AI 科研 · 02

第二讲 CC辅助文献检索与管理

一、核心框架:文献检索三阶段

文献检索不是单点动作——它是一条三段式的流水线。多数研究者只做中间那一段,导致前端被信息流甩在后面、后端读完即忘。

文献检索三阶段

三段分别是:

  • ① 发现——掌握本领域有什么新动态、最近有哪些方向出了好论文
  • ② 精准——为某个具体问题,系统化地把相关文献搜全(CSSCI / WoS / Scopus / PubMed)
  • ③ 管理——把搜到的文献读懂、归类、关联,建出你能复用的知识库

提醒:大部分人只做了”精准”这一阶段的一半,“发现”和”管理”两头都是空白——一头追不上学科动态,一头读完就忘。

二、CC 文献检索 vs 传统方式

把 CC 接进文献流程之后,最直接的变化不是”它替你想”,而是它替你跑、替你抄、替你织网——你的脑力被释放出来做判断、做对比、做研究问题本身。

CC vs 传统检索

三、三套术操作指南

对应三个阶段,本讲提供三套实操”术”。每一套都是一个可复用的 prompt 模板 + 工具组合。

三套术

术 1:发现术(Scholar-Scout)

适用场景:研究方向已定,但你不知道这周/这个月有什么新论文出来;想让 AI 替你”盯学科”。

操作

下载 → 解压 → 把 skill 文件夹放进 skills/。然后在 CC 里发一句:

今日论文推荐

Scholar-Scout 会自动按你 CLAUDE.md 里的研究方向,去抓最近的英文/中文新论文、列出标题摘要并打上推荐理由。

术 2:精准术

适用场景:手头有一个具体的研究问题,需要按主题系统地把相关文献都搜出来——不论是为 CSSCI 投稿、课题申报,还是做元分析/系统综述。

2.1 中文 · 知网高级检索

最常见的 C 刊场景。把这段直接发给 CC:

帮我在知网做高级检索:
主题词:[你的关键词]
来源期刊:CSSCI
排序方式:被引量从高到低
提取前 20 条的题目、作者、期刊、年份、被引量、摘要
保存为 Excel

CC 自动执行的动作:打开 Chrome → 进入知网高级检索 → 勾上 CSSCI 来源 → 选好排序 → 翻页抓题录 → 保存到本地 Excel。

2.2 英文多库 · SSCI / 元分析

英文文献要做得严谨,往往要跨多个库——而每个库的检索语法都不一样,手写极容易漏。

我要做一个关于 [你的研究问题] 的系统综述。
帮我生成 PubMed、Web of Science、Scopus 三个数据库的检索式。
要求:
- 基于 PICO 框架
- 包含同义词扩展(含 MeSH/keyword 形式)
- 适配每个数据库的字段语法(PubMed 的 [Title/Abstract]、WoS 的 TS=、Scopus 的 TITLE-ABS-KEY 等)

关键提醒:三个库的语法各有”方言”。CC 比你自己手写更全、更不容易漏同义词。生成之后记得用一个小测试集验证一遍,再批量去跑。

术 3:管理术——三层工具组合

读完搜回来的文献只是开始,真正难的是让这些文献”沉淀成你自己的知识”。这一层我们用三套工具,从轻到深叠加:

管理术三层工具

3.1 轻层 · NotebookLM(先速读一遍)

适用场景:手上有 5–10 篇论文,想用最少的力气快速看清楚每篇讲了什么、互相之间什么关系。

操作步骤

  1. 打开 NotebookLM(要 Google 账号)
  2. 新建 Notebook,把 3–10 篇 PDF 拖上去(会员上限 300,非会员 50)
  3. 把下面这段「AFP 六层递进精读」prompt 发给它:
请对这些论文做六层递进分析:
第 1 层:基础信息(标题 / 作者 / 期刊 / 年份 / DOI)
第 2 层:研究设计(研究问题 / 假设 / 方法 / 样本)
第 3 层:核心发现(主要结果 / 效应量 / 显著性)
第 4 层:理论贡献(理论框架 / 创新点)
第 5 层:方法论评价(优势 / 局限 / 可改进之处)
第 6 层:与我的研究方向([填你的方向])的关联
输出为结构化对比表格

产出:一张大表,6 列把每篇论文的关键信息列齐——一眼就能比出来哪几篇接得上你的方向。

优势:免费、不消耗 CC token、批量读 10 篇比逐篇精读快 10 倍以上。

3.2 中层 · 飞书表格(建一个能长期维护的文献库)

