alterlab-citation-mgmt

引文管理

概述

在研究和写作过程中系统地管理引文：搜索学术数据库（Google Scholar、PubMed），从多个来源（CrossRef、PubMed、arXiv、DataCite）提取准确的元数据，验证引文信息，并生成格式规范的 BibTeX。这对于确保引文准确、避免参考文献错误和开展可复现研究至关重要。与 alterlab-literature-review 集成。

何时使用此技能

适用于以下场景：

• 在 Google Scholar 或 PubMed 上搜索特定论文
• 将 DOI、PMID 或 arXiv ID 转换为格式规范的 BibTeX
• 提取完整元数据（作者、标题、期刊、年份等）
• 验证现有引文的准确性或检查重复项
• 清理、排序和格式化 BibTeX 文件
• 查找某个领域中被高度引用的论文或奠基性论文
• 为手稿或学位论文编制参考文献目录

不适用场景

场景	请改用
证明每条参考文献确实存在、查出幻觉或伪造的引文，或检查撤稿情况	alterlab-citation-verifier
读取或编辑 Zotero 文献库（条目、分类、标签、附件）	alterlab-pyzotero
开展完整的系统综述——跨多个数据库搜索、PRISMA 筛选、主题综合	alterlab-literature-review
围绕种子论文绘制引文／共被引网络	alterlab-citation-graph
撰写围绕参考文献展开的手稿正文	alterlab-scientific-writing

核心工作流

引文管理分为五个阶段。每个阶段都对应一个脚本（完整 CLI 说明见 references/script_cli_reference.md）和一份深入参考文档。

阶段 1 — 发现论文

搜索 Google Scholar（覆盖面广，跨学科）和 PubMed（生物医学，按 MeSH 编索引）。

python scripts/search_google_scholar.py "CRISPR gene editing" --limit 50 --output results.json
python scripts/search_pubmed.py "Alzheimer's disease treatment" --limit 100 --output alz.json

运算符、MeSH／字段标签、复杂查询和高影响力论文的启发式方法： references/search_strategy_reference.md、references/google_scholar_search.md、 references/pubmed_search.md。

阶段 2 — 提取元数据

将任意标识符（DOI、PMID、arXiv ID、URL）转换为完整元数据。CrossRef 是 主要 DOI 来源（extract_metadata.py）；PubMed E-utilities 和 arXiv API 分别处理 PMID 和 arXiv ID。doi_to_bibtex.py 使用 doi.org 内容协商，也可解析 DataCite DOI（数据集、软件）。

python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2     # quick single DOI
python scripts/extract_metadata.py --pmid 34265844             # any identifier type
python scripts/extract_metadata.py --input identifiers.txt --output citations.bib  # batch

来源和提取字段：references/metadata_extraction.md 以及 references/search_strategy_reference.md 中的“元数据来源”部分。

阶段 3 — BibTeX 格式化

生成简洁、标准化的条目。常见类型：@article、@book、 @inproceedings、@incollection、@phdthesis、@misc。使用 {} 保护标题的大小写， 页码范围使用 --，现代出版物应包含 DOI。

python scripts/format_bibtex.py references.bib --deduplicate --sort year --descending \
  --output clean_references.bib

条目类型、必填字段和格式规则：references/bibtex_formatting.md。

阶段 4 — 验证

检查是否包含必填字段、数据是否一致，以及是否存在重复项。 DOI 解析需要联网，且默认处于关闭状态——添加 --check-dois 才会实际访问 doi.org/CrossRef（速度较慢）。validate_citations.py 只生成报告，不会重写 文件。要应用修复（页码连接号、作者分隔符、去重），请运行 format_bibtex.py。

python scripts/validate_citations.py references.bib --check-dois \
  --report validation.json --verbose

验证标准和报告格式：references/citation_validation.md 以及 references/search_strategy_reference.md 中的“验证检查”摘要。

