getbib

name	getbib
description	用低幻觉工作流为一篇或多篇学术论文获取可靠的 BibTeX。当用户提供论文标题和可选作者信息，并希望得到：(1) 带理由的权威候选链接，(2) 通过浏览器实际获取而不是猜测生成的 BibTeX，(3) 类似 bib_link_candidates.md 这样的可审阅过程文档，或 (4) 多篇论文的批量 BibTeX 收集结果时，应使用此 skill。

Getbib

概述

使用这个 skill，可以把论文标题转成一条可审阅的引用获取工作流：

1. 使用 agent 自带的 web search 工具为每篇论文找到最可靠的发表链接。如果用户配置了 config.json，也可以使用内置的 Grok 搜索脚本代替。
2. 使用由 Playwright 驱动的浏览器提取流程，从推荐链接或其站点内可推导的元数据路径中获取 BibTeX。
3. 将中间审阅文档和最终 BibTeX 文件都写入磁盘。

当用户希望尽量降低文献引用幻觉风险，并愿意在信任最终 BibTeX 之前先检查中间文档时，优先使用这个 skill。

工作流

1. 收集输入

支持以下输入形式：

• 单篇论文：
  • 仅 title
  • title + author
• 批量论文：
  • 在 prompt 中重复给出多个标题
  • 带 title 和可选 author 列的 csv / tsv
  • 形如 {title, author} 数组的 json / jsonl
  • 每行一个标题，或使用 title<TAB>author 格式的 txt

如果用户没有提供批量输入文件，就根据对话内容隐式构造输入，并用重复的 --title 和可选的 --author 调用脚本。

2. 搜索链接

默认使用 agent 自带的 web search 工具为每篇论文搜索最合适的发表链接。搜索时遵循来源路由章节中的优先级。

如果项目根目录下存在 config.json（Grok 或其他 OpenAI 兼容搜索 API 配置），则改用内置的 scripts/grok_search.py 自动搜索，无需 agent 手动搜索。config.json 中的 base_url 支持填写任何 OpenAI 兼容端点（不限于 Grok）。

两种搜索方式的结果都需要整理为链接 JSON 格式：

[
  {"title": "Attention Is All You Need", "url": "https://dblp.org/rec/conf/nips/VaswaniSPUJGKP17.html"},
  {"title": "BERT", "url": "https://openreview.net/forum?id=..."}
]

3. 运行编排脚本

默认模式（agent 自行搜索链接后调用）：

python3 scripts/getbib.py --title "Paper Title" --links-json links.json

Grok 模式（有 config.json）：

python3 scripts/getbib.py --title "Paper Title" [--author "Author Name"]

批量模式：

python3 scripts/getbib.py --input papers.csv [--links-json links.json]

常用选项：

• --output-dir <dir>：将所有输出写入指定目录
• --links-json <file>：使用预先准备好的链接 JSON，跳过 Grok 搜索
• --mode links：只生成可审阅的链接文档（仅在 Grok 模式下有意义）
• --mode both：同时生成链接文档和最终 BibTeX（默认）
• --keep-cache：保留中间 JSON 产物

4. 交付输出

默认会在输出目录中生成以下文件：

• bib_link_candidates.md：推荐链接、选择理由以及返回的来源 URL
• playwright_route.bib：通过浏览器驱动提取流程获取的最终 BibTeX
• .cache/grok_bib_links/*.json：原始 Grok 检索结果
• .cache/playwright_results.json：逐篇论文的提取结果
• summary.json：本次运行摘要

5. 审阅策略

在向用户总结结果时，遵循以下信任规则：

• 把中间链接文档视为第一层审阅界面。
• 将 playwright_route.bib 视为比模型直接生成的 BibTeX 更高置信，因为它是从推荐来源页面或其站点内元数据路径中实际提取得到的。
• 如果页面标题与站点提供的 BibTeX 标题不一致，要明确指出，尤其是 OpenReview 场景。
• 如果搜索没有返回可用链接，或浏览器无法从推荐来源提取 BibTeX，应明确标记失败，而不是自行按标题猜测其他来源。

来源路由

脚本已经实现了以下来源优先策略：

• dblp / dblp.dagstuhl -> .bib
• OpenReview -> API note 内容和 _bibtex，并修复标题不一致问题
• arXiv -> 页面元数据
• NeurIPS / PMLR -> 页面中的 BibTeX 入口
• AMS -> 先从页面元数据提取 DOI，再获取 DOI 对应的 BibTeX
• IEEE 页面 -> 当页面未直接暴露 BibTeX 时，尝试使用页面中的 DOI 元数据
• GitHub / 模型卡 / 发布公告页 -> @misc

只有在已知某个特定来源结果错误时，才应覆盖脚本默认行为。不要在搜索未提供链接时自行按标题猜测其他来源。

资源

scripts/getbib.py

主入口脚本。单篇和批量模式都使用它。

scripts/grok_search.py

基于 Grok API（或任何 OpenAI 兼容的搜索端点）的联网搜索脚本。从项目根目录的 config.json 读取配置。

scripts/playwright_fetch.mjs

供 scripts/getbib.py 使用的浏览器驱动提取器。

config.example.json

搜索 API 配置模板。复制为 config.json 并填入 API key 即可使用。