Light Citation

论文引用管理

引用规划

1. 列出论文每个需要引用的 claim/方法/数据集/对比工作。
2. 为每处匹配最合适的来源：经典奠基文献 + 最新进展 + 直接对比方法 + 必要背景。
3. 检查覆盖：领域经典是否引？最新(近 1–2 年)是否引？SOTA baseline 是否引？

引用审查（逐条核查）

• 真实性：DOI/标题/作者/年份可核查，杜绝臆造（CONVENTIONS §4）。核验路径：
  • 优先 Crossref https://api.crossref.org/works?query.bibliographic=<标题+作者+年>&mailto=<邮箱>（礼貌池更稳），比对返回的 title/author/issued/DOI。
  • 单 DOI 直查 https://api.crossref.org/works/{doi}；查不到再用 OpenAlex filter=title.search:... 或 Semantic Scholar /paper/search 兜底。
  • 标准：每条引用都要能定位到真实记录；对不上即标"疑似臆造/需核查"，不放过。
• 关联度（locator 审计）：每条引用不只要"真实存在"，还要"真的支撑它所附的那句话"。这是引用核验里最易被跳过、却最伤诚信的一环（对接 paper-drafting 失败模式 M2）。可操作审计见 references/locator_audit.md——逐条给引用配一个 locator（页码/章节/图表号/原文片段），核对"被引文献此处是否真的说了正文声称的内容"，三态判定：supports（原文确实支撑）/ partial（沾边但夸大或断章取义→改写正文或换引用）/ unsupported（原文根本没这意思→删或换）。key/DOI 对得上 ≠ 论点被支撑。
• 权威性 vs 开放性（须区分，别混用）：
  • 开放性/可访问性：verify_refs.py 已从 OpenAlex 同源带出 is_oa/oa_status/venue/is_in_doaj/type/version，给的是"能否免费拿到、什么 OA 通道"。oa_status==closed 不等于低质——顶刊大量闭源，绝不据此扣分。
  • 权威性/掠夺性：来源层级要看 DOAJ 收录、期刊分区、掠夺性预警名单（如 Beall's list 衍生），须人工判定，脚本只给线索不下结论（见 summary.authority_note）。
  • 预印本：脚本对 type=preprint 或非 publishedVersion 产 warning，引用须注明未经同行评审或换正式版 DOI。
• 时效性：是否遗漏近期关键工作。用 Crossref filter=from-pub-date: 或 OpenAlex filter=publication_year:> 扫近 1–2 年高被引。
• 撤稿核查（2026 投稿硬需求）：引用已撤稿文献是诚信事故。verify_refs.py 已在 Crossref 同源响应里查 update-to[] 撤稿信号 + 标题 RETRACTED 前缀（判定口径与 a10 light-research-ethics light-research-ethics/scripts/check_retractions.py 同源），命中报 high severity（is_retracted=true，须删除或换源）。批量预筛或需更新更正/关注声明全表时，直接跑 a10 的 light-research-ethics/scripts/check_retractions.py（三态 RETRACTED/FLAGGED/CLEAN）。诚实局限：经典撤稿论文本身常不暴露 update-to[]（publisher 行为各异），故标题前缀作补充信号；CLEAN ≠ 保证未撤稿，高风险引用须交叉查 Retraction Watch。
• 被引关系核验：声称"A 引用了 B"时，跑 scripts/verify_citation_edge.py <A的DOI> <B的DOI> 实证，不靠印象。脚本三态输出：confirmed（开放索引查到 A→B）/ not_in_open_index（OpenCitations+S2 均 200 但未含 B——开放索引未覆盖 ≠ 未引用，须人工查全文或 WoS/Scopus）/ unknown（端点非 200/限速，无法判定）。绝不据开放索引缺失就断言"未引用"。
• 数量：是否过少(支撑不足)或过多(堆砌)。用 is-referenced-by-count/cited_by_count 辅助判断代表性。
• 中外占比：按 venue 合理（中文期刊需足量中文文献，国际会议以英文为主）。
• 自引：比例是否过高。

