学术研究的综合引文管理。搜索Google Scholar和PubMed查找论文、提取准确的元数据、验证引文并生成正确格式的BibTeX条目。当您需要查找论文、验证引文信息、将DOI转换为BibTeX或确保科学写作中的参考文献准确性时使用此技能。

引文管理

概述

在整个研究和写作过程中系统地管理引文。此技能提供用于搜索学术数据库(Google Scholar、PubMed)、从多个来源(CrossRef、PubMed、arXiv)提取准确元数据、验证引文信息以及生成正确格式的 BibTeX 条目的工具和策略。

对于维护引文准确性、避免参考错误和确保可重现研究至关重要。与 literature-review 技能无缝集成,以实现全面的研究工作流程。

何时使用此技能

在以下情况下使用此技能:

在 Google Scholar 或 PubMed 上搜索特定论文
将 DOI、PMID 或 arXiv ID 转换为正确格式的 BibTeX
提取引文的完整元数据(作者、标题、期刊、年份等)
验证现有引文的准确性
清理和格式化 BibTeX 文件
查找特定领域的高被引论文
验证引文信息是否与实际发表相符
为手稿或论文构建参考书目
检查重复引文
确保一致的引文格式

使用科学原理图进行视觉增强

当使用此技能创建文档时,始终考虑添加科学图表和原理图以增强视觉传达。

如果您的文档尚未包含原理图或图表:

使用 scientific-schematics 技能生成 AI 驱动的出版质量图表
只需用自然语言描述您想要的图表
Nano Banana Pro 将自动生成、审查和精炼原理图

对于新文档: 科学原理图应默认生成,以可视化表示文本中描述的关键概念、工作流程、架构或关系。

如何生成原理图:

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI 将自动:

创建具有正确格式的出版质量图像
通过多次迭代审查和精炼
确保可访问性(色盲友好、高对比度)
将输出保存在 figures/ 目录中

何时添加原理图:

引文工作流程图表
文献搜索方法流程图
参考管理系统架构
引文风格决策树
数据库集成图表
任何受益于可视化的复杂概念

有关创建原理图的详细指导,请参阅 scientific-schematics 技能文档。

核心工作流程

引文管理遵循系统化过程:

第一阶段: 论文发现和搜索

目标: 使用学术搜索引擎查找相关论文。

Google Scholar 搜索

Google Scholar 提供跨学科的最全面覆盖。

基本搜索:

# 搜索主题论文
python scripts/search_google_scholar.py "CRISPR gene editing" \
  --limit 50 \
  --output results.json

# 使用年份筛选器搜索
python scripts/search_google_scholar.py "machine learning protein folding" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 100 \
  --output ml_proteins.json

高级搜索策略(参见 references/google_scholar_search.md):

使用引号表示精确短语: "deep learning"
按作者搜索: author:LeCun
在标题中搜索: intitle:"neural networks"
排除术语: machine learning -survey
使用排序选项查找高被引论文
按日期范围筛选以获取最新工作

最佳实践:

使用具体、有针对性的搜索术语
包含关键术语和缩写
为快速发展的领域按最近年份筛选
检查"被引用次数"以查找开创性论文
导出前几个结果以进行进一步分析

PubMed 搜索

PubMed 专门用于生物医学和生命科学文献(3500万+引文)。

基本搜索:

# 搜索 PubMed
python scripts/search_pubmed.py "Alzheimer's disease treatment" \
  --limit 100 \
  --output alzheimers.json

# 使用 MeSH 术语和筛选器搜索
python scripts/search_pubmed.py \
  --query '"Alzheimer Disease"[MeSH] AND "Drug Therapy"[MeSH]' \
  --date-start 2020 \
  --date-end 2024 \
  --publication-types "Clinical Trial,Review" \
  --output alzheimers_trials.json

高级 PubMed 查询(参见 references/pubmed_search.md):

使用 MeSH 术语: "Diabetes Mellitus, Type 2"[MeSH]
字段标签: "cancer"[Title]、"Smith J"[Author]
布尔运算符: AND、OR、NOT
日期筛选器: 2020:2024[Publication Date]
发表类型: "Review"[Publication Type]
与 E-utilities API 结合以实现自动化

最佳实践:

使用 MeSH Browser 查找正确的控制词汇
首先在 PubMed Advanced Search Builder 中构建复杂查询
使用 OR 包含多个同义词
检索 PMIDs 以便轻松提取元数据
导出为 JSON 或直接导出为 BibTeX

第二阶段: 元数据提取

目标: 将论文标识符(DOI、PMID、arXiv ID)转换为完整、准确的元数据。

快速 DOI 到 BibTeX 转换

对于单个 DOI,使用快速转换工具:

# 转换单个 DOI
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2

# 从文件转换多个 DOI
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# 不同的输出格式
python scripts/doi_to_bibtex.py 10.1038/nature12345 --format json

