文献可能不存在
AI 生成内容中常出现标题、作者、期刊、年份看似完整但无法追溯的“幻觉文献”,人工发现通常发生在答辩、投稿或抽检前后。
01 · Problem
AI 辅助写作让论文初稿生成更快,也让“幻觉文献”“格式混乱”“失效 DOI”更容易混入参考文献列表。老师和学生往往只能凭经验逐条搜索,成本高、遗漏多,最终影响论文可信度与审核效率。
AI 生成内容中常出现标题、作者、期刊、年份看似完整但无法追溯的“幻觉文献”,人工发现通常发生在答辩、投稿或抽检前后。
DOI、期刊官网、Google Scholar、知网、Crossref 等来源分散,学生需要反复复制粘贴,老师也很难快速判断风险边界。
APA、MLA、GB/T 等格式标准差异明显,标点、斜体、作者顺序、年份位置都会影响论文规范性,但传统工具多只做表层排版。
02 · Product
产品以“论文文档”为入口,不要求用户逐条录入参考文献。系统会抽取引用列表,识别格式标准,调用多个公开学术源交叉核验,并把每条文献归类为可信、待确认或高风险。
flowchart LR A[上传论文
docx / doc] --> B[引用抽取
标题 作者 年份 DOI] B --> C[格式识别
APA MLA GB/T] C --> D[多源核验
DOI OpenAlex Crossref AnySearch] D --> E[风险分级
可信 待确认 高风险] E --> F[可视化报告
定位原文 修正建议 下载]
格式校验定位不符合目标标准的参考文献;真实性校验判断文献是否能被公开学术源追溯;一致性校验检查正文引用与文末参考文献是否匹配。
传统查重工具回答“文字是否重复”,引用卫士回答“证据是否可信”。它不是替代学术判断,而是在论文提交前给出一层清晰的引用安全网。
03 · Demo
展示时可以用“拖入论文、等待扫描、查看高风险引用、下载报告”四步完成演示。观众能在短时间内理解产品价值,也能看到 TRAE 从创意到可视化原型的生成能力。
系统自动识别文末参考文献,按所选格式标准开始核验。
PASS
FIX
CHECK
RISK
04 · Intelligence
方案的创新点不在于“生成更多文本”,而在于让 AI 参与可验证的学术辅助任务:抽取结构化信息、匹配外部知识源、解释风险原因,并把结果呈现给用户判断。
核心能力覆盖图
用户体验提升预期
05 · Value
引用卫士的价值不只体现在效率上,也体现在学术规范教育上。它让学生知道哪里错、为什么错、如何改,也让指导老师更快发现真正需要人工判断的问题。
| 对象 | 当前困扰 | 产品帮助 | 展示亮点 |
|---|---|---|---|
| 学生 | 不会判断引用格式是否规范,也不知道某条文献是否真实存在。 | 上传论文后获得逐条诊断、风险原因和修正建议。 | 从“怕出错”变成“知道怎么改”。 |
| 导师 | 论文初审时要花大量时间看参考文献和正文引用对应关系。 | 先看风险报告,再集中处理高风险条目。 | 把重复检查交给 AI,把判断留给人。 |
| 学院 | 论文抽检、毕业审核和期刊投稿前缺少轻量化引用预检工具。 | 形成可留档的引用规范报告,辅助教学与审核。 | 提升学术诚信治理的前置能力。 |
| 大赛评委 | 需要看到清晰的问题洞察、AI 应用边界和可演示原型。 | 方案聚焦真实场景,展示从文件理解到多源核验的完整链路。 | 不是炫技,而是把 AI 放进一个高价值、高可信的具体任务。 |
06 · Build
参赛版本可以先聚焦最小可展示闭环:支持 docx 上传、参考文献抽取、公开源检索、风险标注、报告下载。后续再扩展学校格式模板、批量审核和教学反馈。
识别文末“参考文献”区域,抽取作者、年份、题名、来源、DOI、URL 等字段,并保留原文位置,便于回跳修改。
内置 APA、MLA、GB/T 等常见规则,把标点、作者顺序、年份位置、期刊名格式等问题转化为清晰提示。
按 DOI、题名、作者组合查询 Crossref、OpenAlex、AnySearch 或其他公开源,输出可信、待确认、高风险三级结果。
生成概览评分、风险分布、逐条文献建议和可导出的 HTML/PDF 报告,让学生和老师都能快速理解结果。
Final Pitch
“慧查文献引用卫士”把 TRAE 的创造力落到学术写作中最真实、最容易被忽视的细节上。它用 AI 缩短核验时间,用多源检索降低幻觉风险,用可解释报告帮助用户建立更可靠的学术表达。
返回顶部重看方案