为什么你用AI检索文献/写论文总在编造？

为什么你的 AI 写论文总在编造参考文献？因为你少了一个关键步骤

让 AI 帮你写论文引言，它给你列了 5 篇参考文献，格式工整、DOI 齐全、作者和期刊都对得上。你兴冲冲提交给导师，结果导师随手一查——3 篇压根不存在，1 篇作者对不上，剩下那篇标题是 AI 自己编的。

你说你冤不冤。

你明明花了很多时间去调 Prompt，让它「严格按照学术规范」、「确保参考文献真实可查」。但它还是编，而且编得越来越像真的。

这就不是 Prompt 的问题了。

问题出在根上：大多数 AI 学术工具的设计思路就是错的。它们把「写论文」当成「生成文本」——你给我一个主题，我给你一篇文章。至于中间引用的文献存不存在、论证过程有没有依据、写出来的东西读起来像不像人写的，它们不关心，或者假装关心但其实没能力解决。

核心观点：好的学术 AI 工具不应该替代研究者的判断。它应该做的是让检索更系统、让筛选有评分依据、让 PDF 下载不用一篇篇手动点、让文献库跟大纲对齐、让写作基于真实的论文内容而不是模型记忆、让润色有章可循有迹可查。 

这几天我开发了一款开源工具，叫 More Paper Workflow Pro Skill，它跟其他 AI 学术工具最大的区别——它不做「一键生成论文」这种事。

做的事是按传统科研步骤，一步一步辅助你走完。每一步你都看得见产出文件，每一步你都可以确认和修改，每一条参考文献都来自你真实拥有的 PDF。

01｜传统科研 8 步走，每一步都看得见

你有没有想过，正经做学术研究的流程其实是很清晰的：定研究方向 → 搭大纲 → 搜文献 → 筛文献 → 下载 PDF → 整理进文献库 → 写作 → 修改润色。这个流程不是谁拍脑袋定的，是学术共同体磨合出来的最佳实践。

那为什么到了 AI 工具这里，就变成了「输入主题 → 输出论文」的黑箱？

More Paper Workflow 的思路很简单：AI 应该辅助传统流程的每一步，而不是替代它。

①定题→②大纲+关键词→③检索方案→④检索+评分→⑤PDF下载→⑥Zotero管理→⑦论文写作→⑧论文润色

More Paper Workflow · 科研 8 步流程

整个学术工作流拆成 8 个步骤，每一步有独立的输入和产出：

• ① 定题

   — 5 轮交互对话帮你聚焦研究方向  

• ② 大纲+关键词

   — 章节结构 + 中英文关键词，五维度质量门评分  

• ③ 检索方案

   — 子课题分解 + 检索词组合策略  

• ④ 多渠道检索+评分

   — 3 个免费 API + 五维度文献评分  

• ⑤ PDF 文献下载

   — Sci-Hub + ScienceDirect + IEEE 三轮自动下载，断点续传 ⭐  

• ⑥ Zotero 文库管理

   — 大纲-文库对齐，可视化覆盖热力图  

• ⑦ 论文写作

   — 先读 PDF 文献再写   

• ⑧ 论文润色

   — 29 种 AI 痕迹检测 + 句长波动分析 + 人味注入  
• 
  

📋 每一步都落盘为可见文件：定题产出 research-topic.md，检索产出 literature-table.md（带评分），下载产出 download-record.md，大纲评审产出 .docx 修订版。你可以随时中断、检查、修改任何一步的产出，再继续下一步。不是黑箱，是透明的管线。

交互确认贯穿全流程

随便举几个例子：

• 第 1 步

  不是你输入一个关键词它就帮你定了，而是 5 轮结构化对话，从「你感兴趣的大方向是什么」开始，一轮一轮收敛到具体的研究问题、方法论、应用场景。  

• 第 2b 步

  做完大纲后有一个质量门：系统用逻辑连贯性、结构平衡性、创新区分度、工程可行性、格式完备性五个维度给你打分，但怎么改由你决定。  

• 第 6c 步

  改完大纲，系统自动诊断 Zotero 里每一篇文献跟新大纲各章节的对应关系——哪些有支撑、哪些有缺口、哪些没用上。移动文献前必须你逐条确认。  

• 第 7 步

  写作之前，系统先把本章计划引用的文献列出来给你看——每篇的核心贡献是什么、计划在哪个论点下引用。你确认了，AI 才开始写。  
  
   

02｜参考文献全是真实存在的——因为 AI 先读 PDF 再写

这是我觉得这个工具最硬核的地方。

很多 AI 写作工具也宣称「支持参考文献」，但它们怎么做的？RAG——检索增强生成。把 PDF 切成几百个小块，向量化存进数据库，写作时检索相关片段塞进 Prompt。

⚠️ RAG 的致命问题：切片丢失上下文。模型看到的不是「Smith et al. (2023) 提出了一个基于 GNN 的故障诊断框架，在 CWRU 数据集上达到 99.2% 准确率」，而是三个不连续的向量片段。结果就是：看起来很完美的参考文献列表，DOI 查不到，标题是编的，有时候连期刊名称都不存在。 

More Paper Workflow 的做法简单直接：不切片，直接读全文。

通过 PyMuPDF 批量提取 PDF 的完整文本，写作时 AI 看到的是整篇论文的完整内容——摘要、方法、实验、结论，一个不落。这不是什么新技术，但多数 AI 写作工具不用，因为 RAG 是他们的卖点，而且读全文比切片「费 token」。但学术写作这件事，准确性比省 token 重要得多。

更关键的是工作流层面的硬约束。第 7 步有一条铁律：

「未出现在文献检索表或未读取过 PDF 的文献，不得引用。」

这不是 Prompt 里的「建议」，是工作流层面你绕不过去的规则。具体怎么执行的？写每章之前，系统先从 Zotero 对应的分类下读取该章节关联的所有 PDF，提取每篇的核心论点，列出引用清单。你在清单里勾选篇目、确认引用位置，然后 AI 基于你勾选的真实内容撰写这一节。

AI 在这里的角色是「读了你指定的文献，帮你组织论证」，不是「凭记忆帮你找文献」。找文献是你和第 4 步检索做的事，写论文是第 7 步做的事，两件事分开，各自有各自的产出和校验。

