📌 国内读者访问提示：由于 Anthropic 官网（anthropic.com）在国内网络环境下无法直接访问，国内科研人员若希望使用 Claude Sonnet 5 辅助学术写作与文献综述，可以通过国内可用的镜像站 AIGCBAR 进行注册使用。该镜像站同步了 Claude 全系列模型的 API 接口，支持 low、medium、high、extra、max 五档思考模式，适合从简单的文献摘要提取到复杂的系统性文献综述撰写等不同科研场景。

第 1 章　引言：Agent 能力的质变时刻——为什么 Sonnet 5 是学术写作的“分水岭”

2026 年 6 月 30 日，Anthropic 正式发布了 Claude Sonnet 5。官方将其定位为“迄今为止最具 Agent 属性的 Sonnet 模型”。这一定位背后是一个清晰的信号：AI 从“回答问题”到“完成任务”的范式迁移，在 Sonnet 5 这一代达到了一个可规模化部署的临界点。

对于学术写作者而言，这一临界点的意义尤为深远。文献综述——学术写作中最耗时、最考验信息处理能力的环节——正在被 Sonnet 5 的能力重新定义。传统上，完成一篇高质量的文献综述需要研究者阅读数十篇甚至上百篇论文，手动提取关键信息、梳理研究脉络、识别学术争议、构建理论框架。这一过程往往需要数周甚至数月的时间。而 Sonnet 5 的 Agent 能力、100 万 token 上下文窗口和显著提升的推理能力，正在将这一时间尺度从“周”压缩到“小时”。

Sonnet 5 在核心 Agent 编程能力上录得 63.2% 的得分，较前代 Sonnet 4.6（58.1%）提升 5.1 个百分点，距离顶级旗舰 Opus 4.8（69.2%）的差距缩窄至 6% 以内。在 Terminal-Bench 2.1 上，Sonnet 5 直接飙到 80.4%，把只有 67.0% 的 Sonnet 4.6 狠狠甩在身后，暴涨 13 个百分点，距离 Opus 4.8 的 82.7% 只差不到 2 个点。在知识工作基准 GDPval-AA v2 上，Sonnet 5 更是拿到了 1618 分，直接反超 Opus 4.8 的 1615。

这些数字背后，是一个正在从根本上改变学术写作方式的 AI 工具。

本章作为全文的绪论，旨在说明 Sonnet 5 的 Agent 能力为何对文献综述写作具有革命性意义。后续各章将从 Agent 能力的理论基础、Sonnet 5 的基准测试表现、文献综述的方法论框架、提示词工程技巧、实战案例等维度，系统论述如何利用 Sonnet 5 写出文献准确的学术综述。

第 2 章　Agent 能力的理论基础：从“对话”到“自主执行”的范式革命

理解 Sonnet 5 的 Agent 能力为何对文献综述写作如此重要，首先需要理解“Agent”这一概念在 AI 领域的内涵演变。

2.1　什么是 Agentic AI？

Agentic AI（智能体人工智能）指的是能够自主规划、决策和执行任务的 AI 系统，而非仅仅响应用户的即时查询。一个真正的 AI Agent 具备以下核心特征：

自主规划：能够将高层目标分解为可执行的子任务序列。在文献综述场景中，这意味着模型可以自主规划“检索文献 → 提取摘要 → 分类整理 → 识别主题 → 构建框架 → 撰写综述”的完整工作流。

工具使用：能够调用外部工具（浏览器、终端、API 等）来完成任务。在学术写作中，这意味着模型可以自主搜索学术数据库、访问论文 PDF、提取和分析文本。

自我校验：能够在执行过程中检查自己的输出，识别错误并进行修正。早期测试者反馈，Sonnet 5“会主动检查自己的输出，无需明确提示”。这在文献综述中意味着模型可以自动验证引用准确性、检查论证逻辑的一致性。

持续执行：能够在长时间、多步骤的任务中保持连贯性，不会中途“迷失”或“放弃”。测试者描述 Sonnet 5“能完成复杂任务——而之前的 Sonnet 模型会在这些任务上中途止步”。

Anthropic 官方对 Sonnet 5 的描述精准地概括了这些特征：“它可以制定计划，使用浏览器、终端等工具，并以数月前还需要更大、更昂贵模型才能达到的水平自主运行”。

