SmartLib 文献引用核查与纠错

要解决的具体问题

在学术写作中，参考文献的真实性与准确性是论文可信度的基石。随着 AI 生成工具的普及，一个新挑战日益突出：用户使用 ChatGPT、文心一言等模型生成参考文献时，可能无意中编造了不存在的论文、错误的作者或期刊名，即所谓的 AI 幻觉。此外，研究者在论文初稿自查、编辑批量审稿时，也面临手动核查引用的低效与易错问题。

本技能旨在解决这两个核心痛点：

• AI 幻觉验真：快速验证 AI 生成的参考文献是否真实存在于学术数据库中。
• 引用准确性核查：对稿件或粘贴的参考文献列表进行批量、自动化的信息比对与纠错。

技能如何工作

本技能基于 global-biblio-base 的文献检索能力，通过 5 个关键步骤 实现引用核查与纠错。

核心能力

• 多格式解析：自动识别并解析 GB/T 7714、APA、MLA、Chicago、BibTeX 等多种引用格式，支持 .bib 文件批量导入。
• 联网真实性核查：通过 SmartLib API 对接覆盖全球 12 亿 文献的数据库（包括 Scopus、WoS、EI、PubMed 等 300+ 来源），联网验证每条引用是否真实存在，这是防止 AI 幻觉的关键。
• 智能信息比对与纠错：将原始引用与数据库记录逐字段对比（标题、作者、年份、期刊、卷期、页码、DOI），计算匹配度，并对错误信息提供修正版本（使用 [删除]/[新增] 标记）。
• 结构化报告生成：最终输出一个完整的 HTML 核查报告，包含差异标记、可点击的验证链接、统计分析图表，并支持一键下载修正后的文献列表。

关键工作流程

1. 解析引用：从用户输入中提取每一条参考文献的 title、authors、year 等核心字段。
2. 联网核查：通过 SmartLib API 进行检索。遵循性能优化策略：并行检索（每批 8 条）与智能优先级（优先使用 题名关键词 + 年份 检索，失败后再放宽条件）。每次 API 调用前需先通过 /consume 获取一次性 token（有效期 60 秒）以确保安全。
3. 匹配与比对：根据题名相似度（60%）、作者匹配（25%）、年份匹配（15%）计算综合匹配度，将结果分为 VERIFIED（验证通过）、MISMATCH（存在差异）、NOT_FOUND（未找到）和 FUZZY_MATCH（疑似匹配）。
4. 差异分析：针对 MISMATCH 的条目，进行详细的字段级对比，并给出具体的纠错建议。
5. 生成报告：创建 citation_check_report.html 文件，自动在预览窗口打开。报告内包含原始引用与新旧国标（GB/T 7714-2015/2025）的格式对比、多格式输出（APA、MLA 等）、以及条形图等形式的统计分析。

适用边界与注意点

适用场景

• 核心场景：核查 AI 生成的参考文献；论文投稿前的引用自查；批量验证粘贴的文献列表。
• 延伸场景：处理 Zotero/EndNote 导出的 .bib 文件；进行引用的统计分析（如年份分布）。

重要限制与注意

• 配额与计费：本技能与 global-biblio-base 共享配额和钱包。配额按实际 API 调用次数消耗（5 个接口，每次调用计 1 次），而非按核查会话计费。配额耗尽（状态码 429）时将拒绝服务，需升级套餐。
• 安全机制：存在强制的 Token 绑定调用链。每次调用计费接口前必须先调用 /consume 获取 consume_token，用于后续的 /search 请求，以防止重放攻击。
• 能力边界：

不支持：实时数据爬取（如 Google Scholar）、论文查重/查新、自动补全缺失的 DOI 或页码信息。
英文全文下载：本技能不直接提供。核查到的外文文献会自动复用 global-biblio-base 的十级多渠道 OA PDF 探测流程，结果在报告中以 [全文:已获取] 等状态标记展示。

• 使用建议：单次核查建议 ≤50 条文献，超出时分批处理以保障响应速度。核查失败（如未找到匹配文献）不消耗配额，可放心重试。