用 Claude Code 完成一篇文献综述

面对 200 篇论文的那种无力感

导师说："写一篇文献综述，下个月交。"

你打开 Google Scholar，输入关键词，跳出 3,700 条结果。前两页看起来都相关，你下载了 20 篇。读到第 8 篇的时候开始心虚——这 20 篇能代表领域全貌吗？那些被引 2,000 次的经典论文，你是不是一篇都没找到？

更令人崩溃的是后续流程。文献存在桌面的"论文"文件夹里，命名风格从 paper_v3.pdf 到 这篇很重要一定要读.pdf 应有尽有。精读笔记散落在三个 Word 文档和一个 Notion 页面里。等到真正开始动笔写综述的时候，你发现连"哪篇论文说了什么"都需要重新翻找。

一周过去了，你有了一张混乱的 Excel 表格、一堆零散的笔记和一个空白的 Word 文档。

这就是大多数人写文献综述的真实状态。问题不在于你不够努力，而在于"搜一搜、读一读、写一写"这种散漫的流程本身就不可控——你不知道搜得够不够全，不知道读得够不够深，写的时候更不知道组织得够不够好。

下面是一个不同的方案。

五个阶段，一条流水线

文献综述本质上是一个信息加工的流水线：原材料（论文）经过多道工序，最终变成成品（综述终稿）。问题不在某一道工序做得不好，而在于大多数人根本没有流水线——所有工序混在一起，搜着搜着就开始读，读着读着就开始写，写到一半发现漏了文献又回去搜。

Claude Code 加上学术 MCP 工具，可以把这条流水线搭起来。五个阶段，每个阶段有明确的输入和输出，前一步的产出直接喂给下一步：

Copy① 检索  →  ② 筛选  →  ③ 精读  →  ④ 撰写  →  ⑤ 交付
1000+ 篇    25-50 篇    结构化笔记    综述初稿    发表级终稿

下面依次看每个阶段中最值得一提的操作。

阶段一：三轮收敛检索

传统检索的最大问题是"不知道搜得够不够"。你翻了 Google Scholar 前五页就停了——凭什么是五页而不是十页？没有框架指导的检索，本质上是在碰运气。

Claude Code 连接 Semantic Scholar MCP 后，检索变成了一个可控的收敛过程。你告诉它研究主题，它会自动执行一套三轮收敛策略：

Copy第一轮：广撒网
  使用 6 组关键词组合在 Semantic Scholar 和 OpenAlex 上检索
  收获 1,000+ 篇候选文献
 
第二轮：主题收敛
  按被引次数、发表年份、期刊影响因子排序
  追踪高被引论文的引用网络（谁引了它、它引了谁）
  缩窄到 100-200 篇
 
第三轮：质量筛选
  基于纳入/排除标准逐篇评估
  最终保留 25-50 篇核心文献

三轮下来，你手里不再是一堆"看起来相关"的论文，而是一份有据可查、可追溯的文献清单。每一篇为什么纳入、为什么排除，都有记录。

这个过程最精彩的地方在于引用网络追踪。Semantic Scholar 的 paper_references 和 paper_citations 接口可以沿着引用链条一路追下去——从一篇核心综述出发，找到它引用的 50 篇论文，再找到引用它的 80 篇后续研究。那些隐藏在 Google Scholar 第 20 页、但被引 2,000 次的经典论文，通过引用网络一步就能定位到。

阶段二：从 1,000 篇到 25 篇

筛选是最容易被低估的环节。很多人把"检索"和"筛选"混在一起——搜到一篇就读一篇，读完觉得不行就丢掉。这种做法的问题是你永远不知道还有多少好论文没被搜到。

在五阶段流程里，筛选是一个独立的阶段。Claude Code 会按照学术界标准的 PRISMA 框架来执行：识别 → 去重 → 标题/摘要筛选 → 全文筛选 → 最终纳入。每一步的数量变化都记录在案，最后可以直接生成 PRISMA 流程图——如果你的综述要发表，这张图本身就是必需品。

PRISMA 框架听起来很学术，但它的核心逻辑很朴素：确保你的筛选过程是透明的、可复现的。任何人拿着你的纳入/排除标准和检索策略，都应该能得到差不多的结果。Claude Code 把这个过程自动化了，你只需要制定标准，执行和记录它来做。

阶段三：SubAgent 并行精读

25 篇核心文献，每篇平均 20 页，总共 500 页。传统做法是一篇一篇读，边读边做笔记，快的人需要一周，慢的人可能两周。

Claude Code 的做法是：把 25 篇文献分成 5 组，每组 5 篇，分配给 5 个 SubAgent 同时精读。

CopyClaude Code (Leader Agent): 发布 5 个精读 SubAgent。
 
  [SubAgent 精读-1] 精读论文 #1-5
  [SubAgent 精读-2] 精读论文 #6-10
  [SubAgent 精读-3] 精读论文 #11-15
  [SubAgent 精读-4] 精读论文 #16-20
  [SubAgent 精读-5] 精读论文 #21-25
 
  每个 SubAgent 使用统一的提取模板：
  → 研究问题 / 核心方法 / 关键发现 / 局限性 / 对综述的贡献

5 个 SubAgent 并行跑完，25 篇论文的结构化精读笔记就全部就绪了。Leader Agent（主 Agent）不参与精读本身，它只负责分配任务和审查结果——发现哪个 SubAgent 的提取不够深入，就给出修正指令让它重做。

