Bib-Check-Pro 是 Bib-Check 的增强版，面向科研/工程工作流的 BibTeX 引用真实性校验与联网矫正工具。
AI 自动生成文献列表已经成为常态，但结果往往不靠谱——DOI 是编造的、作者和标题张冠李戴、venue 写错。如果让 AI 直接修改，它可能越改越错，还会消耗大量 token。
更好的方案：让 AI 调用专门的校验工具。
Bib-Check-Pro 的设计思路是：
- 机器校验 比 AI 猜 更可靠——Crossref、OpenAlex、Semantic Scholar、arXiv、DataCite 等真实数据源说了算
- 程序自动修复 比 AI 重写 更省 token——高置信修复直接应用，低置信项人工确认
- 结构化报告 比 AI 闲聊 更高效——Markdown 分级报告 + 验证链接，人工复核有据可依
- 智能 venue 匹配——支持缩写/全称互认（如 NeurIPS↔Advances in Neural Information Processing Systems），避免格式差异导致的误报
Bib-Check-Pro 是辅助校验工具，不是绝对权威：
- 有 DOI 的文献：DOI 验证准确率接近 100%，但元数据（标题/作者）匹配依赖于在线数据库，可能因网络不稳定而失败
- 无 DOI 的文献（如很多 CS 会议论文、预印本、书籍）：检测能力有限，可能误报或漏报
- arXiv 预印本：若仅有 arXiv DOI（
10.48550/arxiv.xxxx）而无eprint字段，部分数据源（如 S2）可能间歇性返回空结果，建议同时保留eprint = {xxxx.xxxxx}以走稳定的 arXiv API 路径 - 国内无梯子环境：部分数据源（Semantic Scholar、Google Scholar）不可达，检测范围受限
- 网络不稳定时：会标注
CANNOT_VERIFY，提示人工复核
正确的工作流：
- AI 生成初稿 → 2. Bib-Check-Pro 自动筛查 → 3. 人工审阅
--mode review→ 4. 确认无误后提交
不要把工具的输出直接当真理，最终判断权在你。
默认只检查，不修改文件；显式开启 --mode fix 才会生成修复版 bib 与变更日志。核心能力：
- 静态检查：解析错误、重复 citekey、必填字段缺失、年份/DOI/URL 格式、pages 规范化等。
- 联网一致性：Crossref/OpenAlex/Semantic Scholar + arXiv/DBLP/CITATION.cff，标题/作者/年份/venue 对齐，DOI 找不到/不匹配报警，低置信匹配进入人工核对。venue 比较使用模糊匹配 + 别名表，支持缩写/全称互认（如 NeurIPS / LNCS↔ECCV / arXiv 变体），并自动跳过
@book条目的 publisher-vs-title 比较。 - Auto-fix（可选）：高置信补 DOI/作者/标题/年份/venue/pages；arXiv DOI 归一化；pages 规范化。
- Blog-aware（可选）：识别研究博客/项目页（OpenAI/Anthropic/Transformer Circuits 等），抓取网页元数据/官方 BibTeX，补全 title/author/date/url/howpublished/note。
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt# 仅检查（自动查找当前目录的 .bib 文件）
python -m bibcheck
# 指定文件检查
python -m bibcheck sample.bib
# 自动修复高置信错误
python -m bibcheck sample.bib --mode fix
# 交互式逐条确认
python -m bibcheck sample.bib --mode review
# 使用预设场景
python -m bibcheck sample.bib --profile strict # 投稿前严格检查
python -m bibcheck sample.bib --profile quick # 只扫前 20 条
python -m bibcheck sample.bib --profile ci # CI 静默模式
python -m bibcheck sample.bib --profile draft # 写作草稿（默认）
# 静默模式（只显示 ERROR + 一行汇总）
python -m bibcheck sample.bib --quiet
# 仅输出 Markdown 报告（不打印终端汇总）
python -m bibcheck sample.bib --output-format md--mode check仅检查（默认）--mode fix自动修复高置信错误（生成.fixed.bib）--mode review交互式逐条确认（y接受 /n跳过 /q退出）
--profile strict投稿前严格检查（更低阈值，启用 DBLP）--profile quick快速扫前 20 条（高阈值，关闭 DBLP/CFF）--profile ciCI 静默模式（无进度条，仅终端输出）--profile draft写作草稿（合理默认值）
--quiet/-q只显示 ERROR + 一行汇总--output-format terminal|md|all输出格式，默认all--outdir bibcheck-out报告输出目录（默认bibcheck-out）--progress auto|always|never进度条策略
--offline离线模式--sources crossref,openalex,s2数据源--enable-arxiv/--disable-arxiv--enable-dblp启用 DBLP（仅 CS 条目）--enable-citation-cff/--disable-citation-cff--high-conf/--mid-conf置信度门控（默认 0.8/0.6）--user-agent自定义 UA--max-entries N只检查前 N 条
--dry-run仅预览变更--inplace覆盖原文件（先备份.bak）--aggressive中置信修复也应用--fixed-bib/--changes-log/--fix-summary自定义输出路径--latex-apostrophe将作者名中的 ’ 转为{\\textquoteright}
退出码：若存在 ERROR 则返回 1，否则 0，便于 CI。
在项目根目录创建 .bibcheck.toml，日常即可零参数运行：
