为什么做这个东西

起因特别简单：我身边一个医生朋友，平时要用 AI 帮忙整理 PubMed 上的科研文献。用着用着他发现一个很现实的问题——文献是真的，但 AI 的总结不对。把十几个文献链接一股脑丢给 AI，它看起来在逐篇分析，其实根本没有针对每一篇去读，链接一多就开始出现”幻觉”：总结得头头是道，回到原文里却找不到对应的内容。

对普通人来说这可能就是个小麻烦，对医生来说这是致命的。科室汇报、临床参考，拿着一份和原文对不上的总结去用，后果不敢想。

而且这背后还有一个更日常的痛：医生一次检索下来，动辄十几篇、上百篇文献。每一篇都自己手工去读、去整理，消耗的时间和精力是非常考验人的——这正是他们求助 AI 的原因，结果 AI 的总结又不敢信，两头堵。

我不是医生，也不懂代码。但我当时想：这个痛点这么具体，为什么不做一个专门的工具？让 AI 老老实实地一篇一篇去标注、再汇总，医生看到哪个点对自己有用，再单独点开那篇文献细读——相当于无形当中帮他把上百篇先筛了一遍。医生只需要填个检索词，不用自己学那些复杂的 AI 知识。

于是就有了这个项目。整个过程我是全程录屏的（9 段、大概 56 分钟的口播记录），后续会整理成视频教程。

先不写代码，把需求磨透

我做项目有一条铁律：PRD 就是说明书。一份完整详细的 PRD 丢给 AI，它就不会跑偏；没有 PRD，做着做着就歪了。

所以第一步不是打开工具写代码，而是把需求聊透：

  1. 口述背景。我用语音把来龙去脉、真实痛点讲给 AI 听。
  2. 定形态。做成什么样？最后定的是一个”填空式”网页工具：医生填检索词，系统吐出”文献罗列 + AI 分析”。
  3. 不懂就问。我不懂医学检索，就一路问 AI：PubMed 是核心观点检索不是全文检索？免费全文从哪拿（后来知道了 Unpaywall）？成本怎么控（国产 DeepSeek、GLM 就够用，海外模型偏贵）？为了防止对话跑偏，专业问题我会另开一个对话框单独问。

PRD 磨了三稿

第一稿：把聊透的背景喂给 AI，生成初版 PRD。

第二稿：换一个工具再生成一版。两版侧重不一样——一版偏产品（为什么做、给谁做、做成什么样），一版偏技术（调用地址、参数、内置提示词）。然后让 AI 把两版合并。

第三稿最关键：拿着 PRD 回去问真实的医生。多久查一次？一次看多少篇？用途是科室汇报还是临床参考？这一问，问出了两个我之前没想到的真痛点：

  • 他们最烦的就是 AI 总结和原文对不上——看着像那么回事，去翻原文却找不到出处，这个必须从根上解决，做法就是逐篇处理、每条结论都能回溯到原文；
  • 不同场景要用不同的公式，需要精准汇总，不能一套模板打天下。他一次检索下来是两百多篇文献，靠人工把这些按临床场景整理，是真的整理不过来。

据此再调，PRD 定稿。

分阶段搭，每步人工验证

大需求一次做不完，我让 AI 把它拆成几个阶段，一次只做一个模块。开工前我自己先做”阶段 0”：申请并填好 NCBI 的 API key、Unpaywall 的邮箱、大模型的 key，再准备一两个真实的测试问题——注意，是真实问题，不是 AI 编的。

然后让 Claude Code 逐阶段实现：

  • 阶段 1，PubMed 检索：先用写死的英文检索式跑通，先不接 AI。这是最容易验证的一步。
  • 阶段 2，AI 转检索：医生输入中文问题，AI 翻成英文检索式，再配一张同义词映射表减少歧义。
  • 阶段 3，标注免费全文：区分公开和付费，把有免费全文的标出来（用 Unpaywall）。
  • 分析总结阶段，三层反幻觉——这是整个工具的灵魂：
    1. 提示词层强制：只允许抽取摘要里真实写到的内容，没写到的绝不编造；
    2. 代码层比对：AI 返回的每条结论都带 PMID，程序拿去和真实检索结果比对，编造的直接丢弃；
    3. 保留英文原文：每条结论都能回溯到原文摘要，医生自己能核。

验收用的是真实问题：“二甲双胍对二型糖尿病患者心血管的影响，近五年”。看命中篇数、免费全文数、证据分级、还原度是不是达标。

我看不懂代码，但这不妨碍把关：把要求提给 AI，让它自己跑、自己看报错、自己修，我只盯”达没达到验证标准”。它也会乱写，所以每一步都要人工验证，不放手全自动。

MVP 之后：一定要让目标用户去用

初步框架跑通之后，我做了一件比写代码更重要的事：把工具交给那位医生朋友，让他真的拿去用。

用了没多久，他就提出了一个我完全想不到的点：文献里的研究都有各自的研究对象，每篇都有纳入标准和排除标准——哪些病人被纳入研究、哪些被排除在外。这个信息对医生判断”这篇研究的结论适不适用于我的病人”至关重要，所以工具里需要一个详细的列表，把每篇文献的纳入、排除标准清清楚楚地体现出来。

这种需求，我一个外行闭门造车一百年也想不出来。但对天天读文献的医生来说，这就是他工作里最自然的一环。

针对这个反馈做完调整，工具才算从”能跑的 demo”变成初步可用的内部版本。所以我现在的流程里固定有这一步：MVP 做完，第一时间塞给目标用户，用的过程中暴露问题，针对问题调整——真实用户的一次试用，比自己空想十个功能都值钱。

踩过的坑

最大的坑不是技术，是过度打磨。小工具两三天能做出来的，别耗成一两周。前期能用就行，上线部署、扩展功能这些，留到验证过、确实有人要用了再做。这个坑我踩过，所以现在的原则是：需求越窄越精准，把一个点做透。

现在的样子

工具已经上线在 lit.fuyouai.com，80 元/月。医生用中文输入临床问题，系统检索英文 PubMed / MEDLINE，逐篇基于摘要筛读、标注证据等级，每条结论都可以回溯到原文摘要，结果能导出 Word / Excel。上百篇文献先被机器踏踏实实过一遍，医生只看标注出来的有用的点，再决定精读哪几篇——筛选这道最耗人的工序，就这么省下来了。

回头看，这个项目最值钱的不是代码，而是那套流程：口述背景 → 问 AI 补盲区 → PRD 三稿 → 问真实客户 → 拆阶段 → 每步人工验证 → 真实问题验收 → 交给目标用户试用、按反馈迭代。我后来做的十几个项目，走的都是这条路。