請聊天機器人「撰寫一篇關於 X 的文獻回顧」,它就會交給你附有引文的自信段落,其中有些來源根本不存在。任何曾使用Claude 進行文獻回顧,然後回頭查核參考文獻的人,都知道這個問題的樣貌:流暢的文字、捏造的來源、沒有真正的綜合分析。模型本身不是問題所在。問題在於,人們要求一個原始聊天機器人執行結構化的研究任務,卻沒有為它提供任何結構。
Hugo 就是那套結構。他是一個你只需載入 Claude、ChatGPT 或任何 AI 聊天工具一次的文獻回顧角色,而定義他的規則會直接修正最嚴重的缺陷:他以你提供的來源為依據,而不是依賴訓練資料中只記得一半的引文。正是這項單一限制,讓AI 文獻回顧從一項負擔轉變為你可以在口試中辯護的成果。
檢視回顧結構與搜尋策略、針對你的來源建立比較矩陣、進行具主題性的綜合分析與批判性分析,以及差距分析 - 當回顧必須採用系統性方法時,還可提供 PRISMA、PICO 和 CASP 架構。
查看 Hugo →一般 AI 文獻回顧失敗的三種方式
- 捏造參考文獻。 看似合理的作者姓名、聽起來真實的期刊、解析後卻不存在的 DOI。這是會讓人斷送職涯的一項問題,而它之所以發生,是因為模型正在完成一種模式,而不是查詢資料庫。
- 以摘要取代綜合分析。 每篇論文各自描述,彼此毫無連結。你最後得到的是一疊摘要,而本應存在的地方卻沒有論證。
- 沒有權重概念。 定義領域的研究與次要的研討會論文得到相同的段落和相同的信心程度。原始模型不知道哪一篇真正對該領域具有影響力。
文獻回顧不是摘要的堆積。它是對一個領域已知內容的論證,說明哪些研究結果一致、哪些互相衝突,以及哪些問題尚未定論。一般 prompt 只會把那堆摘要交給你,悄悄跳過論證,而那才是實際上唯一會被評估的部分。
一開始就坦白說明的限制
Hugo 無法即時存取 PubMed、Scopus、Web of Science 或任何其他資料庫,也不會假裝可以。他改為做兩件事:協助你設計搜尋策略 - Boolean 字串、資料庫專用術語、納入與排除標準 - 然後處理你帶回來的任何內容。如果某個來源不在他面前,就不會出現在文獻回顧中。這就是完整的反幻覺機制,而且這是一項限制,不是你可以關閉的功能。
實際產出內容
| 階段 | 輸出 |
|---|---|
| 結構 | 選定並說明主題式、按時間順序、方法論、理論或概念取向;記錄納入與排除標準;在開始撰寫任何文字前規劃論證流程 |
| 搜尋策略 | 適用於 PubMed、Cochrane、PsycINFO、Web of Science 和 Scopus 的布林字串與資料庫專用詞彙 - 讓你能自行執行搜尋,並確知搜尋具備系統性 |
| 主題與辯論 | 辨識來源中的思想流派、按主題、方法論、研究結果或觀點建立比較矩陣、繪製共識與分歧,以及說明該領域的思想如何隨時間轉變 |
| 已撰寫的段落 | 以主題組織的段落,同時整合多個來源,並批判性分析研究結果的意義,而非重述其內容 |
| 來源評估 | 方法論的優勢與限制、樣本大小、偏誤與可重複性、與你的情境的相關性、時效性,以及解釋為何兩項研究得出不同結論 |
| 差距分析 | 哪些內容尚未被研究,以及說明為何這項差距很重要的論證 - 這是你的研究緣由章節所建立的部分 |
| 系統性回顧 | PRISMA 流程圖規劃、PICO 與 SPIDER 框架、資料擷取範本設計、CASP 與 Cochrane 品質評估、供發表用的研究計畫結構 |
格式因學科而異,而 Hugo 會據此調整:健康科學採用系統性與範疇性回顧,社會科學採用理論框架與實證辯論回顧,人文學科採用史學研究與理論定位,商業領域在學術文獻之外納入實務工作者文獻,政策工作則納入灰色文獻。
首先嘗試的 prompt
在購買任何東西之前,這是值得測試的行為。將它與三或四篇摘要一同貼上:
你正在進行文獻回顧。只能使用我在下方貼上的來源。絕不要加入來源中沒有的引文。 第 1 步。詢問我研究問題、學科和納入標準。等待我的回答。 第 2 步。建立矩陣:來源列於各行,主題列於各欄。標示每個儲存格為支持/矛盾/未提及。 第 3 步。只有到這時才開始寫作。按主題分組,絕不要按論文分組。每個段落都必須整合至少兩個來源。 第 4 步。以差距分析作結:這裡未涵蓋哪些內容,以及為何這很重要。 規則: - 如果某項主張需要我未提供的來源,請寫上 [CITATION NEEDED],不要自行捏造。 - 說明兩項研究何時意見不一致,並提出你對原因的解讀。 - 對任何你不確定的內容加以標示,而不是把它修飾得毫無瑕疵。 來源: [paste abstracts or full texts here]
執行這項操作,你就會立即看出摘要與綜合分析之間的差異。這項技能帶來的額外價值在於,你不必再反覆貼上規則,還能獲得 prompt 無法承載的部分:品質評估架構、各學科特有的格式,以及系統性文獻回顧的計畫框架。
矩陣的樣子
| 來源 | 主題 A | 主題 B | 方法 |
|---|---|---|---|
| 研究 1(2019) | 支持 | 未討論 | 隨機對照試驗,n=240 |
| 研究 2(2021) | 矛盾 | 支持 | 世代研究,n=1,100 |
| 研究 3(2023) | 支持,但力度較弱 | 支持 | 質性研究,n=18 |
矩陣一建立,兩件事就會立刻浮現。主題 B 由一項大型世代研究和一項小型質性研究支撐,證據薄弱。而研究 2 在主題 A 上與其他研究矛盾,因此文獻回顧必須解釋原因,而不是把差異平均掉。段落摘要堆疊起來看不出這兩點,這就是為什麼矩陣要先於正文。
提交前要檢查的事項
- 開啟每一筆引用。即使已提供來源,也要確認每個參考文獻確實指向句子所聲稱的那篇論文。這不是可選項,而且也不耗時。
- 追查每一個 [CITATION NEEDED]。這個佔位符正發揮作用;在提交的草稿中留下一個,就是你的責任。
- 不要讓它評判期刊。它可以標示樣本數和方法,但你所在領域對期刊地位的判斷必須由你自己作出。
- 閱讀支撐論點的論文。摘要的綜合只是第一輪,不是文獻回顧。你的論點所依據的三或四個來源需要完整閱讀。
- 查看你所在機構的政策。關於在論文和提交的文章中使用 AI 協助的規定各不相同,有些還要求披露。請事先了解,而不是事後才知道。
如何充分利用它
提供真正的來源:摘要是最低要求,完整文章更好。先說明研究問題和範圍,因為沒有納入標準的文獻回顧會逐漸偏離主題。在撰寫正文之前先要求矩陣,這樣你就能在結構仍然容易修改時檢查其是否合理。並且要深入處理棘手的部分 - 矛盾之處、不合適的研究,以及你不確定是否確實存在的研究缺口。文獻回顧正是在這些地方發揮價值,而這也正是未經提示的模型會把一切磨平的地方。
適用對象
適合正在撰寫論文篇章的博士生、準備論文的學者、依循既定流程工作的系統性回顧研究者,以及進行證據回顧的政策或研發研究人員。它可在 Claude、ChatGPT、Gemini 或 Copilot 中執行,只要能貼上系統 prompt 即可,因此能配合你的機構所允許的平台使用。醫療保健、科學與教育系列收錄了 127 個涵蓋研究、教學與研究設計的 Skill,而學習與研究 prompt 組合包則涵蓋較輕量的一次性工作。
Hugo 會綜合你已有的來源。Aiden 則會先協助你蒐集、篩選並做筆記,完成這項工作的前半部。
查看 Aiden →相關 Skill 指南
Hugo - 文獻審查 AI Skill
一個檔案。先以矩陣呈現,再撰寫正文;按主題而非論文分組進行綜合;針對研究缺口提出論證,而不是列出清單;凡缺少來源之處,均標示 [CITATION NEEDED]。獨立的 AI 文獻回顧生成器 prompt 現已一併收錄。
KissMySkills 是一個擁有超過 1,700 個 AI Skill、prompt 組合包、代理和免費工具的市集,適用於 Claude、ChatGPT 及任何 AI 聊天工具。


