一句话结论：AI 读文献的最大价值不是替你读，是「先替你筛」——30 篇里挑出值得精读的 5 篇，你的时间花在刀刃上。
为什么文献综述最耗人
写课题要文献支撑，但一篇论文 20 页，30 篇就是 600 页——光摘要都看不完。真正有用的往往就 5-8 篇。瓶颈不在读，在筛。
第 1 步 · 深度检索（Deep Research）
围绕「AI 赋能中小学教师专业发展」做一次深度检索：
1. 找近 5 年中文核心 + 政策文件，优先教育部/北师大/华东师大来源
2. 每篇给：一句话结论 + 研究方法 + 可引用的数据点
3. 最后按「强相关/一般相关」分两组列出
先只给清单和一句话结论，等我圈定再深入。
关键在最后一句：先要清单，圈定后再深挖——这就是「AI 替你筛」。
第 2 步 · 文献矩阵
圈定 5-8 篇后，让 AI 排成一张矩阵表：
把圈定的文献整理成矩阵表（Markdown 表格）：
列：作者年份 | 研究问题 | 方法 | 样本 | 核心结论 | 可引用点
表后加一行「共性与分歧」：这些研究 agreeing 什么、吵什么。
有了这张表，综述的「述」就有了；「共性与分歧」就是「评」的起点。
第 3 步 · 生成综述骨架
基于上面的文献矩阵，生成综述骨架（不写正文）：
三段式：研究脉络 → 共识与争议 → 研究缺口
每节只列小标题 + 要引用哪几篇（用 作者年份 标注）。
骨架确认后，你逐节填自己的观点——AI 给结构，你给判断。
必须守住的核对线
文献是 AI 最容易「编」的领域（论文标题、作者、数据都可能瞎编）：
- 每一条引用都要点开原文核对——标题搜不到 = 编的，直接删；
- 数据点回到原文页码——「某研究显示 73%」必须能翻到那一页；
- 让 AI 标注置信度：话术加一句「不确定来源的标注[待核实]」。
30 分钟完整流程（实践版）
0-10 min Deep Research 拿清单（30→8 篇）
10-20 min 圈定后生成文献矩阵
20-30 min 出综述骨架 + 标注核对清单
剩下的事：核对引用 + 填入你的观点
检查点
- 用 Deep Research 做过一次检索并圈定过文献
- 生成过一张文献矩阵
- 核对过至少 3 条引用的真实性