citation-verifier

引用核验器

检测并核验科学文档中的引用，识别虚构、失效或无效的参考文献。

用途

AI 生成的内容有时会包含看似合理但实际虚假的引用。此技能会系统地提取文档中的所有引用标识符，并对照权威来源逐一核验，生成详细报告，说明核验状态并提供修复无效引用的建议。

使用时机

遇到以下情况时，应调用此技能：

• 用户要求“核验引用”或“检查文档中的参考文献”
• 用户怀疑 AI 生成的内容中有虚构引用
• 用户希望验证论文中的 DOI、URL 或其他标识符
• 用户要求审查文档中的失效链接或虚假参考文献
• 用户提到“引用核验”“参考文献检查”或“DOI 验证”

支持的文档格式

1. Markdown （.md）：行内链接 [text](url)、引用式链接 [text][ref]、裸 URL、DOI
2. LaTeX/BibTeX （.tex、.bib）：\cite{}、@article{}、DOI 字段、URL 字段
3. Org-mode （.org）：[[url][text]] 链接、#+BIBLIOGRAPHY、引用链接
4. 纯文本 （.txt）：裸 URL、DOI、arXiv ID、作者-年份格式

检测的引用标识符

DOI（数字对象标识符）

• 格式：10.\d{4,}/[^\s]+ 或 doi.org/10.\d{4,}/[^\s]+
• 示例：10.1038/nature12373、https://doi.org/10.1126/science.abc1234
• 核验方式：通过 https://api.crossref.org/works/{doi} 查询 CrossRef API

论文 URL

• 格式：指向已知出版商和存储库的链接
• 域名：nature.com、science.org、sciencedirect.com、springer.com、wiley.com、acs.org、rsc.org、pnas.org、cell.com、plos.org、mdpi.com、frontiersin.org、academic.oup.com、tandfonline.com
• 核验方式：发送 HTTP HEAD/GET 请求，检查状态码是否为 200，并核对论文元数据

arXiv ID

• 格式：arXiv:\d{4}\.\d{4,5}(v\d+)? 或 arxiv.org/abs/\d{4}\.\d{4,5}
• 示例：arXiv:2301.07041、https://arxiv.org/abs/2301.07041v2
• 核验方式：通过 arXiv API 或直接检查 URL

PubMed ID（PMID）

• 格式：PMID:\s*\d+ 或 pubmed.ncbi.nlm.nih.gov/\d+
• 示例：PMID: 12345678
• 核验方式：检查 PubMed URL https://pubmed.ncbi.nlm.nih.gov/{pmid}/

ISBN

• 格式：ISBN[:\s]*[\d-]{10,17}（ISBN-10 或 ISBN-13）
• 示例：ISBN: 978-0-13-468599-1
• 核验方式：通过 Open Library API https://openlibrary.org/isbn/{isbn}.json 查询

作者-年份引用

• 格式：([A-Z][a-z]+(?:\s+(?:et\s+al\.?|and|&)\s+[A-Z][a-z]+)?,?\s*\d{4})
• 示例：(Smith et al., 2023)、(Johnson and Lee, 2022)
• 核验方式：通过 WebSearch 查找匹配的论文（置信度较低）

核验流程

步骤 1：读取并解析文档

使用 Read 工具加载文档。通过模式匹配提取所有引用标识符：

DOI patterns:
- https?://(?:dx\.)?doi\.org/(10\.\d{4,}/[^\s\])"'>]+)
- doi:\s*(10\.\d{4,}/[^\s\])"'>]+)
- (10\.\d{4,9}/[-._;()/:A-Z0-9]+)  (bare DOI)

arXiv patterns:
- arXiv:(\d{4}\.\d{4,5}(?:v\d+)?)
- arxiv\.org/abs/(\d{4}\.\d{4,5}(?:v\d+)?)

PubMed patterns:
- PMID:\s*(\d+)
- pubmed\.ncbi\.nlm\.nih\.gov/(\d+)

URL patterns:
- https?://[^\s\])"'<>]+  (filter for academic domains)

ISBN patterns:
- ISBN[:\s-]*((?:\d[-\s]?){9}[\dXx]|(?:\d[-\s]?){13})

步骤 2：去重并分类

创建唯一标识符列表，并按类型分类：

• DOI
• arXiv ID
• PubMed ID
• ISBN
• URL（学术类）
• 作者-年份引用（文本类）

步骤 3：核验每个标识符

按可靠性从高到低依次核验每个标识符：

DOI 核验

1. 构造 CrossRef API URL：https://api.crossref.org/works/{doi}
2. 使用 WebFetch 检查 API
3. 如果成功，提取：标题、作者、期刊、年份
4. 如果返回 404 或出错：标记为无效

arXiv 核验

1. 构造 URL：https://arxiv.org/abs/{arxiv_id}
2. 使用 WebFetch 验证页面是否存在
3. 提取：标题、作者、摘要片段
4. 如果返回 404：标记为无效

