乐于分享
好东西不私藏

别把几百篇 PDF 直接丢给 AI:GPT + Zotero + Codex 写综述的可落地流程

别把几百篇 PDF 直接丢给 AI:GPT + Zotero + Codex 写综述的可落地流程

别把几百篇 PDF 直接丢给 AI:GPT + Zotero + Codex 写综述的可落地流程

高亮不是综述,下载 PDF 也不是综述。真正困难的是:怎么把几百篇文献,变成几个清楚的问题、几条稳定的证据链,以及一套能写下去的综述框架。


欢迎回到《研究生生存指南》。

很多研究生写综述,第一步就走偏了。

打开 Web of Science,输入几个关键词,导出几百篇文献,全部扔进 Zotero。然后开始下载 PDF、高亮、看摘要、做笔记。

看起来很努力。

但一个星期后,常见结果是:

Zotero 里文献越来越多;PDF 下载了很多;高亮画了一大片;脑子越来越乱;不知道哪篇该放在哪一节;也不知道 GPT 到底该怎么帮自己。

问题不在于你不努力。

问题在于:

你把文献当成 PDF 来管理,而不是当成“证据材料”来组织。

这篇文章不讲“如何让 AI 一键生成一篇综述”。

我更想讲一套普通研究生可以跑通的流程。

GPT 网页:负责想清楚问题、设计检索、归类文献、写章节草稿Zotero:负责存文献、存 PDF、存标签、存集合Codex:负责批量执行、整理文件、打标签、检查初稿Elicit:负责补充发现相关文献、快速查看摘要和相似研究

一句话概括:

GPT 做大脑,Zotero 做仓库,Codex 做手脚,Elicit 做雷达。


01 先给结论:综述不是“AI 写出来的”,而是“流程跑出来的”

很多人用 AI 写综述,最大的问题是太早让它“直接写”。

比如一上来就说:

帮我写一篇关于 XXX 的综述。

这样很容易得到一篇看起来完整、但其实很空的文章。

因为综述真正难的不是“生成文字”,而是下面这些问题:

真正的问题
不是简单问题
这个领域的核心问题是什么?
不是“有多少篇文献”
文献可以分成哪几类?
不是“PDF 下载得全不全”
每一类文献支撑哪个子主题?
不是“高亮画了多少”
哪些是直接证据,哪些只是背景材料?
不是“摘要读了多少”
最后能不能形成自己的解释框架?
不是“AI 写得像不像论文”

所以我的建议是:

不要一开始就让 AI 写正文。先让 AI 帮你分类、建框架、整理证据。

综述写作更合理的顺序是:

先检索再建库再归类再打标签再按章节整理证据最后才写正文

AI 的作用不是把这条链条跳过去。

AI 的作用是让这条链条跑得更快、更清楚、更不容易乱。


02 这套流程适合谁?

适合
不适合
刚开始写综述,不知道怎么从几百篇文献里下手
指望 AI 一次生成可投稿综述的人
Zotero 已经装了,但只是拿来存 PDF
不愿意人工核对文献和引用的人
会用 GPT,但主要停留在“帮我总结一下”
没有任何主题意识,只想让 AI 替自己选题的人
想用 Codex / Claude Code / WorkBuddy 处理本地文件
不愿意做版本备份和安全隔离的人
希望把综述写作变成一个可重复流程
把 AI 当成论文责任人的人

我的态度很简单:

AI 可以帮你省掉大量整理劳动,但不能替你承担学术判断。


03 先准备四样东西

工具
角色
主要任务
最适合做
不建议做
GPT 网页
大脑
检索策略、分类法、写作、修改
复杂判断、长文本整合、章节写作
机械批量操作 Zotero
Zotero
仓库
文献导入、去重、查找全文、标签与集合管理
保存文献库、管理 PDF、按分类导出
替代人判断文献价值
Codex / Claude Code
手脚
批量打标签、移动文献、清洗文本、检查文档
简单、机械、批量、可重复任务
消耗额度的大规模学术判断
Elicit
雷达
找种子文献、相关文献、研究问题
扩大检索入口、快速了解主题文献
完全替代数据库系统检索

最小版本其实很简单:

