git:20260804.ad7c276 to git:20260806.db9e8fc

- description: 综述文章的检索与筛选记录（乔淼PhD · AI学术训练营 · AI学术工作流 · 综述文章工作台 阶段②）。**Snyder 三型通用**——系统 / 半系统·叙事 / 整合式共用一套检索内核，按 选题.md 锚块的 review_type 切换终止规则与产出档位。AI 全自动跑完文献检索：概念块拆解 → 检索式多轮自动校准（种子文献召回 100% 才收敛）→ 全量抓取去重 → 题摘筛选建议 → 引文追踪补漏 → 全文获取与全文筛选（PDF 落盘 + Zotero 入库，调 lit-pdf-zotero 但不建金字塔）→ 产出论文可直接贴的三张表（检索记录表 S1–Sn 带命中数 / 纳入排除标准表 / PRISMA 流程四个数字）+ 待人工复核清单。检索引擎用 OpenAlex 开放 API（免登录免密钥，随 skill 附 scripts/oa_search.py），医学题目补 Europe PMC（MeSH）。AI 只出筛选建议不当第二评审。Trigger on："跑系统综述的文献检索"、"半系统 / 叙事综述建语料库"、"整合式综述选文献"、"自动检索并筛选文献"、"生成检索记录表和 PRISMA 数字"、"systematic review search"、"build the corpus for my narrative / integrative review"、"run the search and screening for my review"。

- 把综述文章的检索环节做成**可复现、数字能对账**的流水线。**Snyder 三型共用这一套**（历史原因名字里带 sr，不只服务 systematic review）。AI 干 80%（设计检索式、多轮校准、全量抓取、去重、题摘筛选建议、记账出表），剩下 20%（最终纳入判断、边界裁决、学科术语补漏）交给人。

- **产出不是"搜到的一堆文献"，是论文方法节能直接贴的三张表。**

- - **定型（第一件事）**：读 `RV_综述/01_选题/选题.md` 机器锚块的 `review_type`（systematic / semi-systematic / integrative），写进 `检索配置.json` 的 `review_type` 字段——**它决定可筛区间、超限处置与终止规则**，脚本按它切档。锚块缺失就问用户，不要默认 systematic。

- - **输出**：默认落项目根下的 `RV_综述/02_检索筛选/`；调用方给了路径以调用方为准。**`RV_综述/` 是综述文章在项目里的独立子树**（`01_选题` / `02_检索筛选` / `03_综合成文`），与实证论文那条线的 `01_选题` / `02_文献` / `04_数据` / `05_全文初稿` 彻底隔离——同一个项目里两条线可以并行，谁也不覆盖谁。**不要把综述的产出写进实证论文的目录**（尤其 `04_数据/研究发现.md`：两条线同名不同义，覆盖了从文件名看不出来）。

- - **检索引擎**：本 skill 目录下的 `scripts/oa_search.py`（OpenAlex 开放 API + Europe PMC）。**必须调用这个脚本，不要临时自己写检索代码**——脚本保证每次的检索记录格式一致、命中数可复跑。运行前设 `export OPENALEX_MAILTO=<用户邮箱>` 进礼貌池。

- - **质量标准**：对齐已发表 SLR 的主流做法（2 个以上信息源 + 概念块布尔式 + 限制器 + 题摘/全文两轮筛选 + 纳入文献参考文献回溯）。不追求 Cochrane 级的双人独立筛选与 MeSH 逐行检索——那两条必须由人完成，本 skill 只做到可交接。

- - **调用方覆盖约定**：调用方（工作台 prompt / 用户）显式给出的参数、输入路径、落盘路径与工具选择，一律覆盖本 skill 的默认；但本 skill 的方法步骤、硬约束与停点不可被省略或稀释——调用方若要求跳过某硬约束，以本 skill 为准并提示冲突。

- ## 三型档位（内核共用，规则按型切）

- | | systematic | semi-systematic | integrative |

- |---|---|---|---|

- | 报告规范 | PRISMA | RAMESES | Torraco (2005) |

- | 检索目标 | 穷尽识别全部合格研究 | 覆盖主要研究传统 / 主题，**不追求穷尽** | 覆盖构成概念论证所需的文献，**有目的抽样合法** |

- | 可筛区间 | 30–3000（>20000 必须收紧） | 30–3000（>50000 才算过宽） | 20–1000（>20000 才算过宽） |

- | 超限处置 | 继续 + 记协议偏离 | **启用分层抽样**，配额规则写进检索记录；不为压数字收紧式子 | 有目的抽样，**写明选择标准与理由** |

- | 终止规则 | 种子 100% 召回 + 命中落区间 + 本轮无改动 | **传统 / 主题饱和**：连续若干批无新主题，且各传统都有代表 | **概念覆盖**：概念矩阵每格都有文献 |

