用智谱清言做文献综述：能推进到哪一步，哪一步必须自己核

它能帮你把综述的框架搭出来，不能帮你把参考文献坐实。前者省几天，后者一旦出错就是学术事故，边界必须提前划清。

能替你做的是框架，不是文献

把任务拆成四段看，模型的能力分布很不均匀。

第三行是很多人踩坑的地方。模型写出的评述往往"四平八稳"，每篇文献都重要、每个观点都成立，读起来像综述，实际上没有立场。综述的价值恰恰在取舍，这部分得自己下判断。

一套能跑通的四步流程

第一步，把检索式写死。 让模型基于你的主题给出 8 到 12 个关键词组合，包含中英文、同义词、上位词与下位词，然后你拿去 CNKI、Web of Science 或 Google Scholar 实际检索，记录每个组合的命中量。命中量本身是信息：过万的组合太宽，个位数的太窄。

第二步，只喂摘要，不喂全文。 把检索到的题录与摘要整理成一份文本，一次传进去，要求它按"研究对象—方法—结论—局限"四列归类，并单独列出结论互相矛盾的文献对。GLM-5.3 的上下文是 1M token，摘要级的材料放得下，这一步不需要分批。上传入口在对话页的文件按钮，PDF、Word、Excel 都能读。

第三步，让它给争鸣地图，不给结论。 提问方式建议是"这几篇在 X 问题上分为哪几种立场，各自的证据类型是什么，哪一方的样本更小"，而不是"哪一篇更正确"。前者产出可核对的结构，后者产出无法追溯的判断。

第四步，引用自己回填。 让模型在正文里用 [待补] 占位，你按段落主题去找对应文献填进去。这个顺序反直觉，但能避开九成的幻觉——先有论点再找证据，比先让模型给证据再信它安全得多。

参考文献幻觉的三种典型样子

第一种是"真作者 + 假篇名"。作者、机构、研究方向都对，标题是把两篇真实论文拼起来的，看起来毫无破绽。

第二种是"真篇名 + 错年份错期刊"。文献确实存在，但卷期、页码、年份对不上，引用进正文后查证成本极高。

第三种是 DOI 指向另一篇文章。DOI 格式合法、能解析，但打开是别的内容。这一种最难发现，因为"能点开"会被误认为"已核实"。

三种的共同点是：单独看每一项都合理，合起来才露馅。所以核验不能抽查一项，必须成套核。

六项核验清单

每条引用过一遍：作者全名与顺序、发表年份、期刊或会议全称、卷期号、起止页码、DOI 或稳定链接。六项全对才算通过，任何一项需要"大概是"就退回。

工具上用数据库原始记录比对，不要用搜索引擎的摘要卡片。CNKI 看来源期刊与年期，Web of Science 看入藏号，Google Scholar 看"被引用次数"页面里的版本记录。三条来源一致，基本可以放心。

这四类事别交给它

原始数据的统计检验、伦理审批的表述、导师未发表的观点、法规与标准的原文条款。前两类错了是方法问题，后两类错了是合规问题，都不是"改一改"能补救的。

成本上还有一个细节：如果文献量大到要反复跑，用 API 比在网页端一篇篇贴更省，单价口径见11 月大模型 API 价格表。如果只是想快速扫一遍领域动态，搜索型产品也够用，比如元宝搜索那条路线，两者的差别在于要不要留下可引用的结构。

判断标准很朴素：模型产出的每一句带引用的话，你都能在十分钟内找到原文对应位置，这套流程就成立；找不到，就退回上一步重做。