开题季或者期末，很多人会遇到同一种状态：Zotero 里存了几十篇文献，笔记软件里也记了不少摘要，但坐下来真正动笔写综述，却发现脑子里是一团浆糊。不知道这些文章之间到底在争什么，也不知道自己的研究问题放进去算是填了哪个空缺。资料不是不够，是没有被真正比较过。
这件事麻烦在：文献综述要求你同时做两件性质不同的事——「读懂每一篇」和「看清它们之间的关系」。前者是理解，后者是分析。很多人把大量时间花在前者，到了后者就草草带过，结果写出来的综述像流水账，一篇接一篇地介绍，缺少真正的比较维度。
只扔给一个模型问「帮我总结这篇文章」，问题出在哪里
用 AI 辅助读文献已经很普遍了，但有一种用法几乎注定低效：把一篇 PDF 丢给某个模型，让它「帮我总结一下」，然后把输出直接贴进笔记，继续下一篇。
这样做有两个实际问题。第一，单模型的总结质量你很难判断——它可能漏掉方法论细节，可能把作者的假设当结论，也可能用你不熟悉的框架重新组织了论文结构。你没有对照，就不知道哪里可能出了偏差。第二，更根本的问题是：「总结每一篇」和「比较多篇之间的异同」是两个不同的任务。你可以把十篇文章都总结了，但如果没有一个横向对比的步骤，综述依然写不起来。
另一个常见误区是把模型当搜索引擎用——直接问「某某领域有哪些重要文献」，然后把模型列出来的文章名当作真实文献去引用。这条路风险很高：模型生成的文献列表可能包含根本不存在的论文，或者作者、年份、期刊名混淆的条目。用来找方向可以，但不能替代真实的数据库检索。
写综述之前，先把这个自检清单过一遍
下面这套流程不依赖任何特定工具，照着做就能把「一堆文献」变成「可以动笔的综述骨架」。
第一步：锁定检索边界（动笔前，约 30 分钟）
在正式读文献之前，先写下三句话：①你的研究问题是什么；②你关注的时间范围、地域或人群是什么；③你明确不打算覆盖的方向是什么。这三句话会帮你在后续筛选时快速判断一篇文章是否值得精读，也会成为综述引言部分的素材。
第二步：建立比较维度表（精读阶段，每篇 15–20 分钟）
为每篇文献填一张简表，列固定的几列：研究问题 / 理论框架 / 数据来源与方法 / 主要发现 / 局限性。列名可以根据你的学科调整，但一定要保持跨文献一致。这张表最终会成为你写综述时最重要的参考，因为它强迫你用同一套坐标去看不同的文章。
第三步：找争议点，不只找共识（比较阶段，约 1 小时）
把比较维度表横向扫一遍，重点找：哪些文章在同一个问题上得出了不同结论？哪些文章用了相似的方法但发现了不同的结果？哪些文章明确批评了之前的研究？争议点和分歧往往比共识更有综述价值，因为它们指向了领域内真正悬而未决的问题，也是你自己研究的切入点所在。
第四步：画一张「对话地图」（构思阶段，约 30 分钟）
不一定要用软件，纸上也行。把你找到的主要争议点或研究流派写成节点，把文章名标注在对应位置，用箭头或括号标出「谁在回应谁」「谁的发现和谁矛盾」。这张图会直接决定你的综述结构——每一个节点或争议线，就是综述里的一个小节。
第五步：写一段「研究空白声明」（动笔前的最后一步）
在正式起草综述之前，先用 150–200 字写下：现有研究做到了什么，还没做到什么，你的研究打算填哪个空缺。这段话不一定会原封不动出现在论文里，但它会帮你在写作时保持方向感，避免综述变成无目的的文献堆砌。
自检问题（写完初稿后对照）
- 每一段是否有明确的比较维度，而不只是「A 说……B 说……」的并列？
- 是否至少提到了一处领域内的争议或分歧？
- 研究空白的说明是否具体到了方法、样本或理论层面，而不只是「这个领域研究不足」？
- 引用的文献是否都经过真实数据库核实，而不是来自模型的「推荐」？
多模型对比怎么接进这个流程
上面的方法论做到第二步和第三步时，会遇到一个实际瓶颈：如果要精读的文献比较多，或者你对某个子领域不够熟悉，手动填比较维度表会很慢，而且你自己也不确定有没有遗漏关键维度。这时候，多模型对比可以作为一个校验层介入。
我用的是 DiffMind。它有一个文献检索入口（在侧栏「学术工具箱」里），可以按关键词查询学术文献，支持筛选、排序和详情查看，部分文献可以下载 PDF 全文或打开原文页面。找到的文献可以直接导入知识库，之后在对话里引用这些文件作为上下文——这样就不用在检索工具和对话窗口之间来回切换，文献检索和阅读讨论可以在同一个地方接起来。
真正有用的是它的对比模式：可以同时向多个模型提问，并列查看各自的回答，窗口之间相互独立，一个模型出问题不影响其他模型的结果。布局支持双屏、三列、四宫格等多种方式，可以根据当前任务调整。
在综述场景里，我通常这样用：
把两三篇已经导入知识库的文献引用进来，然后在对比模式里同时问多个模型同一个问题，看它们的回答在哪里一致、在哪里出现分歧。分歧的地方往往值得自己回去原文核实。
提问示例一（提取比较维度）：
「以下是我上传的三篇文献，请分别说明它们各自的研究问题、核心方法和主要发现，用表格形式呈现，不要合并或混淆不同文章的内容。」
提问示例二（找争议点）：
「这三篇文章在研究结论上有哪些明显的分歧或互相矛盾的地方？请具体说明是哪篇文章的哪个结论，以及它和哪篇文章的哪个发现存在张力。」
提问示例三（定位研究空白）：
「根据这几篇文献，你认为这个方向上还有哪些问题没有被充分回答？请区分方法层面的局限和理论层面的局限。」
把同一个问题发给多个模型，对比它们的回答，可以帮你发现单模型总结里可能遗漏的角度，也能让你对「这个结论是否可信」有更直观的判断。这不是替代你自己的判断，而是给你多一组参照。
需要说明的是：AI 对文献内容的解读仍然可能出错，尤其是在方法论细节和数据来源上。对比模式能帮你发现潜在的偏差，但核实工作还是要回到原文。
综述写不出来，多半是比较那一步没做
文献综述最常见的卡壳原因，不是文献读得不够多，而是比较没有真正发生。读懂每一篇和看清它们之间的关系，是两件事，需要分开做。
上面的自检清单可以直接复制去用，从锁定边界到写出研究空白声明，每一步都有具体动作。多模型对比可以在你填比较维度表和找争议点这两个环节介入，作为一个额外的校验层——但它是辅助，不是替代你自己读文献和做判断。
如果你现在正在准备综述，可以试试把已有的文献先导进 DiffMind 的知识库，用对比模式跑一遍上面的提问示例，看看多个模型的回答之间有没有值得注意的分歧。不保证一次就能理清所有思路，但至少能让你更快发现自己还没想清楚的地方。
场景与功能说明来自 DiffMind 产品知识库。
