Imported from Analyst1981/reference-test-skill (SKILL.md). Install upstream with npx skills add Analyst1981/reference-test-skill. Copyright stays with the author (MIT).

reference-test — 参考文献真实性核查技能

核心理念：让 AI 做它最擅长的事（联网检索、多源交叉比对、格式校验），把最难的事（最终判断、学术决策）留给最懂领域的人。

设计原则：宁可严格标记可疑问题，也不要把无法确认的参考文献默认为正确。

1. 技能做什么

reference-test 是一个「较真」的参考文献审计技能。它对给定的参考文献列表进行逐条、结构化、可追踪的核验，专门解决 AI 时代越来越严重的"假文献"问题。

1.1 它能解决的问题

AI 在写作时经常"编造"看起来合理但实际不存在的文献：

• 🔴 完全捏造：标题、作者、年份整体虚构
• 🔴 嵌合体（chimeric）：真实标题 + 错误作者，或真实作者 + 错误期刊——最危险的"看似真"类型
• 🔴 篡改条目：基于真实文献微调元数据，DOI 指向另一篇
• 🟡 格式问题：标点、大小写、缩写不统一、缺字段
• 🟡 预印本 vs 正式版：arXiv/bioRxiv 早已正式发表，但引用了旧版本
• 🟡 重复条目：同一篇文献被列了两次
• 🟡 国内期刊黑名单命中：参考但需人工复核的期刊名出现

1.2 它不能替代的事

• ❌ 不替代人工最终复核——被标记为 Critical、Major、Manual Check 的文献必须由人动手确认
• ❌ 不替代文献管理软件（EndNote/Zotero/Mendeley）的格式化功能
• ❌ 不替代导师/编辑的学术判断

1.3 适用场景

2. 何时调用（触发场景）

满足以下任一条件时应主动调用 reference-test：

1. 用户说"检查我的参考文献是否真实/帮我核对文献/audit references/verify my bibliography/check if my citations are real"
2. 用户说"我用了 AI 写论文，怕有假文献/AI 生成的参考文献不敢用"
3. 用户说"查一下我引用中文文献是不是真的/用知网查一下/用万方查一下/查国内期刊" ← v1.1 强化
4. 用户准备投稿、提交课题申报书或答辩 PPT，但参考文献来源不可靠
5. 用户收到审稿人/导师质疑"参考文献里有错"
6. 用户从 AI、复制他人论文、非数据库检索等非可信渠道获取了文献

不要在不相关时调用——如用户只是在问文献综述写作技巧、文献管理软件使用、或者只是问某个概念，不需要审计文献。

3. 工作流程（七步）

默认逐条核查，禁止抽样；用户明确要求抽样时例外。当列表超过 30 条时，分批处理（建议每批 ≤20 条），并明确告知"本轮查了哪几条、还剩几条"。

Step 1：收集输入

向用户索要两类材料：

1. 参考文献列表：可以是 Markdown 文本、Word/PDF 文档、EndNote/Zotero 导出文件、纯文本粘贴
2. 可选元数据（强烈建议提供，可大幅提升准确率）：
   • 中文文献：中文原题名（而非英文译名）、期刊全称、ISBN、授予单位、导师
   • 英文文献：DOI、PMID、完整作者列表
   • 图书：ISBN
   • 标准/专利：标准号/专利号

如果输入是文档（.docx/.pdf），先用 Read 或 Bash（pdftotext / docx2txt）提取纯文本，再分离出参考文献条目。

Step 2：解析与结构化

逐条解析参考文献，提取字段：

解析规则：

• 全文检索时优先用题名前 4–6 个实词作为关键词，避免命中参考文献列表
• 作者名要消歧：Smith, J. 和 Smith, John 在首次出现时合并归档
• 处理常见缩写：et al.、等、N/A、~ 等
• 中文文献严格区分中英文题名，优先用中文原题名检索

Step 3：多源级联验证

核心方法：对每条文献按"优先级从高到低"逐级尝试源，任一源命中并匹配完整元数据即通过；否则继续向下一源走。

3.1 中文文献溯源链（v1.1 强化）

调用约束：

• 中文文献永远不要只查一条源——必须知网+万方+维普三库至少两库命中才标 verified
• 知网走 cnki-mcp-server 时务必设置 NO_PROXY=cnki.net,*.cnki.net（绕过腾讯 EdgeOne CDN 拦截）
• 中英文混合关键词在 CNKI 引擎效果差，建议英文缩写替换为中文全称
• 万方 APPCODE 个人可申请，1–3 工作日审批，每天 1000–5000 次免费额度

详细中文溯源方法、API Key 申请指引、AI 编造特征清单见 references/zh-cn-databases.md。

3.2 英文文献溯源链

调用约束：

• Crossref / OpenAlex 请求需带 User-Agent: reference-test/1.1 (mailto:your@email.com) 进入 polite pool
• Semantic Scholar 单 IP 限流约 100 req/5 min，超大批量请加 x-api-key header
• 英文文献 2+ 源匹配即标 verified（弱于中文的"三库两命中"原则）

