AI文献综述神器！自动化搜索+筛选+引用管理一条龙，学术党必备

写论文最费时间的环节是哪个？

不是做实验，不是跑数据——是文献综述。

读不完的论文、理不清的引用链条、筛不完的摘要，等终于整理完，发现开题报告都该交了。传统方式下，这一步靠人工堆时间，效率天花板非常明显。

literature-review 这个 Skill 尝试把这件事流程化。

它把文献综述拆成了 5 个标准步骤：定义主题范围 → 多库搜索 → 获取 PDF → 摄入消化 → 综合输出。每一步都有明确的 CLI 命令和 AI 参与节点，不是简单的「总结一下这段文献」，而是一套可以中途保存、恢复、跳转的工作流。

怎么跑起来

安装是一行命令：

npx skills add https://github.com/smithery/ai --skill literature-review

然后在项目目录里运行：

uv run --project "" lit-review init

按提示定义研究主题和范围，自动生成 workspace.toml 和 research_brief.toml 两个状态文件。之后每一步的结果都会写进 run_state.json，中途退出再回来，输入同一命令就能从断点继续。

搜索策略是亮点

这个 Skill 没有停留在「调用 API 拉文献」这一步。它内置了结构化的搜索策略设计：

• 布尔构造：教你构建 AND/OR/NOT/NEAR 组合查询，不是简单关键词堆砌
• 多库导航：arXiv、Semantic Scholar、PubMed、ACM 分别有不同的搜索语法
• 引文链追踪：既查参考文献（逆向），也查引用了某篇的论文（正向），找到真正高影响力的核心文献

搜索结果会经过质量与相关性筛选，纳入/排除标准包括机构权威性、发表平台、研究时效性。噪音文献在这一层就被过滤掉了，而不是等到读阶段才发现方向跑偏。

综合输出有结构

最后一步可以选多种输出方式：深度阅读、主题综合、Zotero 引用库生成，或者标准参考文献格式。最终交付物是 Markdown + PDF 双格式，引用的每一条都有溯源验证，不是 AI 凭感觉编的。

谁适合用

如果你正在：准备开题报告、写文献综述章节、进行系统性综述或元分析，这个 Skill 能把「人工检索 + 整理」的环节压缩很多。但它不替代你的批判性思考——它负责把文献找全、筛干净，最终判断哪些论点有价值，还是得人来读。

安装量说明它有稳定受众，但整体还是偏向研究场景，日常办公用的机会相对少。学术向的 Skill 通常质量不差，这个也不例外。

GitHub：https://github.com/smithery/ai

GitHub: https://github.com/smithery/ai