# 任务书：大语言模型与 AI 智能体在科学研究中的应用——2020–2025 年文献计量分析

## 1. 背景

2023 年以来，大语言模型（LLM）和基于 LLM 的 AI 智能体被用于文献综述、假设生成、实验设计、代码编写、自动化实验和论文写作，相关论文增长很快。很多研究生第一次做文献计量时，会卡在这些地方：检索式怎么写、数据从哪里导出、CiteSpace 和 VOSviewer 的参数怎么设、关键词同义词怎么合并、聚类和突现词怎么解读、模块度 Q 和轮廓值 S 多少算合理、图怎么出得清楚。本任务要求你从公开数据开始，完成一套完整、可复现、能核对原始计数的文献计量分析。

## 2. 研究问题

1. 2020–2025 年，LLM 与 AI 智能体用于科学研究的论文数量如何变化？2023 年前后是否有明显拐点？
2. 哪些国家、机构和作者发文最多？国家之间、机构之间的合作网络是什么结构？
3. 研究主题可以分成哪几个聚类（例如文献与知识发现、化学与材料自动实验、生物医学、代码与数据分析、科研评价与伦理）？各聚类的代表文献是什么？
4. 哪些关键词和文献在近年出现突现？研究热点如何随时间迁移？
5. 结果与已发表的同主题文献计量研究相比是否一致？差异来自哪里？

## 3. 数据

- 数据源使用 OpenAlex（https://openalex.org，开放免费）。按 OpenAlex 官方文档使用 API，遵守速率限制；如需 API key 或邮箱参数，自行按文档处理，不要使用他人账号。
- 自行设计检索式，覆盖 LLM 与 AI 智能体两类表述（例如 large language model、GPT、LLM agent、AI scientist、autonomous agent 等）与科学研究场景（scientific discovery、research、laboratory、experiment 等），排除明显无关的含义。检索式要写明字段（标题、摘要、关键词）和逻辑，并说明为什么这样写。
- 时间范围 2020–2025，文献类型限定为期刊论文、会议论文与预印本（分别统计，预印本单独说明）。
- 拿到数据后先核对：总条数与 OpenAlex 网页端同一检索的计数是否一致；去重（DOI、标题）；记录缺摘要、缺参考文献、缺机构的比例。随机抽查 50 篇判断相关性，报告精确率，并据此调整检索式（调整过程写进运行记录）。
- 原始返回的 JSON 全部保存，任何清洗步骤都可以从原始数据重放。

## 4. 分析与出图要求

1. **描述统计**：年度发文量与增长率、文献类型、主要来源期刊/会议、高被引文献 Top 20（写明被引次数的取数日期）。
2. **合作网络**：国家、机构、作者合作网络，标出节点规模与中心性。
3. **关键词共现与聚类**：建立同义词合并表（thesaurus，例如 LLM / large language model / large language models），说明合并规则；用 VOSviewer 风格的共现图和聚类，报告每个聚类的主题与代表词。
4. **文献共被引与聚类**：基于参考文献建立共被引网络，报告聚类的模块度 Q 与平均轮廓值 S，以及每个聚类的标签与代表文献。
5. **突现分析**：关键词与文献的突现（Kleinberg burst），给出突现强度、起止年份，画突现图与时间线图。
6. **软件**：优先尝试在云电脑上无界面运行 VOSviewer（命令行参数）与 CiteSpace（Java）出图；如果无法无界面运行，记录尝试过程和报错，改用 R 包 bibliometrix 或 Python（networkx、Leiden/Louvain 聚类、burst 检测）实现同等分析，并在报告中说明与 CiteSpace/VOSviewer 算法的差异。同时导出 VOSviewer 与 CiteSpace 可直接读取的数据文件（例如 VOSviewer 的 map/network 文件、CiteSpace 兼容格式），方便读者自己用软件打开。
7. **图表**：所有图 300 dpi PNG 并附 PDF；网络图节点标签可读，不堆叠。

## 5. 与已发表研究对照

检索至少三篇已发表的、关于 LLM 或 AI 在科学研究/学术领域应用的文献计量研究，对照发文趋势、主要国家与热点主题，说明检索式、数据库（WoS/Scopus/OpenAlex）、时间范围不同带来的差异。只引用你实际读到的原文内容。

## 6. 交付物

所有文件放在工作区的 `biblio_llm_agent/` 目录下：

| 文件或目录 | 内容 |
| --- | --- |
| `report.pdf` | 中文研究报告：背景、检索式与数据、方法与参数、结果、与已发表研究的对照、局限性。正文中的每个数字都能在表格或日志中找到出处 |
| `figures/` | 年度趋势、合作网络、关键词共现聚类、共被引聚类、突现图、时间线图等，300 dpi PNG 并附 PDF |
| `tables/` | 描述统计、高被引文献、国家/机构/作者、聚类与代表词/代表文献、突现词表，xlsx 与 csv |
| `data/` | OpenAlex 原始 JSON、清洗后的数据、去重记录、同义词合并表、相关性抽查记录，以及可导入 VOSviewer 与 CiteSpace 的文件 |
| `code/` | 检索下载、清洗、网络构建、聚类、突现、出图的脚本，以及一键复现入口；记录软件版本 |
| `data_manifest.csv` | 检索式、检索日期、返回条数、文件大小、SHA256 |
| `methods_notes.md` | 中文操作说明，写给第一次做文献计量的研究生：检索式怎么写与怎么检验精确率、WoS/Scopus/OpenAlex 的区别与导出格式、CiteSpace 主要参数（时间切片、g-index k 值、节点类型、剪枝、LLR 聚类标签）的含义与取值、模块度 Q 与轮廓值 S 怎么看、突现检测参数、VOSviewer 的最小出现次数、同义词表、归一化方法与分辨率参数、bibliometrix 的基本用法、常见问题与解决办法 |
| `run_log.md` | 运行记录：每一步做了什么、用时、遇到的报错原文与解决办法、每个决策的理由 |
| `comparison.md` | 与已发表文献计量研究的对照表和差异解释 |

## 7. 工作方式

- 本任务用云电脑 CPU 即可完成，不需要租用 GPU。
- 请独立完成全部步骤。遇到问题先自己查文档、尝试解决，并记录在 `run_log.md`；不要因为可以自行判断的问题停下来等待确认。只有在确实无法继续时才提问。
- 所有数字必须来自实际运行的输出，不得估计或编造。软件无法运行或结果与文献差距大时，如实报告并分析原因。
- 保留全部中间结果。
- 完成后，在对话中用简短的中文总结主要结果，并列出交付物清单与路径。
