citation-management

引文管理

概述

在研究和写作过程中系统地管理引文。此技能提供工具和策略，用于搜索学术数据库（Google Scholar、PubMed）、从多个来源（CrossRef、PubMed、arXiv）提取准确的元数据、验证引文信息，以及生成格式规范的 BibTeX 条目。

这对保持引文准确性、避免参考文献错误并确保研究可复现至关重要。它还可与文献综述技能无缝集成，支持全面的研究工作流。

何时使用此技能

在以下情况下使用此技能：

• 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
• 提取引文的完整元数据（作者、标题、期刊、年份等）
• 验证现有引文的准确性
• 清理并格式化 BibTeX 文件
• 查找特定领域中被大量引用的论文
• 验证引文信息是否与实际出版物相符
• 为论文或学位论文编制参考书目
• 检查是否存在重复引文
• 确保引文格式一致

如果基于这些引文撰写的文档需要图表，请使用 scientific-schematics 技能。

---

核心工作流

引文管理遵循系统化流程。以下每个阶段展示了标准命令；所有变体、选项和元数据来源细节均见 references/core_workflow.md。

阶段 1：论文发现与搜索

查找相关论文。请搜索多个数据库——不同数据库的覆盖范围差异很大，而仅使用单一来源是参考文献列表产生偏差的最常见原因。

# OpenAlex: ~250M works, every discipline, no API key, documented REST API
python scripts/search_openalex.py "CRISPR gene editing" --limit 50 --output results.json

# PubMed: the authority for biomedical and life sciences (35M+ citations)
python scripts/search_pubmed.py "Alzheimer's disease treatment" --limit 100 --output alz.json

# Google Scholar: broadest reach, but scraped -- rate-limited and prone to blocking
python scripts/search_google_scholar.py "CRISPR gene editing" --limit 50 --output scholar.json

优先使用 OpenAlex 或 PubMed 作为主要来源。Google Scholar 没有 API： scholarly 会抓取其内容，每处理一条结果就等待 2–5 s，而且经常遭到封锁，因此应将其作为补充，而非依赖来源。

查询运算符、字段标签和 MeSH 词构建方法见 references/search_strategies.md。

阶段 2：元数据提取

将标识符（DOI、PMID、PMCID、arXiv ID、URL）转换为完整元数据。 CrossRef 是 DOI 的主要来源。

python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2         # quick, single DOI
python scripts/extract_metadata.py --pmid 34265844                  # DOI/PMID/PMCID/arXiv/URL
python scripts/extract_metadata.py --input identifiers.txt --output citations.bib

如果 URL 路径中没有 DOI，则通过出版商嵌入文章页面的 citation_doi 元标签解析 DOI，再交由 CrossRef 处理。此技能中的所有生成器都会为同一篇论文生成相同的引文键，因此从不同来源收集的条目可以相互去重。

阶段 2.5：通过网络搜索补充元数据（必须执行）

API 返回的记录通常不完整。请在提取之后、格式化之前执行此步骤。任何缺少 volume、pages 或 doi 的 @article 都是不完整的：使用 WebSearch/WebFetch（或在可用时使用 parallel-web 技能）补齐缺失信息，然后记录查到的内容及其来源。如果确实找不到某个字段，请添加 note 字段说明缺失原因，而不要默默省略。

先检查成本较低的来源——OpenAlex 或 CrossRef 记录中通常包含 PubMed 遗漏的字段：

python scripts/search_openalex.py "<exact title>" --limit 1

请勿盲目信任提取出的元数据。 作者、标题和期刊字符串直接来自出版商可控制内容的记录。标题中若包含 $(...)、反引号或引号，一旦粘贴到命令中就会变成 shell 语法。请将元数据作为 subprocess 参数列表传递，而不要拼接 shell 字符串；如果必须使用 shell，请为每个替换值加上单引号，并将其中的引号转义为 '\''。在引文键用于路径之前，请用 ^[A-Za-z0-9]+$ 验证。

