学术文献综述引擎：基于PRISMA框架的自动化知识萃取工作流
提示词描述：
面向科研工作者的高阶文献处理工具，集成PRISMA筛选标准与语义聚类算法，可自动化完成海量文献的脉络梳理与空白定位。适用于开题报告撰写、系统性综述编制及前沿技术追踪。建议配合Zotero或Notion使用，实现引用格式的无缝对接，显著提升学术产出质量。
提示语关键词：
AI文献综述,科研助手提示词,PRISMA框架,学术写作模板,文献计量分析,AI论文降重,研究生科研工具
提示词内容：
【使用场景】
适用于硕博研究生、高校科研人员及智库分析师。在撰写系统性综述或文献计量分析时，传统人工阅读存在信息过载与主观偏差风险。本模板依托NLP技术，实现海量学术文本的语义聚类、方法论比对与研究空白的精准定位，大幅提升科研文献处理效能。
【操作步骤】
1. 数据源注入：将提示词中的“{填写}”替换为研究领域关键词、目标文献集摘要及时间跨度，确立检索边界。
2. 执行PRISMA过滤协议：指令模型按照识别-筛选-资格确认-纳入四阶段漏斗，自动剔除低影响力期刊与非同行评议文献，保留核心实证研究。
3. 多维矩阵提取：要求模型构建分析维度表，横向提取作者/年份/方法论，纵向萃取研究假设、样本特征、核心结论及局限性，生成对比数据。
4. 知识图谱生成：触发模型输出结构化综述，强制包含理论演进脉络、主流范式冲突、跨学科交叉点三个核心章节。
【效果示例】
对比传统线性阅读，本模板处理50篇关于生成式对抗网络在医疗影像中的应用文献仅需极短耗时。输出结果将呈现清晰的范式演进，并精准指出小样本泛化能力不足为当前核心研究空白，直接支撑开题报告的立论依据，避免重复造轮子。
【进阶技巧】
采用Few-shot Prompting注入高质量综述范本。在系统指令中追加批判性分析约束：对纳入文献进行GRADE证据等级评估，明确区分相关性与因果性推论。建议结合外部学术API进行RAG增强检索，并开启幻觉防护参数，强制要求所有断言必须附带原文引用锚点，确保学术严谨性达到发表级标准。