citation-check

# Citation Check ## Phase 0 — MCP 依赖检测 首先扫描 MCP 工具。输出一行即可： ``` MCP: arxiv ✅ | scholar ✅ | paper-search ✅ ``` 缺任意一个则停止，输出安装命令后结束。三项齐全才继续。 --- ## Phase 1 — 读取 + 提取 + 提问 ### 1.1 读取文件 | 格式 | 方式 | |------|------| | PDF | `mcp__pdf-reader__read_pdf` | | DOCX | `python-docx` via Bash | | TXT/MD | `Read` | | LaTeX | `Read` + 解析 `\cite{}` `\bibitem{}` | ### 1.2 提取引用 输出原始清单： ``` 文件: paper.pdf (5页) | 提取到 N 条引用 | 类型: 期刊论文/会议/... [1] 期刊 | Vaswani et al. (2017) "Attention Is All You Need" 位置: §I, "code-centric automation..." [2] ... ``` ### 1.3 去重合并 按 **标题 + 第一作者** 归一化（标题去标点、转小写后比对，第一作者取姓氏）。同一论文多次引用合并为一条，保留所有引用位置。 去重后输出： ``` 去重: 原始 N 条 → M 条独立论文 (减少 N-M 条重复) [1,7] 期刊 | Vaswani et al. (2017) "Attention Is All You Need" 位置: §I "code-centric automation..." / §III "self-attention enables..." [2] 会议 | ... [3,5,9] 预印本 | ... ``` 编号沿用原始编号列表（如 `[1,7]`），后续查证和报告均以去重后的独立论文为单位。 ### 1.4 用 AskUserQuestion 提问 去重后**立即**调用 `AskUserQuestion` 工具，设置两个问题： **问题一 — 验证范围（单选）** - header: "范围" - options: - `all` / "全部验证 (共 M 条独立论文)" - `selected` / "手动指定编号 (如 1,3,5-8)" - multiSelect: false **问题二 — 验证深度（单选）** - header: "深度" - options: - `quick` / "Quick — 只看 Abstract/TLDR (~10-15k tokens/条)" - `normal` / "Normal — Abstract+Intro+Conclusion (~20-50k tokens/条) [推荐]" - `deep` / "Deep — 全文逐节对比 (~50-150k tokens/条) [费token]" - multiSelect: false 等用户选择后再进入 Phase 2。 --- ## Phase 2 — 并行验证 (10条/轮) ### 强制规则 - 每轮严格 10 条独立论文，多余自动下一轮 - 每条开一个独立 general-purpose 子 Agent，**全部并行启动** - Agent 完成后用 TaskUpdate 更新状态 - 本轮全完成后自动进入下一轮，不等待用户 ### 单条 Agent 任务 每个 Agent 收到：原始编号列表（如 `[1,7]`）、标题、作者、年份、DOI/ArXiv ID（如有）、所有引用位置的上下文（每个位置 ±3 句）。 三层检查： **Layer A — 存在性（含容错 fallback 链）** 按优先级依次尝试，任意一步成功即停止。每步最多重试 1 次（超时/网络错误），失败则进入下一步。 | 优先级 | 条件 | 工具 | 失败处理 | |--------|------|------|----------| | 1 | 有 DOI | `mcp__scholar__get_paper` | → 优先级 2 | | 2 | 有 ArXiv ID | `mcp__arxiv__get_abstract` | → 优先级 3 | | 3 | 有标题 | `mcp__scholar__search_papers`（完整标题） | → 优先级 4 | | 4 | 标题搜索失败 | 去标点、引号括核心短语、只取前 5-8 词，重试 `mcp__scholar__search_papers` | → 优先级 5 | | 5 | 标题搜索仍失败 | 换数据源：`mcp__arxiv__search_papers` | → 优先级 6 | | 6 | 前两步都失败 | 换数据源：`mcp__paper-search__search_google_scholar` | → 优先级 7 | | 7 | 只有作者+年份+关键词 | 组合搜索：`mcp__scholar__search_papers`（作者 + 2-3 个核心关键词） | → 优先级 8 | | 8 | 以上全部失败 | `WebSearch`（论文标题 + "paper" / "pdf"） | → 判定为无法确认 | 每条 fallback 都记录尝试路径，最终报告里标注实际用到的数据源。 **Layer B — 元数据** 对照引用类型字段表（见 REFERENCES.md）逐字段比对。作者、标题、期刊、年份、卷/期/页码为必须匹配项。 **Layer C — 内容支撑（深度由 Phase 1 用户选择决定）** | 深度 | 范围 | |------|------| | quick | Abstract + TLDR | | normal | Abstract + Introduction + Conclusion | | deep | 全文逐节 | 提取引用处的主张 (Claim)，对比论文实际内容：支撑 / 夸大 / 无关 / 矛盾。 ### 进度显示 每轮启动： ``` ── Round 1/3 — [1]-[10] — 深度: normal ──────────────────── ⏳ 10 个 Agent 并行启动中... ``` Agent 完成后即时更新： ``` ✅ [1] Vaswani 2017 — 通过 ⚠️ [4] Yao 2022 — 年份有出入 ⏳ [5] Daareyni 2025 — 查证中... ``` 轮次完成： ``` ── Round 1/3 完成 — ✅8 ⚠️1 ❌0 🔍0 📝1 — 剩余11条，进入Round 2... ``` --- ## Phase 3 — 汇总报告 所有引用查完后，输出汇总报告： ``` # 引用验证报告 文件: xxx.pdf | 引用总数: N ✅ 通过: N | ⚠️ 信息有出入: N | ❌ 伪造: N | 🔍 无法验证: N | 📝 内容不匹配: N [1,7] ✅ Author (Year) "Title" 类型: 期刊 | 位置: §I Line 42, §III Line 128 元数据: 全部匹配 内容: §I 主张 "xxx" → 论文支持 ✓ / §III 主张 "yyy" → 论文支持 ✓ 证据: DOI/arXiv链接 [2] ⚠️ Author (Year) "Title" 类型: 会议 | 位置: §2.1 Line 56 元数据不匹配: 年份 2019 → 实际 2018 ... [3] ❌ Author (Year) "Title" 查证结果: 论文不存在，期刊不存在 ... ``` ## 判定标准 ``` 存在？ ─否→ ❌ 伪造引用 └是→ 元数据匹配？ ├否→ ⚠️ 信息有出入 └是→ 内容支撑主张？ ├否→ 📝 与引用地点不匹配 ├是→ ✅ 通过 └无法判定→ 🔍 无法验证 ```