Open Academic Paper Gen：基于全文引用的多智能体论文生成工作流

事件概述

GitHub 上出现了一款名为 Open Academic Paper Gen 的开源 AI 论文生成工具。该项目由个人开发者“猫叔”发布，旨在解决传统 AI 写作工具中存在的“引用虚构”或“断章取义”问题。它不仅仅是一个文本生成器，更是一套包含文献检索、分析、写作及严格核验的多智能体工作流。

核心功能与工作流

该工具将论文生成过程拆解为九个阶段，形成闭环工作流：

1. 确定研究范围：用户输入主题（如“物理世界的 RSI”），系统拆解具体研究问题并生成中英文关键词。
2. 检索文献：对接 OpenAlex、Crossref、Semantic Scholar 和 arXiv 等数据库进行论文搜索。
3. 清理筛选：对搜索结果去重、评分，并通过模型筛选高相关性文献；同时利用参考文献链进行“顺藤摸瓜”式扩展。
4. 分析趋势：整理证据表，汇总每篇论文的研究问题、方法、数据、结论及局限性，分析研究空白与假设。
5. 创新性诊断：评估切入点的创新性，指出已有类似工作，并模拟审稿人视角提出潜在质疑。
6. 列提纲与写作：确定角度后生成大纲，分章节起草初稿。
7. 核验与模拟审稿：对初稿进行引用核查和模拟评审。
8. 导出：最终输出 Markdown/LaTeX 格式的正文及 RIS/BibTeX 格式的参考文献。

运行模式支持“默认模式”（关键节点暂停供人工审查）和“全自动模式”。

引用核验机制：从“有无”到“真伪”

该工具的核心竞争力在于其细化的引用检查逻辑，分为三道防线：

• 第一道：引用标识存在性检查
  确保文中每个引用标记都对应文献池中已收集的真实论文，拦截模型临时编造的虚假引用ID。

• 第二道：文献身份核对
  对于有 DOI 的论文，系统会与 Crossref 记录比对；若无 DOI，则通过 doi.org 确认。若标题、作者、年份等信息不匹配，系统将触发警告。

• 第三道：原文内容支撑性检查（核心）

  • 全文定位：在获取文献全文的情况下，系统定位与引用论点最匹配的段落，连同摘要/开头一起送入模型，判断原文是否真正支撑正文中的说法。
  • 无全文处理：若无法获取全文，则使用摘要或节选进行判断。
  • 结果标注：若证据不足，标记为“无法判断”而非直接判定错误；若完全无法核对，标记为“未核验”。
  • 页码指引：若存在页码数据，会在注释中标出对应的 PDF 页码，方便人工复核。

技术配置与支持

• 模型支持：主要阶段支持 OpenAI 和智谱 GLM 模型。
• API 依赖：论点核验、无引用陈述检查和模拟审稿环节仍需 OpenAI API Key。
• 适用场景：适合需要快速梳理文献、构建初稿框架，但希望保留对论据真实性强控制的学术研究者。