企业官网建设流程全解析

如何阻止 AI 编造参考文献？ARS 防泄漏协议 4 道防线 + 2 个标记机制完整指南

【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

用 AI 写论文，最怕是参考文献看着像真的、其实根本不存在。Claude Code 学术技能包 ARS（Academic Research Skills）里的防泄漏协议，用知识隔离加多重防线，让 AI 幻觉引用和虚构实验方法过不了流水线。

先把流水线看全：防泄漏协议只是写作环节的一道闸门

拿到这个项目后，先建立一张全景图。ARS 是一条完整流水线，五个环节依次推进：

研究 → 写作 → 评审 → 修订 → 定稿

对应四组核心技能：deep-research（做研究、产出材料）、academic-paper（写作）、academic-paper-reviewer（评审）、academic-pipeline（编排与一致性把关）。

数据不会凭空安全。一项对 arXiv、bioRxiv、SSRN、PMC 上 250 万篇论文、1.11 亿条参考文献的大规模审计（Zhao et al., 2026）估计，仅 2025 年就有 146,932 条幻觉引用（约 14.6 万，保守估计）；ARS 团队自己的一次校验也发现，68 条参考文献里有 21 条存在问题（31% 错误率），而这 21 条全部骗过了 3 轮一致性检查——"内部自审"挡不住"内部幻觉"，因为验证者和生成者是同一个认知框架。

防泄漏协议的位置，就卡在"写作"这一环：研究材料（简报 + 综述 + 参考文献表）刚交接到写作代理的那一刻，它自动接管，约束后续所有动笔行为。

核心思想一句话：知识隔离

写论文时，优先使用本次会话提供的材料，而不是 AI 的"记忆"。

为什么这是治本的手段？幻觉引用和虚构方法有一个共同源头：模型在材料不足时，默认用训练记忆去填空。协议做的事情就是把这个默认行为翻过来——"只写手上有的"。注意一个边界：它不禁止使用学术写作能力，行文规范、论证逻辑、学科惯例照常可以用；被锁死的只有事实性内容——声明、引用、数据、方法描述，必须来自会话材料。

五条红线：写作代理的硬约束

协议激活时（已提供实质性研究材料、处于 full 或 revision 模式），写作代理会收到一组优先级规则。翻译成红线：

🧱 前四条管"写什么"，第五条专门管"怎么描述你做的事"——这是最容易被忽视的一条，因为编出来的方法看起来最专业。

留白机制：每一次自由发挥都留痕

协议最妙的地方不是禁止，而是显式化。

当大纲需要的内容在你的材料里找不到时，AI 不会默默圆过去，而是在稿件里打一个[MATERIAL GAP]标记，并在下一个检查点向你报出来。此时只有两条路：

1. 你补材料——把缺失的资料喂进流水线，让缺口用真实材料填上；
2. 你授权 AI 补——补出来的段落会打上[LLM-SUPPLEMENTED]标签，写入稿件元数据，后续一致性审查时一目了然。

也就是说，留白是默认选项，发挥是授权选项。AI 每一次动"自由发挥"的地方都有案可查，无处遁形。标记词表在 shared/compliance_checkpoint_protocol.md 中有正式定义。

写完还要过四道门：纵深防御

写作时不造假只是第一层。围绕参考文献真实性，整条流水线布了四道门，逐层加严。

第一道：存在性安检——四个学术索引交叉核对

从 v3.11 起，每一条被引用的文献都会被确定性脚本（不是 AI）交叉核对四个书目索引：Semantic Scholar、OpenAlex、Crossref、arXiv。DOI 或 arXiv ID 被证明查无此物，脚本直接判定"不存在"。这一步纯程序化，编造的 DOI 逃不过去；查过的结果还会进本地缓存，同一篇论文不重复请求。实现见 scripts/verify_passport.py 与 scripts/verification_gate/。

第二道：一致性门禁——7 种失败模式逐一排除

初稿和终稿各要过一道不可跳过的一致性检查（Stage 2.5 与 Stage 4.5）。检查时，一致性审查代理必须逐一排除 7 种已知 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。任何一项被判"疑似"，流水线立即暂停，等你确认、回修或带理由覆盖，才能继续；4.5 处仍未解决的疑似项，终稿直接拒绝放行。完整清单见 academic-pipeline/references/ai_research_failure_modes.md。

第三道：论点-来源对齐——Phase E 五档判定

"引用存在"还不够，真实文献也可能被错误引用去支持它没说过的事。Phase E 会抽取文中的数值、因果、趋势、类别断言，逐条回到原文比对：

• 抽样策略：高影响声明（标题级结论、数值、因果、方法关键、有争议）100% 验证不设上限，其余按风险分层抽检（随机抽样加保底）；终检模式对已登记声明 100% 复核；
• 五档判定：VERIFIED（一致）/ 轻微偏差（MINOR_DISTORTION）/ 重大扭曲（MAJOR_DISTORTION）/ 无法验证（UNVERIFIABLE）/ 来源受限无法核验（UNVERIFIABLE_ACCESS）；
• 门禁：出现任何一条"重大扭曲"或"无法验证"，一致性报告直接 FAIL。

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

第四道：数据分级——答案不许漏进答题者

每个技能都在元数据里声明自己的数据访问级别：raw（未验证的原始材料，默认不可信）/redacted（脱敏材料）/verified_only（只消费过闸的验证材料）。材料在层级间只能单向晋升，"答案"永远到不了"答题者"的上下文。设计原理见 shared/ground_truth_isolation_pattern.md。

上手三步：装好、喂料、盯标记

第 1 步：安装插件。需已安装 Claude Code，在会话里执行两条命令：

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

第 2 步：喂研究材料。协议生效的前提是你提供了实质性材料：研究问题简报（RQ Brief）+ 综述报告（Synthesis Report）+ 带注释的参考文献表，实验日志、数据可一并附上；论文处于 full 或 revision 模式时自动激活。想单独试，也可以先说"对这份材料做文献综述"。

第 3 步：盯住两种标记，逐一确认。看到[MATERIAL GAP]，二选一：补材料，或授权 AI 补；看到[LLM-SUPPLEMENTED]，重点复核该段落。所有覆盖性决定都会被记录，并进入论文最终的 AI 披露说明——带病放行会留痕。

想深挖：文件导航

收尾

ARS 把"AI 不许编"从一句口号，沉淀成了写作时知识隔离、缺口显式留痕、多索引确定性校验、人工门禁兜底的可执行机制——你论文里的每条引用、每段方法，都要经得起对照原始材料的检查。

【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