具体干预，人群限定为成年人，只接受实证研究，语言限定为英文，时间范围限定在近十年且有正当理由。把这份规则放在项目笔记顶部，全程可见。

阶段二：导入与清洗

把记录导入表格或筛选工具，形成一份可检索的记录集。先尽可能去掉明显的重复记录，得到更干净的候选池。重复记录不要和纳入、排除的记录混在同一个文件夹里。

阶段三：第一轮初筛

在 WisPaper 的搜索结果里逐条看卡片上的标题、来源标签与摘要，按三分类打标签。明显不符的直接排除并写下可复用的理由；明显符合的标为纳入；摘要不足以判断的标为待定。全程不打开 PDF。

阶段四：AI 分诊

对剩下的候选集，让 AI 按可能的相关性排序，概括摘要，并标出信息缺失、无法判断的记录，形成一条有优先级的复核队列。此时不要接受任何未经核查的最终纳入或排除结论。

阶段五：人工复核

逐条处理「待定」堆，以及那些影响较大的排除决定。对每条边界文献，回到摘要、关键词与方法，做出决定并写明理由。多人项目在这一步对齐分歧。

阶段六：精读与文档化

只对纳入或高优先级的文献做精读，产出笔记、提取字段与主题。把全部决定与理由保存为筛选日志，它同时是流程图的数据来源。如果下一步是综合，把纳入文献接到主题表上——在源集合已经筛过之后，把文献组织成主题的过程会顺畅得多。

注意事项

可预期的失败模式

大规模初筛项目的失败方式相当固定，避开这些即可：

中途改动标准却不记录改动；
在标题摘要初筛之前就去读全文 PDF；
把「有意思」当作纳入规则；
删除边界文献却不写理由；
把重复记录、排除记录与纳入记录混在同一个文件夹；
接受 AI 建议却不抽查样本记录；
把摘要当作证据，不打开原文。

修法并不复杂：让标准始终可见，让标签保持简单，复核不确定的案例，保存理由。

关于工具宣称与能力边界

WisPaper 对外表述的能力是「5 分钟筛完 1000 篇文献」并给出「20 篇必读」。这类数字属于产品宣传口径，实际效果取决于你的检索式、标准清晰度与领域特点，具体功能、配额与价格请以官网当前信息为准。无论工具多快，研究者仍应套用自己的纳入标准，并核实最终阅读集合的相关性。

引用与核查

如果流程中 AI 生成过参考文献或摘要，在它们进入稿件之前必须核实引用。把 AI 摘要当作证据使用，是这套流程里最容易埋下隐患的一步。

常见问题

怎样筛得更快？初筛前写好标准，先看标题与摘要再看 PDF，为不确定的记录保留「待定」堆。AI 可以帮助排序与概括候选文献，但最终决定仍要对照你的标准核查。

AI 能替我做文献综述的初筛吗？它能加速分诊，但最终纳入应由研究者做出或确认，并在方法中如实记录 AI 的参与程度。