| name | auto-cite |
| description | 当 Supervisor 在写 LaTeX 论文、需要用知识库（Papers/）里读过的论文给草稿加引用时， 逐条判断 claim 是否真被某篇论文支撑，给出带理由的 \cite{} 建议，确认后再插入。 触发："给这篇 tex 加引用""用我读过的论文 cite 一下"
|
| argument-hint | [draft.tex 路径] |
| allowed-tools | Read, Write, Edit, Bash, Glob, Grep |
Purpose
给定一篇 LaTeX 草稿，用知识库里已读过的论文为它添加引用。核心原则：evidence-driven，不按关键词盲插——关键词重叠 ≠ 这篇论文真的支撑这句话。脚本只负责"缩小候选 + 机械校验"，"该不该引、引哪篇"的判断由 Agent 读 summary 后做出，并经 Supervisor 确认后才写入。
与 latex-citation-enhancer 的分工：后者把读过的论文导成准确的 references.bib（条目正确）；本 skill 决定在哪句话引哪篇（引用位置正确）。
Steps
Step 1：同步引用身份与索引
python3 skills/4-writing/latex-citation-enhancer/assign_cite_keys.py
python3 skills/4-writing/latex-citation-enhancer/build_paper_index.py
确保全库每篇都有稳定 cite_key，且 paper_index.json 是最新的（含 summary/key_results 供检索）。
Step 2：解析草稿，定位"值得引用的 claim"
用 Read 读取 .tex。由 Agent 判断哪些句子需要引用支撑，典型信号：
- attributive：归因于已有工作（"prior work shows""X et al. propose""following [prior]"）。
- 实证断言：具体方法名、数据集名、benchmark 名、可被某篇论文证实的数字/结论。
- 背景陈述：领域内已被确立的事实（"GUI agents remain brittle on long-horizon tasks"）。
不需要引用的：作者自己的贡献陈述、纯过渡句、定义性陈述。
用 tex_cite_ops.py existing <tex> 列出已有 \cite{} 的 key，对应句子默认跳过（除非 Supervisor 要求补充）。
Step 3：候选生成（脚本，仅缩小范围）
对每条 claim，把该句（必要时加上下文短语）作为 query 取候选：
python3 skills/4-writing/auto-cite/retrieve_candidates.py "claim 文本……" --k 6 --json
返回 top-K 论文（cite_key / title / summary / matched_terms / score）。这只是候选，不是结论。
Step 4：Agent 逐条判断（关键，evidence-driven）
对每个候选，Agent 读它的 Summary / Key Results（候选里已带，必要时 Read 该 Papers/*.md 全文），判断：
这篇论文是否真正支撑 / 是这句 claim 的正确归属来源？
- 真支撑 → 保留，写一句 grounding 理由（"该文在 ScreenSpot-Pro 上报告 X，正好支撑'跨分辨率 grounding 退化'这句"）+ confidence（high/medium/low）。
- 仅关键词撞上但并不支撑 → 丢弃（这是本 skill 与"关键词自动插引用"的根本区别）。
- 知识库无任何候选真正支撑 → 标记该 claim "无支撑——需先 paper-digest 相关论文 / 用外部引用"，绝不硬凑。
Step 5：输出审阅表（不直接插入）
给 Supervisor 一张可勾选的表，每行一条 claim：
| # | claim（截断） | 建议 \cite | 论文标题 | 为什么支撑 | confidence |
|---|---|---|---|---|---|
| 1 | "...long-horizon GUI tasks remain brittle" | \cite{xu2025saasbench} | SaaSBench | resolved 仅 3.8%，直接量化长程脆弱性 | high |
| 2 | "...verifier 比 LLM judge 更可靠" | \cite{...} | OpenComputer | 94.1% vs 79.2% human alignment | high |
| 3 | "...privacy leakage 普遍" | — | — | 知识库无真正支撑，建议 paper-digest AgentCIBench | — |
停在这里，等 Supervisor 确认 / 增删。 这是 evidence-driven 的确认闸门。
Step 6：确认后插入 + 校验
Supervisor 勾定后：
-
用 Edit 把通过的 \cite{key}（多篇用 \cite{a,b}）插到对应 claim 的句末标点前；不动未确认项与已有 \cite{}。
-
补全并校验 bib：
python3 skills/4-writing/auto-cite/tex_cite_ops.py ensure-bib key1 key2 ... --bib <draft 用的 .bib>
python3 skills/4-writing/auto-cite/tex_cite_ops.py verify <draft.tex> --bib <draft 用的 .bib>
若 ensure-bib 报告某 key 不在缓存，先跑 fetch_bibtex.py 补该论文，或确认其 frontmatter 有 cite_key。
Guard
- 禁止纯关键词插引用：未经 Step 4 的 Agent 判断（读过 summary、确认真支撑），不得把任何候选写成
\cite{}。
- 确认闸门：默认只产出审阅表；未经 Supervisor 明确确认，不写入
.tex。
- 不编造：只引知识库中已有 cite_key 的论文；不臆造 key，不臆造 bib 条目。
- 诚实标注空白：知识库无法支撑的 claim 必须显式标出，不得用勉强相关的论文充数。
- 不动已有引用：除非 Supervisor 要求，不修改/删除草稿里已存在的
\cite{}。
Verify
Notes
- 检索是 recall 工具，判断是 precision 闸门——宁可漏引（标"无支撑"）也不错引。
- 草稿引用密集时，可分节处理：一次只过一节的 claim，逐节出审阅表。
- 相关 skills：
latex-citation-enhancer（生成/维护 references.bib）、paper-digest（补知识库缺的论文）。