- | 筛选强度 | 全量过筛，题摘 + 全文两轮 | 全量抓；可按配额抽样筛，抽样规则入档 | 小语料，逐篇论证式选择 |

- | 出表（第 7 步） | PRISMA 流程图 + 三张表 | 检索记录表 + 选择流程说明 + **传统 / 主题覆盖表** | 检索记录表 + **语料构成说明** + 概念覆盖矩阵 |

- **不要把 systematic 的「穷尽」硬约束套到另外两型**——强推穷尽到整合式综述是方法学错误（Torraco 的选文由概念论证驱动）。反过来也不行：systematic 不许用"抽样"绕过全量筛选。

- ## 全局硬约束（任何步骤都不得违反）

- 1. **不编造文献。** 所有条目必须来自脚本实际返回的记录，带 DOI 或 OpenAlex ID。不得凭印象补充"应该还有一篇…"。

- 2. **AI 不是第二评审。** 筛选表里 AI 的判断写在 `ai_decision` 列，`reviewer_1` / `reviewer_2` 列一律留空给人填。**不得声称完成了双人独立筛选。**

- 3. **unclear 一律保留。** 摘要缺失、信息不足、边界模糊的记录标 `unclear` 进入人工复核，**不得为了缩短清单自动排除**。

- 4. **数字必须对账。** PRISMA 每个数字都要能从 records.csv / 筛选决定.csv 反算出来；对不上就报错，不许四舍五入或估算。

- 5. **检索源如实报告。** 方法节必须写明"检索源为 OpenAlex（+ 补充源）"，不得表述成 Scopus / Web of Science 检索。局限节要写明未使用受控词表与商业库，**以及未检索中文数据库**（除非确实人工检索了并有记录）。

- 6. **不因为跑不动就改纳入标准。** 命中过多要收紧的是检索式（加概念块 / 收窄泛词），不是偷偷提高纳入门槛。任何标准改动写进"协议偏离"记录。

- （semi-systematic / integrative 允许**抽样**，但抽样 ≠ 改标准：**抽样规则与理由必须写进检索记录**，且不得事后按结果调整。）

- 7. **规模不达标不是失败。** 命中落在本型区间之外时按上表处置——降级、抽样、记偏离都是合法出路，**硬凑一个漂亮数字才是错**。

- 8. **不中途讨许可。** 本 skill 的每一步都设计成一口气跑完。**除了下面明确写出的三类停点，不得停下来征求"要不要继续"**——尤其不得逐批汇报筛选进度。三类合法停点：① 守卫触发（权威输入缺失 / 数字对不上 / 命中超过本型的过宽阈值）；② 上下文预算将尽（必须先写盘并报出续跑位置再停）；③ 一步跑完后的收尾汇报。**"数量大、要花时间"不是停点**——写盘续跑，别问。

- 读 `选题.md`（或用户口述）→ 把研究问题拆成 **2–4 个概念块**（PICO / PECO / SPIDER / 自定义均可，教育与管理类常用简化的 PIO）。

- 写成配置文件 `RV_综述/02_检索筛选/检索配置.json`：

- {"name": "采纳", "terms": ["adoption", "implementation", "usage"]},

- 看两个指标改式子：

-

- - **种子召回 < 100%** → `recall` 会指出是哪个块（或哪个限制器）把它挡掉了。给那个块补同义词；若是限制器挡的，判断该限制器是否真有学术理由，没有就删掉。

- - **命中数**：按上面「三型档位」表的可筛区间与超限处置判断——`probe` 会直接按 `review_type` 打印本型的区间、处置建议与终止规则，照它执行。<30（integrative <20）一律是偏窄，给命中最少的块补同义词。

- **收敛条件（三条同时满足，可机器判定）**：种子召回 100% && 命中落在本型可筛区间 && 本轮相对上一轮无改动。

- **上限 5 轮。** 5 轮仍不收敛时按命中数分流，**不要停下来让用户在方案之间选**：

- - 命中 ≤ 本型的过宽阈值 → **自动接受当前检索式继续往下跑**（第 3 步），把"未收敛 + 原因 + 每轮迭代史"写进检索记录的协议偏离节；semi-systematic 同时定下抽样配额规则，integrative 同时写明选择标准。收尾汇报时一并告知用户。

