ScholarSeed

论文交付质检引擎与写作流水线——基于 Agent Plugins 1.0 规范构建的确定性 MCP 服务器 + CLI + 技能包：每条引用对实时数据库核验、每条统计红线强制执行、每道门禁输出随稿留档，把草稿变成"能交出去"的论文。

41 个确定性 MCP 工具 · 5 项流水线技能 · 70 篇 × 9 学科真实论文校准 · 零依赖（纯标准库）

与 AgentSeed（代码防幻觉）组成矩阵：AgentSeed 保证代码不撒谎，ScholarSeed 保证论文能交付——随便用哪个 AI 写初稿，提交前必须过一道能自证清白的门。

🇬🇧 English documentation: README.md

目录

• 为什么需要 ScholarSeed
• 工作原理
• 写作流水线
• 写作自检，不是判决机器
• 快速体验
• 场景：该跑哪个？
• 核心能力
• 五项技能
• MCP 工具
• 语料基准
• 安装
• CLI（无需智能体）
• 文档索引
• FAQ
• 兼容客户端 · 范围与局限 · 开发 · 安全

为什么需要 ScholarSeed

学术写作的瓶颈已经变了：写初稿不再是问题——任何大模型几分钟就能给出可用初稿；"交得出去"才是问题——编造的参考文献直接触发桌拒，p=0.000 和缺效应量会招来审稿人火力，图表编号断层和引用格式混用显得不严谨，越来越多高校和期刊还在加 AIGC 合规门槛。

ScholarSeed 就是围绕这个不对称构建的：

一句话定位：ScholarSeed 是学术写作的 Ruff/ESLint——横在"初稿写完了"和"论文能提交了"之间的带证据链的门禁层。

工作原理

一台引擎，两个入口：

                       ┌─────────────────────────────────────────┐
   论文（.md / .tex /   │              确定性引擎                  │
   尽力而为的 .pdf）     │  ┌──────────┐ ┌──────────┐ ┌──────────┐ │
   ┌────────────┐      │  │ 引文核验  │ │ 全文门禁  │ │ 报告输出  │ │
   │  MCP 服务器 ├─────┼─▶│ Crossref │ │ 文风·数字 │ │ 0-100 分  │ │
   │ (41 个工具)  │JSON │  │ S2/OpenAlex│ │ 统计·图表 │ │ +A/B/C   │ │
   └────────────┘      │  └────┬─────┘ └──────────┘ └──────────┘ │
   ┌────────────┐      │       │ 磁盘缓存                          │
   │    CLI     ├──────┼───────┘ 默认 24h（可调）                  │
   │ (人类/CI)   │      │  退出码 0 通过 · 1 门禁未过 · 2 输入错误  │
   └────────────┘      └─────────────────────────────────────────┘

1. 同一引擎，两处入口。scripts/paper_tools.py 通过 Model Context Protocol 暴露 41 个工具（Cursor/Claude/Codex 等任何 MCP 客户端可用）；scripts/cli.py 为人类和 CI 脚本驱动完全相同的函数。两处行为零漂移。
2. 确定性规则，不靠感觉。每道门禁都是可复现规则：同输入必得同结果，每条发现带可手工验证的行号。
3. 真实数据源 + 缓存。citation_verify / verify_references / lit_search / journal_search_openalex 实时调用真实 API（Crossref、Semantic Scholar、OpenAlex），经磁盘缓存（默认 TTL 24h，SCHOLARSEED_CACHE_TTL 可调，0 关闭）。
4. 诚实降级。无法可靠检查的项目（如 CID 编码的中文 PDF）会在报告中明确标注跳过，绝不硬猜。
5. 门禁就绪。退出码 + --fail-on 阈值，任何检查都能当 CI 或智能体工作流里的硬门禁。
6. 插件形态。遵循 Agent Plugins 1.0：把目录拖进客户端插件目录即自动发现技能与 MCP 服务器；validate_plugin.py 强制规范一致与版本单源。

写作流水线

五个技能把 33 个工具串成一条流水线（选题 → 文献 → 大纲 → 分章写作 → 引文核验 → 润色 → 投稿前评审 → 发表）。大模型负责写正文；技能在每一步强制调用工具门禁，不通过不得进入下一阶段：

每道门禁的机器输出原文件随稿提交作为证据——禁止口头声称"已通过"而不附报告。

写作自检，不是判决机器

两件 instruments 只服务于打磨你自己的稿子，都不自称法官：

• check_ai_signature —— 文风自检（启发式提示）。0-100 分刻画正文与典型 LLM 行文的相似度：句长突发性（CV）、MATTR 词汇丰富度、51 条模板短语（underscores the importance、multifaceted nature…，依据 Liang et al. 2024）、转折词开头、em-dash 密度。每条命中带行号；不足 8 句直接返回"样本过短"，绝不硬给分。用途是把模板腔段落改写成朴素文风——是写作质量工具，不是检测器。
• check_tamper_traces —— 残留取证（客观事实）。检测正文在工具处理与复制粘贴链路中可能沾染的不可见字符：零宽/不可见字符（U+200B/200C/200D/2060/FEFF、软连字符）、混入拉丁单词的西里尔/希腊同形字（аpproach；正常俄文/希腊文段落自动豁免）、行内异常空白串（RAID 基准攻击签名，Dugan et al., ACL 2024）。发现痕迹只说明文本被非常规工具处理过——不证明谁写的。

