面向AI指导老师与研究者，拆解用DeepSeek完成文献综述的边界设定、提示词设计、分段写作与证据核验，提升效率并守住学术底线。 文献综述的核心不是罗列摘要，而是围绕研究问题建立可核验的证据链。DeepSeek在中文语义理解、长文本处理和推理链路方面有优势，能协助扩展检索词、生成提纲、聚类主题和润色表达。但模型也会编造文献、混淆观点、忽略反例。把DeepSeek当助手而非作者，才能让教程真正可复制。以下四个环节覆盖从选题到定稿的关键动作。
1. 明确综述边界与检索骨架。
开始写综述前，最忌讳直接让DeepSeek“写一篇文献综述”。正确做法是先把研究问题收窄到可检索、可论证的尺度。以教育技术领域“生成式AI对大学生批判性思维的影响”为例，可以要求DeepSeek把宽泛主题拆成研究对象、干预、比较条件、结果指标和研究设计，并追问它哪些维度缺少文献支撑。若综述类型是系统综述，还需明确纳入排除标准；若是范围综述，则重点在梳理概念和证据分布；若是叙述性综述，必须说明选择文献的依据。AI指导老师要让学生把模型输出当作问题澄清的草稿，而不是最终方案，尤其要警惕“生成式AI提升批判性思维”这类预设立场。 检索骨架决定综述的信息密度。可以让DeepSeek生成中英文检索词表，中文围绕“生成式人工智能”“大语言模型”“ChatGPT”“批判性思维”“高阶思维”，英文围绕“generative AI”“large language model”“critical thinking”“higher-order thinking”。随后人工到CNKI、万方、Web of Science、Scopus、ERIC等数据库验证，并用布尔逻辑组合成检索式。时间范围可先设为2020年至2025年，再根据文献量调整。纳入标准通常包括同行评议期刊、实证研究、中英文全文；排除标准包括新闻、社论、重复发表和无法获取全文的记录。DeepSeek能提示同义词和近义词，但不能替代数据库的检索历史。 检索完成后，把题录信息导入文献矩阵。矩阵至少包含作者、年份、研究问题、样本、方法、核心结论、局限和与本研究的关系。可以让DeepSeek根据上传的摘要或全文提取这些字段，并要求它输出Markdown表格或CSV。人工需要抽查至少百分之二十的记录，重点核对样本量、研究设计和结论方向。若发现模型把相关性写成因果性，或把综述观点写成实证结论，必须回到原文修正。这个骨架建立后，后续写作才有稳定依据。
2. 构建提示词与角色设定。
DeepSeek的输出质量很大程度取决于提示词是否包含角色、任务、材料、边界和输出格式。一个可复用的角色设定是：“你是教育技术领域的文献综述助理，熟悉系统综述规范。你只依据我提供的文献摘要和全文回答，不编造参考文献。请按主题综合而非逐篇罗列，每个结论后标注作者和年份。遇到无法确认的信息，请提示我回到原文核验。”这段设定把模型从通用聊天机器人拉回学术辅助场景，也提前堵住编造引用、泛泛而谈和过度总结三个常见漏洞。 更稳妥的是链式提示，而不是一次性生成全文。第一步让DeepSeek复述研究问题、纳入排除标准和综述类型，确认理解一致；第二步让它基于已有文献生成检索词和检索式；第三步让它输出三级提纲，每个主题下包含共识、争议、方法差异和研究空白；第四步才按主题分段生成正文。生成时可上传PDF或粘贴摘要，并开启联网搜索补充公开信息。对于需要推理的环节，如比较不同研究方法、识别矛盾结论，可以使用DeepSeek的深度思考模式；对于语言润色和格式整理，使用常规对话模式即可。 提示词中要加入反向核验要求。比如要求模型在每段末尾列出证据来源，如果某条结论没有对应文献，就明确说明证据不足，而不是用“研究表明”掩盖。还可以让它扮演审稿人，检查段落是否存在循环论证、以偏概全和概念偷换。常见错误是学生直接输入“请写一篇关于生成式AI与批判性思维的文献综述”，模型会生成看似完整但引用虚假的文本。AI指导老师应示范如何追问：“这些文献是否真实存在？请给出DOI或数据库链接。”只有把提示词写成可检查的任务合同，DeepSeek才会成为可控的写作助手。