- - 命中 > 过宽阈值 → 停下，列出每轮检索式、命中数、未召回种子与诊断，说明卡在哪。

- **种子召回不了且诊断为不可修复时**（概念只出现在全文、题摘完全不提），记录该事实并继续，**不要删掉这个种子**，也不要为它无限加词。

- 得到 `records.csv` / `.jsonl`（含 DOI、题名、年份、期刊、作者、被引数、摘要、命中了哪几个块）。记下三个数：**原始命中数、去重后待筛数、摘要覆盖率**——直接抄脚本打印的 `PRISMA · Identification` 那行，不要自己相减。

- **PRISMA 的数字必须来自不带 `--cap` 的完整抓取。** `--cap` 是试跑用的，加了它脚本会明确打印"被截断、没抓完"——那种结果只能当样本看，**未抓取的部分不是去重差额**，写进 PRISMA 就是错的。另外 OpenAlex 的 `meta.count` 是估算值，与翻页实际遍历数可能差几条，脚本会在有出入时提示，**以遍历数为准并在方法节说明**。

- - 中文文献：**本 skill 的自动检索不覆盖中文核心期刊**。OpenAlex 的覆盖来自 Crossref DOI，而 CNKI 系核心刊基本不注册 DOI——实测《中国电化教育》在 OpenAlex 只有 915 条（该刊年发文两百余篇）、AI 主题命中 10 条，《电化教育研究》8 条，《中国高教研究》2 条，且多无 DOI、无摘要，概念块检索几乎召回不到；加 `language:zh` 跑出来的主要是有 Crossref DOI 的开放获取刊，不是核心期刊。**要做中文综述，须另行人工检索 CNKI / 万方 / 维普并如实写进方法节**（可把导出的题录用 `add` 子命令并进台账，`found_via=cnki:<检索式>`，PRISMA 里单列为一个信息源）。不要把 OpenAlex 的中文命中当成中文数据库检索的替代。

- ### 第 4 步 · 题摘筛选（连续跑，AI 出建议）

- **4.1 建台账（排序，不排除）**

- python3 <skill>/scripts/oa_search.py rank -i RV_综述/02_检索筛选/records.csv -c RV_综述/02_检索筛选/检索配置.json \

- -o RV_综述/02_检索筛选/筛选决定.csv

- 按"题名命中概念块数 → 摘要命中块数 → 有无摘要 → 被引数"排序，输出带 `seq` 的空台账。**只排序不排除——PRISMA 要求每条记录都要过筛，一条都不能少。**排序的作用是：万一中途停下，已筛的是最可能相关的那批，而不是按抓取顺序切出的有偏前缀。

- **4.2 连续筛（关键：分批是内部颗粒度，不是汇报节奏）**

- 按 `seq` 顺序，每次在脑子里处理约 40 条（判得准的颗粒度），逐条给：

- - 判不准 → `unclear`。宁可多留。

- - 量大时可以先过一遍题名（只排明显的人群/场景不符，绝不用需要读摘要才能判的标准），再对推进的读摘要；两遍**连着跑完，中间不汇报**。用 `pass1` 列记进度（`exclude` / `advance` / `pass2-done` / `locked-noabs`）。

-

- **每处理完一批，写一个分片文件** `RV_综述/02_检索筛选/筛选决定-partNNN.csv`（列只需 `uid, pass1, ai_decision, ai_reason`），**然后立刻继续下一批——不要停下来汇报，不要问"要不要继续"**（硬约束 7）。分片写盘是为了随时可续跑，不是交互点。

-

- **4.2b 抽样（仅 semi-systematic / integrative，systematic 不适用）**

- 命中远超可筛区间时，这两型可以**抽样筛**而不是全量筛——但必须：① 抽样规则**事先**写进 `检索记录.md`（如"每年 × 每学科取被引前 N"、"每个研究传统至少 M 篇"）；② 用 `rank` 的排序做分层依据，**不得随手挑**；③ 未筛部分在台账里保留、`pass1` 标 `not-sampled`，**不算排除**；④ 产出里如实写明"本综述采用抽样筛选，未穷尽"。

- **事后按结果调整抽样规则 = 改标准，不允许。**

- **4.2c 手工补充（书 / 书章 / 库外经典）**

- OpenAlex 对专著与书章的覆盖弱于期刊论文，整合式综述尤其容易漏掉最重要的一批：

- python3 <skill>/scripts/oa_search.py add -b RV_综述/02_检索筛选/筛选决定.csv \

- --dois 10.xxxx/yyy --csv 手工题录.csv --reason "概念奠基专著"

- 补进来的记录 `found_via = manual:<理由>`，走同样的筛选流程，**PRISMA / 选择流程说明里单列为「其他方法识别的记录」，不得混进数据库检索命中数**。

