判断 Write For You 适不适合你手上的综述任务，通常不看题目大小，而看两件事：文献量级是否在你能读完并逐条复核的范围内，以及你要的是不是跨文献比对之后的判断。只是把十几篇文献串成有逻辑的叙述，工具可以承担初稿和结构整理；如果任务要求可复现的检索式、完整的筛选留痕、逐条能回指原文的结论强度分级，工具只能做辅助，检索与记录仍要人工完成。

判断顺序：先分类任务，再估分析深度，最后算复核成本。围绕已定文献做整合与叙述的综述，适合让工具起草；要求检索完整性、筛选记录和结论强度的系统综述，工具只能辅助。若三个提问中有任一项答案为否，可以先小规模试跑，再按试跑证据决定是用一轮就收手，还是长期纳入流程。

分清叙述性综述与系统综述的差别

这两类任务对文献处理的要求不在一个量级。叙述性综述围绕一个已圈定的文献集展开，重点是观点组织、脉络梳理和表达；系统综述把检索、筛选、评价本身当作成果的一部分，任何一处缺记录都会被质疑。先把自己的题目对到下面这张表里，再谈用不用工具。

页面行为上可以这样验证：把工具的配置项和输出文件翻一遍，看它有没有留下检索参数、纳入排除条件和筛选步骤。如果这些字段压根不存在，说明它默认走的是叙述性路径；系统综述里的检索与筛选章节，需要你另外维护一份记录表，不能指望工具输出替你补齐。

看自己的分析是否需要跨文献比对

工具真正省力的地方，是把多篇文献里的同类信息拉到一张对照面上，再做一致性判断。典型的跨文献比对问题通常长这样：几篇文献在同一指标上结论不一致，需要判断差异是不是方法学或样本差异造成的；需要把 A 研究的指标和 B 研究的指标放进同一张表；需要回答“哪些文献支持这个说法、哪些反对”。反过来，如果每篇文献各讲一段、彼此不交叉，任务就落在工具的正常能力内。

下面三个提问用来确认自己的任务够不够格，逐条回答即可：

1. 我的结论是否必须交代“哪些文献支持、哪些文献反对、分歧出在哪”？
2. 我是否需要把不同文献的样本、指标、结论放进同一张对照表才能成文？
3. 工具给出一个整合判断后，我能否把每一句回指到具体文献的具体段落？

三个都答“是”，说明分析深度已经超出自动起草能独立承担的范围，工具只能出对照草表，判断和责任仍在人这边；有任一为否，可以先把工具当写作骨架用。验证方式是抽三句整合性结论，回到原文找依据，找不到出处的句子就是过界的信号。

估算人工复核要花多少时间

把复核成本算进去，很多任务会从“值得用”变成“不如自己写”。复核清单通常包含：引用是否真实存在、作者年份卷期是否与原文对应、被引内容是否真的支持该句、强度词是否被放大（把“可能相关”写成“证实”）、章节顺序是否与检索式一致。逐条动作是打开原文、定位段落、标注为支持/部分支持/不支持，再决定这句是改、删还是补引用。

可以压缩的环节是排版、措辞润色、参考文献格式统一，这类工作交给工具不会影响结论。不能压缩的是事实核对、强度词校准和冲突结论的取舍。建议在试跑时用一个固定格式记录每条核对结果，便于统计：

引用ID, 原文位置, 支持程度(支持/部分/不支持), 处理动作(保留/改写/删除), 备注
R03, 第2节第4段, 部分, 改写, 原文限定为特定人群

记录表放在项目根目录，由你手工或脚本追加；复核结束用行数就能看出有多少条需要返工，不必凭感觉判断“差不多能用”。

挑一个小选题做完整试跑

用一次小规模实践代替猜测。建议规模控制在单一主题、8 到 15 篇文献、半天到一天能走完全流程，这样即使结论是否定的，损失也可控。试跑要覆盖从检索到成稿的完整链路，而不是只测生成一段文字。

观察点集中在四处：检索参数是否被记录下来、工具能否区分“文献说的是”和“它自己的推断”、跨文献比对是否给出可回指的出处、两次输出的差异能否用 diff 看清楚。给工具的任务说明可以按下面这个骨架写，替换方括号内容即可：

任务：围绕[主题]整理叙述性综述初稿
文献范围：[已下载的N篇，仅使用我提供的文件]
输出要求：每个论断后标注来源文献编号与段落位置
禁止：合并不同文献的指标，不得使用“证实/证明”等强断言
不确定时：写明“原文未交代”，不要补全

算成功的迹象是：抽检的引用都能回指原文、跨文献对照有出处、结构基本可用，你只需做局部改写。算不合适的迹象是：频繁出现原文没有的说法、把不同口径的数据并成一句、你必须整段重写才能用。把两类迹象都写进试跑记录，作为下一步决策的依据。

根据试跑结果决定用一轮还是长期用

决策依据建议落在四条可核查的条目上：人工抽检的引用能否全部回指原文；跨文献比对是否给出可核验出处；复核总耗时是否明显超过你自己写初稿的时间；过程中是否需要频繁推翻章节结构。四条都过关，可以考虑把工具纳入常规流程，长期使用；只要有两条不过关，就按一次性辅助处理，用完即止。

不适用的替代做法也有几种：把题目降级成叙述性综述，系统综述部分改由人工检索与筛选；拆成“工具做摘要与术语统一 + 人工做检索记录与强度判断”两段；或者干脆退回人工检索加表格整理，工具只用于语言润色。这几种做法的共同点是，把工具放在它可被验证的位置上，而不是让它替你做无法追溯的判断。