03｜AI 写的论文一眼就能看出来？29 种模式帮你排查 AI 味

除了编造参考文献，AI 写出来的东西还有一个很头疼的问题：一眼就能看出是 AI 写的。

你肯定见过这些症状：

• 「值得注意的是……」——每段开头都是这个，全文出现 8 次

• 「不仅……而且……」——一篇论文用了 20 次二元对比结构

• 连续 5 句话长度几乎一样，读起来像节拍器，困得要死

• 「该研究具有重要意义」——什么意义？后面什么都不说

• 「在一定程度上」「某种意义上」——每隔一段出现一次，全是没信息量的限定词

• Em Dash 满天飞，一段 3 个「——」，而且用法完全一样

这些不是写作风格问题，是AI 生成文本的统计特征。问题在于，多数润色工具只做表面替换——把「值得注意的是」改成「值得关注的是」，意义不大，AI 味还是在。

More Paper Workflow 的润色引擎分 4 级：

Level 1-2：常规的语法清理和结构优化，很多工具都能做。

Level 3：29 种 AI 写作模式系统检测

这 29 种模式分成 5 个大类：

• 内容类

  ：过度强调重要性（但没有具体论证）、空洞的 -ing 结尾分析、声称「该领域存在空白」但不说明是什么空白  

• 语言语法类

  ：AI 高频词（delve、underscore、crucial、moreover……）、被动语态连续堆砌  

• 风格类

  ：Em Dash 滥用、二元对比过量、段落首句模板化  

• 交流类

  ：伪协作式交际痕迹（「as we can see」「let us consider」）  

• 填充与模糊类

  ：没信息量的限定词和过渡句，删掉不影响理解的那种  

每种模式都有具体的检测规则和修改策略，不是通用 Prompt 那种「让文字更自然」，而是「这段话同时触发了 P1、P7、P12，这 3 个地方需要注意」。

Level 4：注入人味

这个层次最有意思。它不是让你换个写法，而是从节奏、观点、语气三个维度系统性地把「人味」加回去。

• 节奏上

  ，做句长波动分析——连续 5 句话长度差在 ±3 词以内，标记为 AI 节奏。目标句长波动方差 ≥0.35。引言和结论部分方差目标≤0.25，因为短句子有冲击力。  

• 观点上

  ，要求你「有立场」。不是「前人做了 A，前人做了 B，前人做了 C」这种文献流水账，而是「A 方法虽然有效，但它有一个前提假设在实际场景中往往不成立，所以本文选了 B 路线」。  

• 语气上

  ，允许你「承认复杂性」。真实的研究者不会说「我们全面解决了该问题」，而是「这个问题目前没有完美方案」「我们选择的方法有一个已知局限」。  

✅ 改完不是黑箱输出。润色结果以三栏表呈现：修改前 → 修改后 → 修改原因。每一处改动你都看得见，你可以接受、拒绝、或者修改任何一条建议。你在控制润色的方向，不是在验收 AI 的「作品」。 

04｜和其他 AI 学术工具比，到底差在哪？

讲完功能，我想从设计哲学的层面做一个对比。

设计哲学对比：AI 辅助 ≠ AI 替代

关于 PDF 下载多补充一句：Elsevier 和 IEEE 全线部署了 Cloudflare 和 Akamai 反爬系统。这个工具用 Chrome DevTools Protocol 启动真实浏览器，模拟人类操作——维护 Cookie、带正确的 Referrer 头、等待 JavaScript 渲染完成后捕获 PDF 流。实测 94 篇 ScienceDirect 论文下载成功 89 篇，成功率 94.7%，IEEE 6 篇全过。

一句话总结差异：其他工具想帮你「写论文」，这个工具想帮你「做研究」。  

05｜适合谁？不适合谁？

写到这里我必须诚实地说：这个工具不是给所有人的。

✅ 如果你是这样的研究者，你会很喜欢它：

• 被 AI 编造参考文献坑过，对「一键生成论文」有阴影了

• 希望用 AI 提效，但不是让 AI 替你做决定，你始终要掌握控制权

• 正在写综述、毕业论文、或课题申报书，需要系统管理 50~200+ 篇参考文献

• 有 Elsevier 或 IEEE 的机构访问权限（学校 VPN 就行）

• 已经在用 Zotero，但手动整理文献库真的太累了
  
   

❌ 但如果你属于下面几种情况，它可能不太适合你：

• 「输入标题，3 分钟出一篇论文」是你的核心需求——这个工具刻意不做这种事

• 没有机构访问权限，同时又需要 2021 年之后的论文

写在最后

回到标题那个问题：为什么你的 AI 写论文总在编造参考文献？

因为你少了一个关键步骤：让 AI 先读文献再写，而不是凭参数里记住的碎片去猜。

这个步骤看起来多了一层工作，但它是区分「AI 替你写论文」和「AI 辅助你做研究」的核心分界线。

这个工具是 开源的，MIT 协议，GitHub 可以直接看源码。如果你被 AI 编参考文献坑过，或者单纯觉得手动管理文献太消耗精力了，下一次写论文可以试试这个工作流——看看和「打开 ChatGPT 直接让它写」有什么本质区别。

评论区聊聊 你用 AI 写论文时踩过最大的坑是什么？

More Paper Workflow Pro Skill | v1.0.2 | MIT License
   GitHub: github.com/bingyunjiang/More-paper-workflow-pro-skill