企业官网建设流程全解析

参考文献会凭空消失？Academic Research Skills 用 4 层校验拦住 AI 编造引用

【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills

投稿前一晚，你逐条点开参考文献核对，结果某一条的 DOI 在 Crossref 里查无结果，arXiv 上也搜不到作者——这条"看起来非常可信"的引用，其实是 AI 写稿时顺手编出来的。这类事比想象中常见：一项覆盖 250 万篇论文的审计估算，仅 2025 年就出现了约 14.6 万条幻觉引用。Academic Research Skills（下称 ARS）就是针对这个问题设计的一套 Claude Code 学术技能包，覆盖"研究 → 写作 → 评审 → 修订 → 定稿"，它的招牌能力是让每一条引用都能被查到、每一段方法描述都能对回你真实的实验材料。

方案速览：ARS 把"引用造假"拆成了可拦截的环节

幻觉引用最难缠的地方在于：它读起来和真引用没有区别。ARS 的思路不是写一句"不许编"的提示词，而是把整条写作链路拆开，在每个环节放一个具体机制——写作时限制信息来源、留痕标记自由发挥、初稿终稿各设一道强制门禁、再用确定性脚本对着学术索引逐条核验。团队自己的压力测试里，引用错误率一度高达 31%，其中 21 条问题引用甚至骗过了 3 轮一致性检查。这些数据就是后面这套机制的由来。

核心机制：让"只用你给的材料"成为默认行为

写论文时最危险的输入是模型自己的训练记忆。ARS 的 **Knowledge Isolation（知识隔离指令）**干的事很直白：只要流水线里已经放进了研究问题简报（RQ Brief）、综述报告和带注释的参考文献表，写作代理就必须以这些会话材料为第一信源，而不是靠"我记得好像有篇文章这么说过"来填内容。它并不禁止 AI 使用学术写作常识、文风与论证技巧——被管住的只有事实层面：论点、数据、引用、方法描述。

落到执行上，代理会收到五条硬性约束：

1. 事实性内容以本次会话提供的材料优先，模型记忆让位；
2. 文中的每个论点都要能回溯到参考来源里的某一条；
3. 大纲需要、但材料没覆盖的内容，不许自己补，先标记出来；
4. 参考文献表之外的新文献，未经你明确点头不得入文；
5. Methods 章节只能描述材料里有据可查的流程，实验步骤一个字都不许"合理想象"。

这套规则专门堵住三类隐蔽问题：方法论虚构（凭训练数据写出你从没跑过的实验流程）、隐式知识泄漏（用记忆里的过时或不准确内容填空白）、无意复述（从训练语料里几乎逐字搬来别人的段落）。协议原文见 academic-paper/references/anti_leakage_protocol.md，值得通读一遍。

缺口留痕：[MATERIAL GAP] 与 [LLM-SUPPLEMENTED] 的记账方式

写作约束得越紧，越要有一个"卡住了怎么办"的出口。ARS 的做法是打标记：

• 材料覆盖不到的地方，代理写下[MATERIAL GAP]，并在下一个检查点把缺口摆到你面前；
• 你可以补料，也可以明确授权 AI 来补这段内容——授权后，该段会被打上[LLM-SUPPLEMENTED]标签写进草稿元数据，一致性审查时一眼可见。

换句话说，AI 的每一次自由发挥都有一笔账。后续做 AI 使用披露说明时，这些覆盖性决定会一并注入论文，谁补的、补在哪、你批没批准，全程可查。

4 层校验：按论文的时间线走一遍

防造假不靠单点，ARS 的四层校验沿"写作 → 初稿 → 终稿 → 全局"的时间线排开：

写作时：知识隔离先于下笔

上面讲的五条红线在动笔前就生效，把编造拦在内容产生之前——这是成本最低的一层，因为根本不需要事后追责。

初稿：Stage 2.5 门禁 + 7 种失败模式逐条排除

初稿交出去之前，一致性审查代理必须逐条排除 7 种已知 AI 研究失败模式，其中第 2 种就是引用幻觉，第 6 种是方法论虚构。任何一项被判"疑似"，流水线立即暂停，等你确认才能继续。这道门禁不可跳过，清单全文在 academic-pipeline/references/ai_research_failure_modes.md。

终稿：Phase E 论点-来源对齐，数字必须对得上原文

引用"存在"不等于"引用正确"——真实文献也可能被拿去做它没说过的事。Phase E 会抽取文中的关键声明（百分比、因果判断、趋势描述），逐条回到原文比对：高影响声明100% 全量验证，其余按比例抽检；每条判定落在 VERIFIED / 轻微偏差 / 重大扭曲 / 无法验证等档位，只要出现一条"重大扭曲"或"无法验证"，一致性报告直接判 FAIL。规则细节见 academic-pipeline/references/claim_verification_protocol.md。

全局：四索引存在性核验 + 数据访问分级

贯穿全程的是两道确定性防线。第一道是引用存在性校验门：自 v3.11 起，每条引用都会被脚本交叉核对 Semantic Scholar、OpenAlex、Crossref、arXiv 四个学术索引，DOI 或 arXiv ID 查无此条即判"不存在"——纯程序化比对，不经过模型判断，编出来的 DOI 没有解释空间，入口在 scripts/verify_passport.py 与 scripts/verification_gate/。第二道是Ground-Truth Isolation（数据访问分级）：每个技能都在元数据里声明自己的数据访问级别（raw/redacted/verified_only），未经核验的材料与已核验材料严格分层流动，确保"参考答案"永远不会漏进"答题者"的上下文。设计原理见 shared/ground_truth_isolation_pattern.md。

如何接入：安装与日常配合

安装（前提是已装 Claude Code），两条命令：

/plugin marketplace add Imbad0202/academic-research-skills /plugin install academic-research-skills

跑流程：直接说"我要写一篇关于 X 的研究论文"，ARS 会按 研究 → 写作 → 评审 → 修订 推进，也可以单独试"对这份材料做文献综述"。注意知识隔离的生效前提：你得把材料（简报 + 综述 + 参考文献表）真正喂进流水线，空手写作时协议不会激活。

日常配合就两件事：看到[MATERIAL GAP]就补料或显式授权补充；看到[LLM-SUPPLEMENTED]就重点复核那一段。所有覆盖性决定都会被你确认并留痕，不会悄悄放行。

资料索引

收束

ARS 没有承诺"AI 绝不会编"，它做的是把每次编造的成本抬高到肉眼可见：写作时被隔离、缺口被记账、引用被四个索引对质、每个论点被拉回原文核对。你无法阻止模型产生幻觉，但可以确保任何一条幻觉都走不出这道流水线。

【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills