quotecheck

quotecheck

引文是否确实出现在来源中？

AI Agent（以及人们）经常引用真实来源，却错误表述来源中的内容：引用真实，论断有误。quotecheck 会获取引用的来源，逐字检查引文是否确实出现在其中，并告诉你位置。

$ quotecheck "Mulberry trees" "https://en.wikipedia.org/wiki/Morus_(plant)"
{
  "status": "EXACT",
  "char_start": 9271,
  "char_end": 9285,
  "similarity": 1.0,
  "snippet": "Mulberry trees",
  "source_final_url": "https://en.wikipedia.org/wiki/Morus_(plant)",
  "reason": null
}

由 Feenmile 构建。

判定结果

status	含义
EXACT	规范化空白字符、弯引号和破折号样式后，引文出现在来源文本中。匹配区分大小写。
NEAR	没有完全匹配，但存在相似度 >= 0.90 的段落（difflib SequenceMatcher 比率）。snippet 保存来源中的实际措辞。
NOT_FOUND	可检索文本中没有足够接近的内容。similarity 显示找到的最高分数。
SOURCE_UNAVAILABLE	无法获取或读取来源；reason 说明原因。

char_start / char_end 是 Python 字符串索引（结束位置不包含在内），指向 quotecheck 从来源中提取的纯文本；你可以通过 quotecheck.fetch_source(source).text 获取该文本。

请仔细检查 NEAR。 NEAR 结果表示措辞有所不同。数字被更改（“43,548” 与 “43,549”）或漏掉一个“not”，相似度仍可能高于 0.90。 请将返回的 snippet 用作引文，或改写为转述。

来源

• https://... 或 http://... URL
• doi:10.xxxx/...（通过 https://doi.org 解析，并遵循出版商的重定向）
• pmid:12345（通过 NCBI E-utilities efetch 获取 PubMed 摘要，纯文本）

安装

PyPI 发行包名为 quotecheck-mcp；导入包和命令仍为 quotecheck。

pip install quotecheck-mcp            # library + CLI, no dependencies
pip install "quotecheck-mcp[mcp]"     # also the MCP server (needs the official mcp SDK)

Python 3.10 或更高版本。

快速开始：CLI

quotecheck "<quote>" <source>
quotecheck "the exact words" doi:10.1371/journal.pone.0000308
quotecheck --strict "the exact words" pmid:33301246   # exit 1 unless EXACT
echo "a long passage" | quotecheck - https://example.org/article
python -m quotecheck --help

输出始终为 stdout 上的 JSON。打印判定结果时退出状态为 0（使用 --strict 时，除 EXACT 外为 1）；对于引文为空等用法错误，退出状态为 2。

快速开始：库

import quotecheck

result = quotecheck.check("pmid:33301246", "A total of 43,548 participants underwent randomization")
print(result.status, result.char_start, result.char_end, result.similarity)
print(result.to_dict())

# Already have the text? Skip the fetch.
quotecheck.check_text(text, quote, near_threshold=0.90)

核心库仅使用 Python 标准库。

快速开始：MCP 服务

该服务通过 stdio 使用 MCP，并公开一个工具 check_quote(quote, source)。

{
  "mcpServers": {
    "quotecheck": {
      "command": "quotecheck-mcp"
    }
  }
}

如果脚本不在你的 PATH 中，请使用 "command": "python", "args": ["-m", "quotecheck.mcp_server"]。

工具描述会告知 Agent 在将文本作为直接引文呈现之前调用该工具，并说明如何处理每种判定结果。

安全抓取

quotecheck 会抓取来自模型输出的 URL，因此会将它们视为不可信内容：

• 仅允许 http 和 https；拒绝包含嵌入式凭据的 URL；
• 解析主机，并要求所有解析出的地址均为公有地址：拒绝私有、环回、链路本地、多播、保留和未指定地址（包括 IPv4 映射的 IPv6 地址形式）；随后连接到已检查的地址，因此第二个 DNS 响应无法将连接切换到内部地址；
• 每次重定向都会再次执行相同检查，最多允许 5 次重定向；
• 整个抓取过程共用 15 秒的截止时间，正文上限为 5 MB（包括声明大小、流式读取大小和解压后大小）；
• 请求使用以下身份标识：quotecheck/0.1 (+https://feenmile.com)；
• 不使用代理环境变量。

限制（v0.1）

• EXACT 表示文本确实出现过，而非所述内容属实。 quotecheck 不判断上下文、含义或来源是否可靠。引文可能一字不差，但仍可能被用来支持来源中没有提到的内容。
• 不支持 PDF。 PDF 响应会返回 SOURCE_UNAVAILABLE，原因是 pdf not supported in v0.1。许多 DOI 会解析到摘要为 HTML 的落地页；全文可能仅以 PDF 格式提供。
• 不支持 JavaScript 渲染。 在浏览器中生成文本的页面会返回空内容（SOURCE_UNAVAILABLE）或不完整内容（NOT_FOUND）。
• 付费墙、登录墙、Cookie 墙和机器人拦截。 quotecheck 只能看到匿名客户端所能看到的内容。被这些机制拦截的文本会显示为 NOT_FOUND 或 SOURCE_UNAVAILABLE，但这并不意味着引文有误。
• PubMed 仅检查摘要。 pmid: 检查的是摘要文本，而不是论文全文。
• 省略号按字面处理。 使用 "..." 跳过部分文字的引文无法完全匹配；请分别检查每个片段。
• HTML 提取方式简单。 文本由标准库 HTML 解析器提取，并移除脚本、样式和模板。导航栏、页脚和隐藏元素也会包含在内；分散在特殊标记中的文本可能不会像屏幕上那样连在一起。
• Unicode。 字符会逐个进行 NFKC 规范化；同一个带重音字母如果分别使用组合形式和分解形式书写，将无法完全匹配。
• 模糊搜索以引文中共有的词为锚点。超过 20,000 个字符的引文仅检查精确匹配。
• 超过 5 MB 的页面会被拒绝，而不会截断。

开发

python -m unittest discover -s tests -t .
python scripts/mutation_check.py

测试在离线环境中运行，使用本地的 http.server 测试夹具。由于 SSRF 防护会拦截环回地址，测试会通过 quotecheck._testing.allow_loopback_endpoints 对特定的 (ip, port) 对解除限制；这是一个仅供测试使用的开关，除非测试将其开启，否则默认关闭。第二个测试夹具服务器始终不会解除限制，因此测试可以验证重定向到环回地址会被拒绝。

scripts/mutation_check.py 会将项目复制到临时目录、禁用地址检查，并确认测试套件会失败。

许可证

MIT。请参阅 LICENSE。