outdir = "bibcheck-reports"
sources = "crossref,openalex,s2"
enable_arxiv = true
enable_dblp = false
high_conf = 0.75
user_agent = "bibcheck/0.1 (+https://my-lab.edu/contact)"也支持 pyproject.toml 的 [tool.bibcheck] 段。
配置文件优先级：文件配置 < --profile 预设 < CLI 参数（后者覆盖前者）。
bibcheck-out/report.md：Markdown 复核报告- 🔴 疑似 AI 编造 / 🟠 张冠李戴 / 🟡 其他错误 / 🟢 警告 / 🛠 可自动修复项 / 🔗 验证链接汇总
- 终端汇总：总数、OK/WARNING/ERROR、按错误类型计数、ERROR citekey 列表
--mode fix/--mode review额外输出：bibcheck-out/<name>.fixed.bib（或原文件，若--inplace）bibcheck-out/changes.jsonl变更日志bibcheck-out/fix_summary.md修复汇总
- 静态：
PARSE_ERROR、DUPLICATE_CITEKEY、MISSING_REQUIRED_FIELDS、BAD_YEAR、BAD_DOI_FORMAT、BAD_URL_FORMAT、SUSPICIOUS_METADATA - 联网：
DOI_NOT_FOUND、TITLE_MISMATCH、YEAR_MISMATCH、AUTHOR_MISMATCH、VENUE_MISMATCH（使用模糊匹配，容忍缩写/全称差异和 arXiv 变体）、CANDIDATE_FOUND_NO_DOI、NOT_FOUND_ONLINE - 新增：
DOI_HALLUCINATED（AI 编造 DOI）、TITLE_SEVERELY_MISMATCHED（张冠李戴）、SUSPECTED_HALLUCINATION（疑似 AI 幻觉）、NOT_FOUND_ON_ARXIV、CITATION_CFF_MISSING、AMBIGUOUS_MATCH、LOW_CONFIDENCE_CANDIDATE - Blog-aware：
WEB_CITATION_NEEDS_URLDATE、WEB_TITLE_MISMATCH、WEB_AUTHOR_MISMATCH、WEB_DATE_MISMATCH、WEB_CITATION_HAS_FAKE_DOI、WEB_BIBTEX_AVAILABLE
推荐工作流（安全修复，避免张冠李戴）：
# 1. AI 生成初稿后，先检查
python -m bibcheck draft.bib --profile draft
# 2. 自动修复（安全模式：严重不匹配时会自动跳过，不覆盖）
python -m bibcheck draft.bib --mode fix
# 3. 查看哪些条目被跳过（需要人工判断），逐条审阅
python -m bibcheck draft.bib --mode review
# 4. 确认无误后覆盖原文件（先自动备份 .bak）
python -m bibcheck draft.bib --mode fix --inplace--mode fix 的安全机制：
- 若条目存在
DOI_HALLUCINATED（假 DOI）或TITLE_SEVERELY_MISMATCHED（张冠李戴，标题相似度 < 40），自动修复对该条目完全跳过 - 该条目在
.fixed.bib中保持原样，终端输出[人工介入] ... — 自动修复已跳过 - 用户需通过
--mode review人工判断：是 DOI 写错了，还是整条引用都是 AI 编造的
其他场景：
# 投稿前严格检查
python -m bibcheck references.bib --profile strict --mode review
# CI 流水线集成（仅终端输出，静默）
python -m bibcheck references.bib --profile ciarXiv 预印本优先查 arXiv API，GitHub 软件条目优先读取 CITATION.cff，CS 论文可选 DBLP 兜底。
VENUE_MISMATCH 现在使用模糊匹配（rapidfuzz token_set_ratio），并维护了一张常见缩写-全称别名表：
- 顶会缩写 ↔ 全称：
NeurIPS、ICLR、CVPR、ICML、ECCV等 - 论文集系列 ↔ 会议：
LNCS/Lecture Notes in Computer Science↔ECCV - arXiv 变体统一：
arXiv.org、arXiv preprint、arXiv:xxxx.xxxxx均视为同一 venue - 自动跳过
@book类型的 venue 比较（避免 publisher 与书名被误判为 mismatch）
如果本地 venue 使用了未收录的缩写，匹配会回退到模糊度阈值（默认 < 50 才报 mismatch）。欢迎在 bibcheck/validators_online.py 的 _VENUE_ALIASES 中补充你领域的常用缩写。
pytest测试中所有在线请求均使用 responses mock，无需真实联网。
sample.bib 包含：
- 正确 DOI 条目（ResNet）
- 明显错误条目（年/DOI/URL/pages）
- arXiv 需归一化/补 DOI
- OpenAI 研究博客条目（blog-aware 测试）
示例命令：
# 仅检查（不传参数自动找当前目录 .bib）
python -m bibcheck
# 指定文件检查
python -m bibcheck sample.bib
# 快速扫描前 20 条
python -m bibcheck sample.bib --profile quick
# 自动修复高置信错误
python -m bibcheck sample.bib --mode fix
# 交互式逐条确认
python -m bibcheck sample.bib --mode review
# 投稿前严格检查 + 交互式审阅
python -m bibcheck sample.bib --profile strict --mode review
# CI 静默模式
python -m bibcheck sample.bib --profile ci
# 仅输出 Markdown 报告（不打印终端汇总）
python -m bibcheck sample.bib --output-format md