literature-verifier

Literature Verifier

Verify authenticity and detect hallucinations in literature references of any type and any language: journal articles, books, web articles, conference papers, preprints, newspaper/magazine articles, dissertations, government documents, and more. Full support for both English and Chinese (中文) literature verification.

Verification Workflow

1. Detect language: Determine if the reference is Chinese or English (or mixed)
2. Parse the reference to extract structured fields (title, authors, year, journal/venue, DOI, URL, ISBN)
3. Verify existence using appropriate sources:
   • English: DOI → CrossRef; URL → HTTP check; title → CrossRef search
   • Chinese: title → CNKI via Chrome CDP (primary), WebSearch (fallback); DOI → CrossRef (if available)
4. Cross-check metadata between claimed and actual values
5. Assess confidence and report findings
6. Verify claims if the user asks about specific content attributed to the source

Verification by Identifier Type

Has DOI

Run scripts/verify_doi.py "<doi>". Compare returned metadata (title, authors, journal, year) against the user's citation. Flag any mismatch.

Has Title (No DOI)

Run scripts/search_crossref.py --title "<title>". If results return, compare the top match's metadata against the citation. If no match, try adding --author "<last_name>".

Has URL

Run scripts/verify_url.py "<url>". Check reachability, page title, and extracted metadata (citation_doi, citation_title, article_author). If URL is dead, suggest Wayback Machine: web.archive.org/web/<url>.

Has ISBN (Books)

Use WebSearch to query "ISBN <number>" site:openlibrary.org OR site:worldcat.org and verify the book record.

Minimal Information

Use WebSearch to search for the claimed title + author + year. Cross-reference results from Google Scholar (site:scholar.google.com), publisher sites, and library catalogs.

Chinese Literature Verification (中文文献核查)

Chinese literature requires different verification strategies because most Chinese publications are not indexed in CrossRef. 当 Chrome MCP 工具可用时，必须使用知网 CDP 直接检索作为首选核查方法；MCP 工具不可用时，以 WebSearch 作为备选。不得仅生成搜索链接或以"需知网核实"搪塞。每条中文文献必须给出明确判定。

知网 CDP 直接检索（中文期刊论文首选方法）

当 Chrome MCP 工具可用时（navigate_page、take_snapshot、take_screenshot、fill、click、evaluate_script、wait_for），对每条中文期刊论文优先使用此方法。此方法直接查询知网数据库，准确率远高于 WebSearch。

前置检查：尝试对任意页面执行 take_snapshot，若 MCP 工具正常响应则使用 CDP 方法；若不可用（报错/超时）则跳至下方 WebSearch 备选流程。

批量核查注意：连续检索多篇论文时，每次检索间隔 2-3 秒，避免触发知网反爬机制。

CDP Step 1: 打开知网高级检索页面

navigate_page → https://kns.cnki.net/kns8s/AdvSearch

验证码处理：snapshot 的 DOM 中可能始终包含隐藏的"拖动下方拼图完成验证"文本，不能仅凭 snapshot 文本判断验证码是否出现。必须用 take_screenshot 截图查看页面实际显示状态：

• 若截图中可见验证码滑块弹窗遮挡页面，提示用户："知网需要安全验证，请在浏览器中完成滑块验证，完成后告诉我。"
• 若截图中页面正常显示检索表单（无遮挡），直接继续。

CDP Step 2: 输入待核查论文的精确标题

用 take_snapshot 找到检索输入框，然后：

fill → [检索输入框] → "<待核查论文的完整标题>"