2.2　从 Sonnet 3.5 到 Sonnet 5：Agent 能力的演进轨迹

理解 Sonnet 5 的 Agent 能力突破，需要将其放在 Claude 系列模型的演进脉络中审视。

Anthropic 官方指出，对于许多开发者来说，AI Agent 时代正是从 Sonnet 级模型开始的：Claude Sonnet 3.5、3.6 和 3.7 是最早在编程和工具使用上展现出亮眼能力的一批模型。然而，最近一段时间，Agent 能力最明显的提升主要出现在 Opus 级模型上。

Sonnet 5 的核心使命，正是缩小这一差距。它在推理、工具使用、编程和知识工作等智能体性能关键维度上，相比 Sonnet 4.6 都有显著提升。

2.3　Agent 能力与学术写作的契合点

Agent 能力的核心特征与学术写作（尤其是文献综述）的需求高度契合：

文献综述的本质是一个多步骤的知识处理任务：检索 → 筛选 → 阅读 → 提取 → 分类 → 综合 → 撰写。每一个步骤都需要不同的认知能力和工具支持。Sonnet 5 的自主规划能力使其可以将这一复杂流程自动化。

文献综述需要处理大量外部信息：学术论文、会议论文、技术报告等。Sonnet 5 的工具使用能力使其可以自主访问和提取这些信息源。

文献综述对准确性有极高要求：引用错误、事实错误、逻辑漏洞都会严重影响综述的可信度。Sonnet 5 的自我校验能力可以帮助识别和纠正这些错误。

文献综述是一个需要“坚持到底”的长文本任务：一篇高质量的文献综述往往需要数万字，涉及数十篇文献的整合。Sonnet 5 的持续执行能力使其可以在长周期任务中保持稳定输出。

第 3 章　Sonnet 5 的 Agent 能力实测：基准测试的深度解读

Sonnet 5 的 Agent 能力不是营销话术，而是有扎实的基准测试数据支撑的。本章从学术写作的角度，深度解读这些数据背后的含义。

3.1　SWE-bench Pro：衡量“自主完成软件工程任务”的能力

SWE-bench Pro 是衡量 AI 模型能否像真正的软件工程师一样完成复杂编码任务的核心基准。它要求模型从真实的 GitHub 仓库中抽取 issue，理解问题、分析代码、生成补丁并通过隐藏测试用例。

Sonnet 5 在 SWE-bench Pro 上录得 63.2% 的得分，较前代 Sonnet 4.6（58.1%）提升 5.1 个百分点。作为对比，OpenAI 的 GPT-5.5 在同一基准上仅拿到 58.6%，谷歌的 Gemini 3.5 Flash 只有 55.1%。

这一数据对文献综述写作的意义在于：文献综述本质上也是一种“信息处理工程”——需要理解大量文献、提取关键信息、按照逻辑框架组织、生成连贯的学术文本。SWE-bench Pro 的高分说明 Sonnet 5 具备处理复杂、多步骤、需要深度理解的“工程级”任务的能力。

3.2　Terminal-Bench 2.1：衡量“自主工具使用”的能力

如果说 SWE-bench Pro 衡量的是“纯推理能力”，那么 Terminal-Bench 2.1 衡量的就是“在真实环境中自主使用工具完成任务”的能力。它测试模型在真实终端环境中的多步骤智能体编码任务表现——这正是 Sonnet 5 被设计用来处理的工作负载。

Sonnet 5 在 Terminal-Bench 2.1 上录得 80.4%，相比 Sonnet 4.6 的 67.0% 暴涨 13.4 个百分点。距离 Opus 4.8 的 82.7% 只差不到 2 个百分点。

这一数据对文献综述写作的意义在于：文献综述写作中，“工具使用”能力至关重要——访问学术数据库、下载 PDF、提取文本、管理引用、格式化参考文献。Sonnet 5 在工具使用方面的卓越表现，意味着它可以更有效地整合这些外部工具，自动化文献综述的“体力活”环节。

3.3　Humanity‘s Last Exam：衡量“跨学科深度推理”的能力

Humanity’s Last Exam（HLE）是一个高难度的跨学科推理基准，测试模型在复杂学术问题上的推理能力。

Sonnet 5 带工具斩获 57.4%，Opus 4.8 是 57.9%，只差 0.5 个百分点。GPT-5.5 同一测试只有 52.2%，Gemini 3.1 Pro 是 51.4%。