全面元数据提取

对于 DOI、PMID、arXiv ID 或 URL:

# 从 DOI 提取
python scripts/extract_metadata.py --doi 10.1038/s41586-021-03819-2

# 从 PMID 提取
python scripts/extract_metadata.py --pmid 34265844

# 从 arXiv ID 提取
python scripts/extract_metadata.py --arxiv 2103.14030

# 从 URL 提取
python scripts/extract_metadata.py \
  --url "https://www.nature.com/articles/s41586-021-03819-2"

# 从文件批量提取(混合标识符)
python scripts/extract_metadata.py --input identifiers.txt --output citations.bib

元数据来源(参见 references/metadata_extraction.md):

CrossRef API: DOI 的主要来源

期刊文章的全面元数据
出版商提供的信息
包括作者、标题、期刊、卷、页、日期
免费,无需 API 密钥

PubMed E-utilities: 生物医学文献

官方 NCBI 元数据
包括 MeSH 术语、摘要
PMID 和 PMCID 标识符
免费,建议高容量使用 API 密钥

arXiv API: 物理、数学、CS、q-bio 中的预印本

预印本的完整元数据
版本跟踪
作者隶属关系
免费,开放获取

DataCite API: 研究数据集、软件、其他资源

非传统学术输出的元数据
数据集和代码的 DOI
免费访问

提取内容:

必填字段: 作者、标题、年份
期刊文章: 期刊、卷、号、页、DOI
书籍: 出版商、ISBN、版本
会议论文: 书名、会议地点、页
预印本: 存储库(arXiv、bioRxiv)、预印本 ID
附加: 摘要、关键词、URL

第 2.5 阶段: 通过网络搜索进行元数据补充(强制)

目标: 使用网络搜索检测并填补任何缺失的元数据字段。此阶段在提取之后、格式化之前运行,以确保每个 BibTeX 条目都是完整的。

为何至关重要: 来自 API(CrossRef、PubMed、arXiv)的元数据提取有时会返回不完整的记录 —— 缺少卷号、页码、期号或 DOI。在参考书目被视为就绪之前,必须填补这些空缺。

步骤 1: 扫描不完整的条目

提取元数据后,扫描 BibTeX 文件中缺少关键字段的条目:

按条目类型检查的字段:

| 条目类型 | 必须具备 | 应该具备 |

|------------|-----------|-------------|

| @article | 作者、标题、期刊、年份 | 卷、页、号、doi |

| @inproceedings | 作者、标题、会议论文集、年份 | 页、doi |

| @book | 作者/编者、标题、出版商、年份 | isbn、doi |

| @misc | 作者、标题、年份 | doi 或 url |

任何缺少 volume、pages 或 doi 的 @article 条目都被视为不完整,必须进行补充。

步骤 2: 为缺失的元数据进行网络搜索

对每个不完整的条目,使用 parallel-web 技能搜索缺失的信息:

选项 A —— 按标题和作者搜索(最适合查找 DOI):

parallel-cli search "FIRST_AUTHOR TITLE JOURNAL_NAME volume pages DOI" \
  --json --max-results 10 \
  -o sources/search_citation_CITATIONKEY.json

选项 B —— 从 DOI 页面提取(最适合已知 DOI 但缺少卷/页时):

parallel-cli extract "https://doi.org/10.XXXX/YYYY" --json \
  --objective "extract complete citation metadata: volume, issue, pages, publication date" \
  -o sources/extract_doi_CITATIONKEY.json

选项 C —— 直接搜索 CrossRef API(程序化、快速):

parallel-cli search "crossref DOI metadata FIRST_AUTHOR TITLE" \
  --json --max-results 10 \
  -o sources/search_crossref_CITATIONKEY.json

选项 D —— 搜索 Google Scholar(用于难以查找论文的后备方案):

parallel-cli search "google scholar FIRST_AUTHOR TITLE YEAR complete citation" \
  --json --max-results 10 \
  -o sources/search_scholar_CITATIONKEY.json

步骤 3: 更新 BibTeX 条目

找到缺失的元数据后:

打开 references.bib
将缺失的字段添加到不完整的条目中
验证找到的元数据与现有字段一致(相同的作者、标题、年份)
记录每次修复:

   [HH:MM:SS] METADATA ENRICHED: [CitationKey] - added volume={X}, pages={Y--Z}, doi={10.XXX/YYY} ✅

步骤 4: 处理无法找到的元数据

如果网络搜索后仍无法真正找到元数据(非常古老的论文、冷门会议等):

在 BibTeX 条目中添加 note 字段说明缺失原因:

   note = {Volume and pages not available — published online only}

记录例外情况:

   [HH:MM:SS] METADATA INCOMPLETE: [CitationKey] - pages unavailable (online-only publication) ⚠️