默认检索字段为"主题"，对精确标题核查已足够，无需修改字段类型或添加其他筛选条件。

CDP Step 3: 执行检索

点击"检索"按钮，等待结果页加载：

wait_for → "检索结果" 或结果列表出现

若此时出现验证码，按 Step 1 处理。

CDP Step 4: 读取并解析结果

先用 take_snapshot 查看结果页，然后用 evaluate_script 提取结构化数据：

evaluate_script → () => {
  const rows = document.querySelectorAll('.result-table-list tbody tr');
  if (!rows || rows.length === 0) return JSON.stringify({found: false, results: []});
  const results = [];
  rows.forEach((row, i) => {
    if (i >= 10) return;
    const titleEl = row.querySelector('.name a');
    const authorsEl = row.querySelector('.author');
    const sourceEl = row.querySelector('.source');
    const dateEl = row.querySelector('.date');
    results.push({
      title: titleEl ? titleEl.textContent.trim() : '',
      authors: authorsEl ? authorsEl.textContent.trim() : '',
      source: sourceEl ? sourceEl.textContent.trim() : '',
      date: dateEl ? dateEl.textContent.trim() : ''
    });
  });
  return JSON.stringify({found: results.length > 0, count: results.length, results});
}

若 JS 选择器不工作（知网可能更新 DOM 结构），回退到直接阅读 take_snapshot 的文本输出，其中包含可读的标题、作者、期刊、日期信息，手动解析即可。

若结果为零：论文未在知网检索到。这是重要信号但不是唯一依据，继续执行 WebSearch 备选流程检查万方和百度学术后再下结论。

CDP Step 5: 元数据比对

将知网结果与声称的引用信息逐项比对：

字段	比对方法
标题	去除空白后精确匹配。若知网结果标题包含声称标题（或反之），视为匹配。
作者	检查声称的第一作者是否出现在知网作者列表中。作者顺序可能不同。
期刊	精确名称匹配。注意缩写差异（如"北京大学学报" vs "北京大学学报(哲学社会科学版)"），任一方向的子串匹配算作匹配。
年份	知网日期字段中的年份必须与声称年份一致。

CDP Step 6: 根据 CDP 结果判定

CDP 结果	判定
标题精确匹配 + 作者匹配 + 期刊匹配 + 年份匹配	Confirmed
标题精确匹配 + 其余3项中2项匹配	Likely Real（标注差异项）
标题精确匹配 + 期刊或作者不匹配	Metadata Error（论文存在但引用信息有误）
前10条结果中无标题匹配	继续执行 WebSearch 备选流程后再判定

CDP 异常处理

• MCP 工具不可用：整体跳过，使用 WebSearch 备选流程
• 验证码持续阻塞：请用户处理；用户无法处理则跳至 WebSearch
• 页面加载后搜索报错：重试一次；仍失败则跳至 WebSearch
• 知网不可访问：跳至 WebSearch
• DOM 选择器返回空：改用 take_snapshot 文本手动解析；也失败则跳至 WebSearch

WebSearch 中文核查流程（备选方法 / CDP 不可用时使用）

当 Chrome MCP 工具不可用时，或知网 CDP 检索返回零结果、需要交叉验证时，或需要补充强化 CDP 判定时，使用以下 WebSearch 流程。执行以下所有搜索，不得跳过任何步骤，不得在完成所有搜索前标记为“无法确定”。

Step 1：多来源 WebSearch（必做 — 至少搜索 3 次）

针对每篇论文，按顺序执行以下 WebSearch 查询：

1. 精确标题搜索："<完整论文标题>"（加引号，不限制网站）
2. 标题 + 作者搜索：<论文标题> <作者姓名>（不加引号，扩大匹配范围）
3. 标题 + 期刊搜索：<论文标题> <期刊名>（交叉验证发表刊物）
4. 针对 CNKI 的搜索："<论文标题>" site:cnki.net（知网）
5. 针对 Wanfang 的搜索："<论文标题>" site:wanfangdata.com.cn（万方）