-

- **4.3 合并 + 报进度**

- ```bash

- python3 <skill>/scripts/oa_search.py merge -b RV_综述/02_检索筛选/筛选决定.csv -p RV_综述/02_检索筛选/筛选决定-part*.csv

- ```

- `merge` 会把判定写回台账、拒绝 AI 填写人工列、并报出"已筛 X/N + 续跑从 seq=? 起"。

- **跑不完怎么办**：上下文预算将尽时，先跑 4.3 写盘，再停，并在汇报里写清 `已筛 X / N，续跑从 seq=Y 起`。下次收到"续跑筛选"时，从台账第一条 `ai_decision` 为空的记录接着跑，**不重筛已判定的**。

- `seq, uid, doi, title, year, journal, has_abstract, n_blocks_hit, found_via, oa_url, pass1, ai_decision, ai_reason, pdf_status, ft_decision, ft_reason, reviewer_1, reviewer_2, final_decision, note`

-

- AI 可写 `pass1 / ai_decision / ai_reason`（本步）与 `pdf_status / ft_decision / ft_reason`（第 6 步）；

- 最后四列 `reviewer_1 / reviewer_2 / final_decision / note` **永远留空**给人填，`merge` 会拒绝 AI 写入。

- ### 第 5 步 · 引文追踪补漏（一轮，自动）

- **前提：第 4 步已全部筛完**（`merge` 报「全部筛完」）。**没筛完就先把第 4 步跑完，不要提前做引文追踪**——用一个不完整的 include 集去追踪，追出来的补漏集也是偏的。

- 对第 4 步 `include` 的记录做双向追踪（对齐已发表 SLR 的"翻纳入文献参考文献"这一步）：

- python3 <skill>/scripts/oa_search.py cite -c RV_综述/02_检索筛选/检索配置.json \

- --dois-file RV_综述/02_检索筛选/included_dois.txt --known-csv RV_综述/02_检索筛选/records.csv \

- -o RV_综述/02_检索筛选/补漏 --min-blocks 2

- 补漏集走同样的第 4 步筛选（`rank -i RV_综述/02_检索筛选/补漏.csv` 建一份自己的台账，或与主台账合并后续筛），`found_via` 保留为 `citation:backward` / `citation:forward`，PRISMA 里单列成"其他方法识别的记录"。**只做一轮**，不递归。

- ### 第 6 步 · 全文获取与全文筛选（PRISMA 的全文评估段）

- **前提：第 4 步已全部筛完、第 5 步引文补漏也筛完。** 这一步产生 PRISMA 的「全文评估数 / 全文排除数（按理由）/ 最终纳入数」——**没有这一步，PRISMA 是断的，综述也无法进入综合**。

- **6.1 取全文**：对象 = 全部 `ai_decision ∈ {include, unclear}` 的记录（unclear 也要取，它们正是要靠全文才能判的）。

- 顺序：① 台账 `oa_url` 直接下载（`rank` 已把 OpenAlex 的 OA 链接带进台账；台账该列为空时从 `records.csv` 按 DOI 取）；② 调 `lit-pdf-zotero` 做批量获取与入库，**override 掉它的 PXYV 部分**——见 6.3；③ 仍拿不到的走 `scansci-pdf`（机构 / 多源）；④ 最后仍无全文的标 `pdf_status = not-retrieved`。

- PDF 落 `RV_综述/02_检索筛选/pdf_download/`（命名 `AuthorYear.pdf`）。台账写 `pdf_status` ∈ `oa` / `retrieved` / `request-sent` / `not-retrieved`。

- **「找不到全文」与「不符合纳入标准」是两件事，分开记**——前者是 PRISMA 里单列的一类，不许混进排除理由。

- **6.2 全文筛选**：逐篇按标准表判定，写台账 `ft_decision` ∈ {include, exclude, unclear} + `ft_reason`（排除只记**一个首要理由**）。

- - 这一层才判得了「只出现在结果表里」的闸门标准（如是否报告了某种分层结果）——题摘层判不了的都留到这里。

- - `pdf_status = not-retrieved` 的 → `ft_decision = unclear`，理由记「全文未获取」，**不得当作排除**。

- - 仍判不准 → `unclear`，留给人。

- - 分片写 `筛选决定-partFTNNN.csv`（列：`uid, pdf_status, ft_decision, ft_reason`），跑完 `merge`。**同样不逐批汇报**（硬约束 7）。

- - `merge` 会分两段报进度：题摘 X/N，全文 Y/M（M = include + unclear）。

- **6.3 入 Zotero**（**在 6.2 全文筛选之后做**——要先知道谁 include）：调 `lit-pdf-zotero`，**明确 override**：

