用AI写综述，你得学会“下指令”
用AI写文献综述这件事，不少人的期待最终落空。直接输入“写一篇综述”，你得到的往往是一篇看似全面、实则空洞的泛泛之谈——缺乏扎实的文献支撑，逻辑链条断断续续，最要命的是，该提到的关键学者和里程碑式研究统统缺席。这其实不是模型的问题，而是提问方式的问题。智谱清言GLM这类模型并不会主动去数据库里检索，它所有的输出都依赖你提示词中给出的线索密度和结构锚点。换句话说，如果你不给它搭好轨道，它就只能漫无目的地瞎转。
所以，真正的问题变成了：如何设计一套让GLM引擎能精准响应你学术意图的提示词？下面把这套方法拆开讲，每一步都关乎你能不能拿到一篇真正可用、能通过同行审视的综述文稿。
第一步：明确综述边界与核心要素
打开智谱清言App或者网页端，确保你用的是GLM-4或GLM-4V版本——低版本不支持万字长文本和多段落逻辑嵌套，很容易写到一半断掉。新建对话后的第一句话，必须用一条不可商量的公式锁定所有前提：【学科领域+时间范围+核心问题+文献类型】。
举个例子：“请围绕‘大语言模型在教育评估中的应用’这一主题，综述2020–2025年发表于SSCI一区期刊（如BJET、EER、LRQ）的实证研究，重点分析其评估维度设计、数据采集方式与效度验证路径。”
你只要漏掉其中任何一个，模型就会默认进入“猜你喜欢”模式——把“教育评估”自动扩展成“教育技术全领域”，把“SSCI一区”降级成普通期刊，甚至随手虚构一些论文标题。这听起来像是技术缺陷，但其实是GLM的机制本身如此：它天生倾向于补全模糊信息，而不是向你提问确认。
第二步：构建带层级锚点的提示词结构
四要素锁定之后，接下来要做的是插入强制分段指令和内容权重标记。这一步的核心，是用带括号的限定词给模型建立认知路标。GLM-4对括号内的补充说明响应极强，而纯文字描述比如“详细说明”之类，很容易被弱化处理。
一个经过验证的有效结构是这样组织的——请严格按以下结构输出一篇约8500字的学术综述，每部分独立成节，不加小标题编号，但保持逻辑递进：
① 开篇定义“教育评估”在此语境下的操作化内涵，并对比传统人工评估与LLM辅助评估的本质差异（需引用至少3项2024年后权威定义，如Pellegrino 2024, Shute & Wang 2024）；
② 主体部分分三层次展开：第一层列出现有LLM评估任务类型（自动评分/反馈生成/能力诊断），第二层对应每类任务，各举2项具方法论代表性的实证研究（注明作者、年份、样本量、核心指标），第三层指出各研究在信效度报告上的共性缺陷；
③ 结尾提出可操作的改进框架，包含数据层（标注规范）、模型层（提示词审计清单）、评估层（双盲交叉验证流程），每条建议须对应前文暴露的问题。
这个结构的关键词是“数字序号+括号内限定词”——‘操作化内涵’‘具方法论代表性’‘双盲交叉验证’这些都不是点缀，而是路标。你得让模型知道，你要求的是带方法论深度的分析，不是泛泛的背景介绍。
第三步：注入可信文献线索（非虚构但可验证）
GLM最让人头疼的问题之一就是虚构文献。解决方案其实很简单：别指望它自己去找，而是提前把你需要的真实文献直接嵌入提示词。有两种方法都很有效。
方法一是直接嵌入真实论文元数据。在提示词末尾追加这样一段：“以下为本次综述必须覆盖的7项关键研究（均真实存在且属近3年高引）：1. Kulkarni et al. (2024), 'LLM-as-a-Judge for Coding Assessments', ACL；2. Chen & Zhang (2024), 'Bias Amplification in Automated Essay Scoring', BJET；3. OECD (2024), 'AI in National Assessment Systems: A Global Scan'……”然后全部列出7项，每项都标明作者、年份、刊名或会议名以及主题关键词。
方法二是指定权威综述作为骨架参照。比如追加一句：“整体论述逻辑请参照Baker & Ocampo (2025) 在《Review of Educational Research》第95卷第2期发表的‘AI in Assessment: A Decade in Review’的章节推进方式，但所有案例与数据必须更新至2025年Q2。”
这里有个硬性要求：写的时候，必须写出作者+年份+刊名，不能只写‘参考某某文献’。GLM对模糊指代的理解和人类完全不同，它会把“参考某篇权威综述”理解为泛指，然后按自己的方式处理。
第四步：控制输出质量与规避幻觉
做到以上三步，你的提示词已经能拿到不错的结果了。但还有三个细节能决定最终质量是60分还是90分。
第一个细节：关闭智能补全。到设置里找到“高级选项”，把“自动续写”和“知识增强”这两个开关关掉。关上之后，模型会严格被你提供的提示词圈住，不再擅自添加自己没有概念的理论或虚构结论。
第二个细节：强制引用格式与留白机制。在提示词结尾明确写上：“所有引用必须采用APA第7版格式，作者姓氏+年份置于句末括号内；若某观点缺乏对应文献支撑，请写‘[待实证验证]’并空出两行，不得自行编造来源。”这一条特别关键——等于给了模型一个退路，当它没有把握的时候，不是去虚构，而是诚实地留白。
第三个细节：设定长度与段落节奏。追加指令：“全文目标字数8200–8800字；每自然段不超过280字；方法论批评部分需用项目符号分点，每点含1个具体缺陷+1个原始论文中的原文佐证（引号标出）。”
说到底，用GLM写学术综述这件事，本质上是一场“告诉模型你想要的，不给它任何自由发挥空间”的博弈。你给提示词的每个细节，都在帮它缩小搜索空间。那些觉得AI写不出好综述的人，多半是忽略了这一点：AI不是不能做高质量输出，而是你的提示词需要先完成从‘指令’到‘轨道’的转变。