如果步骤 1-3 已确认论文存在且元数据匹配，步骤 4-5 为补充搜索。如果步骤 1-3 无结果，则必须执行步骤 4-5。

Step 2：元数据交叉核验

根据搜索结果核验：

• 作者姓名是否匹配
• 期刊名称是否完全匹配（注意区分学报、杂志和期刊）
• 发表年份是否匹配
• 卷号、期号、页码（如有）

Step 3：判定（必须给出明确判定）

根据搜索结果，指定以下判定中的一项——对中文文献，最终判定不得为“无法确定”：

判定	标准
已确认	在 2 个或更多来源（CNKI、Wanfang、百度学术、Google Scholar）中找到，且元数据匹配
很可能真实	在 1 个来源中找到且元数据匹配，或找到的记录存在轻微元数据差异
很可能为伪造	所有搜索均无结果，或在任何地方都找不到该标题、作者和期刊的组合
已确认伪造	存在多个伪造迹象：期刊不存在、作者不属于所称机构、日期不可能等
元数据错误	论文确实存在，但作者、年份或期刊与所称信息不同

中文期刊论文

1. 首选：执行上方“知网 CDP 直接检索”流程（需 Chrome MCP 工具）
2. 备选：若 CDP 不可用或返回零结果，执行“WebSearch 中文核查流程”
3. 补充：运行 scripts/search_cnki.py --title "<中文标题>" 尝试通过 CrossRef 查找（部分中文期刊有 DOI）
4. 若文献有 DOI，运行 scripts/verify_doi.py（注意：多数中文文献无 DOI；没有 DOI 不代表文献是虚构的）

中文图书 / 专著

1. 使用 WebSearch 查询 "<书名>" "<作者>" site:book.douban.com（豆瓣读书）
2. 若提供了 ISBN，使用 WebSearch 查询 "ISBN <号码>"
3. 查询中国国家图书馆："<书名>" site:opac.nlc.cn
4. 核验出版社是否存在，以及是否出版了所称作品

学位论文

1. 使用 WebSearch 查询 "<论文标题>" 学位论文 site:cnki.net
2. 使用 WebSearch 查询 "<论文标题>" 学位论文 site:wanfangdata.com.cn
3. 核验授予学位的机构是否设有相关学科

政策文件

1. 使用 WebSearch 查询 "<发文字号>" site:gov.cn
2. 核验发文机构和文件编号格式

新闻报道

1. 在所称媒体的域名上使用 WebSearch 查询："<标题关键词>" site:<媒体域名>
2. 《人民日报》：site:people.com.cn；新华社：site:xinhuanet.com

核心期刊验证

当参考文献声称期刊是核心期刊时，需根据以下目录核验：

• 北大核心：《中文核心期刊要目总览》——使用 WebSearch 查询
• CSSCI（南大核心）：中文社会科学引文索引来源期刊——使用 WebSearch 查询
• CSCD：中国科学引文数据库来源期刊——使用 WebSearch 查询
• 注意：核心期刊身份会随版本变化；请核验所声称年份对应的情况

中文文献的关键差异

• 没有 DOI ≠ 伪造：大多数中文期刊论文没有 DOI；没有 DOI 并不能证明论文是伪造的
• 作者姓名格式：中文姓名在英文语境中可能显示为 “Zhang San”、“San Zhang” 或 “S. Zhang”
• 收录延迟：新近发表的论文可能尚未收录在知网中
• 付费墙：知网／万方需要付费才能获取全文，但通常可以查看搜索结果和摘要
• 绝不推迟核查：不得以“需知网核实”或“Uncertain (needs CNKI verification)”作为最终结果。必须使用知网 CDP 或 WebSearch 实际搜索并给出明确判定。
• 知网 CDP 优先：当 Chrome MCP 工具可用时，优先使用 CDP 直接在知网检索页面搜索，比 WebSearch（通过 Google 间接搜索知网）更可靠，也能找到 Google 未收录的知网论文。MCP 不可用时，以 WebSearch 为备选。Python 脚本（verify_chinese.py、search_cnki.py）仅作补充。

幻觉检测

核查失败或元数据不符时，请参阅 references/hallucination-patterns.md（英文）或 references/chinese-hallucination-patterns.md（中文），以识别适用的幻觉模式。常见警示信号：

