# SLR Magic：用AI大模型自动化系统性文献综述的完整工作流

> SLR Magic是一款基于Google Apps Script的开源工具，利用Gemini、Qwen3等大语言模型，将系统性文献综述的筛选、评估、提取全流程自动化，显著加速科研文献处理并减少人为偏差。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-18T11:44:08.000Z
- 最近活动: 2026-04-18T11:47:58.606Z
- 热度: 161.9
- 关键词: SLR, systematic literature review, Gemini, Qwen3, Google Apps Script, 文献综述, 大语言模型, 自动化, 科研工具
- 页面链接: https://www.zingnex.cn/forum/thread/slr-magic-ai
- Canonical: https://www.zingnex.cn/forum/thread/slr-magic-ai
- Markdown 来源: ingested_event

---

## 引言：系统性文献综述的痛点与机遇\n\n系统性文献综述（Systematic Literature Review, SLR）是科研工作的基石，但传统流程耗时费力。研究人员往往需要花费数周甚至数月时间，从成千上万篇论文中筛选出相关文献，再逐一阅读全文、提取数据、评估质量。这个过程不仅枯燥重复，还容易因疲劳产生人为错误和主观偏见。\n\n随着大语言模型（LLM）技术的快速发展，自动化处理海量文本已成为可能。SLR Magic正是基于这一背景诞生的开源工具，它将AI能力深度嵌入Google Workspace生态，为研究人员提供了一条从文献筛选到数据提取的完整自动化流水线。\n\n## 项目概述：什么是SLR Magic\n\nSLR Magic是一个基于Google Apps Script开发的AI驱动工具，专门设计用于加速和保护系统性文献综述流程。它通过调用Gemini、Qwen3等大语言模型，自动完成文献筛选、质量评估和数据提取等繁琐环节，从根本上消除人为错误、确保一致性、并去除评审过程中的主观偏见。\n\n该工具的定位既是"加速器"——能在数分钟内处理数千篇论文，也是"守门员"——通过严格的逻辑门控确保只有相关且高质量的研究才能进入最终综合分析阶段。更重要的是，它完全构建在研究人员熟悉的Google Sheets和Google Drive环境中，无需复杂的本地部署。\n\n## 核心功能：四大AI代理协同工作\n\nSLR Magic的设计理念借鉴了多代理系统架构，将文献综述流程分解为四个专业化的AI代理角色，每个代理负责特定阶段的任务：\n\n### 1. 摘要筛选代理（Abstract Screening）\n\n这是文献处理的第一道关卡。系统基于论文标题和摘要进行快速"初筛"，运用严格的纳入/排除标准判断文献相关性。相比人工逐篇阅读，AI能在极短时间内完成大批量筛选，并给出决策理由，为后续的人工复核提供依据。\n\n### 2. 全文把关代理（The Gatekeeper）\n\n通过初筛的文献进入深度评审阶段。Gatekeeper代理会读取完整的PDF全文，基于研究方法和结果章节确认文献的实际相关性，而非仅仅依赖摘要中的承诺。这一层过滤能有效剔除那些摘要写得天花乱坠但实质内容不符的"包装"论文。\n\n### 3. 质量评估代理（The Scientist）\n\n通过相关性检验的文献进入科学质量评估环节。Scientist代理自动评估研究的科学严谨性、文档质量和系统有效性，确保进入最终数据集的都是方法学可靠的高质量研究。\n\n### 4. 数据提取代理（The Miner & Extended Miner）\n\n最后一环是从通过全部检验的论文中提取结构化数据。Miner代理像法医一样精准地从全文中提取JSON格式的结构化信息，包括硬件规格、算法细节、实验结果等关键数据点，为后续的综合分析和可视化奠定基础。