cite-gate

cite-gate

一个用于检查 AI 辅助编写脚本的小工具。它要求脚本中的每项事实都附带一条逐字出现在源文件中的引文，并标记那些照抄来源而非转述的文字。

它不会判断某项说法是否属实。它会判断你能否指出说法所依据的句子，以及该句子是否确实存在。

$ python -m cite_gate check examples/gettysburg/claims.json
5 items · 91 words · 2 failures · 1 warnings
  FAIL [number-not-in-quote] number(s) ['1776', '87'] not in the quotes
  FAIL [quote-not-in-source] quote not found in 'gettysburg': 'this nation shall endure forever and ever'
  warn [copied-not-retold] 26 consecutive words shared with the quotes; retell, don't copy

这个示例故意无法通过：最后三项是语言模型常犯的错误（自行推算出的数字、只记得一半的引文，以及从来源中直接摘录的段落）。

为什么

语言模型擅长写出流畅且细节十足的文字，但出错的往往是一些小细节：年份差了一年、为了“提供背景”而添加的名字，或是把引文转述成来源中从未说过的话。手动将整篇脚本与来源逐一核对，无法扩展到更大规模。这个工具将核对过程变成一道检查关卡，可在每次更改时运行。

检查内容

检查项	结果
每条引文都存在于其源文件中（统一处理弯引号、破折号和空格）	失败
每条引文至少有 20 个字符	失败
正文中的每个数字都出现在该条目的引文中（1,000 = 1000）	失败
来源 ID 只能是纯名称（不能包含路径）	失败
正文中出现“hundred / thousand / million”，但引文中没有	警告
句中出现引文中没有的大写单词（可能是未标明来源的名称）	警告
与引文连续重复 11 个或更多单词（属于照抄而非转述）	警告
可选的时代规则：正文提到某个时代，但引文未将该条目与该时代关联；引文中没有出现正文中的月份名称或“X era”短语；正文中出现特殊字母	警告 / 失败

存在失败项时，退出代码为 1。使用 --strict 时，警告也会导致失败。

输入格式

一个声明文件（JSON）和一个纯文本来源文件夹，每个来源 ID 对应一个文件。

{
 "config": {"allow": ["Lincoln"], "copy_run": 11},
 "sections": [
  {"title": "The occasion",
   "items": [
    {"id": "opening",
     "text": "He began by looking back four score and seven years ...",
     "claims": [{"src": "gettysburg",
                 "quote": "Four score and seven years ago our fathers brought forth on this continent, a new nation"}]}
   ]}
 ]
}

sources/gettysburg.txt 保存来源文本。请为每个来源保留一份副本（并在顶部注明 URL 和修订版本），这样后续运行时就能对照相同的文本进行检查。

配置

键	默认值	含义
allow	[]	无需引文即可接受的名称（例如脚本的主题）
copy_run	11	判定为照抄所需的连续重复单词数
min_quote_chars	20	可接受引文的最短长度
fold_accents	false	将正文中的 Tokaido 与来源中的 Tōkaidō 进行匹配
era	null	{"name": "Victorian", "tie": "\\b18[3-9]\\d\\b", "months": true, "letters": ""}

使用

命令行（Python 3.10+，无依赖项）：

pip install .            # from a checkout; adds the `cite-gate` command
cite-gate check path/to/claims.json [--sources DIR] [--json] [--strict]

# or without installing
python -m cite_gate check path/to/claims.json

GitHub Actions：

- uses: actions/checkout@v4
- uses: cite-gate/cite-gate@v0
  with:
    claims: script/claims.json
    strict: "false"

通过你的 Agent 使用（MCP）

cite-gate 内置了一个小型 Model Context Protocol 服务，因此 Agent 可以在向你展示草稿前先检查自己的草稿。它通过 stdio 在本地运行，没有依赖项，不会进行网络调用，也不会收集遥测数据。

{
  "mcpServers": {
    "cite-gate": { "command": "python", "args": ["-m", "cite_gate.mcp_server"],
                   "cwd": "/path/to/cite-gate" }
  }
}

工具：

工具	输入	输出
check_citations	claims（上述格式）和 sources（{id: full text}）	失败项、警告、passed
check_numbers	text 和 quotes	文本中没有任何引文包含的数字

此外还有一个托管端点：https://mcp.mlpc.co.kr/mcp（MCP Streamable HTTP，提供相同的两个工具，每次调用最多处理 3,000 个字符的正文）。它不会存储你的文本；它会记录的内容列在 worker/README.md 中。如需零日志，请使用上方的本地服务。

托管版本或审核服务对你有帮助吗？欢迎在讨论区告诉我们。

限制

• 这些启发式规则针对英文文本进行了调优。
• 存在引文并不代表其内容正确。来源可能有误，某条内容也可能引用了真实存在但表达了其他意思的句子。此门禁可以缩小审查范围，但不能取代审查。
• 专有名词和数量检查可能产生误报，因此仅发出警告。请修复问题，或将名称添加到 allow 中；不要习惯性地忽略这些警告。

示例文本

examples/gettysburg/sources/gettysburg.txt 是葛底斯堡演说（1863 年），属于公有领域，此处根据布利斯抄本转录而成。林肯的手稿副本之间存在细微的措辞差异；检查器仅与此文件进行比对。

许可证

AGPL-3.0-or-later。版权所有 (C) 2026 MLPC Inc.（参见 LICENSE）。