一个 Zotero 文献库;一个 GPT 网页;一个能读写本地文件的 AI 编程助手;一个用于补充检索的 Elicit。

不用一开始就追求全自动。

先把流程跑通,再逐步自动化。


04 总流程先看一遍

阶段
你手里有什么
做什么
产出什么
1. 定主题
一个模糊方向
把方向改成问题
综述中心问题
2. 设计检索
主题 + 关键词
GPT 帮你扩展检索式
WoS / PubMed / CNKI / Elicit 检索词
3. 建 Zotero 库
检索结果
导入、去重、补 DOI、查找全文
干净的文献库
4. 轻量归类
题名、摘要、关键词、DOI
GPT 初筛和分类
分类标签 + 证据强度标签
5. 批量执行
GPT 生成的任务单
Codex 给 Zotero 打标签、建集合
可按章节使用的 Zotero 集合
6. 分章写作
每个分类的全文材料
GPT 生成证据表和章节草稿
分章节草稿
7. 合并初稿
多个章节草稿
GPT 合成中文初稿
第一版 Word / Markdown
8. 迭代修改
初稿
GPT / Codex 提修改意见
更稳的结构、图表和英文版
9. 投稿前检查
接近定稿的文档
人工核对引用、图表、格式
投稿版本

这一张表就是整篇文章的核心。

后面只是把每一步展开。


05 第一步:先让 GPT 帮你设计检索词

确定综述主题后,不建议自己凭感觉随便搜。

很多人一开始就去 Web of Science 输入一个关键词,然后导出几百篇。

问题是:

常见问题
后果
关键词太窄
漏掉重要文献
关键词太宽
导出大量无关文献
同义词没覆盖
后面分类会偏
排除词没设计
结果里混入大量噪音
数据库只用一个
视野容易受限

更稳的做法是:先让 GPT 网页帮你设计检索策略。

可以直接用这条提示词:

我准备写一篇关于 XXX 的科研综述。请帮我设计文献检索策略,要求:1. 以 Web of Science 为例,给出 TS= 检索式;2. 给出核心检索式、扩展检索式和近 5 年检索式;3. 列出同义词、近义词、上位词和下位词;4. 给出可能需要排除的关键词;5. 说明每一组关键词的作用;6. 如果适合,也请给出 PubMed / Scopus / Google Scholar / CNKI 的检索建议;7. 最后给我一版可以直接复制到数据库里的检索式。

这里以 Web of Science 为例,但不必局限于 Web of Science。

来源
适合做什么
使用建议
Web of Science
系统检索、导出核心文献
作为主检索入口之一
PubMed
医学、生命科学方向
如果主题靠近医学/营养/生物方向,建议补充
Scopus
跨学科检索
用于补充 WoS 之外的文献
Google Scholar
找引用、追踪灰色线索
不适合完全复现,但适合补漏
CNKI
中文背景、政策和本土研究
中文综述或国内背景可用
ScienceDirect / SpringerLink
出版社平台补充
适合顺藤摸瓜找全文
Elicit
找种子文献、相关文献、研究问题
对陌生领域很友好

我的建议是:

数据库负责系统检索;Elicit 负责补充发现;GPT 网页负责设计检索策略;Zotero 负责管理结果。

这一阶段尽量用 GPT 网页完成,不要一开始就让 Codex 做。

原因很现实:

Codex 额度宝贵。能用 GPT 网页完成的思考任务,就先用 GPT 网页。


06 第二步:导入 Zotero,先建一个干净的文献库

检索完成后,可以先导出几批文献。

批次
来源
建议数量
作用
第一批
数据库相关性排序
200–500 篇
建立主体文献池
第二批
近 5 年文献
100–300 篇
保证新进展覆盖
第三批
Elicit / Google Scholar
按需补充
找漏掉的高相关研究
第四批
高被引综述和经典文献
20–50 篇
搭理论背景和引言

然后导入 Zotero。

导入之后,不要急着写。

先做清理:

清理动作
为什么要做
去重
避免同一文献多次出现,后面打标签混乱
补 DOI
后面匹配、查找全文、定位文献都更稳
补摘要
方便 GPT 进行轻量归类
补关键词
帮助主题判断和标签设计
查找全文
让后续分章写作有材料可用
建总集合
保证这个综述项目的文献边界清楚

这里要强调一点:

不要低估 Zotero 自带的“查找全文”功能。

很多 PDF 它自己就能找到。

找不到的,再考虑学校数据库、Google Scholar、ResearchGate、作者主页,或者向同学老师求助。

建议先建一个总集合:

Review_综述主题名

后面的分类、标签、导出、写作,都围绕这个总集合进行。

顺藤摸瓜找神作!这款可视化文献神器,帮你挖出领域的“祖师爷”


