写综述真的太麻烦了——核对文献、整理摘要、反复修改、调格式……每一件都是磨人的脏活累活。我自己实在被折腾得受不了，干脆写了一个小工具，把从主题到检索、筛选、生成综述再到参考文献补全的流程全部自动化。这是基于 Electron + n8n 打造的一个打通 PubMed 真实文献与 LLM 生成能力的桌面工具，实现文献可追溯的全自动综述链路。

自己遇到问题，自己动手解决，顺便拿出来分享，希望能帮到同样被综述折磨的朋友。学习路径极其线性：搭好环境 → 配好接口 → 跑通一次完整生成。

一、项目架构与核心流程

1.1 架构选型

• • Electron（桌面入口）： 提供本地化、可直接双击运行的交互界面，用户无需理解底层依赖!
• • n8n（自动化引擎）： 内嵌至项目根目录，Electron 启动时自动拉起，负责串联主题标准化、PubMed 检索、文献筛选、综述生成与润色输出。
• • 火山方舟 API： 提供 50 万 Token 免费额度，兼顾性能与成本。

1.2 核心流程（结构化串联）

1. 1. 主题标准化：将用户输入的原始主题转换为 PubMed 可识别的结构化表达（标准化主题、同义词、疾病词、干预词、排除项）。
2. 2. 文献检索：自动构造检索式，连接 PubMed 抓取摘要、作者、期刊、PMID、DOI 等真实元数据。
3. 3. 文献筛选：基于题名、摘要和主题命中率排序，剔除低相关噪音文献。
4. 4. 综述生成：结合筛选后的摘要构建 Prompt，调用大模型生成初稿。
5. 5. 润色输出：二次整理为完整综述，自动补全参考文献列表。

核心特色： 所有参考文献均来自真实 PubMed 检索，彻底杜绝 AI 虚构引用。

二、安装与配置（Windows 版）

2.1 基础环境

1. 1. 解压安装包 → 记住路径（例如C:\ai-review-tool）。

   项目必须放c盘

2. 2. 安装 Node.js → 从 Node.js 中文网 下载 Windows 安装程序，一路 Next。⚠️ Win11 若被拦截，请关闭“智能应用控制”。

2.2 安装 Electron 并启动

1
2
3
4
5
6
7
8
9
# 进入项目目录（Win+R 打开 cmd）cd C:\ai-review-tool# 设置镜像并安装 Electronset ELECTRON_MIRROR=https://npmmirror.com/mirrors/electron/
npm install electron --save-dev# 启动应用npm start

正常启动后会显示工具主界面。二次使用时，只需重新 cd 到项目目录并执行 npm start。

2.3 配置接口信息

在界面中填写：

• • 接口地址（火山方舟 API 地址）
• • 模型名称（你开通的模型）
• • API Key（获取方式见第三章）

完成后即可输入主题生成综述。

三、API 申请教程（以火山方舟为例）

3.1 注册与创建 API Key

1. 1. 访问 火山方舟官网 → 登录/注册 → 进入控制台。
2. 2. 左侧菜单点击 API Key 管理 → 创建新的 API Key（名称随意）→ 复制生成的密钥。

3.2 创建推理接入点并开通模型

1. 1. 左侧点击 在线推理 → 自定义推理接入点 → 创建推理接入点。
2. 2. 选择“指定单一模型” → 点击“添加模型” → 选择所需模型（如 DeepSeek-R1）→ 确定。
3. 3. 计费方式选“按 Token 计费” → 勾选同意 → 开通。

3.3 获取 API Key 与模型名称

1. 1. 开通成功后，点击左侧 开通管理 → 找到已开通的模型 → 点击 接入文档。
2. 2. 新页面点击 去调试 → “只看必填” → 选择模型 → 发起调试。
3. 3. 右侧返回参数中，Bearer 后面的字符串即为 API Key，同时可复制 model 名称。

四、使用说明与参数控制

4.1 使用教程

1. 1. 填入接口地址、模型名称、API Key。
2. 2. 输入医学主题（如“GLP-1受体激动剂在2型糖尿病中的心血管获益”）→ 点击生成。
3. 3. 等待系统自动完成：标准化 → 检索 → 筛选 → 生成 → 润色。

4.2 参数控制建议

• • 年份范围：限定近 3~5 年，避免过时文献。
• • 文献数量：建议 20~40 篇，平衡深度与效率。
• • 输出语言：中文/英文可选。
• • 排除词：可手动添加不需要的关键词（如“动物实验”）。

4.3 常见问题速查

五、项目价值与学习建议

5.1 为什么这个项目值得跑通？

• • 不是“聊天式生成”，而是流程自动化：把人工切换 PubMed、EndNote、Word、ChatGPT 的零散步骤压缩成一条完整链路。
• • 文献真实可追溯：每一篇引用都来自 PubMed，可直接验证，杜绝幻觉。

5.2 建议的学习序列

1. 1. 先跑通一次完整流程：哪怕只生成 5 篇文献的短综述，也要亲眼看到“主题标准化 → PubMed 检索 → 生成参考文献”这一闭环。
2. 2. 理解 n8n 工作流：打开项目中的 n8n 配置，看懂每个节点（HTTP Request、Code、OpenAI 等）是如何串联的。
3. 3. 替换模型或数据库：尝试接入本地 Ollama 模型，或增加 CNKI/Web of Science 检索节点，体会扩展性。
4. 4. 精读流程设计思路：为什么需要“主题标准化”？筛选规则如何设计？——这些才是项目真正的“算法”所在。

扩展方向： 可增加批量导出（BibTeX/Word）、文献去重、手动筛选界面、多数据库并行检索等功能。

六、结语

这个项目不是要展示“AI 能写综述”，而是要告诉你：如何把模型能力嵌入到真实的、碎片化的科研工作流中。

通过 Electron 提供低门槛入口，通过 n8n 实现可编排的自动化，通过 PubMed 保证依据真实，最终形成的是一个可交付、可复用、可扩展的本地工具。真正有价值的，从来不是模型本身，而是让模型与流程、工具和需求紧密结合的那一层“胶水代码”。

跑通它，你就理解了自动化综述系统的全部精髓。