这类例外应该很少见 —— 大多数现代论文都能通过网络搜索找到完整的元数据。

快速参考: 常见缺失字段及查找位置

| 缺失字段 | 最佳搜索策略 |

|---------------|---------------------|

| DOI | 通过 parallel-cli search 搜索 "AUTHOR TITLE DOI" |

| 卷号 | 从 DOI 页面提取,或搜索 "JOURNAL YEAR TITLE volume" |

| 页码 | 从 DOI 页面提取,或搜索出版商网站 |

| 期号 | 从 DOI 页面提取,或查询 CrossRef |

| 出版商 | 搜索 "JOURNAL publisher" 或查看期刊网站 |

第三阶段: BibTeX 格式化

目标: 生成干净、正确格式的 BibTeX 条目。

了解 BibTeX 条目类型

完整指南请参阅 references/bibtex_formatting.md。

常见条目类型:

@article: 期刊文章(最常见)
@book: 书籍
@inproceedings: 会议论文
@incollection: 书章
@phdthesis: 学位论文
@misc: 预印本、软件、数据集

按类型的必填字段:

@article{citationkey,
  author  = {Last1, First1 and Last2, First2},
  title   = {Article Title},
  journal = {Journal Name},
  year    = {2024},
  volume  = {10},
  number  = {3},
  pages   = {123--145},
  doi     = {10.1234/example}
}

@inproceedings{citationkey,
  author    = {Last, First},
  title     = {Paper Title},
  booktitle = {Conference Name},
  year      = {2024},
  pages     = {1--10}
}

@book{citationkey,
  author    = {Last, First},
  title     = {Book Title},
  publisher = {Publisher Name},
  year      = {2024}
}

格式化和清理

使用格式化程序标准化 BibTeX 文件:

# 格式化和清理 BibTeX 文件
python scripts/format_bibtex.py references.bib \
  --output formatted_references.bib

# 按引文键排序
python scripts/format_bibtex.py references.bib \
  --sort key \
  --output sorted_references.bib

# 按年份排序(最新的在前)
python scripts/format_bibtex.py references.bib \
  --sort year \
  --descending \
  --output sorted_references.bib

# 删除重复项
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --output clean_references.bib

# 验证并报告问题
python scripts/format_bibtex.py references.bib \
  --validate \
  --report validation_report.txt

格式化操作:

标准化字段顺序
一致的缩进和间距
标题中的正确大写(用 {} 保护)
标准化的作者姓名格式
一致的引文键格式
删除不必要的字段
修复常见错误(缺少逗号、大括号)

第四阶段: 引文验证

目标: 验证所有引文准确且完整。

全面验证

# 验证 BibTeX 文件
python scripts/validate_citations.py references.bib

# 针对场所标准进行验证(例如 Nature、NeurIPS、文献综述)
python scripts/validate_citations.py references.bib --venue nature
python scripts/validate_citations.py references.bib --venue neurips
python scripts/validate_citations.py references.bib --venue review

# 使用自定义最低引文数量进行验证
python scripts/validate_citations.py references.bib --min-count 40

# 对照已撰写的手稿文件检查参考文献(检测缺失或未使用的引文)
python scripts/validate_citations.py references.bib --manuscript paper.md

# 生成详细验证报告
python scripts/validate_citations.py references.bib \
  --venue nature \
  --manuscript paper.md \
  --report validation_report.json \
  --verbose

验证检查(参见 references/citation_validation.md):

DOI 验证:

DOI 通过 doi.org 正确解析
BibTeX 和 CrossRef 之间的元数据匹配
无损坏或无效的 DOI

必填字段:

条目类型的所有必填字段都存在
无空缺或缺失的关键信息
作者姓名格式正确

数据一致性:

年份有效(4 位数字,合理范围)
卷/号是数字
页格式正确(例如 123--145)
URL 可访问

重复检测:

同一 DOI 多次使用
相似标题(可能重复)
相同的作者/年份/标题组合

格式合规性:

有效的 BibTeX 语法
正确的大括号和引号
引文键唯一
特殊字符正确处理

验证输出:

{
  "total_entries": 150,
  "valid_entries": 145,
  "errors": [
    {
      "citation_key": "Smith2023",
      "error_type": "missing_field",
      "field": "journal",
      "severity": "high"
    },
    {
      "citation_key": "Jones2022",
      "error_type": "invalid_doi",
      "doi": "10.1234/broken",
      "severity": "high"
    }
  ],
  "warnings": [
    {
      "citation_key": "Brown2021",
      "warning_type": "possible_duplicate",
      "duplicate_of": "Brown2021a",
      "severity": "medium"
    }
  ]
}