格式生成

• 最快路径——DOI 内容协商：对 https://doi.org/{doi} 带 Accept 头直接取格式，免转换：
  • Accept: application/x-bibtex → BibTeX；application/vnd.citationstyles.csl+json → CSL JSON；application/x-research-info-systems → RIS。
  • Accept: text/x-bibliography; style=apa; locale=en-US → 直接返回已排版书目（style 取 CSL 名：apa/ieee/chicago-author-date…）。curl 记得 -L 跟随重定向。
• 多格式中枢：以 CSL JSON 存储，配 .csl 样式经 Pandoc/Zotero 渲染成任意期刊格式。type 字段决定模板（article-journal/paper-conference/book…），选错套错模板。
• 中文国标：GB/T 7714-2015，安装社区 .csl（区分 -numeric 顺序编码 / -author-date），核查文献类型标识码 [J]/[C]/[M]/[D]/[EB/OL] 与作者 >3 取前 3 加"等"。每条 .bib 条目须带 langid={chinese|english}（按作者/标题是否含 CJK 判定）——缺 langid 会让"等/et al."与 [C]/[J] 类型标识在国标排版下出错；doi_to_any.py 产 BibTeX 时已自动注入。
• 无 DOI 中文文献核验兜底：知网/万方收录的中文文献常无 DOI，落不进下面以 DOI 为入口的脚本核验，但不得跳过真实性核查。走 references.md「中文文献核验兜底」节：① CNKI 题录手工 → .bib 字段映射 + 逐条齐全性 checklist（含 langid 与文献类型标识）；② GB/T 7714-2015 中文条目核对速查表（≤15 行）。本技能是中文核验的执行方，m07（light-paper-drafting）integrity_gate.md 第 4 节是写作时的拦截方，两方题录三字段（题名/作者+单位/刊名+年卷期页）口径一致。
• 键名规范（与 m07/m08 正文占位同公式）：citekey 统一用 Better BibTeX 公式 authorYearWord——第一作者姓 + 年份 + 标题首个实词，全部小写（如 zhang2024deep），冲突自动加 a/b/c。生成 .bib 时按此公式 pin citekey，不要沿用 DOI 注册商内容协商返回的原始键（那些键与正文 \cite{} 对不上，排版会报 undefined citation）。正文 \cite{} 占位与 .bib 键必须同源同公式。
• LaTeX 后端：先看目标模板要求——顶会模板（IEEEtran/ACM/LNCS）常锁定传统 bibtex+指定 .bst；现代 biblatex+biber 原生 UTF-8、排序更强但字段名不同（journaltitle/date）。不擅自换后端。

工具视角

• 元数据/真实性核验：Crossref（DOI 权威源，礼貌池带 mailto，深翻页用 cursor=*）、OpenAlex（filter/group_by 强，摘要是倒排索引需重建；2026 起需免费 key，接入口径见 m01 references「OpenAlex 接入真相源」）、Semantic Scholar（强在引用关系与影响力，申请免费 x-api-key 避 429）。
• 开放获取：Unpaywall /{doi}?email=，看 is_oa/oa_status/best_oa_location.url_for_pdf，注意 version 是否正式版。
• 引用关系实证：OpenCitations /citations/{id}、/references/{id}（只覆盖开放 DOI-DOI，不当完整计数）。
• 库管理：Zotero（Web API v3，format=bibtex/csljson，include=bib&style=）+ pyzotero（zot.items(content='bib', style='ieee')、everything() 翻页）；纯 LaTeX 流可用 JabRef（DOI/arXiv fetcher + integrity check 体检 .bib）。
• 协作互导：与 EndNote/Mendeley 交换统一走 RIS 或 .bib；勿假设 Mendeley 历史 API 仍可用，迁移前先验证。 （各工具真实端点/参数/坑见 references.md）

端到端 workflow（可运行脚本串联）

全部脚本免外部依赖（标准库 urllib），自带 __main__ 自测，端点已 curl 实测（HTTP 码见 references.md）。

1. 搜索/抽取 — Crossref query.bibliographic 或 OpenAlex filter=title.search: 找候选，拿到 DOI 清单；正文 .bib/.tex 里的 DOI 也可直接抽出。
2. 去重 — 合并同一工作的多版本/多 DOI（预印本 vs 正式版优先正式版）。
3. 真实性+一致性核验 — 一条命令产机读报告：