适用场景:长期跟踪某个研究领域,需要带筛选 / 分组 / 排序的”专业管理视图”——把读过的文献当成 CRM 来管。

操作

这里附一份模板(直接点开复制即可)。

点击「使用模板」,存到你自己的飞书云文档里,数据就只属于你——别人看不到。

飞书表格能做的”狠”事

  • 理论框架分组 → 看哪几篇在用同一个理论
  • 年份排序 → 看一个概念是怎么演变的
  • 方法筛选 → 只看纵向研究 / 只看实验研究

3.3 深层 · Obsidian + CC(织一张属于你的知识网)

适用场景:精读论文、建概念网络、发现研究缺口——把读过的东西真正”内化”成自己的理论资产。

⚙️ 前提配置(一次性,两步) 第 1 步:升级 Obsidian 到 1.12+,开启 CLI

设置 → 关于 → 检查更新;更新到最新后,Settings → Core Plugins → 开启「Command Palette」和「Local REST API」(或直接在设置里找 CLI 选项)。

不开 CLI,CC 也能直接读写你的 .md 文件(走文件系统);开了之后 CC 还能控制 Obsidian 本体——比如自动打开某篇笔记、触发图谱刷新。推荐开。

第 2 步:装 obsidian-cli skill(让 CC 能给 Obsidian 发命令)
安装这个 skill:https://github.com/kepano/obsidian-skills

常规用法

读一下这篇论文 [论文路径.pdf]

CC 会自动产出:

  • 研究问题与假设
  • 方法设计(样本 / 变量 / 分析方法)
  • 核心发现(效应量 + 置信区间)
  • 方法论评价(优势与局限)
  • 与你研究方向的关联

概念库五分类:每读一篇 CC 会自动提取概念并归类——读得越多,你的概念库越厚、越互相打通。

双向链接:概念之间互相 link,最终织成一张网状的知识图谱。在 Obsidian 的 Graph View 里你能看到这张网整体的形状——这才是研究者真正的”长期资产”。

AI 洞察:让 CC 反过来分析你的概念库,找出你自己没意识到的理论联系和潜在缺口:

分析一下我的论文笔记库,告诉我:
1. 哪些概念出现频率最高、连接最密集?
2. 有没有我可能忽略的理论关联?
3. 根据现有文献,推荐一个可能的研究缺口

四、Skill 安装清单

本讲用到的 skill 分两类安装方式。

直接安装(附件已含,复制到 skills/ 目录即可)

详细步骤见附件 README-安装指南.md

另行下载(一平老师开发的知网高级检索 skill)

让 CC 自动下载即可:

帮我下载这个 skill 并放进 skills/:
https://github.com/yipng05-max/-skills/tree/%E7%9F%A5%E7%BD%91%E9%AB%98%E7%BA%A7%E6%A3%80%E7%B4%A2skill

依赖:Chrome DevTools MCP + pip install openpyxl(让 CC 自己配置安装即可)。

安全提醒

装了 skill-vetter 之后,以后从 GitHub、ClawdHub 或别人手里拿来的任何 skill,安装前先跑一句:

帮我审查一下这个 skill:[文件夹路径或链接]

CC 会检查是否有恶意代码、外泄数据、越权访问,给一个安全评级。“先审再装”养成习惯——skill 是会跑在你电脑上的,安全意识不能少。

五、课后作业

提交:NotebookLM 批量精读表格截图 + 概念库截图 + 检索式文档

截止:下节课之前

有问题随时在群里问,不用等到下节课。

六、三个带走的东西

  1. 三阶段不能跳:发现 → 精准 → 管理,覆盖完整才不漏
  2. CC 不只是搜索工具,是知识管理系统:它帮你搜、帮你读、帮你归类、帮你织网
  3. 文件落盘是铁律:检索式、读书笔记、概念库——全部存到磁盘上,让积累有载体

附:四个官方文档处理 skill 一键安装

把下面这段发给 CC:

帮我安装这几个 skill:
https://github.com/anthropics/skills/tree/main/skills/pdf
https://github.com/anthropics/skills/tree/main/skills/pptx
http://github.com/anthropics/skills/tree/main/skills/docx
https://github.com/anthropics/skills/tree/main/skills/xlsx

装完之后 CC 就能直接读写 PDF / PPTX / DOCX / XLSX——你拖到对话窗口里它都认。