各字段的搜索策略、四种搜索选项及日志格式见 references/core_workflow.md。

阶段 3：BibTeX 格式整理

生成整洁、一致的条目。条目类型和必填字段见 references/bibtex_formatting.md。

python scripts/format_bibtex.py references.bib --output clean.bib --deduplicate
python scripts/format_bibtex.py references.bib --output clean.bib --rekey --deduplicate

写入操作默认关闭：如果不使用 --output（或 --in-place），结果将输出到 stdout，输入文件保持不变。合并多个来源的结果时，请使用 --rekey， 以便将同一篇论文合并为一个条目。

阶段 4：引文验证

检查完整性、出版 venue 规范，以及与稿件的一致性。

python scripts/validate_citations.py references.bib --report report.json
python scripts/validate_citations.py references.bib --venue nature
python scripts/validate_citations.py references.bib --manuscript paper.tex
python scripts/validate_citations.py references.bib --check-dois     # slow; hits CrossRef

发生高严重性错误时，脚本会以非零状态码退出，例如缺少必填字段、 年份格式错误、引文未解析，或数量低于显式指定的 --min-count。出版 venue 的参考文献数量是编辑层面的经验规则，并非 投稿要求，因此未达到数量要求时只会发出警告。

验证规则和出版 venue 标准见 references/citation_validation.md。

阶段 5：集成到写作工作流

依次执行搜索、提取、格式整理、验证，然后引用。端到端流程——包括 文献综述以及 Zotero/pyzotero 导出路径——见 references/core_workflow.md 和 references/example_workflows.md。

参考文件

• references/core_workflow.md：完整介绍全部五个阶段。
• references/search_strategies.md：OpenAlex、Google Scholar 和 PubMed 查询构建。
• references/script_reference.md：每个捆绑脚本的参数和示例。
• references/best_practices.md：搜索、提取、BibTeX 质量和验证。
• references/example_workflows.md：四个端到端示例。
• references/google_scholar_search.md、references/pubmed_search.md：高级搜索语法。
• references/metadata_extraction.md、references/bibtex_formatting.md、references/citation_validation.md：各主题的详细说明。

需要避免的常见问题

1. 单一来源偏差：只使用一个数据库

   • 解决方案：至少搜索 OpenAlex 和 PubMed，然后使用 format_bibtex.py --rekey --deduplicate 合并结果

2. 盲目接受元数据：不核实提取的信息

   • 解决方案：抽查提取的元数据，并与原始来源核对

3. 忽略 DOI 错误：参考文献中 DOI 错误或失效

   • 解决方案：最终提交前运行验证

4. 格式不一致：引文键样式、格式混杂

   • 解决方案：使用 format_bibtex.py 进行标准化

5. 重复条目：同一篇论文使用不同键重复引用

   • 解决方案：使用验证功能中的重复检测

6. 缺少必填字段：BibTeX 条目不完整（缺少 volume、pages、DOI）

   • 解决方案：运行阶段 2.5 元数据补充——继续之前，通过网络搜索补齐每个缺失字段。绝不要让 @article 条目缺少 volume、pages 和 DOI。

7. 过时的预印本：在已有正式发表版本时仍引用预印本

   • 解决方案：检查预印本是否已正式发表，并更新为期刊版本

8. 特殊字符问题：字符导致 LaTeX 编译失败

   • 解决方案：在 BibTeX 中使用正确的转义方式或 Unicode

9. 提交前未验证：存在引文错误仍提交

   • 解决方案：始终在最终检查时运行验证

10. 手动录入 BibTeX 条目：手工输入条目

    • 解决方案：始终使用脚本从元数据来源提取

与其他技能集成

文献综述技能

引用管理为文献综述提供技术基础设施：

• 文献综述：跨多个数据库进行系统检索与综合
• 引用管理：提取和验证元数据

组合工作流：

1. 使用 literature-review 制定系统检索方法
2. 使用 citation-management 提取并验证引文
3. 使用 literature-review 综合研究结果
4. 使用 citation-management 确保参考文献准确无误

