自动添加参考文献

触发检测

检测以下信号时激活本 Skill：

意图信号（中文）

• "加参考文献"/"添加引用"/"找相关论文"
• "补充文献"/"完善参考文献"
• "给这段话加引用"

意图信号（英文）

• "add citations"/"find references"
• "complete bibliography"

文件信号

• 扩展名：.md / .tex / .docx
• 内容特征：已有正文但引用不足或缺失

前置依赖

必需依赖

本 Skill 依赖 academic-search Skill 进行论文检索。

安装命令：

git clone https://github.com/ustc-ai4science/academic-search ~/.cursor/skills/academic-search
bash ~/.cursor/skills/academic-search/scripts/check-deps.sh

Python 依赖

pip install python-docx textract

工作流程

Step 1: 解析文档

运行解析脚本提取文档关键信息：

python ~/.cursor/skills/auto-citation/scripts/parse_document.py \x3C文件路径>

输出内容：

• 文档类型（markdown/latex/word）
• 主题摘要（TL;DR）
• 关键词列表（3-7 个核心术语）
• 现有引用列表（避免重复推荐）
• 建议检索方向（2-4 个互补 query）

Step 2: 生成搜索策略

基于解析结果，生成 2-4 个互补搜索 query：

策略原则：

• 覆盖核心概念（主要方法/技术）
• 覆盖应用场景（domain-specific）
• 覆盖 baseline 对比（相关经典工作）
• 近 5 年优先（时效性优先）

Step 3: 并行检索

调用 academic-search Skill 执行多 query 搜索：

子 Agent 任务分发：
├── Query 1: "graph neural network time series" → arXiv + S2
├── Query 2: "GNN temporal data prediction" → arXiv + S2
├── Query 3: "time series forecasting deep learning" → Google Scholar
└── 合并结果，DOI/arXiv ID 去重

搜索参数：

• 年份范围：近 5 年（或用户指定）
• 排序：时效性优先 → 引用数 → CCF 等级
• 数量：每 query 取前 10 篇

Step 4: 去重与筛选

去重规则（按优先级）：

1. DOI 精确匹配
2. arXiv ID 匹配
3. 标题 + 年份 + 第一作者匹配

筛选逻辑：

• 排除已存在的引用
• 按相关性 + 引用数 + 时效性排序
• 保留前 8-12 篇作为候选池

Step 5: 推荐候选

向用户展示候选列表，格式如下：

基于你的文章主题（GNN 时间序列预测），我找到以下相关论文：

[1] Title A - 被引 150 次 (2023)
    作者：Author A, Author B
    相关点：与你第 2 节的方法直接相关，可作为主要对比 baseline
    
[2] Title B - 被引 89 次 (2024) [新]
    作者：Author C et al.
    相关点：最新 SOTA 方法，建议作为主要引用
    
[3] Title C - 被引 320 次 (2021)
    作者：Author D
    相关点：领域经典工作，适合引言背景介绍

请输入你想引用的编号（如：1,3,5），或：
- 输入 "更多" 查看下一批候选
- 输入 "调整" 修改搜索方向
- 输入特定需求（如："找几篇中文文献"）

Step 6: 格式化与插入

格式选择（按以下优先级）：

1. 用户明确指定（"用 GB/T 7714 格式"）
2. 文件内标记（\x3C!-- citation-style: bibtex -->）
3. 环境变量（AUTO_CITATION_STYLE=gb7714）
4. 根据文件类型推断（.tex → BibTeX, .docx → GB7714）

格式化命令：

python ~/.cursor/skills/auto-citation/scripts/format_citation.py \
  --style {bibtex|gb7714|apa} \
  --papers \x3Cpapers.json> \
  --output \x3C输出路径>

插入命令：

python ~/.cursor/skills/auto-citation/scripts/insert_citation.py \
  --document \x3C原文路径> \
  --citations \x3C引用文件> \
  --output \x3C输出路径>

引用格式说明

BibTeX 格式

适用于 LaTeX 文档。

文件组织：

• 生成/更新 .bib 文件
• 原文使用 \cite{key} 标记
• 支持 \bibliographystyle 自定义样式

示例输出：

@inproceedings{wang2023gnn,
  title={Graph Neural Networks for Time Series Prediction},
  author={Wang, X. and Li, Y.},
  booktitle={NeurIPS},
  year={2023}
}

GB/T 7714 格式

适用于中文论文和学位论文。

文中引用：上标 [1] 或 [1-3] 文末列表：按引用顺序编号

示例输出：

[1] Wang X, Li Y. Graph Neural Networks for Time Series Prediction[C]. 
    NeurIPS, 2023.
[2] Zhang S. Deep Learning Methods[J]. Journal of AI, 2024, 10(2): 100-120.

APA 格式

适用于社会科学和国际期刊。

文中引用：作者-年份制 (Wang & Li, 2023) 文末列表：按作者字母排序

示例输出：

Wang, X., & Li, Y. (2023). Graph neural networks for time series prediction. 
    In NeurIPS (pp. 1000-1010).

用户交互模式

模式一：全自动推荐

用户未指定具体需求时，AI 自主完成全部流程。

模式二：定向补充

用户指定特定位置或主题：

• "给引言加几篇背景文献"
• "实验部分需要 baseline 引用"
• "找几篇用 Transformer 做时间序列的论文"

模式三：精确匹配

用户提供部分信息：

• "我记得有一篇 NeurIPS 2023 的 GNN 论文"
• "找这篇论文的完整引用：arxiv:2401.12345"

质量检查清单

每次执行后自我检查：

• 推荐的引用是否与文章主题相关
• 是否避免了重复引用
• 引用格式是否符合用户要求
• 年份分布是否合理（既有经典又有最新）
• 引用位置标注是否正确（文中标记与文末列表对应）

错误处理

情况 1: 文档解析失败

• 尝试用通用方法提取纯文本
• 询问用户文章主题关键词
• 基于关键词手动生成 query

情况 2: 搜索结果为空

• 放宽年份限制
• 简化 query（去掉太具体的限制）
• 尝试不同平台（尤其是 CNKI 中文文献）

情况 3: 用户不满意推荐

• 询问具体需求（"需要 baseline 还是最新工作？"）
• 调整搜索方向
• 扩大或缩小关键词范围

相关文件

• 文档解析说明：references/parser-guide.md
• 引用格式规范：references/citation-styles.md
• 使用示例：references/workflow-examples.md