这里有一个认知上的转变值得强调：SubAgent 精读不是"让 AI 帮你读论文"，而是"让 AI 帮你做结构化信息提取"。你依然需要审查每篇论文的关键结论，依然需要判断它在你综述中的位置。AI 做的是那些机械性的工作——找研究问题、提方法、列发现——而把需要学术判断力的部分留给你。

精读完成后，Claude Code 会把所有提取结果汇总成一张"文献地图"：按主题聚类、标注时间线、标记争议点和研究空白。这张地图就是下一步综述撰写的蓝图。

阶段四：2-2-1 冗余写作法

终于到了写的环节。

传统做法是：打开编辑器，盯着空白页面，写一段删一段，反复调整框架，一周后可能还在改第三稿。

五阶段流程里的写作方法叫 2-2-1 冗余写作法。名字已经说明了一切——2 个独立版本、2 轮审查、1 个整合版本。

为什么要写两个版本？ AI 在一次生成中会沿着一条路径往下写。一旦选定了切入角度，后文就会围绕这个角度展开，很难中途大幅调整。这意味着一个版本必然有它的"视角盲区"。两个版本从不同角度切入——比如一个从理论发展脉络组织，另一个从方法论演进组织——各有亮点和盲区，整合后的质量远超任何单一版本。

实操流程是这样的：

Copy第一阶段："2"——两个 SubAgent 并行撰写
 
  [SubAgent 写作-A] 从理论发展脉络角度撰写初稿
  [SubAgent 写作-B] 从方法论演进角度撰写初稿
 
  两个 SubAgent 读取相同的文献地图和精读笔记，
  但用不同的组织逻辑写出两份完整的综述初稿。
 
 
第二阶段："2"——两轮审查
 
  [SubAgent 审查] 对比分析两个版本：
  → 版本 A 优势：理论脉络清晰，起源追溯更完整
  → 版本 B 优势：方法论比较出色，局限性分析更深入
  → 版本 A 盲区：近 5 年新兴方法覆盖不足
  → 版本 B 盲区：理论框架间逻辑衔接较弱
 
 
第三阶段："1"——一个整合版本
 
  [SubAgent 整合] 整合原则：
  → 引言和理论框架取版本 A 的结构
  → 方法论比较和局限性取版本 B 的内容
  → 补充审查报告中指出的共同盲区
  → 统一术语和引用格式

整合稿保留了两个版本各自的长处，同时修补了各自的盲区。一次写作流程就得到了经过对比、审查、取长补短的综述——这在传统方法中需要你自己反复重写三四稿才可能达到的效果。

如果你对 2-2-1 方法的原理和更多应用场景感兴趣，推荐阅读 B07 2-2-1 冗余写作法。

阶段五：质量交付

初稿完成后，还有最后一道关。学术写作中参考文献的准确性是硬标准——一个 DOI 错误、一处年份不符就可能导致论文被拒。

Claude Code 加载 academic-ref-check Skill 后，会对参考文献列表做端到端的验证：

• 通过 Semantic Scholar 逐条核实 DOI、年份、期刊名
• 按 APA 第七版或 GB/T 7714 格式统一排版
• 标记存疑条目，生成人工审核清单

验证完参考文献，再跑一轮全文质量审核——术语是否统一、逻辑是否连贯、引用是否充分。审核不通过的段落会被标记并给出修改建议，你确认后 Claude Code 执行修订。

最终产出：一篇完整的综述终稿、一份格式化的参考文献列表、一张 PRISMA 流程图。

传统方法 vs 五阶段流程

这个对比不是在说传统方法"做错了"，而是说其中大量时间花在了机械性工作上——翻页、下载、整理笔记、核对格式。五阶段流程把这些机械性工作交给 MCP 和 SubAgent，让你把时间花在真正需要学术判断力的地方：制定筛选标准、搭建论证框架、评估研究质量。

更重要的是，五阶段流程是可复用的。你的下一个课题、下一篇综述，可以直接套用相同的检索策略模板、精读提取模板和写作流程。每做一次，流程会更顺畅，模板会更贴合你的学科需求。

适合什么人

这套流程不需要你会编程，不需要你懂 AI 原理。你需要的是：

• 一个 Claude Code 订阅（Pro 可完成全部步骤，Max 可并行加速）
• 安装好 Semantic Scholar 和 OpenAlex MCP 服务器
• 一个你想做的综述课题

如果你是第一次用 Claude Code 做学术研究，建议从环境搭建开始，一步步来。

进阶阅读

如果你对这套流程感兴趣，以下是完整的教程和相关资源：

完整教程: 论文检索 -- 五阶段流程的详细教程，包含每一步的操作演示和检查点，预计 7.5 小时完成

环境搭建: 环境搭建 -- 安装和配置 Semantic Scholar、OpenAlex、Firecrawl MCP 服务器

方法论详解: B07 2-2-1 冗余写作法 -- 冗余写作法的原理和更多应用场景

本文小结

• 文献综述的核心挑战不在于某一步做不好，而在于缺少一条从检索到交付的完整流水线
• 五阶段流程（检索→筛选→精读→撰写→交付）把散漫的过程变成可控的工序，每步有明确的输入和输出
• 三轮收敛检索解决"搜得够不够全"的焦虑，引用网络追踪找到隐藏的关键文献
• SubAgent 并行精读将数周的阅读工作压缩到数小时，但学术判断仍由你来做
• 2-2-1 冗余写作法通过两个独立版本的对比和整合，突破 AI 单次输出的质量天花板
• 整个流程可复用——模板和策略越用越顺，适应你的学科需求