07 第三步:不要先扔全文,先用“轻量信息”归类

文献进入 Zotero 后,不要立刻把所有 PDF 全部丢给 GPT。

这一步很重要。

很多人最容易犯的错误就是:

我有 300 篇 PDF;我全部上传给 AI;让 AI 帮我写综述。

这基本等于把一堆原材料倒进锅里,然后希望它自己变成菜。

更好的做法是先导出轻量信息。

材料类型
适合阶段
优点
缺点
参考文献表复制到剪切板
快速初筛
最快,操作简单
信息少,只有题名/作者/年份等
不含全文的 Better BibLaTeX
初步归类最推荐
可含题名、摘要、关键词、DOI
需要安装或配置 Better BibLaTeX
包含全文/笔记/附件信息的 Better BibLaTeX
后期分章写作
材料丰富,适合写章节
信息量太大,不适合全库初筛
PDF 全文
关键文献深读
原文完整
双栏、图表、扫描版容易读漏
Markdown / 纯文本
关键文献深读
连续、清楚、利于模型读取
需要转换步骤

方法 A:创建参考文献表到剪切板

这是最快的方式:

Zotero 全选文献→ 创建参考文献表→ 复制到剪切板→ 粘贴给 GPT 网页

参考文献表通常包含:

作者年份题名期刊DOI

方法 B:导出不包含全文的 Better BibLaTeX

更稳的方法是导出一个不包含全文的 .bib 文件。

这个文件最好包含:

titleauthoryearjournaldoiabstractkeywords

我建议准备两个版本:

版本
是否包含全文
用途
版本 1
不包含全文
初步归类、判断相关性、设计标签
版本 2
包含全文/笔记/附件信息
后期深度阅读、章节写作、证据整理

初步归类阶段,不建议直接用全文版 bib。

因为全文信息量太大,容易浪费上下文,也容易让 GPT 陷入细节。

先用轻量信息把骨架搭起来。

后面再逐步加全文材料。


08 第四步:让 GPT 设计分类体系和“双标签”

把参考文献表或不含全文的 bib 文件直接发给 GPT 后,不要马上让它写正文。

先让它做两件事。

任务
目的
输出
判断文献关系
判断文献和综述主题有多近
直接相关 / 间接相关 / 背景文献 / 方法文献 / 不确定 / 排除
设计分类体系
把文献放进未来章节
5–8 个分类标签
设计证据强度
判断文献在正文中的作用
直接证据 / 间接证据 / 背景文献 / 方法文献 / 综述文献
标记优先精读
决定先读哪些
#优先精读

我更推荐“双标签”策略:

一个分类标签 + 一个证据强度标签

例如:

文献类型
分类标签
证据强度标签
用途
直接实验研究
#机制_氧化应激
#直接证据
写机制章节核心段落
相关但不是本主题核心
#背景_理论框架
#背景文献
写引言或背景
方法学文章
#方法_模型评价
#方法文献
写方法比较或局限
综述文章
#背景_领域综述
#综述文献
用来理解框架,不宜过度引用
不确定
#待判断
#不确定
留给人工复查
明显不相关
#排除
#排除
不进入正文

这个设计非常关键。

分类标签解决的是:

这篇文献应该放在哪一节?

证据强度标签解决的是:

这篇文献对我的主题到底有多重要?

可以用这条提示词:

下面是我从 Zotero 导出的文献题名、摘要和关键词。我的综述主题是:XXX。请你完成以下任务:1. 判断每篇文献与综述主题的关系:直接相关 / 间接相关 / 背景文献 / 方法文献 / 综述文献 / 不确定 / 暂时排除;2. 设计 5–8 个适合综述章节的分类标签;3. 每篇文献分配 1 个分类标签和 1 个证据强度标签;4. 给出每个分类标签的含义;5. 标出需要优先精读的文献;6. 输出一个表格,列为:题名、年份、分类标签、证据强度、建议用途、备注。

09 第五步:让 GPT 生成“发给 Codex 的任务单”

GPT 网页完成初步归类后,不一定要让它继续一篇篇执行。

更好的做法是:

让 GPT 直接生成一份“发给 Codex 的任务单”。

任务单要包含
原因
用题名或 DOI 匹配文献
避免匹配错文献
添加分类标签
对应未来章节
添加证据强度标签
区分直接证据和背景材料
创建 Zotero 左侧集合
方便分章导出
移动文献到集合
让每一类变成章节材料包
标记不确定文献
留给人工复查
不删除文献和附件
防止批量操作事故
先小集合测试
降低风险

