元管道：用于端到端自动系统审查和元分析的 LLM 代理管道

目标：描述元管道的架构和设计原理，元管道是一个开源 大语言模型 (LLM) 代理管道，集成了完整的系统审查和元分析 (SR/MA) 工作流程（从文献检索到统计分析、稿件生成和质量保证），并在关键决策点进行强制人工监督。研究设计和设置：我们开发了一个 10 级模块化管道，集成了用于 LLM 辅助筛选和提取的 Claude（Anthropic；用于推理的 Opus 4、用于分类的 Haiku 3.5）、用于自动化的 Python（约 3,600 行代码）、用于统计分析的 R（meta、metafor、gemtc、netmeta）以及用于手稿渲染的 Quarto。五个强制性的人类决策点加强监督。我们根据截至 2026 年 3 月发布的文档，系统地将 Meta-pipe 的功能与五种现有的 SR 自动化工具进行了比较。结果：Meta-pipe 提供了任何单个现有工具所不具备的四种功能：根据分析输出自动生成稿件、半自动 GRADE 评估、过度声明检测（12 种预定义模式）和双范式网络元分析（贝叶斯和频率论）。每次典型的 5-10 个研究回顾的 API 成本估计为 15-30 美元。没有报告验证数据；这是系统描述，而不是验证研究。结论：端到端人工智能辅助证据合成作为一种具有强制性人工监督的开源工具在架构上是可行的。复制已发表的 Cochrane 评论的正式验证正在进行中，并且在常规使用之前至关重要。