Step 4：元数据匹配度评估

对每条命中的文献，计算"四维相似度"：

总分 ≥ 0.85 → verified；0.65–0.85 → partial_match；< 0.65 → mismatch

中文特别处理：

• 期刊名 "计算机学报" 和 "计算机学報" 视为同一期刊（自动繁简转换）
• 作者 "王明" 和 "Wang Ming" / "Wang M." 视为同一作者（多语言姓名归一化）
• 中英文题名不一致时取较长的相似度分数

Step 5：嵌合体（chimeric）专项检测

嵌合体是最危险的"看似真"类型——真实题名搭配错误作者/期刊。专用规则：

1. 若题名在源中能查到，但作者列表与源中所有同名论文均不一致 → Critical: chimeric
2. 若题名能查到，对应多条候选论文，提交条目错选了其中一个 → Major
3. 若 DOI 真实存在，但 DOI 解析到的文献题名/作者与提交条目不一致 → Critical: doi_mismatch

Step 6：格式与完整性审计

除真实性之外，并行执行：

Step 7：生成结构化输出

详见第 5 节。每批结束输出一张表，全部完成后再出一份汇总报告。

4. 输入格式

4.1 用户最小输入

请用 reference-test 核查我下面的参考文献（GB/T 7714-2015）：
[1] 王明, 李华. 深度学习在医学影像分析中的应用研究[J]. 计算机学报, 2023, 44(5): 1023-1040.
[2] ...

4.2 完整输入（推荐）

请用 reference-test 核查：
- 文档：[上传文件]
- 引用风格：APA 7 / GB/T 7714-2015 / Vancouver / 不指定
- 文献语言：纯中文 / 纯英文 / 中英文混合
- 关注点：[DOI/真实性/格式/重复/自引/CSSCI 收录]
- 期望输出：[详细表格/简明列表/仅 Critical 项]
- 中文溯源通道：[cnki-mcp-server / 万方 API / WebFetch 公开页面]

4.3 从 Zotero/EndNote 导出

如果用户提供 RIS / BibTeX / EndNote XML 文件，直接解析后进入 Step 2，无需再次 OCR。

5. 输出格式

5.1 单批核查表（必出）

每批完成后输出：

5.2 汇总报告（全部完成后必出）

📋 参考文献审计汇总
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
总条目：N 条
✅ Verified（通过）：X 条
🔴 Critical（致命）：Y 条 — 必须处理，疑似假文献
🟠 Major（严重）：Z 条 — 题名/作者/期刊明显错配
🟡 Minor（轻微）：W 条 — 格式/标点/缩写
⚪ Manual Check（人工复核）：V 条 — 数据库不可达或证据不足

⚠️ 重点关注：
→ [#] 的 DOI 无法解析，疑似虚假文献（给出原始 DOI 和检索证据）
→ [#] 涉嫌嵌合体——题名真实但作者/期刊错配
→ [#] 预印本已有正式发表，建议更新引用版本
→ [#] 中文期刊黑名单命中，建议人工复核

📊 CSSCI/CSCD 收录状态核验（中文文献适用）：
→ [#] [#] 发表在 CSSCI 来源期刊
→ [#] [#] 发表在 CSCD 来源期刊
→ [#] [#] 发表在北大核心
→ [#] [#] 未被收录或非核心

💡 自引率：第一作者自引 X / Y = Z%

5.3 严重问题的可选深度报告

对标记为 Critical 的条目，额外提供：

• 三类数据库（CNKI / Wanfang / Crossref 等）的检索回显前 200 字
• 期刊官网 / DOI 直链验证截图描述
• 建议的人工核对路径

6. 边界情况与降级策略

7. 与相关工具的关系

8. 一句话总结

AI 帮你写论文是好事，但 AI 编的假文献是定时炸弹。

reference-test 不替你做学术判断，只帮你把每一条参考文献在数据库里实地走一遍、给出一份可以人工复核的证据表。

写完论文，跑一遍 reference-test，确认每一条都是真的——这不是可选步骤，是底线。

9. 进阶：与 MCP 服务协同（v1.1+ 推荐）

9.1 推荐的 MCP 集成方案

将本技能与以下 MCP 服务联合使用，可获得自动化的国内期刊溯源：

// ~/.cursor/mcp.json 或 ~/.config/opencode/config.json
{
  "mcpServers": {
    "cnki": {
      "command": "python",
      "args": ["-m", "cnki_mcp"],
      "env": {
        "NO_PROXY": "cnki.net,*.cnki.net"
      }
    },
    "wanfang": {
      "command": "npx",
      "args": ["-y", "@wanfangdata/open-skills"]
    }
  }
}

9.2 触发协同的提示词

请使用 reference-test 技能，配合 cnki MCP server 逐条核查我的中文参考文献。
每条按以下流程：
1. cnki.search_cnki 检索"篇名" + "作者"
2. cnki.find_best_match 验证提交题名是否真实
3. cnki.get_paper_detail 取完整元数据
4. 与提交条目做四维比对，输出 Critical/Major/Minor/Manual Check

参考文献列表：
[粘贴]

9.3 MCP 安装指引

详细安装方法见 references/zh-cn-databases.md §2.3 和 TUTORIAL.md 教程 9。