按场所划分的引文数量标准

引文数量必须始终基于所选或推荐场所的期刊和会议发表标准而保持较高水平。 切勿满足于稀疏的参考文献列表;要用密集、经过验证的引文建立权威、丰富的上下文。

| 场所类型 | 目标引文数量 |

|------------|----------------------|

| 高影响力多学科期刊(Nature、Science、Cell) | 35-50+ |

| ML / CS 会议(NeurIPS、ICML、ICLR、CVPR、ACL) | 30-45+ |

| 综合性文献综述 / 市场研究报告 | 40-65+ |

| 医学期刊(NEJM、Lancet、JAMA) | 30-45+ |

始终根据目标场所的标准密度和惯例向上调整引文目标。避免"偷懒式"的引文过度重复 —— 不要反复引用同一篇或两篇论文来支持多个不相关的主张;应从多样化、高质量的可靠参考文献集合中取材。

使用 validate_citations.py --venue <venue> 或 --min-count <N> 以编程方式强制执行这些标准。

强制性写作后参考文献检查(不可协商)

一旦完整的科学报告或论文起草完成,在编译最终交付物之前,应对所有引文进行全面的写作后验证:

验证无缺失或未解析的引文: 检查草稿或已编译文档,确保每个正文引文都能正确解析到 references.bib 中的引文。必须为零个损坏的引文键、缺失的标识符或未解析的引用(例如 [?] 或 [citation needed])。
验证无未使用(悬空)的参考文献条目: 检查 references.bib 中的每个条目是否确实在报告正文中被引用。删除任何未使用的条目,以保持参考书目完全干净。
对照目标标准验证引文数量: 确保最终引文数量达到或超过所选或推荐场所的高标准(见上表)。如果数量低于标准,先进行额外的文献搜索,找到高质量论文,并将其整合到适当的章节中。
验证元数据完整性: 确认所有被引用的条目都包含完整、经过全面验证的字段(所有作者姓名、完整的期刊/会议名称、准确的年份、卷、期、页码范围以及有效的 DOI)。

用一条命令运行所有这些检查:

python scripts/validate_citations.py references.bib \
  --venue <venue> \
  --manuscript paper.md \
  --report post_writing_check.json

第五阶段: 与写作工作流程集成

为手稿构建参考文献

为创建参考书目的完整工作流程:

# 1. 搜索您主题的论文
python scripts/search_google_scholar.py "transformer neural networks" \
  --year-start 2017 \
  --limit 50 \
  --output transformers_gs.json

python scripts/search_pubmed.py "deep learning medical imaging" \
  --date-start 2020 \
  --limit 50 \
  --output medical_dl_pm.json

# 2. 从搜索结果提取 DOI 并转换为 BibTeX
python scripts/extract_metadata.py \
  --input transformers_gs.json \
  --output transformers.bib

python scripts/extract_metadata.py \
  --input medical_dl_pm.json \
  --output medical.bib

# 3. 添加您已知的特定论文
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2 >> specific.bib
python scripts/doi_to_bibtex.py 10.1126/science.abcd1234 >> specific.bib

# 4. 格式化和清理 BibTeX 文件
python scripts/format_bibtex.py combined.bib \
  --deduplicate \
  --sort year \
  --descending \
  --output formatted.bib

# 5. 验证所有引文
python scripts/validate_citations.py formatted.bib \
  --auto-fix \
  --report validation.json \
  --output final_references.bib

# 6. 审查验证报告并修复任何剩余问题
cat validation.json

# 7. 在 LaTeX 文档中使用
# \bibliography{final_references}

与文献综述技能集成

此技能与 literature-review 技能互补:

文献综述技能 → 系统搜索和综合

引文管理技能 → 技术引文处理

组合工作流程:

使用 literature-review 进行全面的多数据库搜索
使用 citation-management 提取和验证所有引文
使用 literature-review 按主题综合发现
使用 citation-management 确保参考书目准确性

搜索策略

Google Scholar 最佳实践

查找开创性和高影响力论文(至关重要):

始终基于引用计数、期刊质量和作者声誉对论文进行优先排序:

引用计数阈值:

| 论文年龄 | 引用数 | 分类 |

|-----------|---------|--------|

| 0-3 年 | 20+ | 值得注意 |

| 0-3 年 | 100+ | 高影响力 |

| 3-7 年 | 100+ | 重要 |

| 3-7 年 | 500+ | 标志性论文 |

| 7+ 年 | 500+ | 开创性工作 |

| 7+ 年 | 1000+ | 基础性 |

期刊质量等级:

第一级(首选): Nature、Science、Cell、NEJM、Lancet、JAMA、PNAS
第二级(高优先级): 影响因子 >10,顶级会议(NeurIPS、ICML、ICLR)
第三级(良好): 专业期刊(IF 5-10)
第四级(谨慎使用): 低影响力同行评审期刊