这一数据对文献综述写作的意义在于：文献综述不仅仅是“信息的罗列”，更是“知识的综合与批判”——需要理解不同研究的理论框架、识别学术争议、发现研究空白。HLE 的高分说明 Sonnet 5 具备处理跨学科、高难度学术推理任务的能力。

3.4　OSWorld-Verified：衡量“计算机操控”的能力

OSWorld-Verified 测试模型在真实操作系统环境中的计算机使用能力。

Sonnet 5 在 OSWorld-Verified 上的得分是 81.2%，超过 GPT-5.5 的 78.7%，直追 Opus 4.8 的 83.4%。

这一数据对文献综述写作的意义在于：文献综述的“计算机操控”需求包括文件管理、PDF 阅读器操作、文献管理软件使用等。Sonnet 5 在这方面的能力意味着它可以更自主地完成这些辅助性任务。

3.5　GDPval-AA v2：衡量“知识工作”的能力

GDPval-AA v2 是 Anthropic 内部的知识工作基准，测试模型在真实知识工作任务上的综合表现。

Sonnet 5 在这项测试中拿到了 1618 分，直接反超 Opus 4.8 的 1615。

这一数据对文献综述写作的意义最为直接：文献综述本身就是典型的“知识工作”——需要理解、综合、批判性地评估和重新组织学术知识。Sonnet 5 在知识工作基准上超越旗舰模型，说明它在学术写作这类任务上具有特殊的优势。

表 3-1　Sonnet 5 核心基准测试数据与学术写作意义

基准测试	Sonnet 5	Sonnet 4.6	Opus 4.8	对文献综述的意义
SWE-bench Pro	63.2%	58.1%	69.2%	处理复杂信息工程任务的能力
Terminal-Bench 2.1	80.4%	67.0%	82.7%	自主使用外部工具的能力
HLE（带工具）	57.4%	46.8%	57.9%	跨学科学术推理能力
OSWorld-Verified	81.2%	78.5%	83.4%	计算机操作与文件管理能力
GDPval-AA v2	1618	1395	1615	知识工作的综合质量

3.6　Sonnet 5 的“几乎全面逼近”Opus 4.8

综合以上数据，可以得出一个清晰的结论：几乎每项 benchmark，Sonnet 5 都落在 Opus 4.8 的 90% 到 100% 区间。在知识工作（GDPval-AA v2）上甚至实现了反超。

这意味着，对于文献综述写作这类典型的知识工作任务，Sonnet 5 不仅“够用”，而且可能是比 Opus 4.8 更具性价比的选择——它用更低的价格（标准价仅为 Opus 4.8 的 60%）提供了相当甚至更好的知识工作表现。

第 4 章　文献综述的方法论：Sonnet 5 如何融入学术写作流程

在深入提示词技巧之前，有必要先理解文献综述本身的方法论框架。只有理解了“文献综述应该怎么做”，才能有效地利用 Sonnet 5 来辅助完成它。
p

4.1　文献综述的本质与功能

文献综述（Literature Review）是学术研究的基础环节，其核心功能包括：

知识地图绘制：系统梳理某一研究领域的发展脉络、主要流派、核心理论和关键发现。一篇好的文献综述应该让读者快速理解该领域的“知识版图”。

研究空白识别：通过批判性地评估现有研究，发现尚未被充分探索的问题、矛盾的研究结论、或者方法论的局限。这是后续研究问题提出的基础。

理论框架构建：整合不同研究的理论视角，构建一个可以指导后续研究的分析框架。

方法论的批判与借鉴：评估不同研究方法的优缺点，为自己的研究设计提供参考。

4.2　文献综述的典型工作流

一个完整的文献综述写作流程通常包括以下阶段：

阶段一：文献检索与筛选。确定研究主题和关键词，在学术数据库（Web of Science、Scopus、Google Scholar、PubMed 等）中检索相关文献，根据相关性、质量、时效性等标准筛选出核心文献。