3. 分段生成与证据核验。
文献矩阵准备好后，让DeepSeek进行主题聚类。可以输入：“请根据以下文献矩阵，归纳三到五个主题，说明每个主题下的共识、分歧、方法差异和研究不足。不要逐篇复述，要按论证需要组织材料。”在生成式AI与批判性思维的案例中，常见主题包括认知增益、认知卸载、教学调节和测量争议。认知增益关注提示设计如何促进反思，认知卸载关注学生把思考责任转移给模型，教学调节关注教师如何设计任务，测量争议关注批判性思维量表能否捕捉人机协作中的变化。每个主题生成后，要检查它是否真的由所附文献支持。 证据核验是文献综述的底线。DeepSeek可能生成真实作者与错误年份、真实期刊与错误卷期，甚至把相似标题拼接成不存在的文献。核验应走三源路径：回到原文核对作者、样本、方法和结论；到数据库核对题录、DOI、页码和期刊；用Zotero、EndNote或NoteExpress核对引用格式。对于关键数据，如实验组和对照组的差异、效应量、访谈人数，必须逐项确认。模型生成的引用只能作为占位草稿，不能直接进入参考文献表。AI指导老师可以让学生建立“核验日志”，记录每条引用的核对结果和修改原因。 核验过程中还要主动寻找反例。若DeepSeek倾向给出“生成式AI提升批判性思维”的单一结论，可以要求它检索或列出相反证据，例如学生过度依赖模型导致提问能力下降，或不同学科、不同任务复杂度下效果不一致。综述的价值恰恰在于呈现证据冲突，并解释冲突来自样本差异、干预时长、测量工具还是教学情境。完成分段写作后，把各段放回提纲检查逻辑衔接，避免同一文献在不同段落重复出现却承担相同论证。只有经过核验的内容，才适合进入下一阶段的整合与润色。
4. 润色整合与学术规范。
分段内容完成后，需要统一术语、时态和引用风格。可以让DeepSeek执行限定性润色：“请在不改变事实、数据和引用标记的前提下，优化段落衔接和学术表达，删除重复表述，保持被动语态和主动语态使用一致。”中文综述通常统一使用“生成式人工智能”或“生成式AI”，英文摘要和关键词则统一为“generative AI”。引用格式根据目标期刊选择APA 7、GB/T 7714或Chicago。整合时还要检查主题顺序是否从概念界定、方法梳理推进到争议分析和研究空白，避免把不同层次的内容混在同一段。 学术规范决定成稿能否通过审查。使用DeepSeek辅助写作后，应按照学校或期刊要求声明AI使用范围，例如用于检索词扩展、语言润色和提纲讨论，而不是代替研究判断。不要上传未发表数据、受版权限制的全文、个人信息或审稿意见。模型输出可能包含错误、偏见或过时信息，最终稿件必须由作者逐句负责。若期刊明确禁止AI生成正文，则只能把DeepSeek用于前期构思和格式检查。保留提示词、修改记录和核验日志，可以在需要时说明写作过程。 定稿前做一次逆向检查，从结论回看研究问题，从每个主题回看引用证据，从引用回看原文数据库记录。检查综述是否回答了研究问题，是否呈现了主要争议，是否说明了文献检索范围，是否对方法局限作出评价，是否提出了有证据支撑的研究空白。若某段只有模型生成的概括而没有原始文献支撑，就删减或重写。经过边界设定、提示词约束、分段写作和证据核验，DeepSeek才能成为文献综述的可控助手，而不是替代学术责任的自动写作机。
