企业官网建设流程全解析

Academic Research Skills防泄漏协议完整指南：如何确保AI不编造参考文献

【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

如果你在用 AI 写论文，一定担心过：那些看起来有模有样的参考文献，会不会是 AI 凭空捏造的？Academic Research Skills（ARS）正是为解决这个问题而生的开源工具——它是面向 Claude Code 的一套学术研究技能包，覆盖"研究 → 写作 → 评审 → 修订 → 定稿"全流程，其中的防泄漏协议（Anti-Leakage Protocol）专门防止 AI 编造参考文献、虚构实验方法，从源头切断幻觉引用。

为什么 AI 特别爱编造参考文献？

AI 写论文时最大的风险就是"看起来对，其实不存在"的引用。这不是杞人忧天：

• 一项对 arXiv、bioRxiv 等库上 250 万篇论文的审计发现，仅 2025 年就估计有14.6 万条幻觉引用；
• ARS 团队自己的压力测试中，曾出现过31% 的引用错误率，其中 21 条问题引用骗过了 3 轮一致性检查。

更隐蔽的是，AI 还会"脑补"你实际没做过的实验流程——写出来的 Methods 章节看似专业，其实全是模型记忆里的内容，而不是你真实的研究过程。

防泄漏协议是什么？5条核心规则

防泄漏协议的正式名称叫Knowledge Isolation（知识隔离指令），它的核心思想一句话就能说清：

写论文时，优先使用你本次会话提供的材料，而不是 AI 的"记忆"。

当你在流水线中提供了研究问题简报（RQ Brief）、综述报告和带注释的参考文献表后，写作代理会收到这样一组硬性规则：

协议原文在这里，值得通读一遍：academic-paper/references/anti_leakage_protocol.md

[MATERIAL GAP]：留白比造假安全

这是防泄漏协议最妙的机制。当大纲需要的内容在你的材料里找不到时，AI 不是悄悄"圆"上去，而是打一个[MATERIAL GAP]标记，在下一个检查点提醒你。此时你有两个选择：

1. 补充材料——把缺失的资料喂给流水线；
2. 授权 AI 补充——补充的内容会被打上[LLM-SUPPLEMENTED]标签，一致性审查时一目了然。

也就是说，AI 的每一次"自由发挥"都会被记录在案，无处遁形。

防泄漏协议防住哪3种"泄漏"？

协议明确针对三类典型失败：

🧪方法论虚构——AI 凭训练数据写出"合理"的实验流程，与你实际做的完全对不上；

📚隐式知识泄漏——AI 用记忆里的过时或不准确内容填补空白；

📄无意抄袭——AI 从训练数据中逐字复现了别人的段落。

这三类问题的共同点是：内容本身像模像样，只有对照原始材料才能发现破绽。防泄漏协议的作用，就是把"对照原始材料"变成 AI 写作时的默认行为。

不止一道防线：ARS 的四层引用校验

防泄漏协议负责"写作时不造假"，但 ARS 的聪明之处在于它从不依赖单点防御。围绕参考文献真实性，整个流水线布了四道关卡：

第 1 层：引用存在性校验门（确定性脚本）

v3.11 起，每一条被引用的文献都会被自动交叉核对四个学术索引（Semantic Scholar、OpenAlex、Crossref、arXiv）。如果一条引用的 DOI 或 arXiv ID 明确查不到，脚本会直接判定它"不存在"——这一步不靠 AI 判断，是纯程序化校验，编造的 DOI 根本逃不过去。

校验脚本位于 scripts/verify_passport.py 与 scripts/verification_gate/。

第 2 层：Stage 2.5 / 4.5 一致性门禁 + 7种失败模式清单

论文的初稿和终稿各要过一道不可跳过的一致性检查。检查时，一致性审查代理必须逐一排除 7 种已知的 AI 研究失败模式（其中 Mode 2 就是引用幻觉，Mode 6 是方法论虚构）。只要任何一项被标记为"疑似"，流水线直接暂停，必须等你处理才能继续。

清单全文见：academic-pipeline/references/ai_research_failure_modes.md

第 3 层：Phase E 论点-来源对齐验证

"引用存在"还不够——真实文献也可能被错误引用（用它支持它根本没说的结论）。Phase E 阶段会抽取文中的关键声明（数字、因果判断、趋势描述），逐条回到原文中比对：

• 高影响声明100% 验证，其余按比例抽检；
• 判定分为 VERIFIED / 轻微偏差 / 重大扭曲 / 无法验证 五档；
• 出现任何"重大扭曲"或"无法验证"，一致性报告直接判 FAIL。

协议细节见：academic-pipeline/references/claim_verification_protocol.md

第 4 层：数据访问分级（Ground-Truth Isolation）

每个技能都在元数据中声明自己的数据访问级别（raw/redacted/verified_only），确保未经验证的原始材料和已验证材料严格分层流动，"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

新手上手：3步开始使用

第 1 步：安装（需已安装 Claude Code）

在 Claude Code 中执行两条插件命令即可：

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

第 2 步：跑通流程

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 的顺序推进；也可以单独试"对这份材料做文献综述"。写作阶段防泄漏协议会自动激活——前提是你在流水线里提供了研究材料（简报 + 综述 + 参考文献表），这正是协议生效的条件。

第 3 步：响应标记

看到[MATERIAL GAP]时补充材料，看到[LLM-SUPPLEMENTED]时重点复核该段落。所有覆盖性决定都需要你确认，并会被自动注入论文的 AI 披露说明中——任何"带病放行"都会留痕。

关键文件速查

小结

ARS 的防泄漏协议把"AI 不许编"从一句口号变成了可执行的机制：写作时知识隔离 + 缺口显式留痕 + 多索引确定性校验 + 人工门禁兜底。它不会替你写论文，但能确保你论文里的每一条引用、每一个方法描述，都经得起对照原始材料的检查——而这，正是 AI 学术写作最不能输掉的那一关。

【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