   # 在本技能目录（skills/light-citation/）下运行
   python scripts/verify_refs.py --file dois.txt --self-author 张 --out report.json
   

   读 report.json：summary.high_severity_errors 必须为 0；查不到的 DOI 标 severity:high（疑似臆造）；summary.retracted_count 必须为 0——任一 is_retracted=true 的引用须删除或换源（撤稿信号来自 Crossref update-to[] + 标题前缀，口径同 a10 check_retractions.py）； 另给中外占比 cn_ratio、自引率 self_citation_rate、缺近 2 年标志 missing_recent_2y、预印本数 preprint_count、各源 HTTP 码与 OA 字段（is_oa/oa_status/venue/is_in_doaj，反映开放性非权威性）。 离线降级协议（无网/限流时核心闸门怎么办）：脚本区分三态——①连上但查无记录(HTTP 404)→ severity:high 疑似臆造，真问题；②连上且查到但对不上/已撤稿→真问题；③两源都网络不可达(HTTP 0)→ unverified_offline=true，记 warning 不记 high error。summary.unverified_offline_count>0 时 offline_note 会提示：这些引用是【未核验】而非【已通过】，核验闸门不得放行——不可把"没连上网"当成"已核验通过"，也不可诬为"疑似臆造"；须联网后重跑 verify_refs.py 再下真实性结论。投稿前体检若处于离线，必须显式告知用户"引用真实性尚未核验，联网后补验"，不假装已过闸。 对正文声称的第三方引用关系（"A 引用了 B"），逐条跑 python scripts/verify_citation_edge.py <A> <B> 实证，取三态结论而非凭印象断言。
4. GB/T 7714 渲染 / 多格式生成 — 逐 DOI 出 BibTeX + CSL JSON + 国标排版文本：

   python scripts/doi_to_any.py 10.1038/s41597-023-02555-8 --format all
   

   --format gbt7714 直接给顺序编码制中文书目；CSL JSON 可再喂 Pandoc 配 .csl 渲染任意期刊样式。 生成 .bib 时按 authorYearWord 公式 pin citekey（见上"键名规范"），中文条目自动带 langid=chinese。
5. 抽正文 citekey ↔ .bib 键对账 — 跑 python scripts/citekey_audit.py --tex paper.tex --bib refs.bib（支持 LaTeX \cite* 与 pandoc [@key] 两种语法）：求双向差集——缺失键（正文引了 .bib 没有→编译出 ??，必修）、冗余键（.bib 有正文没引→投稿前清理）、.bib 重复定义键（必修）；--check-naming 另校验是否合 authorYearWord 惯例。两侧 citekey 公式一致（m07/m08 占位即用此公式）才能对上。
6. 投稿前体检 — 逐项过 assets/citation_checklist.md（真实性/关联度/中外·SOTA·经典覆盖/数量健康度/格式）， 并用其中"被引阈值分档表"按文献年龄判代表性。
7. 产出报告 — 汇总 report.json + checklist 结论，给补引/删引/换源/改格式的修改清单。

脚本与资产

• scripts/doi_to_any.py — DOI 内容协商 → BibTeX / CSL JSON / GB-T 7714，BibTeX 按 CJK 自动注入 langid，含真 DOI 自测。GB/T 7714 CJK 作者特判：中文名整名连写、不套西文缩写（"张伟"非"张 W."）；电子资源 [EB/OL] 带访问日期（缺则显式"访问日期待补"占位不静默丢）。
• scripts/verify_refs.py — 批量 DOI 经 Crossref+OpenAlex 双源核验，产机读 JSON 报告（含 OA 开放性字段、预印本计数、撤稿检测 is_retracted/retracted_count，口径同 a10 check_retractions.py）。撤稿覆盖度诚实声明：summary 显式区分"已用信号"(Crossref update-to + 标题 RETRACTED)与"未覆盖经典撤稿"，retracted_count=0 ≠ 保证干净，高风险引用提示交叉查 Retraction Watch / 跑 a10 第二跳。嵌合引用检测（Chimeric，借 PHY041）：传 claimed={first_author,title} 时，若 DOI/标题真实但声称首作者不在真实作者列表→标 is_chimeric（真标题配错作者的 AI 幻觉）。自引按作者姓精确匹配（非整串子串，降 Wang/Li 等高频姓误报）。含真/假 DOI 自测。
• scripts/verify_citation_edge.py — 实证引用边"A 引用了 B"，OpenCitations 双向 + Semantic Scholar 兜底，三态输出（confirmed/not_in_open_index/unknown），含真 DOI 自测。
• assets/citation_checklist.md — 投稿前体检清单 + 被引阈值分档表 + 中外/SOTA/经典覆盖自检表。

产出

1. 引用审查报告（问题清单 + 修改建议：补引/删引/换源/改格式）。标准工件：citation_audit.md（真实性 + locator，命名见 CONVENTIONS §6.1）。
2. 规范化 .bib / 对应格式文件。标准工件：refs.bib（交 m12）。
3. 正文引用位置与编号核对。

衔接

与 m07/m08/m12 协同；缺关键文献回 m01 补检；格式随 m13 选定 venue 调整(引用样式查 db01 reference_style 字段 → LaTeX bst/CSL 映射见 db01 references.md §2，与 m12 排版同源)；引用库登记 db09。虚假/掠夺性来源风险上报 a10。

工具真实端点、参数、限速与已知坑详见同目录 references.md。