阶段二：文献阅读与信息提取。阅读筛选出的文献，提取关键信息：研究问题、理论框架、研究方法、主要发现、局限性等。

阶段三：主题识别与分类。识别文献中的主要主题、流派和争议，将文献按照主题、方法、时间等维度进行分类。

阶段四：批判性分析与综合。评估不同研究的贡献和局限，识别矛盾和不一致之处，发现研究空白，构建综合性的理解框架。

阶段五：综述撰写。按照逻辑结构组织上述分析结果，撰写完整的文献综述文本，包括引言、主体（按主题组织）和结论。

4.3　Sonnet 5 在各阶段的辅助价值

文献综述阶段	Sonnet 5 的辅助方式	关键能力支撑
文献检索与筛选	帮助构建检索策略、分析检索结果的相关性	推理能力、工具使用
文献阅读与信息提取	一次性处理多篇 PDF、提取结构化信息	100 万 token 上下文
主题识别与分类	识别文献间的主题模式、自动分类	跨文档推理、模式识别
批判性分析与综合	识别矛盾、发现空白、构建框架	深度推理、知识工作
综述撰写	生成结构化文本、润色语言、格式化引用	长文本生成、学术写作

4.4　Sonnet 5 在文献综述中的独特优势

相比之前的模型，Sonnet 5 在文献综述辅助方面具有几个独特的优势：

第一，100 万 token 的上下文窗口。Sonnet 5 拥有 100 万 token 的上下文窗口。这意味着你可以一次性将 10-20 篇完整的学术论文（PDF 全文）上传到对话中，让模型同时处理所有这些文献。相比之下，Claude 3.5 Sonnet 支持 200K tokens（相当于约 15 万英文单词），能一次性处理 3-5 篇完整的 PDF 论文。Sonnet 5 的上下文窗口是前代的 5 倍。

第二，显著降低的“文献幻觉”风险。Sonnet 5 的幻觉率和谄媚行为率均低于 Sonnet 4.6。Claude 3.7 Sonnet 在学术写作中被评价为“内容严谨，虚假引用概率极低”。这意味着 Sonnet 5 在生成文献综述时，更不容易“编造”不存在的文献或扭曲原文的意思。

第三，更强的长文档逻辑连贯性。Claude 系列模型在长文本理解、逻辑连贯性与术语一致性方面表现突出。Sonnet 5 的持续执行能力使其可以在处理数十篇文献的长周期任务中保持论证的一致性和连贯性。

第四，Agent 化的自主工作能力。Sonnet 5 可以自主规划、执行和验证多步骤任务。在文献综述中，这意味着你可以将整个综述流程“委托”给 Sonnet 5——从文献提取到主题识别再到初稿撰写——而无需每一步都手动干预。

第 5 章　提示词工程：让 Sonnet 5 写出文献准确的学术综述

提示词工程是连接“模型能力”和“实际效果”的桥梁。同样的模型，不同的提示词策略可能带来数倍的质量差异。本章系统论述如何通过提示词工程，让 Sonnet 5 生成文献准确的学术综述。

5.1　Effort 参数：文献综述的“思考深度”调节

Sonnet 5 引入了五档 effort 参数（low、medium、high、xhigh、max），允许用户在“智能程度”和“令牌消耗”之间进行精细调节。在文献综述写作中，合理选择 effort 档位至关重要。

表 5-1　文献综述各阶段的 Effort 档位推荐

文献综述阶段	推荐 Effort	理由
文献信息提取	medium-high	主要是信息提取，不需要深度推理
主题识别与分类	high	需要跨文档的模式识别
批判性分析与空白识别	xhigh	需要深度推理和批判性思维
综述框架构建	xhigh-max	最复杂的认知任务
综述正文撰写	high-xhigh	需要长文本的逻辑连贯性

Sonnet 5 在 medium 级别的智能程度与 Sonnet 4.6 在 high 级别相当，在 high 级别与 Sonnet 4.6 在 max 级别相当。这意味着，即使用较低的 effort 档位，Sonnet 5 也能达到前代模型较高档位的表现水平——这是 Sonnet 5 在成本效率上的核心优势。

effort 档位的具体含义：

• low：保留用于简短、范围明确的任务以及对延迟敏感但对智能程度不敏感的工作负载
• medium：适用于需要减少令牌使用量同时牺牲部分智能程度的成本敏感型用例
• high：默认值，在大多数用例中平衡了令牌使用量和智能程度
• xhigh：超高 effort，是最困难的编码和智能体用例的推荐设置
• max：绝对最高能力，对令牌消耗没有任何限制

