从单行主题生成个性化文献综述
建议工作流：使用自定义 Agent 从单行主题生成个性化文献综述。该 Agent 协调多个 API（OpenAlex、Semantic Scholar、CrossRef、Unpaywall、arXiv、PubMed）进行数据检索、去重和结构化，随后生成符合引用标准的 Markdown、Word 或 PDF 格式综述。任务：作者开发了一个名为“literature review”的自定义 AI Agent Skill，用于根据单行主题生成个性化文献综述。工作流包括界定搜索边界（关键词、时效性、领域路由），通过六个学术 API（OpenAlex、Semantic Scholar、CrossRef、Unpaywall、arXiv、PubMed）检索数据，并使用 DOI 和标题相似度阈值进行去重。Agent 将数据结构化为 JSONL 格式，并生成符合 GB/T 7714 引用标准的 Markdown、Word 或 PDF 格式输出。人类参与包括初始主题定义和对生成内容的最终审查。；工具：custom-built or unnamed agent。人工角色：原始帖子没有说明人如何参与。；局限：该工具依赖于外部学术 API 的可用性和速率限制。它需要兼容的 AI Agent 框架来执行 Skill。来源指出，在线版本（飞书文档）的效果不如本地版本。用户必须手动验证引用，因为系统优先使用真实数据库记录，但仍可能遗漏未索引的文献。该帖子位于付费墙后，限制了完整访问 Skill 代码。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
建议工作流：使用自定义 Agent 从单行主题生成个性化文献综述。该 Agent 协调多个 API（OpenAlex、Semantic Scholar、CrossRef、Unpaywall、arXiv、PubMed）进行数据检索、去重和结构化，随后生成符合引用标准的 Markdown、Word 或 PDF 格式综述。
工作流程
作者开发了一个名为“literature review”的自定义 AI Agent Skill，用于根据单行主题生成个性化文献综述。工作流包括界定搜索边界（关键词、时效性、领域路由），通过六个学术 API（OpenAlex、Semantic Scholar、CrossRef、Unpaywall、arXiv、PubMed）检索数据，并使用 DOI 和标题相似度阈值进行去重。Agent 将数据结构化为 JSONL 格式，并生成符合 GB/T 7714 引用标准的 Markdown、Word 或 PDF 格式输出。人类参与包括初始主题定义和对生成内容的最终审查。
原文报告的结果
作者报告称，该工具已在团队内部推广并迭代超过半年，学生表示满意。然而，来源未提供该特定工具在节省时间或减少错误方面的量化指标。它引用了外部研究，显示没有此类工具的标准 AI 模型幻觉率很高（例如，仅 26.5% 的 AI 生成参考文献完全正确）。该特定 Skill 的实际性能指标未披露。
人工角色
原始帖子没有说明人如何参与。
局限
该工具依赖于外部学术 API 的可用性和速率限制。它需要兼容的 AI Agent 框架来执行 Skill。来源指出，在线版本（飞书文档）的效果不如本地版本。用户必须手动验证引用，因为系统优先使用真实数据库记录，但仍可能遗漏未索引的文献。该帖子位于付费墙后，限制了完整访问 Skill 代码。
试一试
扮演研究助理。我需要生成关于 [可替换主题，例如“LLM 在医疗领域的应用”] 的文献综述。 1. 界定搜索边界：识别核心关键词、同义词和时效性（例如，AI 主题仅限最近 2 年）。 2. 检索数据：通过 API 查询 OpenAlex、Semantic Scholar 和 arXiv/PubMed。使用 CrossRef 进行 DOI 验证，使用 Unpaywall 查找 OA 链接。 3. 去重：使用精确 DOI 匹配和标题相似度 >0.85 合并结果。 4. 结构化：将原始数据保存为 JSONL 格式。 5. 生成：按照 GB/T 7714 引用风格以 Markdown 格式撰写综述。 首先，使用 5 篇样本论文进行试运行，向我展示 JSONL 输出和引用格式以供确认，然后再生成完整综述。如果 API 不可用，列出所需的端点并请求模拟数据。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。