Попросите чат-бота «написать обзор литературы по теме X», и он выдаст вам уверенные абзацы с прикреплёнными цитатами, некоторые из которых не существуют. Любой, кто использовал Claude для обзора литературы, а затем проверял ссылки, знает, в чём проблема: беглый текст, вымышленные источники, отсутствие настоящего синтеза. Виновата не модель. От обычного чат-бота требуют выполнить структурированную исследовательскую задачу, не снабдив её никакой структурой.
Hugo - это такая структура. Это персона для обзора литературы, которого вы один раз загружаете в Claude, ChatGPT или любой AI-чат, а определяющее его правило напрямую устраняет худший недостаток: он работает с источниками, которые вы предоставляете, а не с наполовину забытыми цитатами из своих обучающих данных. Именно это ограничение превращает AI-обзор литературы из источника риска в нечто, что можно защитить на защите.
Структура обзора и стратегия поиска, сравнительная матрица ваших источников, тематический синтез с критическим анализом и анализ пробелов - плюс каркасы PRISMA, PICO и CASP, когда обзор должен быть систематическим.
Посмотреть Hugo →Три способа, которыми универсальный AI-обзор литературы терпит неудачу
- Вымышленные ссылки. Правдоподобные имена авторов, журналы, звучащие реально, DOI, ведущие в никуда. Именно это разрушает карьеры, и происходит это потому, что модель продолжает шаблон, а не обращается к базе данных.
- Резюме вместо синтеза. Каждая статья описывается изолированно, без связей между ними. В итоге вы получаете стопку аннотаций там, где должен быть аргумент.
- Нет ощущения значимости. Исследование, определившее направление развития области, и второстепенная конференционная статья получают одинаковый абзац и одинаковую степень уверенности. Сырая модель не знает, какой источник имеет вес для всей области.
Обзор литературы - это не куча резюме. Это аргумент о том, что известно в определённой области, в чём её результаты совпадают, в чём расходятся и какие вопросы остаются нерешёнными. Универсальный prompt выдаёт вам эту кучу и незаметно пропускает аргумент - единственную часть, которую действительно оценивают.
Честное ограничение, обозначенное с самого начала
У Hugo нет прямого доступа к PubMed, Scopus, Web of Science или любой другой базе данных, и он не будет делать вид, что это не так. Вместо этого он делает две вещи: помогает вам спроектировать поиск - составить булевы строки, использовать термины, специфичные для базы данных, определить критерии включения и исключения, - а затем работает с тем, что вы ему приносите. Если источника нет перед ним, он не появляется в обзоре. В этом и заключается весь механизм защиты от галлюцинаций, и это ограничение, а не функция, которую можно отключить.
Что это фактически создаёт
| Этап | Результат |
|---|---|
| Структура | Выбранный и обоснованный тематический, хронологический, методологический, теоретический или концептуальный подход; зафиксированные критерии включения и исключения; спланированная логика аргументации до начала написания |
| Стратегия поиска | Булевы строки и специфические для баз данных термины для PubMed, Cochrane, PsycINFO, Web of Science и Scopus - чтобы вы могли самостоятельно выполнить поиск и знать, что он был систематическим |
| Темы и дискуссии | Выявленные по вашим источникам научные школы, сравнительная матрица по теме, методологии, результату или точке зрения, отображённые совпадения и расхождения, а также то, как со временем менялись представления в этой области |
| Написанные разделы | Абзацы, организованные по темам и объединяющие сразу несколько источников, с критическим анализом значения результатов, а не простым пересказом их содержания |
| Оценка источников | Сильные и слабые стороны методологии, размер выборки, систематическая ошибка и воспроизводимость, релевантность для вашего контекста, актуальность, а также объяснение того, почему два исследования пришли к разным выводам |
| Анализ пробелов | Что не изучалось и аргументация того, почему этот пробел важен - раздел, на котором строится глава с обоснованием исследования |
| Систематические обзоры | Планирование блок-схемы PRISMA, фреймворки PICO и SPIDER, разработка шаблона извлечения данных, оценка качества по CASP и Cochrane, структура протокола для публикации |
Форматы различаются в зависимости от дисциплины, и Hugo следует этому принципу: систематические и поисковые обзоры для наук о здоровье, обзоры теоретических основ и эмпирических дискуссий для социальных наук, историография и теоретическое позиционирование для гуманитарных наук, литература практиков наряду с академическими источниками для бизнеса, а также серая литература для работы в сфере политики.
