引用验证

检查文本中的引用是否真实、准确，防止 AI 幻觉引用和元数据错误。

重要背景：AI 生成的学术文本中约 40% 的引用可能是幻觉（编造的论文、张冠李戴、元数据拼凑）。即使是人类写的文本也常有年份/期刊名错误。本 skill 的目标是在投稿前消灭所有引用问题。

CLI 命令（首选方法）

# 检查文件中的引用
scholaraio citation-check <file>

# 在工作区范围内验证
scholaraio citation-check <file> --ws <workspace-name>

# 从 stdin 读取
cat draft.md | scholaraio citation-check

CLI 自动提取 author-year 格式的引用（Author (Year)、(Author, Year)、Author & Author (Year)、Author et al. (Year) 等），在本地知识库中搜索匹配，输出每条引用的验证状态：

对于 AMBIGUOUS 和 NOT_IN_LIBRARY 的结果，可进一步执行手动深度验证（见下文）。

前提

用户提供待检查的文本（粘贴、文件路径、或指定 workspace 中的草稿文件）。 如有 workspace，优先在工作区范围内验证。

手动深度验证

CLI 完成初步筛查后，对问题引用执行更细致的检查：

Layer 1 — 本地库匹配

scholaraio search-author "<Author>" --top 5
scholaraio usearch "<关键词 from title>" --top 5

在本地库中找到匹配论文后，核对：作者名、年份、标题、期刊是否一致。

Layer 2 — DOI/元数据核验

如果本地库有匹配，读取 meta.json 中的 DOI 和详细元数据交叉比对。 如果本地库无匹配，提醒用户——该引用不在工作区/知识库中。

Layer 3 — 内容一致性

对于关键引用（支撑核心论点的），加载 L2-L3 检查：

scholaraio show <paper-id> --layer 3

验证：文本中对该论文的描述是否与论文实际内容一致？是否存在过度解读或断章取义？

常见问题模式

• AI 幻觉引用：作者名和年份拼凑出一篇不存在的论文——标记 SUSPICIOUS
• 张冠李戴：引用了真实论文但描述的是另一篇的内容——标记 CONTENT MISMATCH
• 元数据错误：年份差一年、期刊名拼错、一作搞错——标记 METADATA MISMATCH 并给出正确值
• 过度引用：一个论点堆了 5+ 引用但大部分并不直接相关——建议精简

示例

用户说："帮我检查这段文字里的引用是否正确" → 先运行 scholaraio citation-check <file>，再对问题引用逐条深入验证

用户说："检查 workspace/my-paper/introduction.md 里的引用" → 运行 scholaraio citation-check workspace/my-paper/introduction.md --ws my-paper