如何撰寫提示以進行文獻回顧綜合

綜合有別於摘要，因為它需要辨識文本之間的關係、張力與模式，而非僅列出各自的內容。若要透過 AI 工具達成此目標，必須建構能強制進行比較分析的提示詞，並明確指示模型依據特定的分析架構來權衡證據。

摘要與綜合

許多研究者常將摘要與綜合混為一談，但兩者承擔不同的認知功能。摘要將單一來源的資訊壓縮為較短的版本，同時保留原本的邏輯與層級結構。相對地，綜合則是透過並置不同來源來創造新的意義。它探討的是論文 A 的研究發現如何修正、反駁或延伸論文 B 的結論。在使用 AI 時，預設行為往往是依序摘要：先處理這篇論文，再處理那篇論文。這會產生一份註釋書目，而非文獻回顧。

為避免此情況，請將提示詞的目標定義為建立概念地圖，而非摘要清單。AI 不應僅陳述每位作者的觀點，而應說明這些觀點如何互動。例如，若兩位作者採用不同方法卻得出相似結論，綜合應突顯該一致性以展現穩健性；若他們採用相似方法卻得出不同結論，綜合則應將該差異視為缺口或脈絡變數加以突顯。您的提示詞必須明確要求這種關聯性思考。若輸出結果看似摘要條列清單，則為失敗；若看似探討觀點如何在各來源間演變的論述，則為成功。

為比較分析建構提示詞

標準提示詞（如「總結這些論文」）僅會產生依序摘要。若要強制進行綜合，必須在指令本身中建立比較架構。與其要求摘要，不如請 AI 辨識所提供文件中反覆出現的主題、方法論轉變或理論張力。

有效的結構包含三個部分：脈絡、標準與輸出格式。首先，提供脈絡：「我正在檢視關於 [主題] 的文獻。」其次，定義標準：「比較這些論文針對 [特定變數] 所採用的方法論。」第三，定義輸出：「製作一個表格，對比每位作者如何定義此變數，並註明其定義出現分歧之處。」

透過指定分析視角，你可以避免 AI 僅是重述內容。這迫使它尋找特定的模式。例如，如果你要求「方法論一致性」，AI 將專注於方法的相似或差異之處。如果你要求「理論差異」，它將專注於概念架構。這種精確性確保輸出結果是對關係的綜合，而非事實的堆砌。

運用分析架構

通用的提示詞只會產生通用的結果。若要獲得深入的綜合分析，請在指示中應用既有的學術架構。這些架構如同過濾器，告訴 AI 哪些資訊屬於相關資訊。

考慮使用「方法論一致性」架構。指示 AI 根據樣本大小、持續時間和控制變數來評估每篇論文。要求它強調這些因素在文獻中的一致或不一致之處。這能揭示結果為何不同，而不僅是結果是什麼。

或者，使用「理論差異」架構。要求 AI 識別每位作者對主題所持有的潛在假設。作者 A 是否假設線性關係，而作者 B 則假設循環模式？透過迫使 AI 提取這些假設，你能創造出一種解釋發現背後邏輯的綜合分析，而不僅是報告發現。

Elicit 等工具在此處有助於將結構化數據點（如方法和結論）提取為可比較的格式。然而，分析判斷仍由你負責。你必須確保所選架構符合你綜述的修辭目標。如果你主張特定方法的優越性，請使用強調方法嚴謹性的架構。如果你是在梳理辯論，請使用強調觀點衝突的架構。

識別虛假綜合

AI 模型可能會產生虛幻的連結，這些連結在原始文本中並不存在。當模型試圖透過強行將不同的概念結合在一起以創造流暢的敘事時，就會發生這種情況。當 AI 聲稱兩位作者意見一致，但實際上他們處理的是不同的問題，或是當它將複雜的論點簡化為虛假的二分法時，就會出現「虛假綜合」。

為了修正這一點，請將 AI 輸出視為需要驗證的初稿。檢查綜合內容中提供的引用。作者 A 是否真的提出了歸屬於他們的觀點？當您閱讀他們的原始文本時，作者 A 與作者 B 之間的連結是否依然成立？通常，AI 會在兩個觀點之間建立一個看似合理但缺乏文本支持的橋樑。

使用 Consensus 等工具來檢查文獻中的實際共識程度。如果 AI 表示某個觀點有強烈共識，請驗證來源是否真的意見一致，還是它們只是對不同概念使用了相似的術語。虛假綜合往往依賴於表面的詞彙匹配，而非深層的概念對齊。務必閱讀 AI 引用的原始片段，以確保脈絡得以保留。

迭代精煉與反面證據

綜合是一個迭代的過程。來自 AI 工具的首次輸出很少是完美的。您必須運用自身的知識和額外閱讀來挑戰該綜合內容。當 AI 生成主題概覽後，請要求它識別反面證據。使用以下提示：「在这些文本中寻找与上述主要主题相矛盾的证据。」

這一步驟至關重要，因為綜合需要細膩度。如果 AI 呈現了一個統一的觀點，您必須探究其中的例外情況。是否有某項研究未能重複其他研究的結果？是否有後來的論文挑戰了早期著作的基本假設？將這些細膩之處帶入與 AI 的對話中。自行提供反面證據，並要求 AI 將其整合到現有的綜合內容中。

舉例來說，如果初步的綜合顯示出觀點的線性進展，請加入如下提示：「請注意，作者 C 引入了衝突觀點。這如何改變整體敘事？」這能迫使模型調整其結構。你並非僅是接受輸出結果，而是在共同建構論點。若這些衝突觀點在初始批次中並非顯而易見，可使用 SciSpace 等工具快速定位它們。

最終品質檢查

在定稿文獻回顧章節之前，請檢視綜合後的文本，確保邏輯連貫性與準確性。確認主題之間的轉換合乎邏輯，而不僅是風格上的修飾。檢查每個論點是否都有引用的來源作為支撐。驗證不同作者之間的區分是否準確，且未被過度簡化。

目標是透過多個來源的互動，形成一個連貫的論點。AI 協助組織並識別模式，但你的批判性眼光確保詮釋的有效性。使用 Zotero 管理來源，並追蹤哪些論文貢獻於哪些主題。這個組織步驟有助於你維持對回顧敘事弧線的控制。

本指南適用對象

本指南適用於需要高效處理大量文獻，同時維持分析深度的研究生與早期職業研究者。它專為那些理解摘要與綜合之差異，並希望利用技術處理比較之機械性層面的人士所設計。它不適合撰寫簡短描述性論文的本科生，也不適合偏好完全憑記憶寫作、無需外部組織輔助的研究者。如果你不打算將 AI 輸出結果與原始文本進行核對驗證，從長遠來看，此工作流程可能無法為你節省時間。