AI 讀文獻真正的價值不是「幫你讀完」，是「幫你在讀之前就知道該讀哪幾篇、該比對哪幾個變數」。 把這件事搞反的人，最後交出來的文獻回顧會是一堆看起來很整齊、但自己講不出所以然的摘要。
文獻回顧（Literature Review）最痛苦的地方在於：你要在短時間內吞下數十篇英文期刊，讀到後面就忘了前面講什麼。AI 確實能大幅壓縮這段時間，但前提是你知道它會在哪裡出錯，以及哪些步驟不能外包。
什麼情況適合用 AI 讀文獻，什麼情況我不建議
適合的情境很明確： 你手上已經有一疊下載好的 PDF、要做跨篇比對、要找出這批研究的共同限制或彼此分歧。這種「多份文件的橫向整理」正是 AI 相對人腦最有優勢的地方。
我不建議的情況也很明確：
- 文獻只有五、六篇。 建庫、上傳、下 prompt、再回頭核對出處的時間，比你直接把它們讀完還久。這種規模就老實讀。
- 這篇是你研究的理論基石。 支撐你整個論證的那兩三篇經典文獻，必須自己從頭到尾讀完，包括方法章節與作者自己承認的限制。AI 摘要會系統性地漏掉「作者語氣中的保留」，而那正是口試會被打的地方。
- 指導教授明說禁用。 那就別偷用。你可以用 AI 做前置的方向探索（性質跟用搜尋引擎一樣），但別把產出直接交出去。
- 你想讓它替你決定研究方向。 AI 能告訴你「這批論文有幾篇支持某個結論」，但「這個結論可不可靠」牽涉研究設計品質、樣本代表性、發表偏誤，這些正是它最不擅長評估的。
開始之前要準備什麼
第一，先有研究問題，再開工具。 沒有明確問題就上傳一堆 PDF，你會得到一堆正確但無用的摘要。至少要先寫下一句「我想知道 X 對 Y 有沒有影響、在什麼條件下」。
第二，PDF 要是可選取文字的正本。 從學校圖書館資料庫（如 Web of Science、Scopus、PubMed）下載的原始 PDF 最理想。掃描檔、翻拍檔的辨識品質差，AI 讀進去的內容本身就是錯的。
第三，一開始就決定你的比較欄位。 作者年份、研究方法、樣本規模與對象、主要發現、研究限制——這幾欄想清楚再開始，比讀完再回頭補快得多。
防幻覺的關鍵不是工具，是「只讀你給的資料」
一般的大語言模型會根據它訓練時看過的資料回答你。問它一篇冷門或極新的論文，它很可能直接生出一個看起來合理的結論。這種現象叫幻覺，在學術場景的殺傷力特別大，因為錯誤的引用會直接變成學術不誠信的指控。
NotebookLM 這類工具之所以在學術圈被推薦，是因為它的運作邏輯（RAG，檢索增強生成）是：你餵給它什麼資料，它就盡量只根據那些資料回答。
但這裡要說清楚一件常被誤傳的事：RAG 是大幅降低幻覺，不是消除幻覺。 它仍可能誤讀表格、把兩篇論文的數字張冠李戴、或把作者「假設」的內容寫成「證實」的結論。只讀你給的資料，不等於一定讀對。
步驟一：建立主題式筆記本
假設研究主題是「AI 在醫學影像辨識的應用」，開一個新的 Notebook，把你下載的論文 PDF 全部上傳。依 Google 官方列出的用量上限，免費層每個 Notebook 可放 50 份來源、每位使用者 100 個 Notebook，付費層級上限更高；官方也標明這些數字會調整，以該頁當下顯示為準。
對多數碩士論文的文獻回顧來說，50 份已經夠用。真的超過就依主題拆成多個 Notebook，反而比全部塞在一起更好問。
步驟二：跨文獻提問，不要單篇提問
單篇摘要你自己讀比較快。AI 的價值在橫向比對：
「請總結這 20 篇文獻中，關於『資料偏誤（Data Bias）』的共同挑戰有哪些？請條列前三大問題，並務必標註各自引述自哪幾篇論文。」
回答末尾會附上可點擊的引用標記，點下去直接跳到原文段落。這個跳轉功能才是重點——它讓你有辦法快速驗證，而不是讓你可以不驗證。
若你的領域是醫學或生醫，資料庫檢索有另一套邏輯，可以參考 AI 醫學文獻搜尋：PubMed 指南。
用 AI 找研究缺口
決定題目方向時，聯網型的 AI 搜尋工具（如 Perplexity）比純模型可靠一些，因為它會先抓真實網頁再整理，並附上來源連結。但它一樣會出現引用與內容對不上的狀況，連結還是要自己點開。
我是一名研究所學生，計畫探討「短影音如何影響青少年的專注力」。
請幫我搜尋近 5 年內的相關學術期刊，並回答以下問題：
1. 目前這個領域主流的共識結論是什麼？
2. 在這些最新的研究中，還有哪些未被充分探討的「研究缺口（Research Gap）」？
3. 請列出 5 篇最具代表性的參考文獻，並附上 DOI 或論文連結。
如果某一篇你無法確認真實存在，請直接說找不到，不要補上推測的書目。[!WARNING] 一定要親自點開每一個論文連結確認。AI 給的書目最常見的錯誤不是「整篇捏造」，而是「作者對、年份錯」或「標題對、期刊錯」——這種錯誤肉眼掃過去完全看不出來，只有點開原頁才會露餡。
用三層結構快速進入陌生領域