Sonnet 5 严格遵守 effort 级别，尤其是在较低级别。在 low 和 medium 级别，模型会将其工作范围限定在所要求的内容上，而不会超额完成。这意味着如果你在文献综述的某个环节只需要简单的信息提取，使用 medium 就足够了；但如果需要进行深度的批判性分析，则需要提升到 xhigh 或 max。

5.2　文献综述提示词的黄金结构

基于前文的讨论和文献综述的特点，可以总结出文献综述提示词的黄金结构：

第一层：角色设定。“你是一位资深学术研究员，在 [领域] 有丰富的研究经验。”

第二层：任务定义。“请帮我完成一篇关于 [主题] 的系统性文献综述。”

第三层：方法论约束。“请按照系统性文献综述（Systematic Literature Review）的标准方法进行：明确研究问题、制定检索策略、筛选文献、提取数据、综合发现。”

第四层：质量要求。“确保所有引用都准确无误，不编造不存在的文献。对每篇文献的贡献和局限进行批判性评估。”

第五层：具体内容。提供你要处理的文献（PDF 上传或文献列表）。

5.3　文献综述各阶段的专用提示词模板

模板一：文献信息提取

你是一位资深学术研究员。请阅读以下 [N] 篇学术论文，并按照以下结构为每篇论文提取关键信息：

1. 研究问题：这篇论文试图回答什么问题？
2. 理论框架：作者使用了什么理论视角？
3. 研究方法：使用了什么方法（定量/定性、实验设计、数据来源等）？
4. 主要发现：最重要的研究结果是什么？
5. 贡献：这篇论文的核心贡献是什么？
6. 局限性：作者承认了哪些局限？你认为还有哪些未被提及的局限？

请以表格形式输出，每篇论文占一行。确保所有信息都基于论文原文，不添加外部信息。

模板二：主题识别与分类

请分析以下 [N] 篇学术论文，识别它们之间的主题模式：

1. 这些论文主要涉及哪些主题领域？
2. 按照主题将论文分类，每类列出论文标题和核心观点
3. 识别这些主题之间的逻辑关系（并列、递进、对立等）
4. 绘制一个主题图谱，展示各主题之间的关系

输出格式：
- 主题分类表（主题名称 → 论文列表 → 核心观点）
- 主题关系图（文字描述）

模板三：批判性分析与研究空白识别

请对以下 [N] 篇学术论文进行批判性分析：

1. 这些研究的主要贡献是什么？有哪些突破性发现？
2. 不同研究之间存在哪些矛盾或不一致之处？
3. 现有研究在方法论上存在哪些共同局限？
4. 现有研究忽略了哪些重要问题或视角？
5. 基于上述分析，该领域目前最值得研究的问题是什么？

请确保你的批判性分析基于论文原文证据，而非主观臆断。

模板四：综述框架构建

基于以上对 [N] 篇文献的分析，请为我的文献综述构建一个逻辑框架：

1. 建议的综述标题
2. 引言部分的核心论点
3. 主体部分的组织结构（建议使用哪些主题作为章节？每个章节包含哪些核心论点？）
4. 各主题之间的逻辑递进关系
5. 结论部分的核心要点

请确保框架逻辑清晰、层次分明，能够有效整合所有文献的核心贡献。

模板五：综述正文撰写

请根据以下框架，撰写文献综述的正文：

[粘贴框架]

写作要求：
1. 使用正式的学术语言
2. 保持客观中立的语气，避免主观评价
3. 所有引用都必须准确，使用 [作者, 年份] 格式
4. 段落之间逻辑连贯，有清晰的过渡
5. 每个主题章节应有主题句、论证和小结
6. 总字数约 [X] 字

请从引言部分开始，逐章撰写。

5.4　使用 XML 标签组织复杂提示词

对于文献综述这类复杂任务，Anthropic 官方建议使用 XML 标签来组织提示词结构，帮助模型清晰地区分提示词的不同部分。

<role>
你是一位资深学术研究员，专攻 [研究领域]，在顶级期刊发表过多篇文献综述。
</role>

<task>
请帮我完成一篇关于 [主题] 的系统性文献综述。
</task>

<methodology>
请按照以下步骤进行：
1. 首先阅读并提取我提供的 [N] 篇论文的关键信息
2. 识别论文中的主要主题和流派
3. 对现有研究进行批判性评估
4. 识别研究空白
5. 构建综述框架
6. 撰写完整的综述文本
</methodology>

