做文献调研的人迟早会撞上同一堵墙：明明搜了，综述里还是被指出"漏了关键文献"。这堵墙的名字叫覆盖面——而覆盖面的缺口，几乎总是从"只用一个数据源"开始的。muchsci 的多源检索正是针对这堵墙设计的。
单一数据源的三种漏法
漏法一：版本分裂。 AI 领域的文献尤其明显——预印本在 arXiv 上早半年，正式版在会议或期刊里。只盯一个源，你要么漏掉最新版本，要么漏掉正式引用信息。
漏法二：交叉盲区。 交叉方向的文献天生散落：做"AI + 教育"，教育库里有、计算机库里有、甚至社会学库里有。单一数据源的覆盖半径，在交叉领域骤减。
漏法三：重复噪音。 同一篇文献的不同版本，在检索结果里反复出现，把真正的新文献挤到后面——这不是漏检，是"被淹没"。
多源轮转 + 自动去重：一次接力赛
muchsci 的多源检索把这个问题工程化了：arXiv、Semantic Scholar、MCP 服务多源轮转查询——源与源互补，你这个库没有的下一个库补上；然后自动去重，同文多版本合并成一条，噪音在入库前就被清掉；最后下载 PDF、存元数据一次到位。
你负责的只剩一件事：定方向。覆盖面和干净度，交给轮转和去重。
什么方向最需要多源
| 方向类型 | 多源的价值 |
| --- | --- |
| 热门 AI 方向 | 预印本与正式版都在更新，双库轮转不漏 |
| 交叉方向 | 文献散落多库，单源覆盖率骤降 |
| 冷门方向 | 总文献量少，多源合并才能凑齐全景 |
综述的全景感，从检索的覆盖面开始。漏检的文献是综述里看不见的洞——评审看见的时候，你已经没有补的机会了。把检索交给 muchsci 的轮转和去重，把"漏"这个变量从你的调研里删掉。