可以这样让 GPT 输出:

请根据上面的归类结果,生成一份发给 Codex 的操作指令。要求:1. 使用 Zotero 中的文献题名或 DOI 作为匹配依据;2. 每篇文献添加 1 个分类标签和 1 个证据强度标签;3. 标签格式使用 #分类_子主题 和 #直接证据 / #间接证据 / #背景文献;4. 对不确定文献添加 #不确定;5. 对暂时排除文献添加 #排除;6. 按分类标签创建 Zotero 左侧集合;7. 将对应文献移动到相应集合中;8. 不删除任何文献和附件;9. 执行前先在 5 篇文献的小集合里测试;10. 只输出给 Codex 的任务指令。

这一节的核心是:

GPT 网页负责判断;Codex 负责执行。

这是节约 Codex 额度的关键。

你不要让 Codex 一边理解学术主题,一边操作 Zotero。

先让 GPT 把规则讲清楚,再让 Codex 执行规则。


10 第六步:Codex 在 Zotero 里批量打标签和建集合

如果 Codex 已经接入 Zotero 插件,或者通过 Zotero MCP 连接 Zotero,就可以让它直接操作 Zotero。

Codex 可以做这些事:

Codex 任务
是否推荐
注意事项
给文献添加标签
推荐
先小集合测试
创建 Zotero 左侧集合
推荐
集合命名要稳定
移动文献到集合
推荐
不要删除原文献
写入简短笔记
可选
只写结构化短笔记
导出每个分类 bib
推荐
方便后续分章写作
删除重复文献
不建议
容易误删,先人工确认
删除附件
不建议
风险太高

推荐结构是:

Zotero 元素
作用
示例
标签
记录主题和证据强度
#直接证据、#背景文献、#优先精读
集合
组织章节材料
01_背景理论、02_核心机制、03_争议展望
笔记
存文献简评
“适合写机制章节,需核对图2”

例如标签:

#直接证据#间接证据#背景文献#方法文献#综述文献#不确定#排除#优先精读

例如集合:

01_背景理论02_核心机制03_关键证据04_方法模型05_争议与展望

这样后面写综述时,每个集合就是一个章节材料包。

需要提醒一句:

第一次不要让 Codex 直接操作整个文献库。

安全动作
建议
小集合测试
先用 5–10 篇文献测试
备份 Zotero 数据库
批量操作前必须备份
禁止删除
不允许删除文献和附件
保留待人工检查集合
不确定文献不要硬分
执行后抽查
每类抽查 5–10 篇,看标签是否合理

归类效果展示

这个任务也可以用WorkBuddy完成

爆改 Zotero:我用 AI 给 1140 篇综述文献批量打标签


11 第七步:按分类导出,逐章写作

文献打好标签、分好集合后,才进入真正的写作阶段。

这时先让 GPT 设计整篇综述的大纲。

然后按 Zotero 左侧分类集合,逐个导出文献。

导出的 bib 可以包含更多材料:

摘要关键词笔记注释高亮附件信息

每次只处理一个分类。

正确节奏是:

一个分类→ 一批文献→ 一张证据表→ 一个章节大纲→ 一个章节草稿
写作顺序
为什么
先证据表
看清楚文献到底支持什么
再观点归纳
避免逐篇堆文献
再章节大纲
让结构先于语言
最后写正文
文字只是最后一步

每一节都可以这样问 GPT:

下面是一组已经按主题分类的文献,分类主题是:XXX。请你帮我完成:1. 先生成一张证据表:题名、年份、研究对象、方法、核心发现、与本节主题的关系;2. 再总结这一类文献共同支持的 3–5 个观点;3. 标出哪些文献是直接证据,哪些只是背景材料;4. 设计这一节的小标题结构;5. 最后生成一版中文章节草稿;6. 不要编造文献信息,不确定的地方标注“需人工核对”。

这里的重点是:

先证据表,再章节草稿。

如果没有证据表,AI 很容易开始顺嘴写。

有了证据表,你才知道它到底依据哪些文献在写。


12 第八步:重要文献转成 Markdown 再深读

如果某篇文献特别重要,不建议只把 PDF 直接发给 GPT。

因为 AI 读 PDF 有时会跳读。

尤其是双栏排版、图表较多、公式较多、扫描版质量一般的文章。

更稳的方法是:

