学术论文综述自动化工作流
📌 适用场景：学术综述 / 文献调研
arXiv/Google Scholar 搜索 → ChatPDF 批量解析论文 → Claude 综合归纳 → Notion 建论文库 → Tome 出 review 演示。研究生综述写作的现代化方案。
🛠️ 涉及工具清单
📋 完整步骤
- 1
文献检索与初筛
在 Perplexity 学术模式下用研究问题展开检索，让它列出 30-50 篇相关论文，按引用数和发表时间排序。再让它对每篇做一句话摘要，方便初筛。
使用工具： PerplexityPerplexity 学术模式默认接 Semantic Scholar，比直接 Google Scholar 准确很多。 - 2
重点论文深读
筛出 15-20 篇核心论文 PDF，逐一传到 ChatPDF，让它按"研究问题 / 方法 / 数据集 / 结果 / 局限"五要素结构化输出。
使用工具： ChatPDF同时打开 ChatPDF 多个标签页并行问答，比单线程串行快 3-5 倍。 - 3
主题归类与脉络梳理
把所有 ChatPDF 的结构化摘要合并喂给 Claude，让它做主题聚类（哪几篇是同一流派、哪几篇互相反驳），并画出方法演化时间线。
使用工具： Claude让 Claude 直接输出 mermaid 时间线代码，复制到 Notion 即可可视化。 - 4
论文库构建
在 Notion 里建一个"论文卡片"数据库（每行一篇论文，字段含 BibTeX、五要素摘要、Claude 的归类标签）。这是你将来反复复用的资产。
使用工具： Notion在 Notion 里直接存 BibTeX 字段，Overleaf 插入引用时一键复制即可。 - 5
学术论文综述自动化工作流
写综述是研究生最痛苦的任务之一——读 50 篇论文不难，难的是在脑子里同时维护它们的关联。 这条工作流把”维护关联”的任务交给 AI，把”判断关联是否成立”的任务留给人。
三条铁律
- AI 找的论文必须用真实数据库二次确认存在——LLM 编造论文的概率不为零，特别是引用次数低的。
- 每个引用都要人工读原文确认——AI 摘要会失真，特别是研究方法和实验设置部分。
- 综述初稿 ≠ 终稿——Claude 给的是”骨架 + 流畅措辞”，论证强度需要你自己加。
时间分配建议
| 阶段 | 时间 | AI 占比 |
|---|---|---|
| 检索与初筛 | 0.5 天 | 80% |
| PDF 深读 | 1-1.5 天 | 60% |
| 归类梳理 | 0.5 天 | 70% |
| 论文库录入 | 0.5 天 | 50%（很多手工核对） |
| 初稿撰写 | 1-1.5 天 | 40%（Claude 出骨架，人填充论证） |
工具组合的不可替代性
- Perplexity 学术模式：当前最好的 AI 学术检索界面，Sonar 模型 + Semantic Scholar 数据。
- ChatPDF 而不是直接喂给 Claude：成本/性能比更优，特别是有 30+ 篇论文要处理时。
- Claude 100 万 token：最后做综合归纳那一步，没有它你只能分批拼接，逻辑会断。
- Notion 论文库：写多份综述时复用，比传统 Zotero + Word 流程更适合 AI 时代。
注意事项
- 综述领域如果是中文为主（如人文社科），用 秘塔 AI 搜索 替代 Perplexity 中文支持更好。
- 公开发表的综述前，所有 Claude 生成的段落必须用查重工具走一遍——AI 文本目前在多数学术期刊仍受限。