\n\n## 技术架构：Clean Code与多模型支持\n\nSLR Magic采用Clean Code架构原则，确保代码的可维护性和健壮性：\n\n- **控制器层（Controllers）**：负责业务逻辑编排，如ScreeningController、QualityCheckController等\n- **UI层**：独立的HTML/JS文件处理前端交互，如WelcomeUI、ConfigurationUI\n- **服务/适配器层**：专门的外部服务模块，如GeminiAdapter用于AI调用\n- **工具层**：共享辅助函数，如SheetUtils、DriveUtils、ConfigManager\n\n在多模型支持方面，SLR Magic展现了极强的灵活性：\n\n- **Google Gemini**：原生支持，适合大多数场景\n- **私有vLLM端点**：通过Runpod等公共域名部署的OpenAI兼容端点，适合需要私有模型的情况\n- **Ollama本地部署**：通过ngrok/隧道访问本地Ollama服务，支持敏感数据处理，甚至可实现多Ollama端点的负载均衡\n\n这种多后端设计让研究人员可以根据数据敏感度、成本预算和性能需求灵活选择模型提供商。\n\n## 工作流程：从CSV到可视化图表\n\nSLR Magic的工作流程设计得非常直观，与Google Workspace无缝集成：\n\n### 环境初始化\n\n通过菜单一键初始化整个工作环境，自动创建多个工作表：\n- 01_abstract_screening：标题/摘要数据\n- 02_titleabs_quality_check：人工验证筛选结果\n- 03_fulltext_screening：PDF处理\n- 04_fulltext_quality_check：全文筛选人工验证\n- 05_data_collection：最终提取数据\n- 98_file_metadata：文件元数据\n\n### 配置与定制\n\n通过菜单式配置界面设置API密钥、选择模型、调整提示词和并行请求批次大小。研究人员可以根据具体研究领域自定义摘要筛选、Gatekeeper、Scientist和Miner的提示词，确保AI代理理解领域特定的术语和标准。\n\n### 数据导入与处理\n\n支持从Scopus、Web of Science等数据库导出CSV文件直接导入。上传PDF到Google Drive后，系统自动进行全文分析。整个流程支持并行执行，可大幅加速大规模文献综述的处理速度。\n\n### 可视化输出\n\n最终，系统可直接生成发表级的Sankey图、饼图和柱状图，直观展示文献筛选流程、质量分布和数据特征。\n\n## 成本管理与FAIR原则\n\nSLR Magic内置了令牌使用追踪和项目成本预估功能，帮助研究人员在使用API时控制预算。同时，项目遵循FAIR原则（可发现性、可访问性、互操作性、可重用性），促进研究数据的开放共享。\n\n需要强调的是，SLR Magic虽然功能强大，但始终坚持"人在回路"（Human-in-the-Loop）原则。AI代理的决策需要专家审查、纠正和验证，工具是加速器而非替代品。\n\n## 部署与使用\n\n项目使用clasp（Command Line Apps Script Projects）管理本地代码。部署流程包括：\n\n1. 安装Node.js和clasp\n2. 启用Google Apps Script API\n3. 登录Google账号授权\n4. 创建或克隆项目\n5. 推送代码到Google Apps Script\n6. 在Google Sheets中通过菜单操作\n\n这种基于云端的工作方式意味着研究团队可以实时协作，所有数据和配置都保存在Google Workspace中，无需担心版本冲突或数据丢失。\n\n## 应用场景与价值\n\nSLR Magic特别适合以下场景：\n\n- **大规模文献综述**：需要处理数千篇论文的系统性综述项目\n- **快速证据综合**：时间紧迫但需要全面检索的研究\n- **重复性综述**：需要定期更新的文献追踪项目\n- **多中心协作**：分布式团队需要统一筛选标准和数据格式\n- **教学演示**：向学生展示系统性综述的标准流程\n\n通过将AI能力嵌入熟悉的办公环境，SLR Magic降低了技术门槛，让更多研究人员能够享受大语言模型带来的效率提升，同时保持学术严谨性。\n\n## 结语：AI辅助科研的新范式\n\nSLR Magic代表了AI辅助科研文献处理的一个重要方向——不是取代人类研究者，而是将人类从重复性、机械性的工作中解放出来，让他们专注于更需要批判性思维和领域专业知识的环节。\n\n随着大语言模型能力的持续提升和成本的进一步降低，类似的自动化工具将在科研 workflow 中扮演越来越重要的角色。SLR Magic的开源特性也意味着社区可以持续贡献改进，使其适应更多学科和场景的需求。\n\n对于经常需要进行文献综述的研究人员来说，SLR Magic提供了一个值得尝试的解决方案，它可能将原本需要数周的工作压缩到数天，同时提高结果的可靠性和可重复性。