作者声誉指标:

h-index >40 的高级研究人员
在第一级期刊发表多篇论文
在知名机构担任领导职务
获奖和编辑职位

高影响力论文的搜索策略:

按引用计数排序(最被引在前)
查找第一级期刊的综述文章以获取概述
检查"被引用次数"以进行影响力评估和最新后续工作
使用引用警报跟踪关键论文的新引用
使用 source:Nature 或 source:Science 按顶级期刊筛选
使用 author:LastName 搜索已知领域领导者的论文

高级运算符(完整列表见 references/google_scholar_search.md):

"exact phrase"           # 精确短语匹配
author:lastname          # 按作者搜索
intitle:keyword          # 仅在标题中搜索
source:journal           # 搜索特定期刊
-exclude                 # 排除术语
OR                       # 替代术语
2020..2024              # 年份范围

示例搜索:

# 查找主题的最近综述
"CRISPR" intitle:review 2023..2024

# 按主题搜索特定作者的论文
author:Church "synthetic biology"

# 查找高被引基础性工作
"deep learning" 2012..2015 sort:citations

# 排除调查并专注于方法
"protein folding" -survey -review intitle:method

PubMed 最佳实践

使用 MeSH 术语:

MeSH(医学主题词)为精确搜索提供控制词汇。

在 https://meshb.nlm.nih.gov/search 查找 MeSH 术语
在查询中使用: "Diabetes Mellitus, Type 2"[MeSH]
与关键词结合以实现全面覆盖

字段标签:

[Title]              # 仅在标题中搜索
[Title/Abstract]     # 在标题或摘要中搜索
[Author]             # 按作者姓名搜索
[Journal]            # 搜索特定期刊
[Publication Date]   # 日期范围
[Publication Type]   # 文章类型
[MeSH]              # MeSH 术语

构建复杂查询:

# 最近发表的糖尿病治疗临床试验
"Diabetes Mellitus, Type 2"[MeSH] AND "Drug Therapy"[MeSH] 
AND "Clinical Trial"[Publication Type] AND 2020:2024[Publication Date]

# 特定期刊中的 CRISPR 综述
"CRISPR-Cas Systems"[MeSH] AND "Nature"[Journal] AND "Review"[Publication Type]

# 特定作者的最近工作
"Smith AB"[Author] AND cancer[Title/Abstract] AND 2022:2024[Publication Date]

E-utilities 自动化:

脚本使用 NCBI E-utilities API 进行编程访问:

ESearch: 搜索和检索 PMIDs
EFetch: 检索完整元数据
ESummary: 获取摘要信息
ELink: 查找相关文章

完整 API 文档请参阅 references/pubmed_search.md。

工具和脚本

search_google_scholar.py

搜索 Google Scholar 并导出结果。

功能:

自动搜索和速率限制
分页支持
年份范围筛选
导出为 JSON 或 BibTeX
引用计数信息

用法:

# 基本搜索
python scripts/search_google_scholar.py "quantum computing"

# 使用筛选器的高级搜索
python scripts/search_google_scholar.py "quantum computing" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 100 \
  --sort-by citations \
  --output quantum_papers.json

# 直接导出为 BibTeX
python scripts/search_google_scholar.py "machine learning" \
  --limit 50 \
  --format bibtex \
  --output ml_papers.bib

search_pubmed.py

使用 E-utilities API 搜索 PubMed。

功能:

复杂查询支持(MeSH、字段标签、布尔运算符)
日期范围筛选
发表类型筛选
批量检索和元数据
导出为 JSON 或 BibTeX

用法:

# 简单关键词搜索
python scripts/search_pubmed.py "CRISPR gene editing"

# 使用筛选器的复杂查询
python scripts/search_pubmed.py \
  --query '"CRISPR-Cas Systems"[MeSH] AND "therapeutic"[Title/Abstract]' \
  --date-start 2020-01-01 \
  --date-end 2024-12-31 \
  --publication-types "Clinical Trial,Review" \
  --limit 200 \
  --output crispr_therapeutic.json

# 导出为 BibTeX
python scripts/search_pubmed.py "Alzheimer's disease" \
  --limit 100 \
  --format bibtex \
  --output alzheimers.bib

extract_metadata.py

从论文标识符提取完整元数据。

功能:

支持 DOI、PMID、arXiv ID、URL
查询 CrossRef、PubMed、arXiv API
处理多种标识符类型
批量处理
多种输出格式

用法:

# 单个 DOI
python scripts/extract_metadata.py --doi 10.1038/s41586-021-03819-2

# 单个 PMID
python scripts/extract_metadata.py --pmid 34265844

# 单个 arXiv ID
python scripts/extract_metadata.py --arxiv 2103.14030

# 从 URL
python scripts/extract_metadata.py \
  --url "https://www.nature.com/articles/s41586-021-03819-2"

# 批量处理(文件中每行一个标识符)
python scripts/extract_metadata.py \
  --input paper_ids.txt \
  --output references.bib

# 不同的输出格式
python scripts/extract_metadata.py \
  --doi 10.1038/nature12345 \
  --format json  # 或 bibtex, yaml

validate_citations.py

验证 BibTeX 条目的准确性、完整性、场所引文数量标准合规性以及手稿整合情况。

功能:

通过 doi.org 和 CrossRef 进行 DOI 验证
必填字段检查
重复检测
格式验证
发表标准引文数量检查,针对指定场所(Nature、NeurIPS、review 等)或自定义阈值。
强制性写作后检查,将手稿引文(Markdown 或 LaTeX)与已定义的 BibTeX 条目进行匹配,以检测未解析/缺失或未使用的引用。
详细报告

用法:

# 基本验证
python scripts/validate_citations.py references.bib

# 针对场所标准进行验证(例如 Nature、NeurIPS、文献综述)
python scripts/validate_citations.py references.bib --venue nature
python scripts/validate_citations.py references.bib --venue neurips
python scripts/validate_citations.py references.bib --venue review

# 使用自定义最低引文数量进行验证
python scripts/validate_citations.py references.bib --min-count 40

# 对照已撰写的手稿文件检查参考文献(检测缺失或未使用的引文)
python scripts/validate_citations.py references.bib --manuscript paper.md

# 综合完整验证
python scripts/validate_citations.py references.bib \
  --venue nature \
  --manuscript paper.md \
  --report validation_report.json \
  --verbose

format_bibtex.py

格式化和清理 BibTeX 文件。

功能:

标准化格式化
按键、年份、作者排序条目
删除重复项
验证语法
修复常见错误
强制执行引文键约定

用法:

# 基本格式化
python scripts/format_bibtex.py references.bib

# 按年份排序(最新的在前)
python scripts/format_bibtex.py references.bib \
  --sort year \
  --descending \
  --output sorted_refs.bib

# 删除重复项
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --output clean_refs.bib

# 完整清理
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --sort year \
  --validate \
  --auto-fix \
  --output final_refs.bib

doi_to_bibtex.py

快速 DOI 到 BibTeX 转换。

功能:

快速单个 DOI 转换
批量处理
多种输出格式
剪贴板支持

用法:

# 单个 DOI
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2

# 多个 DOI
python scripts/doi_to_bibtex.py \
  10.1038/nature12345 \
  10.1126/science.abc1234 \
  10.1016/j.cell.2023.01.001

# 从文件(每行一个 DOI)
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# 复制到剪贴板
python scripts/doi_to_bibtex.py 10.1038/nature12345 --clipboard

最佳实践

搜索策略

先宽后窄:

从一般术语开始以了解领域
使用具体关键词和筛选器进行细化
使用同义词和相关术语

使用多个来源:

Google Scholar 用于全面覆盖
PubMed 用于生物医学重点
arXiv 用于预印本
结合结果以确保完整性

利用引用:

检查"被引用次数"以查找开创性论文
审查关键论文的参考文献
使用引用网络发现相关工作

记录您的搜索:

保存搜索查询和日期
记录结果数量
注意应用的任何筛选器或限制

元数据提取

可用时始终使用 DOI:

最可靠的标识符
发表的永久链接
通过 CrossRef 获取最佳元数据

验证提取的元数据:

检查作者姓名正确
验证期刊/会议名称
确认发表年份
验证页码和卷

处理边缘情况:

预印本: 包括存储库和 ID
预印本后来发表: 使用发表版本
会议论文: 包括会议名称和地点
书章: 包括书名和编辑

保持一致性:

使用一致的作者姓名格式
标准化期刊缩写
使用相同的 DOI 格式(URL 首选)

BibTeX 质量

遵循约定:

使用有意义的引文键(FirstAuthor2024keyword)
用 {} 保护标题中的大写
使用 -- 表示页码范围(不是单个破折号)
为所有现代发表包括 DOI 字段

保持干净:

删除不必要的字段
无冗余信息
一致的格式化
定期验证语法

系统组织:

按年份或主题排序
分组相关论文
为不同项目使用单独的文件
合并时小心避免重复

验证

尽早且频繁验证:

添加引文时检查
提交前验证完整参考书目
任何手动编辑后重新验证

立即修复问题:

损坏的 DOI: 查找正确的标识符
缺失字段: 从原始来源提取
重复项: 选择最佳版本,删除其他
格式错误: 安全时使用自动修复

关键引文的手动审查:

验证关键论文引用正确
检查作者姓名与发表匹配
确认页码和卷
确保 URL 当前

常见陷阱

单一来源偏见: 仅使用 Google Scholar 或 PubMed

解决方案: 搜索多个数据库以实现全面覆盖

盲目接受元数据: 不验证提取的信息

解决方案: 根据原始来源抽查提取的元数据

忽略 DOI 错误: 参考书目中有损坏或不正确的 DOI

解决方案: 最终提交前运行验证

不一致的格式化: 混合的引文键样式、格式化

解决方案: 使用 format_bibtex.py 进行标准化

重复条目: 同一论文多次引用,键不同

解决方案: 使用验证中的重复检测

缺失必填字段: 不完整的 BibTeX 条目(缺少卷、页、DOI)

解决方案: 运行第 2.5 阶段的元数据补充 —— 在继续之前,为每个缺失字段进行网络搜索。切勿让 @article 条目缺少卷、页和 DOI。

过时的预印本: 存在发表版本时引用预印本

解决方案: 检查预印本是否已发表,更新为期刊版本

特殊字符问题: 由于字符导致 LaTeX 编译失败

解决方案: 在 BibTeX 中使用正确的转义或 Unicode

提交前无验证: 提交时有引文错误

解决方案: 始终将验证作为最终检查运行

手动 BibTeX 条目: 手动输入条目

解决方案: 始终使用脚本从元数据来源提取

示例工作流程

示例 1: 为论文构建参考书目

# 步骤 1: 查找您主题的关键论文
python scripts/search_google_scholar.py "transformer neural networks" \
  --year-start 2017 \
  --limit 50 \
  --output transformers_gs.json

python scripts/search_pubmed.py "deep learning medical imaging" \
  --date-start 2020 \
  --limit 50 \
  --output medical_dl_pm.json

# 步骤 2: 从搜索结果提取元数据
python scripts/extract_metadata.py \
  --input transformers_gs.json \
  --output transformers.bib

python scripts/extract_metadata.py \
  --input medical_dl_pm.json \
  --output medical.bib

# 步骤 3: 添加您已知的特定论文
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2 >> specific.bib
python scripts/doi_to_bibtex.py 10.1126/science.aam9317 >> specific.bib

# 步骤 4: 合并所有 BibTeX 文件
cat transformers.bib medical.bib specific.bib > combined.bib

# 步骤 5: 格式化和去重
python scripts/format_bibtex.py combined.bib \
  --deduplicate \
  --sort year \
  --descending \
  --output formatted.bib

# 步骤 6: 验证
python scripts/validate_citations.py formatted.bib \
  --auto-fix \
  --report validation.json \
  --output final_references.bib

# 步骤 7: 审查任何问题
cat validation.json | grep -A 3 '"errors"'

# 步骤 8: 在 LaTeX 中使用
# \bibliography{final_references}

示例 2: 转换 DOI 列表

# 您有一个包含 DOI 的文本文件(每行一个)
# dois.txt 包含:
# 10.1038/s41586-021-03819-2
# 10.1126/science.aam9317
# 10.1016/j.cell.2023.01.001

# 全部转换为 BibTeX
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# 验证结果
python scripts/validate_citations.py references.bib --verbose

示例 3: 清理现有的 BibTeX 文件

# 您有一个来自各种来源的混乱 BibTeX 文件
# 系统地清理它

# 步骤 1: 格式化和标准化
python scripts/format_bibtex.py messy_references.bib \
  --output step1_formatted.bib

# 步骤 2: 删除重复项
python scripts/format_bibtex.py step1_formatted.bib \
  --deduplicate \
  --output step2_deduplicated.bib

# 步骤 3: 验证和自动修复
python scripts/validate_citations.py step2_deduplicated.bib \
  --auto-fix \
  --output step3_validated.bib

# 步骤 4: 按年份排序
python scripts/format_bibtex.py step3_validated.bib \
  --sort year \
  --descending \
  --output clean_references.bib

# 步骤 5: 最终验证报告
python scripts/validate_citations.py clean_references.bib \
  --report final_validation.json \
  --verbose

# 审查报告
cat final_validation.json

示例 4: 查找和引用开创性论文

# 查找主题的高被引论文
python scripts/search_google_scholar.py "AlphaFold protein structure" \
  --year-start 2020 \
  --year-end 2024 \
  --sort-by citations \
  --limit 20 \
  --output alphafold_seminal.json

# 提取前 10 个按引用计数
# (脚本将在 JSON 中包含引用计数)

# 转换为 BibTeX
python scripts/extract_metadata.py \
  --input alphafold_seminal.json \
  --output alphafold_refs.bib

# BibTeX 文件现在包含最有影响力的论文

与其他技能集成

文献综述技能

引文管理为文献综述提供技术基础设施:

文献综述: 多数据库系统搜索和综合
引文管理: 元数据提取和验证

组合工作流程:

使用 literature-review 进行系统搜索方法
使用 citation-management 提取和验证引文
使用 literature-review 综合发现
使用 citation-management 确保参考书目准确性