<quality_constraints>
- 所有引用必须基于我提供的文献，不得编造
- 对每项研究的评估必须客观、基于证据
- 语言风格：正式、学术、客观
- 引用格式：[APA/MLA/Chicago]
</quality_constraints>

<literature>
[上传 PDF 文件或粘贴文献信息]
</literature>

5.5　避免“文献幻觉”的关键技巧

文献幻觉（AI 编造不存在的文献或扭曲原文意思）是使用 AI 辅助学术写作的最大风险。以下是几个关键技巧：

技巧一：提供完整原文，而非仅靠模型记忆。不要依赖模型“记住”某篇文献的内容。始终上传 PDF 全文或粘贴完整的摘要和关键段落，让模型基于原文进行分析。

技巧二：要求模型“基于提供的文献”回答。在提示词中明确限定：“请仅基于我提供的文献进行分析，不要使用外部知识。”这可以有效减少模型“发挥”的空间。

技巧三：分步验证。不要一次性让模型完成整个综述。分步骤进行——先提取信息，再分类，再批判分析，再撰写——每一步都验证输出的准确性。

技巧四：交叉核对引用。正如有研究者总结的，“用 Claude 处理学术文献必须做到每一条引用都手动去数据库验证，不能有侥幸心理”。Sonnet 5 虽然显著降低了幻觉率，但人工验证仍然是必要环节。

技巧五：使用“先框架后填充”策略。先让 Sonnet 5 生成文献综述的框架和段落逻辑，引用部分只使用自己真实读过且在文献管理软件中存档过的文献。这种方法可以最大限度地确保引用的准确性。

第 6 章　实战案例：用 Sonnet 5 完成一篇文献综述的完整流程

本章通过一个完整的实战案例，展示如何利用 Sonnet 5 的 Agent 能力完成一篇文献综述。

6.1　案例设定

假设我们需要完成一篇关于“大语言模型在学术写作中的应用”的文献综述，需要处理 15 篇相关论文。

6.2　步骤一：文献信息提取（Effort: medium-high）

提示词：

你是一位资深学术研究员。请阅读我上传的 15 篇关于“大语言模型在学术写作中的应用”的论文，并为每篇论文提取以下信息：

1. 研究问题
2. 使用的 LLM 模型
3. 应用场景（文献综述、论文润色、数据分析等）
4. 主要发现
5. 方法论的创新点
6. 局限性

请以表格形式输出，按研究问题分类。

预期输出：一个包含 15 行、6 列的表格，每篇论文的关键信息被结构化提取。

6.3　步骤二：主题识别与分类（Effort: high）

提示词：

基于上一步提取的文献信息，请：

1. 识别这些研究涉及的主要主题（至少 4 个）
2. 将 15 篇论文按主题分类
3. 为每个主题总结核心发现和争议点
4. 绘制主题之间的逻辑关系图（文字描述）

输出格式：
## 主题一：[主题名称]
- 包含论文：[论文列表]
- 核心发现：[总结]
- 争议点：[如有]

预期输出：4-5 个主题类别，每类包含 2-5 篇论文，以及每个主题的核心发现总结。

6.4　步骤三：批判性分析与研究空白识别（Effort: xhigh）

提示词：

请对上述文献进行批判性分析：

1. 这些研究在方法论上存在哪些共同局限？
2. 不同研究之间有哪些矛盾或不一致的发现？
3. 现有研究忽略了哪些重要问题？
4. 该领域目前最值得研究的前沿问题是什么？

请基于论文原文证据进行分析，确保每一条批判都有文献支撑。

预期输出：一份包含方法论批判、矛盾识别、研究空白和前沿问题建议的分析报告。

6.5　步骤四：综述框架构建（Effort: xhigh-max）

提示词：

基于以上所有分析，请为我的文献综述构建一个详细的写作框架：

1. 标题建议
2. 引言：研究背景、研究问题、综述目的、综述方法
3. 主体部分（按主题组织）：
   - 每个主题章节的标题和核心论点
   - 各章节之间的逻辑递进关系
   - 每个章节需要涵盖的关键文献
4. 结论：主要发现总结、研究空白、未来研究方向
5. 参考文献列表（初步）