阶段 5 — 与写作集成

将经过验证的 BibTeX 导出到 LaTeX 手稿中（\bibliography{final_references}）。 与 alterlab-literature-review（搜索/综合）、alterlab-scientific-writing （手稿参考文献）和 alterlab-venue-templates（特定格式样式）配合使用。提交前， 对最终的 .bib 运行 alterlab-citation-verifier，确认每条记录都真实存在 — 此技能检查字段和格式，不检查记录是否存在。

端到端示例（构建参考文献列表、转换 DOI 列表、清理杂乱的 .bib、查找奠基性论文）：references/example_workflows.md。

最佳实践

搜索：先广泛搜索，再逐步缩小范围；使用多个来源；利用“被引用次数”查找 奠基性论文；记录查询内容和日期。

元数据：优先使用 DOI（最可靠，CrossRef 元数据最完整）；核实作者姓名、 出版物、年份；妥善处理预印本（有已发表版本时，使用已发表版本）；统一 作者姓名和期刊缩写格式。

BibTeX 质量：使用有意义的引用键（FirstAuthor2024keyword）；用 {} 保护 标题大小写；移除冗余字段；定期验证语法；按项目整理并谨慎合并，以避免重复。

验证：尽早且频繁地验证；及时修正无效 DOI 和缺失字段；手动审查重要引用。

常见问题

1. 偏信单一来源 → 搜索多个数据库。
2. 盲目接受元数据 → 对照原始来源抽查。
3. 忽略 DOI 错误 → 提交前进行验证。
4. 格式不一致 → 使用 format_bibtex.py 统一格式。
5. 条目重复 → 使用重复检测。
6. 缺少必需字段 → 验证完整性。
7. 预印本过时 → 更新为已发表版本。
8. 特殊字符问题 → 在 BibTeX 中转义字符或使用 Unicode。
9. 未进行最终验证 → 始终将验证作为最后一项检查。
10. 手动输入 BibTeX 条目 → 始终从元数据来源提取。

随附资源索引

参考资料（references/）

• script_cli_reference.md — 各脚本的完整功能和 CLI 用法
• example_workflows.md — 四个端到端工作流示例
• search_strategy_reference.md — 高影响力研究启发式方法、Scholar 运算符、MeSH/字段标签、元数据来源
• google_scholar_search.md — 完整的 Google Scholar 搜索指南
• pubmed_search.md — PubMed 和 E-utilities API 文档
• metadata_extraction.md — 元数据来源和字段要求
• citation_validation.md — 验证标准和质量检查
• bibtex_formatting.md — BibTeX 条目类型和格式规则

脚本（scripts/）

search_google_scholar.py、search_pubmed.py、extract_metadata.py、 validate_citations.py、format_bibtex.py、doi_to_bibtex.py。

资源文件（assets/）

bibtex_template.bib（包含所有类型的示例条目）、citation_checklist.md（QA 检查清单）。

外部资源

• Google Scholar：https://scholar.google.com/ · PubMed：https://pubmed.ncbi.nlm.nih.gov/
• CrossRef API：https://api.crossref.org/ · PubMed E-utilities：https://www.ncbi.nlm.nih.gov/books/NBK25501/
• arXiv API：https://arxiv.org/help/api/ · DataCite API：https://api.datacite.org/
• MeSH 浏览器：https://meshb.nlm.nih.gov/search · DOI 解析器：https://doi.org/

依赖项

# All network scripts (CrossRef, doi.org, E-utilities, arXiv)
uv pip install requests
# Optional: Google Scholar search (search_google_scholar.py). scholarly scrapes Scholar,
# which has no official API and rate-limits or CAPTCHAs automated traffic.
uv pip install scholarly

format_bibtex.py 和 validate_citations.py（不带 --check-dois）只需要标准库。为 PubMed 设置 NCBI_EMAIL（以及可选的 NCBI_API_KEY）。

总结

此技能提供搜索（Scholar + PubMed）、自动提取元数据（DOI/PMID/ arXiv/URL）、引用验证（DOI 验证 + 完整性）、BibTeX 格式化与清理，以及质量保证 — 所有流程都可通过有文档记录的搜索和提取方法重现。使用它来维护准确、符合发表要求的参考文献列表。