读文献时能交给 Agent 的，通常不是“整篇读”，而是流程里判断依据写在输入材料内部、出错后你能一眼比对出来的动作。反过来说，凡是要定取舍标准、要带入本研究背景、会改变结论措辞的环节，交出去之后核对成本可能比自己读还高。先把自己的读文献流程写成节点清单，再逐个节点决定去留，比先选工具稳。

通常可以交出去的是：批量检索与去重、按已写明的条件打标签、按固定字段抽取结构化信息、生成初稿骨架。建议留在研究者手上的是：纳入排除的边界判断、精读时区分作者结论与推测、记录字段口径的敲定、写作里的立场表达。验证方式是用一篇已知结论的论文跑一遍，看偏差落在哪一类。回测只覆盖你熟悉的主题与文体，换领域需要重跑。

把一次读文献拆成检索、筛选、精读、记录、写作五个动作

先把流程写成节点，再决定哪一步交出去。同一套流程在不同题目下节点会变，但下面五段通常能对上，每个动作都要写清输入材料、产出物和判断依据。

• 检索：输入是研究问题加关键词集合；产出是候选列表（标题、摘要、来源、年份）；判断依据是关键词覆盖有没有跑偏、要不要补同义词。
• 筛选：输入是候选列表和纳入排除条件；产出是入选清单加排除理由；判断依据是纳入排除条件有没有事先写清、边界条目怎么处理。
• 精读：输入是入选文献全文或相关章节；产出是方法、样本、结论、局限的逐条摘录；判断依据是哪些句子算结论、哪些算作者推测。
• 记录：输入是精读摘录；产出是结构化条目（研究问题、方法、结论、可用点）；判断依据是字段口径是否统一。
• 写作：输入是记录条目和论点提纲；产出是综述草稿段落；判断依据是本研究的立场和限定条件。

标出每个动作里哪一步依赖领域判断

用三个问题过一遍上面的节点清单，能大致分出自动执行和人工拍板的部分。

• 是否需要取舍标准：如果判断依据只能靠你自己定的纳入排除条件或质量分级标准，这部分属于人工拍板。Agent 能执行标准，但标准缺失时不会替你发明一个可靠标准。
• 是否需要本研究背景：如果一条信息只有放进你的研究问题里才有意义，例如某方法在你的场景下算不算可比，这部分需要人工判断。
• 是否影响后续结论：如果这一步的输出会被后面直接引用、影响论点走向，即使它看起来机械，也建议人工复核。典型如把“在特定条件下成立”压成“普遍成立”。

按这三条回看：检索里的关键词扩展、记录里的字段填充、写作里的格式整理，通常可以自动执行；筛选的边界条目、精读中“哪句是结论”、记录字段口径的最终确定、以及写作中带立场判断的句子，通常需要研究者拍板。

为可交出去的环节写一条可复现的任务描述

模糊的“帮我读一下这几篇”没法复现，也不好判对错。可复现的任务描述要含四项：目标、输入材料范围、输出格式、停止条件。缺一项，Agent 就会用默认行为填补，而默认行为你事后很难核对。

目标：从给定文献列表中，筛出使用纵向追踪数据、样本为成年人、并报告了效应量的实证研究。
输入范围：只使用我粘贴的 30 条标题与摘要，不引入列表之外的信息，不补全缺失字段。
输出格式：表格，四列 —— title / 是否入选 / 判断依据（引用摘要原句） / 不确定原因。
停止条件：列表处理完即停止；摘要中没有写明样本年龄或研究设计的条目，一律标为“不确定”，不要推断。

这段可以当模板用，替换目标句、输入范围、输出列名和停止条件即可。停止条件里写“不推断”，比写“尽量准确”有用，因为猜测行为被明确关掉之后，你才能分清哪些条目是材料本身缺信息，哪些是判断出错。

用一篇已知结论的论文做小样本回测

回测选一篇你已经读透、结论清楚的论文，让 Agent 走一遍筛选或精读，然后逐条比对。目的不是打分，而是记录偏差落在哪一类。常见三类：漏要点，结论里的限定条件被丢掉；改限定条件，把“在某类样本中观察到”写成“普遍成立”；混入外部信息，输出了输入材料里根本没有的背景或数据。

比对时边看边记，偏差类型固定用几个词，方便后面统计哪一类反复出现：

步骤, 偏差类型, 输入中的写法, Agent 输出, 人工修正动作
精读-结论, 改限定条件, 在样本量较小的子组中观察到, 研究证明普遍成立, 改回限定表述并标注样本范围
精读-方法, 混入外部信息, 输入未提及样本年份, 样本来自 2010—2015 年, 删除该句并标为待查
记录-字段, 漏要点, 摘要提到两种测量方式, 只填了一种, 补齐第二项并统一字段口径

修正动作要具体到改了哪一句、补了哪个字段。只写“人工核对一遍”的记录，下一轮同样的偏差还会出现。

根据偏差决定保留哪几步人工复核

把回测里反复出现的偏差类型固化成固定复核点，之后每次跑同类任务按清单走，不再凭感觉决定看哪里。

• 筛选边界条目：触发条件是条目被标为“不确定”，或判断依据只引用了摘要半句话；处理方式是把这些条目单独拉出来逐条人工判断，不直接并入正式清单。
• 精读结论句：触发条件是输出里出现“证明、普遍、总是、所有”这类绝对表述；处理方式是回到原文确认限定条件，按原文改回。
• 记录字段一致性：触发条件是同一批条目字段缺失或口径不一，例如有的填样本量有的填样本类型；处理方式是先统一字段定义，再重跑一次抽取。
• 写作中的立场句：触发条件是草稿里出现评价性判断或对研究空白的断言；处理方式是全部由研究者改写，Agent 输出只作素材。

复核不通过时，不建议在同一轮里让 Agent 反复自行修正，容易把一种偏差换成另一种。更稳的做法是先补上任务描述里缺的那一项，多数情况是停止条件写得太松，然后重跑一次小样本，再决定这一环节是否继续外包。换到陌生主题时，这套复核点需要重新回测一遍再沿用。