框架应层次清晰、逻辑严密，能够有效整合所有 15 篇文献。

预期输出：一个完整的文献综述大纲，包含引言、主体（4-5 章）、结论和参考文献。

6.6　步骤五：综述正文撰写（Effort: high-xhigh）

提示词：

请根据以下框架，开始撰写文献综述的引言部分：

[粘贴框架中的引言部分]

写作要求：
1. 学术语言，正式、客观
2. 约 800-1000 字
3. 引用格式：[APA 7th]
4. 包含研究背景、研究问题、综述目的和方法的说明

请确保所有引用都准确对应我提供的文献。

预期输出：一篇约 800-1000 字的引言草稿。

重复此步骤，逐章撰写主体部分和结论。

6.7　步骤六：整合与润色（Effort: high）

提示词：

请将我撰写的各章节整合为一篇完整的文献综述：

[粘贴各章节]

整合要求：
1. 检查各章节之间的逻辑连贯性
2. 确保术语使用一致
3. 统一引用格式
4. 添加章节之间的过渡段落
5. 生成完整的参考文献列表

请输出完整的综述文本。

预期输出：一篇完整的文献综述初稿。

第 7 章　Claude Science：Anthropic 为科研打造的专属工作台

在发布 Sonnet 5 的同一天，Anthropic 还推出了 Claude Science——一个面向科研人员的 AI 工作台。这一工具的发布，标志着 Anthropic 正在系统性地布局科研场景。

7.1　Claude Science 的核心功能

Claude Science 整合了分散的科研工具，覆盖科研工作的各个阶段：

文献分析：支持上传和分析学术文献，提取关键信息。

多步骤研究执行：支持复杂的、多步骤的研究任务自动化。

详细产出物生成：生成图表、论文手稿等可发表级别的产出物。

完整的制作过程记录：每一项产出都带有完整的制作过程记录，确保可复现性。

7.2　Claude Science 与 Sonnet 5 的协同

Claude Science 整合了 60 余个科学数据库与工具包，主打科研成果可复现性。结合 Sonnet 5 的 Agent 能力，Claude Science 可以：

• 自动检索和筛选相关文献
• 提取和分析文献数据
• 生成文献综述和论文草稿
• 反复打磨图表和论文手稿直到达到可发表水准

对于需要处理大量文献的研究者来说，Claude Science + Sonnet 5 的组合提供了一个从文献检索到论文发表的完整 AI 辅助工作流。

7.3　Claude Research 的演进

Anthropic 于 2025 年 4 月正式推出 Claude Research 功能，5 月升级为 Advanced Research，支持跨数百个来源的深度研究。DeepResearch Bench 数据显示，Claude-3.7-Sonnet 系列在引用准确率上达 93.68%，标志着 AI 研究助手正从工具走向范式颠覆者。

Sonnet 5 作为这一演进路线上的最新成果，在引用准确率、推理深度和知识工作质量上都有进一步提升。

第 8 章　结论：Sonnet 5 正在重新定义学术写作的方式

把全文的分析收束起来，可以得出一个清晰的判断：Claude Sonnet 5 正在从根本上改变学术写作——尤其是文献综述——的方式。

这种改变体现在四个层面：

第一，文献综述的时间尺度被大幅压缩。 传统上，完成一篇高质量的文献综述需要数周甚至数月的时间。而采用 Sonnet 5 辅助的工作流，这一时间可以压缩到数小时。正如有研究者总结的，传统人工阅读并整理 5 篇 20 页的文献需要约 10 小时，而采用 AI 辅助的工作流仅需 15 分钟即可生成高质量的文献对比矩阵草稿。Sonnet 5 的 100 万 token 上下文窗口使这一效率提升成为可能。

第二，文献综述的质量门槛被显著降低。 Sonnet 5 在知识工作基准 GDPval-AA v2 上反超了 Opus 4.8。这意味着在文献综述这类典型的知识工作任务中，Sonnet 5 不仅能达到旗舰模型的水平，甚至可能超越。对于非英语母语的研究者或缺乏文献综述经验的学生来说，Sonnet 5 可以帮助他们达到此前难以企及的学术写作质量。

第三，文献综述的准确性有了新的保障机制。 Sonnet 5 的幻觉率和谄媚行为率均低于 Sonnet 4.6。Claude 3.7 Sonnet 在学术写作中被评价为“内容严谨，虚假引用概率极低”。这意味着研究者可以更放心地使用 Sonnet 5 辅助文献综述，而不必过度担心“文献幻觉”问题。当然，人工验证仍然是必要环节。

