---
name: "literature-review"
description: "系统性文献综述与元分析工厂"
---

# 系统性文献综述与元分析工厂

## 适用场景
在开展新科研课题开题、撰写学位论文文献综述章节、或是向顶刊（ACM Computing Surveys、Nature Reviews 等）投稿系统性综述（Systematic Literature Review, SLR）时，指导 AI 遵循国际通行的 PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）规范，完成文献检索协议设计、文献筛选去重、关键特征矩阵抽取与研究空白（Research Gaps）提炼。

## 功能说明
> 告别凭印象拼凑文献的“伪综述”，建立透明、可复现、结构化的系统性文献综述工厂。自动构建包含研究目标、方法学分类、实验数据集与未决挑战的“多维文献对比矩阵”。

## 这个案例能帮你做什么
- 制定科学的检索策略（Search Protocol）：组合 Boolean 查询串（AND/OR/NOT）、跨数据库检索语法（IEEE Xplore, ACM DL, Web of Science, PubMed, arXiv）。
- 生成标准 PRISMA 流程图数据（识别 -> 初筛 -> 纳排标准资格审查 -> 最终纳入文献库）。
- 自动化构建文献元数据对比表格：提取出版年份、核心动机、核心算法/架构、使用的数据集、评估指标、主要局限性。
- 自动聚类并提炼未来研究方向（Open Challenges & Future Directions），精准指出“现有文献在哪些场景下尚未被充分探索”。

## 你需要的 Skills（按类型）

| 类型 | Skill / 工具 | 用途 | 来源 |
|---|---|---|---|
| 学术检索 | `openalex` / `arxiv-paper-reader` / `semanticscholar` | 获取结构化论文元数据与引用关系 | API / Built-in |
| 数据清洗 | `pandas` | 构建文献特征全景矩阵与按维度透视 | Python Package |
| 文献引用 | `bibtexparser` | 自动格式化与去重 `.bib` 引用条目 | Python Package |
| 内置 | `filesystem` | 综述文档与结构化对比矩阵生成 | Built-in |

## 快速体验版（先跑一轮）

```text
你是计算机科学顶级期刊的特邀综述主编。
请帮我针对“大语言模型（LLM）多智能体协同框架（2023-2026）”主题设计一份系统性文献综述大纲与对比矩阵：
1. 制定明确的包含标准（Inclusion Criteria）与排除标准（Exclusion Criteria）。
2. 构建覆盖 4 大核心维度的分类学（Taxonomy）：通信机制、记忆机制、规划算法、评估基准。
3. 给出包含 5 篇经典代表性工作（如 AutoGen, MetaGPT, ChatDev, Camel, Antigravity）的多维对比 Markdown 表格。
4. 归纳提炼出当前领域仍未解决的 3 个重大理论或工程挑战。
```

## 稳定自动版（可长期运行）

### 1) 自动化文献矩阵解析与聚类脚本 (`build_lit_matrix.py`)

```python
import json
import pandas as pd

class SystematicReviewPipeline:
    def __init__(self, topic):
        self.topic = topic
        self.papers = []
        
    def add_paper(self, title, year, venue, category, core_method, dataset, limitations):
        self.papers.append({
            "Title": title,
            "Year": year,
            "Venue": venue,
            "Taxonomy": category,
            "Methodology": core_method,
            "Evaluation_Datasets": dataset,
            "Identified_Limitations": limitations
        })
        
    def export_matrix_markdown(self, output_path):
        df = pd.DataFrame(self.papers)
        # 按照分类和年份排序
        df = df.sort_values(by=["Taxonomy", "Year"], ascending=[True, False])
        
        md_table = df.to_markdown(index=False)
        
        summary = f"""# Systematic Literature Review: {self.topic}

## 1. Classification & Comparison Matrix
Total Reviewed Papers: {len(self.papers)}

{md_table}

## 2. Research Gaps & Open Opportunities
- **Gap 1: Scalability under asynchronous communications**: Most existing works assume synchronous blocking message queues.
- **Gap 2: Verifiability & Safe Sandboxing**: Lack of formal verification tools for multi-agent autonomous actions.
- **Gap 3: Standardized Benchmarking**: High reliance on synthetic datasets; few real-world enterprise fault scenarios.
"""
        with open(output_path, "w", encoding="utf-8") as f:
            f.write(summary)
        print(f"[+] 文献综述矩阵与空白分析已保存至: {output_path}")

if __name__ == '__main__':
    pipeline = SystematicReviewPipeline("Autonomous Multi-Agent Systems")
    pipeline.add_paper(
        "AutoGen: Enabling Next-Gen LLM Applications",
        2023, "arXiv", "Multi-Agent Orchestration",
        "Conversable agents with human-in-the-loop",
        "Math, Coding, Web Search",
        "Context window explosion over long dialogues"
    )
    pipeline.add_paper(
        "MetaGPT: Meta Programming for Multi-Agent",
        2024, "ICLR", "Role-Based Software Engineering",
        "SOP-guided role assignment and structured PRDs",
        "HumanEval, SWE-bench mini",
        "Rigid waterfall pipeline lacks agile backtracking"
    )
    pipeline.export_matrix_markdown("Literature_Review_Output.md")
```

### 2) PRISMA 2020 流程追踪声明清单

在正式综述中强制要求包含以下合规条目：
```markdown
### PRISMA 2020 Flow Metrics
1. **Identification**:
   - Records identified from databases (n = 1,420): IEEE (420), ACM (380), arXiv (620).
2. **Screening**:
   - Duplicates removed (n = 310).
   - Records screened by Title & Abstract (n = 1,110).
   - Records excluded based on irrelevance (n = 890).
3. **Eligibility**:
   - Full-text articles assessed for eligibility (n = 220).
   - Excluded with reasons: Non-English (12), Position papers without empirical results (68), Lack of reproducibility (45).
4. **Included**:
   - Final studies included in quantitative synthesis (n = 95).
```

## 风险与边界
- 警惕“引文级联循环”（Citation Cascade）：某篇论文提出的未经验证假设被后续论文反复引用演变为“公认事实”，综述必须追溯原始实验依据。
- 排除掠夺性期刊（Predatory Journals）和未经同行评议的劣质低质会议论文，保证纳入研究的方法学可信度。

## 使用建议
- 综述的最高价值在于“批判性综合（Critical Synthesis）”，而不是简单的“谁在什么时候做了什么”列表。每小节末尾必须包含作者的分析总结与横向优劣势断言。
- 建议结合 Citation Graph（引用网络分析），绘制顶尖作者群与思想演进树。

## 成功标准
- 全面覆盖近 3-5 年关键 SOTA 工作，无重大突破性成果遗漏。
- 具备结构严整的 PRISMA 纳排流程与统计表。
- 提炼出的研究空白（Gaps）能够直接启发博士/硕士开题报告与新课题申报。

## 源文件
来源：awesome-openclaw-zh  
原始文件：literature-review.md