Zotero 全文总结:让 Zotero 读完整篇 PDF

PDF→ Markdown / 纯文本→ GPT 深度解读→ 写入 Zotero 笔记或 Obsidian 笔记
材料形态
适合用途
风险
PDF
人工阅读、核对图表
AI 可能跳读
Markdown
AI 深度解读
转换质量需要检查
Zotero 笔记
回到文献库管理
适合保存短评和章节用途
Obsidian 笔记
长期知识管理
适合做跨文献联系

对于关键文献,可以单独让 GPT 做:

研究问题总结;方法设计总结;关键结果总结;与综述主题的关系;可以支持哪一个章节;可引用观点;局限和争议;一句话评价这篇文献的价值。

可以直接用这条提示词:

下面是一篇关键文献的 Markdown 文本。请你按综述写作需求进行深度解读:1. 这篇文章研究了什么问题?2. 它用了什么方法?3. 最关键的结果是什么?4. 它对我的综述主题 XXX 有什么直接贡献?5. 它更适合放在哪一节?6. 它能支持哪一句核心观点?7. 它的局限是什么?8. 请输出一段可写入 Zotero/Obsidian 的中文文献笔记。

13 第九步:先写中文初稿,再改英文

我建议初稿先写中文。

原因很简单:

中文更方便自己判断逻辑。

尤其是你不熟悉的领域,如果一开始就让 AI 生成英文,可能看起来很专业,但你未必能迅速判断它哪里空、哪里虚、哪里证据不够。

阶段
先解决什么
不急着解决什么
中文初稿
结构、逻辑、证据链、章节关系
漂亮英文表达
英文修改
术语统一、段落衔接、期刊风格
大改研究框架
投稿前版本
引用准确、图表规范、格式统一
重新发散选题

中文阶段先解决这些问题:

结构是否合理;分类是否清楚;文献是否真的支撑观点;是否存在文献堆砌;每一节之间是否有过渡;综述有没有自己的框架;哪些地方需要补文献;哪些地方只是 AI 写得顺,但证据不足。

等中文初稿稳定后,再让 GPT 改成英文版。

不要反过来。

如果中文逻辑都没站住,英文越漂亮,越容易把问题藏起来。

让GPT / Codex 提修改意见,反复迭代,不断生成新版本,而且是直接让gpt生成文档。


14 第十步:表格、机制图和投稿版放在后期

正文结构基本稳定后,再让 GPT 辅助生成:

后期材料
作用
文献证据表
支撑正文论点
机制框架图
展示解释模型
研究空白图
展示未来方向
未来研究方向表
写讨论和展望
摘要
凝练核心贡献
图题
规范表达图意
英文版
面向投稿
目标期刊格式版本
适配期刊要求

需要提醒的是:

AI 生成的图片更适合作为草图,不一定适合直接投稿。

有些期刊对 AI 生成图片比较敏感,甚至可能不接受。

更稳的做法是:

AI 生成概念图草稿→ 自己用 PowerPoint / Illustrator / BioRender 重画→ 人工调整术语、箭头、配色和版式→ 再用于投稿

这样既能保留 AI 帮你梳理结构的优势,也能降低投稿风险。


15 常见错误与改法

常见错误
看起来像
实际问题
改法
把几百篇 PDF 一次丢给 AI
很高效
信息过载,模型容易乱
先导出轻量信息归类
一开始就让 AI 写全文
省时间
结构空、证据虚
先证据表,再章节草稿
只用 Zotero 存 PDF
文献很多
没有变成章节材料
用标签和集合组织证据
Codex 直接全库操作
自动化强
容易误操作
小集合测试 + 禁止删除
只看摘要不看关键原文
进度快
关键证据可能错
重要文献转 Markdown 深读
英文先行
看起来专业
逻辑问题被语言掩盖
中文先定型,再英文化
AI 图直接投稿
快
期刊风险和准确性风险
AI 草图,人工作图

16 可拆成哪些 Codex Skills?