Сначала попробуйте этот prompt
Прежде чем что-либо покупать, стоит протестировать именно такое поведение. Вставьте этот текст, а под ним - три или четыре аннотации:
Вы проводите обзор литературы. Работайте ТОЛЬКО с источниками, которые я вставлю ниже. Никогда не добавляйте ссылки, которых в них нет. Шаг 1. Спросите меня об исследовательском вопросе, дисциплине и критериях включения. Дождитесь моего ответа. Шаг 2. Составьте матрицу: источники расположите в строках, а темы - в столбцах. Отметьте в каждой ячейке: поддерживает / противоречит / не рассматривается. Шаг 3. Только после этого приступайте к написанию. Группируйте по темам, а не по источникам. Каждый абзац должен объединять как минимум два источника. Шаг 4. Завершите анализом пробелов: что здесь не охвачено и почему это важно. Правила: - Если для утверждения нужен источник, которого я вам не предоставил, напишите [CITATION NEEDED], а не выдумывайте его. - Сообщайте, когда два исследования расходятся, и объясняйте, как вы это понимаете. - Отмечайте всё, в чём не уверены, вместо того чтобы сглаживать это. Источники: [paste abstracts or full texts here]
Запустите это, и вы сразу увидите разницу между резюме и синтезом. Дополнительная ценность навыка в том, что вам больше не придётся снова и снова вставлять правила, а также в том, что вы получите то, чего не может обеспечить prompt: схемы оценки качества, форматы, специфичные для отдельных дисциплин, и каркас протокола систематического обзора.
Как выглядит матрица
| Источник | Тема A | Тема B | Метод |
|---|---|---|---|
| Исследование 1 (2019) | Поддерживает | Не рассмотрено | РКИ, n=240 |
| Исследование 2 (2021) | Противоречит | Поддерживает | Когортное, n=1,100 |
| Исследование 3 (2023) | Поддерживает, слабо | Поддерживает | Качественное, n=18 |
Как только матрица готова, становятся видны две вещи. Тема B опирается на одно крупное когортное исследование и одно небольшое качественное исследование, а это недостаточно надёжная основа. А исследование 2 противоречит остальным в отношении темы A, поэтому обзор должен объяснить почему, а не усреднить это противоречие. Ни того ни другого не видно в стопке пересказов по абзацам, поэтому матрица должна предшествовать тексту.
Что проверить перед отправкой
- Откройте каждую ссылку. Даже если источники предоставлены, проверьте, что каждая ссылка ведёт на статью, о которой говорится в предложении. Это обязательно и не занимает много времени.
- Проверьте каждый [CITATION NEEDED]. Этот заполнитель выполняет свою функцию; если оставить его в представляемом черновике, это уже ваша ответственность.
- Не позволяйте ему оценивать журналы. Он может указать на размер выборки и метод, но статус журнала в вашей области - это суждение, которое вы выносите сами.
- Прочитайте статьи, на которых держится аргументация. Синтез аннотаций - это первый этап, а не обзор. Три-четыре источника, на которых основывается ваша аргументация, нужно прочитать полностью.
- Проверьте правила своего учреждения. Правила использования AI при подготовке диссертаций и сдаваемых работ различаются, а некоторые требуют раскрывать факт использования. Узнайте об этом заранее, а не после.
Как получить от этого максимум
Используйте настоящие источники: аннотации - это минимум, полные тексты лучше. Сначала сформулируйте исследовательский вопрос и обозначьте рамки, потому что обзор без критериев включения расплывается. Попросите сначала матрицу, а уже потом текст, чтобы проверить структуру, пока её ещё недорого изменить. И разберитесь с неудобными моментами - противоречиями, исследованиями, которые не вписываются, пробелом, в реальности которого вы не уверены. Именно здесь обзор оправдывает своё существование, и именно здесь модель без соответствующего prompt сглаживает всё до неразличимости.
Для кого это
Для аспирантов, пишущих главу диссертации, учёных, готовящих статью, специалистов по систематическим обзорам, работающих по протоколу, а также исследователей в сфере политики или R&D, проводящих обзор доказательств. Он работает в Claude, ChatGPT, Gemini или Copilot - везде, где можно вставить системный prompt, поэтому подходит под ограничения вашего учреждения. В коллекции по здравоохранению, науке и образованию представлено 127 навыков для исследований, преподавания и разработки учебных программ, а наборы prompt для обучения и исследований охватывают более лёгкие разовые задачи.
Hugo синтезирует уже собранные вами источники. Aiden помогает сначала собрать их, провести первичный отбор и сделать заметки - это первая половина той же работы.
Посмотреть Aiden →Связанные руководства по Skill
Hugo - AI Skill для обзора литературы
Один файл. Сначала матрица, затем текст; синтез сгруппирован по темам, а не по статьям; пробелы обоснованы, а не просто перечислены; [CITATION NEEDED] указано везде, где отсутствует источник. Отдельный prompt AI Literature Review Generator теперь также включён.
KissMySkills - это маркетплейс с более чем 1 700 AI навыков, наборами prompt, агентами и бесплатными инструментами для Claude, ChatGPT и любого AI-чата.