- - **不建金字塔**——`Classic / Key Texts / Supporting-P/X/Y/V` 是 PXYV 那套，综述文章不用。

- - **只入 `ft_decision = include` 的文献**——Zotero 里这个集合就等于本综述的最终纳入集，打开就是能写进论文的那批。

- - `ft_decision` 为 exclude / unclear 的、以及 `pdf_status = not-retrieved` 的，**PDF 只落 `RV_综述/02_检索筛选/pdf_download/`，不进 Zotero**；它们在台账里查得到，不会丢。（6.1 取全文时调 `lit-pdf-zotero` 只用它「多渠道找 PDF」的能力，**那一步不入库**。）

- - **不出金字塔分布图，也不出 PXYV 罗盘图**——改在第 7 步出 PRISMA 流程图。

- - 其余（多渠道找 PDF、逐条入库、入库报告）照 `lit-pdf-zotero` 原样执行。

- 最终纳入集**只在这一步之后**才成立，交给 `lit-verify` 做一次 DOI / 题录验真，再进入综合（`review-synthesis`）。

-

- ### 第 7 步 · 出表 + 复核清单（产出按型）

-

- **可以分两趟出表**（工作台 ②C → ②D 就是这个用法）：全文阶段之前先出一版——检索记录表、纳入排除标准表、PRISMA 到题摘段照实算，**全文评估 / 全文排除 / 最终纳入三段留空标「待全文阶段回写」**，待复核清单先列题摘层的 include + unclear 交人过目；等第 6 步跑完再回来补齐那三段并**全表重新对账**，待复核清单换成全文层的 `ft_decision`。好处是人先过一眼清单，再决定给哪些文献花时间取全文。

- **systematic** 出下面 1–4 全套。**semi-systematic**：1、2 照出，3 改为「选择流程说明」（PRISMA-style 流程图可选；必须写清抽样规则与各阶段数量）并**加一张传统 / 主题覆盖表**（每个研究传统各命中几篇）。**integrative**：1、2 照出，3 改为「语料构成说明」（为什么是这些文献、有目的抽样的标准与理由）并**加一张概念覆盖矩阵**（概念 × 文献，标出空格）。

- `| # | 概念块 / 步骤 | 内容 | 命中数 |` 的 S1–Sn 表（`probe` 直接给），加上：检索日期、检索源、完整可复跑检索式、限制器及理由、迭代过程（第 2 步每轮）。

- `| 维度 | 纳入 | 排除 |`，维度如可得性、样本、学科、研究设计、文献类型、语言、年份。

- 3. **PRISMA 流程数字** → `RV_综述/02_检索筛选/PRISMA流量.md`

- 识别（各源命中数）→ 去重删除数 → 待筛数 → 题摘排除数 → 全文评估数（= 第 6 步 `ft_decision` 非空数）→ 全文未获取数（`pdf_status=not-retrieved`，单列，不算排除）→ 全文排除数（按 `ft_reason` 分组）→ 最终纳入数。**每个数字标出从哪张表哪一列反算得来**；对不上就停下报错。

- 只列人真正要看的：全文阶段的 `ft_decision = include` 与 `unclear`（各带 AI 理由与 PDF 状态）——题摘层的 include 已经过了全文这一关，不必重列，加一节「需要你确认的三件事」——① 概念块是否漏了本学科行话；② 是否需要去 Scopus / WoS 复核一次纳入集（投保守期刊时）；③ 边界记录的裁决。

- **筛选未跑完时**：三张表照出，但每一份产出的**开头必须放醒目警告**——已筛 X/N（百分比）、剩余 Z 条未筛、题摘排除数与纳入数都是部分值、不得据此绘制 PRISMA 流程图或撰写方法节，并写清续跑位置。**不得把部分结果呈现成最终结果。**

- 最后给会话内小结：各步数量链、卡住的地方、协议偏离、以及"人接下来要做什么"。

- - 最终纳入集验真 → `lit-verify`（第 6 步之后跑一次）。PDF 获取与 Zotero 入库的**机械动作**由第 6.3 步调 `lit-pdf-zotero` 完成（带 override，不建金字塔）；全文层的**学术判断**在第 6.2 步，属本 skill。

- - **综述文章的三型都走本 skill**（内核共用，按 `review_type` 切档）。`literature-search`（PXYV 金字塔）是给**实证论文**定位理论坐标用的，对综述文章是错的产出形状——审稿人问的是"你怎么选的文献"，金字塔答不了。

- - 成文 → `review-draft`（按 PRISMA / RAMESES / Torraco 报告规范）。