PubMed 核验

1. 构造 URL：https://pubmed.ncbi.nlm.nih.gov/{pmid}/
2. 使用 WebFetch 验证
3. 提取：标题、作者、期刊
4. 如果返回 404：标记为无效

ISBN 核验

1. 构造 URL：https://openlibrary.org/isbn/{isbn}.json
2. 使用 WebFetch 检查
3. 提取：标题、作者、出版商
4. 如果返回 404：标记为无效

URL 验证

1. 使用 WebFetch 访问 URL
2. 检查 HTTP 200 状态码和学术内容指标
3. 查找页面上的论文标题、作者和 DOI
4. 如果无法访问或内容非学术：标记为 SUSPICIOUS

作者-年份验证（置信度最低）

1. 使用 WebSearch 查询："{author}" "{year}" paper
2. 在结果中查找匹配的论文
3. 如果找到：标记为 LIKELY VALID，并注明来源
4. 如果未找到：标记为 UNVERIFIED

第 4 步：生成报告

生成结构化的验证报告：

# Citation Verification Report

**Document:** [filename]
**Date:** [date]
**Total citations found:** [count]

## Summary
- Valid: [count]
- Invalid: [count]
- Suspicious: [count]
- Unverified: [count]

## Detailed Results

### Valid Citations
| ID | Type | Title | Source |
|----|------|-------|--------|
| 10.1038/xxx | DOI | Paper Title | CrossRef |

### Invalid Citations (HALLUCINATED)
| ID | Type | Error | Suggestion |
|----|------|-------|------------|
| 10.9999/fake | DOI | 404 Not Found | Remove or find correct DOI |

### Suspicious Citations
| ID | Type | Issue | Recommendation |
|----|------|-------|----------------|
| https://... | URL | Timeout | Verify manually |

### Unverified Citations
| Citation | Type | Notes |
|----------|------|-------|
| (Smith, 2023) | Author-year | No matching paper found via search |

验证状态定义

• VALID：标识符指向一篇真实论文，且元数据匹配
• INVALID：标识符不存在或返回 404（可能是幻觉）
• SUSPICIOUS：无法完全验证；可能受到速率限制、需要付费访问或暂时不可用
• UNVERIFIED：无法确认的文本引用（采取保守处理方式）

最佳实践

1. 批量处理相似请求：将 DOI 检查分组，以尽量减少 API 调用
2. 遵守速率限制：如果遇到速率限制，在请求之间添加延迟
3. 交叉核对：如果 URL 中包含 DOI，直接验证该 DOI
4. 结合上下文判断：注明引用出现的位置（方法部分还是论述部分）
5. 报告不确定性：始终区分“已确认无效”和“无法验证”

对无效引用的输出建议

对于每条无效引用，提供可执行的建议：

• DOI 格式错误：“DOI 格式似乎有误。请检查拼写错误或多余字符。”
• DOI 不存在：“未找到论文。这可能是幻觉。请搜索论文的实际标题。”
• 链接失效：“URL 返回 404。请尝试在 Google Scholar 上搜索论文标题。”
• 期刊可疑：“无法识别该出版商。请确认其是否为可靠来源。”
• 未找到作者-年份引用：“无法验证。请添加 DOI 或 URL 以供确认。”

验证会话示例

用户请求：“验证 my-paper.md 中的引用”

预期行为：

1. 读取 my-paper.md
2. 提取所有 DOI、URL、arXiv ID 等
3. 报告：“共找到 15 条引用：8 个 DOI、5 个 URL、2 个 arXiv ID”
4. 使用适当的 API 或抓取方式验证每个标识符
5. 生成报告，显示：
   • 10 条有效引用及其元数据
   • 3 条无效引用（404 错误），标记为可能是幻觉
   • 2 条可疑引用（超时），需要手动检查
6. 提供修正无效引用的建议

限制

• 速率限制：CrossRef 和其他 API 可能会限制请求频率
• 付费墙内容：无法验证付费墙后的完整内容
• 新论文：非常新的论文可能尚未被收录
• 作者-年份引用：缺少其他标识符时，置信度较低
• 非英文来源：对非英文引用格式的支持有限
• 私人／机构 URL：无法访问需要身份验证的内容

相关技能

• literature-review：用于开展系统性文献检索
• scientific-reviewer：用于审查科学文档的质量
• scientific-writing：用于撰写规范引用的文稿