文献综述耗时且易失焦。本文以DeepSeek提示词为切口，拆解检索、阅读、综合与写作环节的可复用方法，并给出质量控制要点。
文献综述的核心不是把文献摘要拼在一起，而是围绕研究问题建立一张可追溯的证据地图。许多研究者卡在检索式不精准、阅读无层次、综合缺主线，表面看是写作问题，实质是任务没有被拆细。DeepSeek可以承担研究助理的角色，但输出质量取决于提示词是否把任务边界、输入材料、输出格式和评价标准说清楚。把提示词当作研究设计的一部分，而不是一句笼统的“帮我写综述”，才能让模型在文献综述中真正发挥作用，同时把学术判断留在研究者手中。
1. 用任务拆解替代笼统提问
文献综述通常包含检索式设计、纳入排除标准、文献矩阵、主题编码、证据综合和写作提纲等环节，每个环节对输入和输出的要求并不相同。直接向DeepSeek提出“写一篇关于某主题的文献综述”，模型往往只能给出泛泛框架，甚至会编造文献。更有效的提示词需要明确角色、目标、输入、约束、输出格式和自检要求。例如可以要求模型以教育技术领域研究方法助手的身份，基于给定的研究问题和数据库范围生成Web of Science检索式，列出同义词、布尔逻辑、限定字段和可能的噪声来源。这样的提示词把“思考过程”转化为可检查的任务清单，研究者再回到数据库验证检索结果。
以“生成式人工智能在高等教育中的应用”为例，可以让DeepSeek根据研究问题生成一组检索词，并要求输出检索式、适用数据库、时间范围建议和预期偏差。模型给出的检索式不能直接照搬，但可以作为起点，帮助研究者发现遗漏的同义词和相邻概念。进入文献筛选阶段后，提示词应要求模型按研究类型、样本特征、理论框架、主要结论和局限生成文献矩阵，并明确“只基于给定摘要，不补充外部信息”。这种任务拆解让DeepSeek在文献综述的前端承担结构化辅助工作，减少重复劳动，也让后续阅读和写作有统一的数据底座。
2. 让文献阅读形成可比较的证据表
阅读阶段的提示词重点在于结构化提取，而不是让模型复述摘要。研究者可以把单篇文献的摘要或允许使用的全文片段输入DeepSeek，要求它输出研究问题、理论框架、研究方法、样本与情境、核心变量、主要发现、作者明确承认的局限以及可复用的观点。提示词中应加入约束，例如“仅依据给定文本作答，文本未提及的信息标注为未提及，不得推测作者意图”。这种约束能降低模型过度补全的风险，也方便研究者逐项核对原文。对于多篇文献，可以要求模型按主题聚类，输出主题名称、支持文献、争议点和证据强度，但聚类结果仍需人工回到原文确认。
在实际操作中，一位研究生需要综述二十篇关于自适应学习的实证研究，可以先让DeepSeek按“理论视角、干预时长、样本学段、测量指标、结论方向”生成对比表，再要求它指出哪些结论存在样本或测量上的不一致。提示词可以写成“请比较以下五篇文献在研究方法上的差异，列出共识、分歧和可能的解释，不要给出文献未支持的因果判断”。模型生成的证据表不是最终稿，而是阅读笔记的骨架。研究者随后用Zotero或EndNote核对作者、年份、期刊和页码，把模型输出中的每条判断对应到原文位置。这样既利用了DeepSeek的归纳能力，也保留了文献综述所需的可复核性。
3. 用批判性提示词逼近研究空白
文献综述的价值在于批判性综合和研究空白的识别，提示词需要引导模型从描述走向分析。可以要求DeepSeek从理论框架、研究方法、研究情境、样本构成和测量工具五个维度寻找不一致，并区分“作者在文中明确承认的局限”和“基于文本比较推断的局限”。更进一步的提示词可以要求模型提出三种竞争性解释，并说明需要哪些证据才能裁决。例如在“人工智能辅助教学对学生学习效果的影响”这一主题下，模型可能归纳出现有研究多采用短周期干预、依赖自报告量表、缺少追踪数据。研究者需要把这些判断与原文逐条比对，确认它们是文献事实还是模型推断。
批判性提示词还应包含反例检验。可以要求DeepSeek在给出研究空白后，主动寻找可能反驳该空白的文献线索，或者指出哪些空白只是文献检索范围造成的假象。这样的提示词设计能让模型输出更接近学术审稿中的质疑，而不是一味顺着研究者的预设。需要提醒的是，DeepSeek的推断不能替代系统检索和人工阅读，模型提到的“证据不足”必须回到数据库确认。把批判性提示词用于生成待验证的假设，再用原文和检索结果筛选，才能让研究空白建立在可靠证据上，而不是建立在语言模型的流畅表达上。
4. 把提示词嵌入可复核的写作流程
写作阶段的提示词应服务于提纲优化、段落逻辑和语言润色，而不是替代核心论证。研究者可以先人工确定综述的主线和论点，再让DeepSeek生成两到三个提纲备选，要求每个提纲标明主题层级、支撑文献和逻辑关系。段落写作时，提示词可以要求模型按“论点、证据、解释、过渡”的结构检查段落，指出哪里缺少文献支撑、哪里出现概念跳跃。引用管理仍应使用Zotero或EndNote插入，避免让模型生成参考文献条目。对于模型给出的润色建议，研究者需要保留自己的学术语气，逐句判断是否改变了原意。
为了让流程可复核，提示词版本和模型输出应当留档，重要判断随机抽样回到原文核对。可以要求DeepSeek在输出时标注“来自给定文献的内容”和“分析建议”，方便后续区分事实与推论。以一篇关于“生成式人工智能与学术写作”的综述为例，研究者可以让模型根据已有文献矩阵生成写作提纲，再人工调整主题顺序，保留自己撰写的批判段落。提示词中写明“不得新增未提供的文献，不得虚构数据，遇到信息不足时列出需要补充检索的问题”，能够把模型限制在辅助位置。这样的写作流程既提高了文献综述的组织效率，也让每一步都有来源、有记录、有复核路径。