跨領域研究時常碰到完全不熟的術語。與其從教科書第一章讀起，不如把關鍵術語列成清單，請 AI 用三層結構整理：
- 一句話的白話定義。
- 這個概念在你的研究領域裡的具體應用情境。
- 最常被引用的兩到三篇經典文獻。
例如研究「社群媒體成癮」但不熟心理學，就請它把「自我決定理論」「多巴胺回饋迴路」「社會比較理論」各整理一份。拿到這份地圖後，你去找原始文獻深讀就有方向了。但第三層給的書目一律當「待查清單」處理，不是「參考文獻」。
進階技巧：用 AI 整理文獻比較矩陣
文獻回顧最有價值的產出之一是「文獻比較矩陣（Literature Matrix）」——把每篇論文的方法、樣本、發現、限制排成一張表。這張表是你整章文獻回顧的骨架。
我已在 NotebookLM 上傳了 15 篇關於「社群媒體對青少年心理健康影響」的論文。
請建立一張文獻比較矩陣，欄位包含：
| 作者（年份） | 研究方法 | 樣本規模與對象 | 主要發現 | 研究限制 | 與我的研究的關聯性 |
請按發表年份由新到舊排序，並在最後一行寫出：
這批論文整體呈現什麼趨勢？哪些面向仍有研究缺口？
每一格請標註出處，我要能點回原文核對。有了矩陣，指導教授問「你讀了哪些、有什麼發現」的時候，你可以直接展示閱讀脈絡。但這張表是草稿，不是成品——每一格都要你自己回原文確認過，才算數。
常見的坑
坑一：把 AI 摘要當成「讀過」。 口試委員只要追問一句「這篇的樣本怎麼選的」，就會知道你沒讀。摘要能幫你篩選要深讀哪幾篇，不能替代深讀。
坑二：直接複製 AI 給的引用格式。 作者名拼寫、期刊縮寫、卷期頁碼，AI 產出的書目經常有細微錯誤。正確做法是拿到 DOI 後，回資料庫下載官方書目檔匯入書目管理軟體。
坑三：只問 AI 會給肯定答案的問題。 問「這些論文支持我的假設嗎」，你會得到一份確認偏誤大禮包。改問「這些論文中有哪些發現與我的假設不一致？理由是什麼？」——反向提問才問得出有價值的東西。
坑四：把不同語言、不同學派的文獻混在同一個 Notebook 亂比。 中文與英文文獻的方法論傳統可能不同，硬要 AI 拉成同一張表，會生出表面整齊、實際不可比的結論。
坑五：沒有揭露。 越來越多期刊與系所要求在方法章節說明是否使用 AI 輔助。主動揭露成本很低，被抓到沒揭露的代價很高。
怎麼驗收你的文獻回顧做對了
交出去之前，用這五題自我檢查。任何一題答不出來，就是還沒做完：
- 隨機抽三篇，你講得出它的研究方法、樣本與最大限制嗎？
- 矩陣裡每一格，你能指回原文的哪一段嗎？
- 你講得出這批文獻彼此分歧在哪，而不只是共識在哪？
- 參考文獻是從資料庫重新匯出的，而不是 AI 生成後複製貼上的？
- 你答得出「為什麼是這幾篇、而不是別的」嗎？
整條工作流與不可外包的那一段
- 主題探索期：用 Perplexity 找方向與標竿文獻，所有書目當待查清單。
- 文本輸入期：去圖書館資料庫下載 PDF 正本，餵給 NotebookLM。
- 知識提煉期：針對你的研究變數要求跨篇比對，並要求標註出處。
- 人工驗證期：點開每個引註，讀該段落的前後文，確認 AI 沒搞錯作者的脈絡。
- 落筆期：矩陣只是骨架，論證得自己寫；寫作階段的用法見學術寫作與文法潤飾。
其中第四、五步不可外包。AI 可以幫你「讀」，不能幫你「寫」論文正文；文獻夠不夠嚴謹、能不能支撐你的論點，這個判斷只能是你的。另外記得主動揭露你用了哪些工具、用在哪個環節。
想看更多學生的 AI 用法，回到學生怎麼用 AI這份總覽。
❓ 常見問題 FAQ
用 AI 整理論文算不算抄襲？
只要你正確引用、而且分析是自己的，就不算。AI 在這裡的角色是「幫你讀得更快、整理得更有結構」，就像請同學幫你畫重點不算抄襲。真正的紅線是讓 AI 直接寫出論文段落再當成自己的產出，那才是學術不誠信。
NotebookLM 免費嗎？有上傳限制嗎？
有免費層，也有上限更高的付費層級。依 Google 官方用量上限頁，免費層每個 Notebook 可放 50 份來源、每位使用者 100 個 Notebook。官方標明數字會調整，實際額度請以你登入後看到的為準。
AI 搜出來的論文引用可以直接放進參考文獻嗎？
不行。你至少要做三件事：點開 DOI 或連結確認論文真的存在、核對作者與年份與期刊名、最後從學校圖書館資料庫重新匯出正式書目資料。AI 產出的書目最常見的是細微錯誤而非整篇捏造，直接複製會被抓。
用了 RAG 工具就不會有幻覺了嗎？
不會消失，只是大幅降低。只讀你上傳的檔案，代表它不會去網路上亂補資料，但它仍可能誤讀表格、混淆兩篇論文的數字，或把作者的假設寫成結論。這就是為什麼引用標記的跳轉功能是必用的，不是裝飾。
指導教授不准用 AI，怎麼辦？
尊重規定。你仍然可以用 AI 做前置研究——快速了解陌生領域的全貌，再自己去圖書館找原始文獻，這跟用搜尋引擎的性質一樣。最重要的是：你要能對引用的每一篇論文說出「我讀過，我知道它在講什麼」。