论文文献综述提纲怎么选模型：从小样本试跑到预算内定稿
做论文文献综述提纲，最容易浪费预算的方式，是把所有论文一次性塞给模型，再不断要求它“更深入”。更稳妥的顺序是：先确定综述范围，整理可核验的材料，再用小样本挑选模型。你需要的不是听起来最专业的回答，而是一份分类有依据、论证能衔接、每个判断都能回到原文的提纲。
先把研究问题缩到能检查的范围
调用模型之前，先用自己的话写清研究对象、核心问题和纳入边界。例如，研究“生成式人工智能对大学生写作的影响”仍然太宽，可以收窄为“生成式人工智能反馈如何影响本科生议论文修改”。接着注明时间范围、语言范围，以及是否纳入会议论文和预印本。
同时写下提纲的用途：是给导师讨论方向，还是为开题报告安排章节。前者更需要暴露分歧和缺口，后者还需要说明各节如何服务研究问题。任务边界越清楚，越不需要靠反复追问来补救。
把文献整理成带编号的证据材料
先从已经检索并确认存在的文献中，选出六到八篇具有代表性的材料。每篇保留固定编号、题名、年份、研究问题、方法、主要发现和局限。只读过摘要的材料，要明确标注，不能让模型把摘要推测当成全文结论。
样本里最好既有结论一致的研究，也有方法不同或结果相反的研究。这能检验模型是否真正比较证据，而不是只把相似词语归为一组。暂时不要要求它补齐参考文献；寻找新文献和组织现有文献应分开处理，避免把虚构条目混入提纲。
用同一份任务测试两个候选模型
可以先把 DeepSeek V4 Flash 作为候选，再用 Claude Sonnet 5.5 做一次对照。这不是预设谁一定更好，而是用你的学科材料检查哪一个更适合当前任务。第一次只提交同一组文献卡片，不要直接上传全部资料。
给两个模型完全相同的要求：围绕研究问题生成二级提纲，为每节列出支撑文献编号，解释分组理由，并指出证据不足的位置。要求它们不得编造作者、结论或引用；遇到材料缺失，应说明还需要什么信息。限制输出篇幅，也能减少无关扩写和比较负担。
按证据组织能力评分，而不是按文风投票
拿到两份结果后，先隐藏模型名称，再逐项检查。可以用下面四项，每项记零到两分。评分是帮助你保持判断一致，不是建立复杂的评测系统。
- 范围是否准确：每个章节都回应研究问题，没有扩展到无关主题。
- 分类是否有效：按理论、方法或争议组织材料，而不是逐篇复述摘要。
- 证据是否可靠：文献编号对应正确，没有把相关关系写成因果关系。
- 结构是否连贯：章节之间有推进关系，并能自然引出待研究的问题。
引用错配和虚构发现应单独标记，不能靠语言流畅抵消。如果两份提纲质量接近，就优先考虑实际费用较低、人工修改时间较少的方案。如果一个模型只在某个争议章节上更好，也不必把整项任务都交给它。
看清单次费用，再决定如何分工
MyRelay 可以用同一个密钥和预算调用不同模型，并查看每次请求的词元用量与费用，适合记录这类小样本测试。你可以创建一个 MyRelay 账户，先设定自己能接受的试跑预算，再完成比较。不要仅凭模型名称或回答长短判断成本。
记录每次调用的输入量、输出量、实际费用，以及自己修订所花的时间。如果某个候选能稳定完成文献归类，就让它处理后续批次；只有遇到分类冲突、论证断裂或复杂争议时，再把相关片段交给另一个候选复核。每次只改一个主要要求，才能知道改善来自哪里。
逐批扩展材料，最后人工核对提纲
选定模型后，按主题逐批加入剩余文献，并保留统一编号。要求模型说明哪些新材料支持原有章节，哪些迫使章节调整，而不是每次完全重写。这样既能减少重复输入，也方便观察提纲如何随证据变化。
定稿前，逐节回查关键文献，确认研究对象、方法和结论没有被混淆。尤其要检查“研究较少”“结果一致”“尚无研究”等概括，它们通常需要更充分的检索支持。最后得到的应是一份可供你继续阅读和写作的路线图，而不是看似完整、却无法追溯来源的答案。