AI检索与传统检索的思考,如何让综述写作更有“深度”?

   这个看似简单的问题，背后藏着一个被很多人忽视的真相——AI检索与传统检索，从来不是谁取代谁，而是各司其职、相互补充的两套工具。

   南京大学谢鹏飞与李白杨的研究系统比较了大模型驱动的AI检索与传统信息检索，发现两者贯穿“输入—召回—整合—输出”全链条，存在本质性差异。传统检索依赖关键词匹配和倒排索引，返回的是文档列表，用户需要自行阅读筛选；而DeepSeek这类AI检索则通过“深度思考+联网搜索”完成语义理解、多源整合，直接给出带引用的生成式答案。

    东莞理工学院周凤玲的教学改革实践给出了警醒：连续两学年、80名本科生的数据显示，AI辅助教学虽将课程满意度从81.8%提升至98.3%，核心文献识别准确率从77%提高到85%，但部分学生直接套用AI生成的论文框架，甚至将AI凭空捏造的虚假文献列入参考文献。   

     问题在于，“缺乏深度”从来不是AI独有的毛病。没有AI的年代，照样有大量综述被批“像资料堆砌”。AI只是放大了这个问题，它让“读了很多文献”变得容易，也让“假装读懂了文献”变得容易。综述的深度，不取决于你处理了多少篇文献，而取决于你是否在文献之间建立了只有人能看见的联系。

      那么，怎么做才有深度？

     第一步，让AI做“有约束的粗加工”，不要直接生成综述。 可以把CNKI导出的30篇文献标题、摘要、关键词交给DeepSeek，让它按主题归类、标出核心发现和方法差异、列出结论矛盾的文献对。但不要输入“帮我写一篇关于XX的文献综述”。前者是用AI压缩信息，由你判断意义，后者是把判断也交了出去，完全依赖AI，不能解决个人的深度思考。

     第二步，拿到AI线索后要回到原始文献做验证性精读。 AI说“某方面研究较少”，这不叫缺口。我们要翻代表性文献的讨论部分，看作者自己是否提到未来方向，看高被引论文是否已经触及。要区分是“完全没人做”，还是“有人做了但存在情境或方法限制”？后者往往是深度挖掘的方向。 

     第三步，用“缺口三问”进行检验。 一问是“没人做”，还是“做了但没解决”？；二问是“主题空白”，还是方法、测量、理论上存在局限？三问你的研究问题能否从缺口进行深度推断？问不出具体问题，那就只是礼貌的收尾。

      第四步，按主题组织，而不是按作者排队。 “张三发现……李四指出……”是阅读笔记，不是综述。有深度的写法是先提出主题句，再把文献作为证据放进去比较、碰撞。同时必须写出争议，两组研究结论相反时，追问样本、测量工具、干预强度、统计模型哪里不同。这些差异比单篇结论更接近领域真实状态。

       从谢鹏飞的融合框架能够看出，传统检索提供可信证据基础，AI检索承担语义转译与知识组织，构建“AI澄清问题—传统检索获取证据—AI辅助整合—人工复核修正”的闭环。 AI可以帮我们读完一百篇摘要、按主题聚类、提取矛盾点，但它无法替我们决定哪一篇值得认真对待，无法判断缺口是真空白还是伪空白，更无法写出那句让导师点头的“争议在于”。

        AI改变了我们获取信息的方式，但没有改变“求真”的底线。AI可以压缩信息、聚类方向、提取核心，传统检索可以去伪存真、由浅入深、由表及里，两者不是彼此对立而是相辅相成，共同使用能够高效推动检索的发展。

供稿:信息素养教研室

图文编辑/责任编辑:肖金华

初审:陆华娟

审核:安东

审定:苏政权