我用Claude Code写了一篇45页的文献综述，质量可以发一区SCI

原创 鲁工 鲁工 AI编程实验室 2026年1月13日 10:40 美国

上周我在从Vibe Coding到Vibe Researching，Claude Code也可以是最强科研工具一文中说可以基于Vibe Researching的理念，将Claude Code打造成全方位的科研助手。

Claude Code不仅可以写代码，还可以做PPT、写作、做视频，任何可以用代码搞定的事情，都可以通过Vibe的方式来完成。当然，做科研也必须是手拿把攥。科研的套路相对固定，天生适合用Claude Code的工作流、Skills、Plugins这套系统来自动化。

这当然不是说说的，今天就给大家演示一下，如何用Claude Code做文献综述。

经常用大模型的朋友都会有一个感触，AI生成的内容通常会比较"平"，也就是我们常说的AI味太冲，说白了就是人味不足。还有一个问题就是大模型本身缺陷造成的幻觉严重，经常在生成内容胡编乱造，特别是长文写作。

所以，就写作这项任务而言，不能把AI当做生成器，而是要把AI当做高质量信息加工器。要想AI输出高质量的内容，那就必须喂给它高质量的信息。我们做算法的，过去经常说，训练数据非常重要，如果训练数据都是噪声极多、标注偏差较大的低质量数据，那么通常也很难训练出一个好的模型，这就是所谓的"Garbage in, Garbage out."

等同此理，大模型的输入信息质量非常重要。只有提供了高质量的上下文（Context），AI将其编排和加工成我们期望的输出物。所以，对应到用Claude Code写文献综述这项任务上，最重要的工作就是给AI提供高质量的文献。

就我做的医学图像AI这个方向而言，如果我直接在Claude Code中输入，"针对冠脉CTA影像深度学习图像分割方向，帮我写一篇文献综述"。

Claude Code依靠自身强大的Agent编排能力，通过Web Search工具，也能尽它最大努力搜索可能获得的信息源，写出了一篇在结构上看起来像综述的文章来。但确实效果也是一言难尽，更别提投稿发表了。

原因就在于，我们没有给它提供高质量的信息源，这里的高质量信息源，就是属于这个研究领域，最近五年的开源文献数据库（arxiv、pubmed、biorxiv等）和闭源期刊文献数据库（IEEE、Springer、Nature、Elsevier等）。

而这个工作，除了arxiv、pubmed等开源数据库可以用对应的MCP来访问，其他所有闭源文献，都需要我们人工去查询和下载。然后统一导入到个人的Zotero文献管理数据库中。千万不要把所有文献放到本地目录然后让Claude Code读取，随便几篇论文就足以撑爆你的上下文。

比如，针对冠脉CTA深度学习方向，我的个人文献数据库如下：

这样，我们就可以使用Zotero MCP这款工具直接访问我们个人文献数据库，指定相关文献集合，可以快速进行文献总结。

正式开始前，先将Claude Code切换到plan模式，先给1-2篇本领域top期刊的综述论文，让Claude Code熟悉和总结其写作风格和结构编排，可以输出为一个综述写作指南的CLAUDE.md文档。

比如这篇Nature Reviews Cardiology（影响因子44.2）期刊的综述，绝对是一篇非常适合拿来让Claude Code学习的范本。

然后，继续在plan模式下，让Claude Code访问Zotero内我们事先准备好的闭源期刊文献，并同步使用arxiv和pubmed MCP按照"coronary artery segmentation"等关键词搜索开源文献。让Claude Code在更新写作指南CLAUDE.md的同时，生成一份综述撰写计划的IMPLEMENT.md文档。

这里要特别注意IMPLEMENT.md中给出的综述框架，需要人工仔细审查，必要时可以手动修改，至少让这份综述在框架上是符合我们预期的。

之后，有新的文献进来，我们只需要更新这两个MD文档即可。

除此之外，我们还可以补充用DeepResearch补充一些文献并为Claude Code提供额外的知识。我日常喜欢用ChatGPT和Gemini的DeepResearch，那么就可以分别让它们俩在同样提示词下跑一份研究报告，然后把这两份报告补充给Claude Code，让其更新前述两个MD文档。

接下来，我们就可以让Claude Code按照这两个MD文档执行文献综述的写作了。这个过程通常就不需要人为干预了，我们只需要等Claude Code写好综述文章初稿，然后人工进行review即可。

写好的综述MD文档：

使用pandoc转换为word后的初稿：

直接给我干了45页13813个单词，引用文献113篇，所有的文献都是来自arxiv、pubmed和我提供的闭源期刊文献，写作和内容编排上都遵循Nature期刊的风格，可以说，这是一篇由AI进行高质量信息整理和编排的文献综述。

接下来，我只需要review全文进行局部修改，适当的补充一些图表，按照目标期刊参考文献格式让Claude Code进行修改即可达到可投稿标准。我打算把这篇文章人工润色一遍后投稿到一区或者二区期刊。

说到底，文献综述的写作，核心要素就是大量文献、写作框架、写作规范与风格。当文献确定（由我们手动投喂闭源文献）、写作框架确定（由AI给出框架后人工check）、写作规范与风格确定（由AI学习Nature综述风格），那么剩下的事情，就是单纯的信息加工和编排了。这种驾驭文字的信息加工工作，恰恰是AI最擅长的事情，也是最能节省人工的部分。

我把上述流程整理成一个名为medical-imaging-review的skill，只要用户安装了Zotero-MCP或者提供Zotero API，即可调用该skill撰写自己的文献综述。但前提是你的Zotero里面有你需要撰写的综述主题的相关论文。

并且，这个skill目前只针对医学影像AI方向，如果想要适用到你的领域，你需要自行调整skills里面的相关内容，当然这个工作也可以交给AI来修改适配。

medical-imaging-review开源地址：

https://github.com/luwill/research-skills

很多时候，不是AI幻觉太重导致活干不好，而是我们错误地定位了它的角色。把AI当成高质量的信息加工器，而不是文字生成器，你会得到你想要的。