check-originality

检查原创性

采用多种方法检查原创性，发现那些真正会导致论文被编辑退稿或撤稿的重合内容——赶在编辑进行诚信审查之前。

请如实告知用户：这不是 iThenticate 或 Turnitin。它无法访问任何私有出版商语料库，因此无法保证某段文字相对于所有已发表文献都是原创的。它能可靠检测的是：与用户指定或获取的来源之间的重合、内部文本重复利用，以及可通过公开搜索找到的独特短语。要获取期刊官方原创性报告，仍需使用出版商的工具——本工具能先帮你把草稿处理干净。

适用场景

• 提交前检查，发现意外复制粘贴和近似改写。
• 重用自己的既往作品时（文本重复使用／自我抄袭在大多数出版场所都是实质性违规，即使文本是“你自己写的”）。
• 合著草稿可能包含合作者从其他来源逐字复制的文本时。
• 大量使用 AI 起草后，确认没有逐字照搬来源内容。

检测方法（运行多种方法——这才是“彻底发现问题”的意思）

完整方法和阈值请参见 references/detection-methods.md。

1. 来源重合——将文本片段（k-gram）与用户提供的来源或 fetch-paper 获取的来源（仅限开放获取）进行比较。报告匹配段落及重合率。
2. 自我抄袭／重复利用——检查与作者既往论文近似重复的段落，以及草稿内部的重复内容。
3. 引文与改写完整性——查找缺少引号或引用的逐字摘录，以及措辞与来源过于接近的改写。
4. 独特短语外部搜索——提取草稿中最独特的长短语，通过网络／Semantic Scholar 搜索逐字匹配项，补充本地检查无法发现的内容。
5. 常识与需引用内容——标记未提供引用、可能需要引用的事实性主张（具体核查交由 verify-citations 处理）。

流程

1. **收集比对来源。**向用户索取：其本人的既往论文（用于检查自我抄袭）、任何疑似来源，以及论文引用的参考文献（使用 fetch-paper 获取其中的开放获取文献）。来源越多，检查越有意义；请说明这一点。
2. 检查来源重合和自我重合：

   python3 scripts/overlap_check.py --draft paper.tex --against prior1.tex prior2.tex source.txt --self --distinctive 15
   

   此命令会输出标记的来源（重合率）、匹配段落、内部近似重复内容和独特短语。如有任何标记项，退出代码为 2。
3. **外部检查。**提取输出中的独特短语，通过网络和 find-papers 搜索 Semantic Scholar，查找本地检查无法发现的逐字匹配项。记录所有匹配结果。
4. **审查引文／改写。**针对每个标记段落，判断其属于：合理引用（需加引号并标注引用来源）、过于接近原文的改写（用作者自己的话重写），还是抄袭内容（删除或重写并注明引用）。与既往作品重合的内容应标记为重复利用，并建议披露或改写。
5. 撰写报告，保存到用户论文工作区中的 paper-workspace/review/originality-report.md：列出每项发现的来源、重合文本、严重程度和修正方法，并明确说明检查范围的限制。

输出

生成原创性报告，逐项列出：来源、重合段落、重合率、类型（外部复制／自我重复利用／未标注引用／近似改写）、严重程度和建议的修正方法。报告必须始终包含范围／限制说明，并提醒用户出版商自己的工具仍具有权威性。

防护措施

• 绝不能声称检查结果干净就意味着论文不存在抄袭——只能说明在已检查的来源中未发现重合。每次都要说明这一限制。
• 比对来源仅作临时处理；绝不要打包或提交第三方论文文本（参见 fetch-paper）。只获取用户自己的论文和开放获取来源。
• 绝不要仅为规避检测而改写被标记的段落，同时仍不为抄袭的观点标注引用——正确的做法是恰当引用或真正改写，并将问题告知作者。
• 与作者本人作品的内容重合，应作为伦理／重复使用问题报告，不得悄然放过。

记忆

使用共享的 .paper-memory/ 约定（完整规范：paper-memory-convention.md）。

• **开始时：**阅读 lessons.md，了解此前的原创性标记，以便优先检查屡次出现的问题（作者反复重复使用的段落）。
• **结束时：**去重后追加持久性发现，格式为 date · check-originality · <scope> · finding · fix。跨多个草稿重复使用的段落应标记为 recurring。
• 按需创建 .paper-memory/；该目录仅保存在本地，绝不上传。