第四，文献综述从“体力活”变成了“脑力活”。 传统文献综述的大部分时间花在“检索、阅读、提取、分类”这些信息处理的“体力活”上。Sonnet 5 的 Agent 能力使这些环节可以自动化。研究者可以将精力集中在更有价值的“脑力活”上——批判性思考、理论构建、研究空白识别——而这些正是人类研究者相对于 AI 的核心优势。

当然，Sonnet 5 并非万能。对于需要最高精度的关键引用验证，人工核对仍然是必要的。对于极其复杂的前沿理论分析，研究者自身的深度思考仍然不可替代。Sonnet 5 在网络安全等高风险任务上的能力被有意限制——这既是安全设计，也是能力边界。

但对于绝大多数文献综述写作场景——从本科毕业论文到博士开题报告，从期刊综述到基金申请书——Sonnet 5 已经达到了“足够好用”的阈值。正如 Anthropic 在发布公告中所说：“Sonnet 5 完成了以前的 Sonnet 模型会中途止步的复杂任务”。对于学术写作者而言，这意味着一个能够陪伴你从“第一篇文献”到“第一篇综述”的 AI 科研助手——已经触手可及。

参考文献

[1] Anthropic. Introducing Claude Sonnet 5. 2026 年 6 月 30 日. 链接

[2] Anthropic. Claude Sonnet 5 System Card. 2026 年 6 月. 链接

[3] Anthropic Platform Docs. Claude Sonnet 5 提示编写指南. 链接

[4] Anthropic Platform Docs. Effort 参数说明. 链接

[5] 突发，打工版 Claude 5 来了，人人都能用[EB/OL]. 36氪, 2026-07-01. 链接

[6] 刚刚，Anthropic发布Sonnet 5，性能接近Opus 4.8，但不一定更便宜[EB/OL]. 36氪, 2026-07-01. 链接

[7] Claude Sonnet 5: Benchmarks, Pricing, and What Developers Need to Know (2026)[EB/OL]. CosmicJS, 2026-06-30. 链接

[8] Sonnet 5 Delivers AI Gains Without Frontier Model Scrutiny[EB/OL]. AI Today, 2026-06-30. 链接

[9] Anthropic launches Claude Sonnet 5 with improved AI agent, coding capabilities[EB/OL]. Enterprise AI, 2026-07-01. 链接

[10] Claude Sonnet 5 boosts coding, reasoning, and tool use[EB/OL]. InfoWorld, 2026-06-30. 链接

[11] What’s new in Claude Sonnet 5[EB/OL]. Simon Willison, 2026-07-01. 链接

[12] 文献综述怎么写？GPT-5.5 结合 Claude 长文献提炼与对比的双机流教程[EB/OL]. SegmentFault, 2026-06-06. 链接

[13] 2026科研自救指南：用Claude搞定文献综述，别再手动复制粘贴了[EB/OL]. 今日头条, 2026-05-11. 链接

[14] 手把手教你用Claude刷完200篇医学多模态文献：3小时搞定综述骨架[EB/OL]. GitCode, 2026-05-30. 链接

[15] 用 Claude 写毕业论文差点翻车？万字长文避坑指南[EB/OL]. SegmentFault, 2026-06-19. 链接

[16] Anthropic深夜连放两弹：Sonnet 5、全新AI科研App重磅上线[EB/OL]. C114, 2026-07-01. 链接

[17] 毕业论文开题报告怎么写？Claude 辅助下的文献综述框架构建法[EB/OL]. 思否, 2026-06-13. 链接

[18] Claude Sonnet（Fennec）：人工编程范式转移与AI编程的未来[EB/OL]. 微信公众号, 2026-02-04. 链接

[19] Claude 学术写作辅助应用：实测 7 个被顶刊编辑默许的 Prompt 技巧[EB/OL]. CSDN, 2026-05-23. 链接

声明：本文所有数据均来自上述公开来源，已尽力核实并标注出处。受限于行业评测方法论本身的局限，具体数值在不同测试环境下可能存在合理误差，建议读者在做学术写作决策前以 Anthropic 官方最新发布与自身实测为准。文中推荐的 AIGCBAR 为第三方镜像服务，使用前请自行评估其合规性与稳定性。