科学写作技能

引文管理确保科学写作的准确参考:

导出验证的 BibTeX 用于 LaTeX 手稿
验证引文符合发表标准
根据期刊要求格式化参考文献

场所模板技能

引文管理与场所示例一起用于提交就绪的手稿:

不同场所需不同的引文风格
生成正确格式的参考文献
验证引文符合场所示求

资源

捆绑资源

参考(在 references/ 中):

google_scholar_search.md: 完整的 Google Scholar 搜索指南
pubmed_search.md: PubMed 和 E-utilities API 文档
metadata_extraction.md: 元数据来源和字段要求
citation_validation.md: 验证标准和质量检查
bibtex_formatting.md: BibTeX 条目类型和格式化规则

脚本(在 scripts/ 中):

search_google_scholar.py: Google Scholar 搜索自动化
search_pubmed.py: PubMed E-utilities API 客户端
extract_metadata.py: 通用元数据提取器
validate_citations.py: 引文验证和验证
format_bibtex.py: BibTeX 格式化程序和清理器
doi_to_bibtex.py: 快速 DOI 到 BibTeX 转换器

资产(在 assets/ 中):

bibtex_template.bib: 所有类型的示例 BibTeX 条目
citation_checklist.md: 质量保证检查清单

外部资源

搜索引擎:

Google Scholar: https://scholar.google.com/
PubMed: https://pubmed.ncbi.nlm.nih.gov/
PubMed 高级搜索: https://pubmed.ncbi.nlm.nih.gov/advanced/

元数据 API:

CrossRef API: https://api.crossref.org/
PubMed E-utilities: https://www.ncbi.nlm.nih.gov/books/NBK25501/
arXiv API: https://arxiv.org/help/api/
DataCite API: https://api.datacite.org/

工具和验证器:

MeSH Browser: https://meshb.nlm.nih.gov/search
DOI 解析器: https://doi.org/
BibTeX 格式: http://www.bibtex.org/Format/

引文风格:

BibTeX 文档: http://www.bibtex.org/
LaTeX 参考书目管理: https://www.overleaf.com/learn/latex/Bibliography_management

依赖项

必需的 Python 包

# 核心依赖
pip install requests  # API 的 HTTP 请求
pip install bibtexparser  # BibTeX 解析和格式化
pip install biopython  # PubMed E-utilities 访问

# 可选(用于 Google Scholar)
pip install scholarly  # Google Scholar API 包装器
# 或
pip install selenium  # 用于更强大的 Scholar 抓取

可选工具

# 用于高级验证
pip install crossref-commons  # 增强的 CrossRef API 访问
pip install pylatexenc  # LaTeX 特殊字符处理

摘要

引文管理技能提供:

全面的搜索功能,用于 Google Scholar 和 PubMed
自动元数据提取,来自 DOI、PMID、arXiv ID、URL
引文验证,包含 DOI 验证和完整性检查
BibTeX 格式化,包含标准化和清理工具
质量保证,通过验证和报告
集成,与科学写作工作流程
可重现性,通过记录的搜索和提取方法

使用此技能在整个研究和写作过程中维护准确、完整的引文,并确保提交就绪的参考书目。

引文管理

引文管理

概述

何时使用此技能

使用科学原理图进行视觉增强

核心工作流程

第一阶段: 论文发现和搜索

Google Scholar 搜索

PubMed 搜索

第二阶段: 元数据提取

快速 DOI 到 BibTeX 转换

全面元数据提取

第 2.5 阶段: 通过网络搜索进行元数据补充(强制)

步骤 1: 扫描不完整的条目

步骤 2: 为缺失的元数据进行网络搜索

步骤 3: 更新 BibTeX 条目

步骤 4: 处理无法找到的元数据

快速参考: 常见缺失字段及查找位置

第三阶段: BibTeX 格式化

了解 BibTeX 条目类型

格式化和清理

第四阶段: 引文验证

全面验证

按场所划分的引文数量标准

强制性写作后参考文献检查(不可协商)

第五阶段: 与写作工作流程集成

为手稿构建参考文献

与文献综述技能集成

搜索策略

Google Scholar 最佳实践

PubMed 最佳实践

工具和脚本

search_google_scholar.py

search_pubmed.py

extract_metadata.py

validate_citations.py

format_bibtex.py

doi_to_bibtex.py

最佳实践

搜索策略

元数据提取

BibTeX 质量

验证

常见陷阱

示例工作流程

示例 1: 为论文构建参考书目

示例 2: 转换 DOI 列表

示例 3: 清理现有的 BibTeX 文件

示例 4: 查找和引用开创性论文

与其他技能集成

文献综述技能

科学写作技能

场所模板技能

资源

捆绑资源

外部资源

依赖项

必需的 Python 包

可选工具

摘要

兼容工具

站内相关工具