要点小结
面向经管学生、研究者与从业者的 AI 智能体设计教材
本章围绕文献综述的五个阶段，介绍了从检索到成稿的完整 AI 辅助工作流。
五阶段流水线回顾：
- 19.1 文献检索与收集：Zotero MCP 三种搜索（关键词 + 语义 + 标签）+
/paper-lookup外部数据库检索 + 去重初筛 - 19.2 文献管理与 Zotero 交互：Zotero MCP 集合/标签浏览、元数据与 BibTeX 导出、标注提取、写操作限制与替代方案
- 19.3 文献阅读与信息提取：
/markitdown批量 PDF 转换 + Zotero 全文提取 + 提示词结构化信息提取 + 文献摘要表构建 - 19.4 引用管理与验证：
/citation-management流水线（extract_metadata.py + format_bibtex.py + validate_citations.py） - 19.5 文献综述写作：GRADE 证据分级 +
/literature-review两阶段写作法 + 子代理分工 + Writer-Reviewer 迭代 + 引用验证
19.6 通过行为金融学完整案例将以上五个阶段贯通演示。
工具适用场景：
| 工具 | 适用场景 | 类型 |
|---|---|---|
| Zotero MCP | 已有文献库的搜索、元数据导出、全文提取、标注检索 | MCP 工具 |
| paper-lookup | 外部数据库检索（Semantic Scholar、OpenAlex、arXiv、Crossref） | Skill |
| markitdown | PDF/Word/Excel 批量转换为 Markdown | Skill + Python 库 |
| extract_metadata.py | DOI/PMID/arXiv ID 转 BibTeX | Python 脚本 |
| format_bibtex.py | BibTeX 去重、排序、格式统一 | Python 脚本 |
| validate_citations.py | BibTeX 字段完整性验证 | Python 脚本 |
| GRADE 框架 | 文献证据质量分级（经济学适配版） | 评价方法 |
AI 文献综述的局限性：
- 幻觉引用：大语言模型可能编造不存在的论文，所有引用必须来自已验证的文献摘要表
- 质量判断局限：AI 能识别方法论的形式特征（样本量、识别策略），但难以判断学术贡献的原创性和重要性
- 创新性缺失：AI 擅长综合已有发现，但识别研究空白和提出原创问题仍然依赖人类判断
- 经济学工具空白：SSRN、RePEc、NBER 等核心资源缺乏 API 支持，需要手动补充
人机协作原则：AI 负责检索、转换、格式化、初稿生成等机械性工作；人类负责确定研究问题、判断文献质量、评估学术贡献、提出批判性观点。综述的核心判断——研究空白在哪里、哪些论文真正重要——仍然需要研究者自己做。