如果只是偶尔写一篇综述,不一定要把流程做成 Skills。

但如果你 Codex 额度比较充足,或者经常要写综述、带学生写综述,这条流程非常适合拆成多个 Codex Skills。

Skill 名称
解决什么问题
输入
输出
01_检索策略设计 Skill
不知道怎么搜
综述主题
数据库检索式、关键词表、排除词
02_Zotero清洗 Skill
文献库很乱
Zotero 导出信息
去重建议、缺失 DOI/摘要清单
03_轻量归类 Skill
文献不知道怎么分
不含全文 bib / 参考文献表
分类体系、双标签方案
04_批量打标签 Skill
手动分类太慢
GPT 归类表
Zotero 标签、集合、待检查清单
05_证据表 Skill
文献不会变成论点
某分类全文材料
证据表、核心观点、空白点
06_章节草稿 Skill
不知道怎么写小节
证据表 + 小节主题
章节大纲和中文草稿
07_初稿体检 Skill
初稿不知道哪里差
Word / Markdown 初稿
结构、逻辑、引用、重复问题清单
08_投稿前检查 Skill
格式和图表容易漏
接近定稿版本
图表、引用、格式、期刊适配建议

这样做的好处是,每一步都有固定规则。

不是每次都临时问 AI:

你帮我看看这些文献怎么分类?你帮我想想这篇综述怎么写?你帮我检查一下这个初稿有没有问题?

而是把常用流程沉淀成可以复用的工作模块。

以后再写新的综述,只需要换主题、换文献库、换目标期刊,底层流程不用每次重搭。

别再人工肉眼比对了!Zotero 终极杀招:一键生成高颜值「文献矩阵」!


17 最终简化版流程

确定主题→ GPT 网页设计数据库检索式→ Web of Science / PubMed / Scopus / CNKI / Elicit 等检索文献→ 导入 Zotero→ 去重、补 DOI、补摘要、查找全文→ 导出参考文献表或不含全文的 bib→ GPT 网页初步归类并设计双标签→ GPT 网页生成发给 Codex 的打标签指令→ Codex 通过 Zotero 插件或 Zotero MCP 批量打标签→ Codex 创建 Zotero 分类集合并移动文献→ 人工检查标签和集合→ 按分类导出包含全文 / 笔记 / 附件信息的 bib→ GPT 网页逐分类生成证据表和章节草稿→ GPT 合并中文初稿→ GPT / Codex 提修改意见→ 反复迭代→ 生成表格、机制图、英文版和目标期刊格式→ 人工把关→ 投稿版本

如果嫌长,可以记住这四句话:

记住这句话
含义
初筛用轻量信息
不要一开始丢全文
写作用分类材料
每次只处理一个章节材料包
GPT 负责判断
分类、框架、写作先交给 GPT 网页
Codex 负责执行
打标签、建集合、清洗文本交给 Codex

18 最后说几句实话

这套流程看起来步骤很多,但真正难的不是工具。

难的是你要改变一个习惯:

不要把综述理解成“读完很多文献后写一篇文章”。

更准确地说,综述是:

把一批文献整理成几个问题;把几个问题整理成几条证据链;把几条证据链整理成一个解释框架。

AI 能帮你的,正是中间那些很耗时间的整理工作。

它可以帮你初筛,帮你归类,帮你生成证据表,帮你发现重复,帮你把一堆材料变成章节草稿。

但它不能替你判断:

这个问题值不值得写;这篇文献是不是可靠;这个观点有没有证据;这个框架是不是你自己的理解。

所以不要把几百篇 PDF 直接丢给 AI。

先让文献进入 Zotero。

再用标签把它们变成结构。

最后再让 GPT 按结构写。

这才是 AI 时代比较现实的综述写法。

Codex 连通 Zotero:AI 终于不用再“假装”读过你的文献库了!


结尾金句

PDF 是原料,标签是结构,证据表是骨架,综述才是成品。


获取更多指南

如果你想继续看这类 Zotero × GPT × Codex × 综述写作 的实操指南,可以关注公众号,在后台回复:

综述

我会把后续整理好的内容放在一起,包括:

回复内容
可能包含
综述写作流程图
从检索到投稿的完整步骤
Zotero 文献分类模板
标签、集合、证据强度示例
GPT 检索词提示词
Web of Science / PubMed / CNKI / Elicit 检索模板
Codex 批量打标签任务单
可直接交给 Codex 执行的指令结构
证据表模板
题名、方法、发现、用途、证据强度
章节草稿提示词
从证据表到章节正文的提示词
Codex Skills 拆分思路
适合额度较多同学继续自动化

—— 蜘蛛侠 / 专注科研效率与逻辑升维 🕷️

如果觉得有用,欢迎点个“在看”,也可以转给正在写综述的同门或课题组同学。

往期精彩内容
别只拿 WorkBuddy 聊天:我用它搭了一个 AI 日程复盘系统
Codex App 完全教程:用 CC-Switch + Deepseek,不用GPT账号
告别繁琐配置:Zotero + Magic + pdf2zh,打通高质量双语翻译的最后1公里