• DOI 无法解析 → DOI 可能是伪造的（但中文文献没有 DOI 的情况除外）
• 标题搜索无结果 → 标题可能是伪造的
• 作者不符 → 作者信息幻觉
• 期刊不存在 → 发表来源幻觉
• 年份不符 → 日期幻觉
• 声称是核心期刊的中文期刊不在官方名录中 → 核心期刊幻觉
• 知网、万方和百度学术均无结果 → 中文文献很可能是伪造的

批量核查

用户提供参考文献列表时，请逐条核查。生成汇总表：

| # | Citation (short) | DOI verified | Title match | Author match | Year match | Confidence |
|---|-----------------|-------------|-------------|--------------|------------|------------|
| 1 | Smith 2020...   | Yes         | Yes         | Yes          | Yes        | Confirmed  |
| 2 | Jones 2019...   | No DOI      | No match    | -            | -          | Likely Fabricated |

可信度等级

等级	标准
已确认	DOI 可解析，且各来源中的元数据一致
很可能真实	DOI 可解析，或找到标题和作者匹配的结果；仅有轻微差异
不确定	无 DOI、没有标题完全匹配的结果，但各组成信息看起来合理。对于中文文献，此等级不能作为最终结论——必须先执行完整的 WebSearch 流程。
很可能伪造	DOI 无法解析、未找到匹配文献，并检测到幻觉模式
确认伪造	存在多项伪造迹象，且任何数据库中都查无记录

内容主张核查

用户询问某项具体主张是否确实出自某个来源时：

1. 获取来源（通过 DOI 链接、出版商 URL 或网页搜索）
2. 如果页面可访问，使用 WebFetch 阅读页面内容
3. 搜索具体主张、统计数据或引文
4. 报告该主张是得到支持、未得到支持，还是与来源内容矛盾

报告格式

对于每条已核查的参考文献，输出：

**Reference**: [original citation text]
**Status**: [Confirmed / Likely Real / Uncertain / Likely Fabricated / Confirmed Fabricated]
**Findings**:
- DOI: [resolves / not found / not provided]
- Title: [exact match / partial match / no match]
- Authors: [match / mismatch / details]
- Journal/Venue: [verified / not found]
- Year: [correct / incorrect (actual: XXXX)]
**Issues**: [list any discrepancies or hallucination patterns detected]
**Actual Source** (if different): [correct metadata if the reference is a distortion of a real work]

资源

• scripts/verify_doi.py — 通过 CrossRef 和 DOI.org API 验证 DOI 是否存在。返回元数据以供比较。
• scripts/search_crossref.py — 按标题、作者或关键词搜索 CrossRef。查明声称的作品是否存在。
• scripts/search_cnki.py — 为中文数据库（CNKI、万方、CQVIP、百度学术）生成搜索 URL，并尝试通过 CrossRef 查询。辅助工具 — 始终将 WebSearch 作为核验中文文献的首选方法。
• 知网 CDP 直接检索（通过 MCP 工具） — 使用 Chrome DevTools Protocol 直接在知网检索页面搜索，这是核查中文期刊论文的首选方法。需要 MCP 工具：navigate_page、take_snapshot、take_screenshot、fill、click、evaluate_script、wait_for。详见上方“知网 CDP 直接检索”章节。
• scripts/verify_chinese.py — 尝试通过 HTTP 直接核验百度学术、CNKI 和万方。可能会被反机器人措施拦截 — 如遇此情况，请改用 WebSearch。用法：python scripts/verify_chinese.py --title "<中文标题>" --author "<作者>"
• scripts/verify_url.py — 检查 URL 是否可访问，并提取页面元数据（来自 meta 标签的标题、作者、DOI）。
• references/hallucination-patterns.md — 英文文献常见幻觉类型目录。怀疑存在伪造时阅读。
• references/chinese-hallucination-patterns.md — 中文文献特有的幻觉类型目录（中文文献幻觉模式）。怀疑存在中文文献伪造时阅读。
• references/verification-checklist.md — 英文文献核验的完整分步清单。
• references/chinese-verification-checklist.md — 中文文献核验的完整清单（中文文献核验清单），包括 CNKI、万方、核心期刊、学位论文和政府文件核查。