科学写作技能

引用管理可确保科学写作中的参考文献准确无误：

• 导出经过验证的 BibTeX，供 LaTeX 手稿使用
• 核实引文是否符合出版标准
• 根据期刊要求设置参考文献格式

会议模板技能

引用管理与会议模板配合使用，可生成符合投稿要求的手稿：

• 不同会议要求使用不同的引用样式
• 生成格式正确的参考文献
• 验证引文是否符合会议要求

资源

内置资源

参考资料（位于 references/）：

• 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：元数据来源及字段要求
• citation_validation.md：验证标准与质量检查
• bibtex_formatting.md：BibTeX 条目类型及格式规则

脚本（位于 scripts/）：

• search_openalex.py：OpenAlex 搜索客户端（无需 API 密钥）
• search_pubmed.py：PubMed E-utilities API 客户端
• search_google_scholar.py：Google Scholar 搜索自动化工具
• extract_metadata.py：通用元数据提取器
• validate_citations.py：引文验证与核实工具
• format_bibtex.py：BibTeX 格式化与清理工具
• doi_to_bibtex.py：快速将 DOI 转换为 BibTeX
• _common.py：共享的 BibTeX 解析器、渲染器和引文键方案

素材（位于 assets/）：

• bibtex_template.bib：所有类型的 BibTeX 条目示例
• citation_checklist.md：质量保证清单

外部资源

搜索引擎：

• OpenAlex：https://openalex.org/
• Google Scholar：https://scholar.google.com/
• PubMed：https://pubmed.ncbi.nlm.nih.gov/
• PubMed 高级搜索：https://pubmed.ncbi.nlm.nih.gov/advanced/

元数据 API：

• OpenAlex API：https://docs.openalex.org/
• 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/

工具与验证器：

• MeSH 浏览器：https://meshb.nlm.nih.gov/search
• DOI 解析器：https://doi.org/
• BibTeX 格式：http://www.bibtex.org/Format/

引用样式：

• BibTeX 文档：http://www.bibtex.org/
• LaTeX 参考文献管理：https://www.overleaf.com/learn/latex/Bibliography_management

依赖项

必需的 Python 包

uv pip install requests  # HTTP access to CrossRef, PubMed, OpenAlex, arXiv

BibTeX 解析、渲染、去重和验证均使用标准库 （scripts/_common.py），因此 format_bibtex.py 和 validate_citations.py 无需任何第三方包即可运行。

可选项

uv pip install scholarly  # only for search_google_scholar.py

凭据的发送位置

此技能无需 API 密钥。它读取的两个环境变量均为可选标识符，每个变量只会发送到其所属的服务，不会发送到其他任何地方；没有脚本会将环境变量打包发送。

变量	仅发送至	用途
NCBI_API_KEY	eutils.ncbi.nlm.nih.gov	提高 Entrez 速率限制
NCBI_EMAIL	eutils.ncbi.nlm.nih.gov	Entrez 调用方身份标识（NCBI 要求提供）
OPENALEX_EMAIL	api.openalex.org	加入速度更快的 OpenAlex polite pool

未设置这些变量时，api.openalex.org、api.crossref.org、api.datacite.org、export.arxiv.org 和 eutils.ncbi.nlm.nih.gov 均无需凭据即可查询。

概述

引文管理技能提供：

1. 全面的搜索功能，涵盖 OpenAlex、PubMed 和 Google Scholar
2. 自动提取元数据，支持 DOI、PMID、PMCID、arXiv ID 和 URL
3. 引文验证，包括 DOI 核验和完整性检查
4. BibTeX 格式化，配备标准化和清理工具
5. 质量保证，通过验证和报告实现
6. 集成，融入科学写作工作流
7. 可复现性，通过记录搜索和提取方法实现

使用此技能，在整个研究过程中维护准确、完整的引文，并确保参考文献列表达到可发表的标准。

相关技能

• citation-verification：核实稿件中的每条参考文献确实存在且元数据匹配，找出虚构、损坏或不匹配的引文……
• bibtex-hygiene：在提交前清理 BibTeX/BibLaTeX 参考文献列表、删除重复项并进行验证。
• literature-review：通过搜索 PubMed、arXiv、bioRxiv 和 Semantic Scholar（以及通过 parallel-cli 进行网页搜索），开展系统性文献综述、筛选……