我们拒绝输出单一"AI 率 XX%"判决——那个数字在科学上站不住（Stanford 实测七个检测器对非英语母语写作者误报率 61.3%，Liang et al., Patterns 2023；Weber-Wulff et al. 2023 多机构测试无一工具准确率超 80%）。对刻意规避文体的检出率同样未测、不宣称——实测数据见 docs/CAPABILITY-ASSESSMENT.md。

完整方法论与行业全景：docs/AI-DETECTION-LANDSCAPE.md

快速体验

把稿子交给 audit_paper，几秒拿到全量体检报告：

# 论文全量审计报告（audit_paper）

审计总分：**85 / 100**

ERROR 0 · WARNING 5 · INFO 3　|　AI 相似度 41/100（中档）　|　体裁 [empirical]

- [WARNING] 'p=0.000' 应写作 p<0.001
- [WARNING] 文献 [2] 未在正文中被引用
- [WARNING] 分桶加和 180 + 200 = 380，超出总样本口径 300
- [INFO] 绝对化表述 '显然'——确认有直接证据支撑

引文门禁，实时调 Crossref API：

$ python scripts/cli.py citation 10.1038/nature14539
grade=A  "Deep learning"（Nature, 2015）        ← 真实论文，字段匹配
$ python scripts/cli.py citation 10.1234/fake.journal.2026
grade=C  HTTP 404: Not Found                    ← 编造的 DOI 被拦下

场景：该跑哪个？

研究生交学位论文

python scripts/cli.py project ./thesis-chapters     # 合并分章、跨章审计
python scripts/cli.py verify-refs thesis.md --fail-on C   # 不留一条未核验引用
python scripts/cli.py proofread thesis.md           # 全文门禁扫描

准备期刊投稿

python scripts/cli.py audit-paper paper.md --genre empirical --journal top_empirical
python scripts/cli.py format-citation 10.1038/nature14539 --style gbt   # 只从已核验元数据生成条目
python scripts/cli.py check abstract paper.md        # 摘要四要素覆盖

课题组/CI 交付门禁

- name: Citation gate
  run: python scripts/cli.py verify-refs paper.md --fail-on B   # 退出码 1 卡住 PR

润色 AI 辅助的初稿

python scripts/cli.py check style draft.md          # 定位模板腔，逐处手改
python scripts/cli.py check tamper draft.md         # 确认无不可见字符残留

端到端流水线（选题 → 投稿）：使用内置技能 literature-search → paper-writing → paper-review → paper-publish，每步调用 MCP 工具过门禁。

核心能力

• 引文存在性核验（citation_verify）：实时 Crossref 查询，DOI 精确匹配优先、标题相似度阈值防误配，提供作者/年份时做字段级交叉验证，A/B/C 分级与文献清单口径一致。
• 批量文献门禁（verify_references）：逐条 DOI 优先、标题回退；Markdown 汇总报告含 A/B/C 统计。交付/投稿前的强制门禁。
• 真实文献检索（lit_search）：Semantic Scholar API，限流自动退避重试；可选 SEMANTIC_SCHOLAR_API_KEY 提升配额。
• 期刊实时检索（journal_search_openalex）：OpenAlex API 全学科期刊检索——刊名、出版商、发文量、被引、h 指数、ISSN、OA 状态。
• 内置期刊匹配（journal_matcher）：精选 20 本期刊库（管理/信息系统/AI/医学/伦理），存于可编辑的 data/journals.json。
• 确定性写作工具：模板渲染带篇幅规划、词数统计、标题结构校验、大纲生成、文献与投稿清单。
• 技能知识库：把工具串成流水线并强制门禁的五项技能。

五项技能

MCP 工具

实时核验与检索

全文门禁

自检 instruments

复合审计与脚手架

LaTeX 支持：word_count / check_structure / proofread / audit_paper 接受 source_format=latex——剥离命令/数学/注释并还原章节结构。

所有外部 API 调用经磁盘缓存（默认 TTL 24h，SCHOLARSEED_CACHE_TTL 可调，0 关闭）。

语料基准

门禁阈值经 70 篇 × 9 学科 arXiv 真实论文校准：70/70 全部落入文风自检低档（人类语料零误报），审计分中位 82、分布健康。如实说明：这是仅有负样本的基准——对 AI 代写正样本的检出率尚未测量（已列入路线图，见 docs/ROADMAP.md）。详见 docs/CORPUS-BENCHMARK.md。

安装

1. 把本目录拖进客户端的插件目录。
2. 重启客户端；skills/ 下的技能与 mcp.json 里的 MCP 服务器自动发现。
3. 验证：python scripts/validate_plugin.py 输出 PASS。

无需 pip、无需虚拟环境、无编译扩展——能跑 python 就能跑 ScholarSeed。

仓库与镜像

CLI（无需智能体）

与 MCP 服务器同一引擎，供人类与 CI 管道使用：

python scripts/cli.py version
python scripts/cli.py proofread paper.md --genre empirical
python scripts/cli.py verify-refs paper.md --fail-on C   # CI 门禁：存在未核验引用则退出码 1
python scripts/cli.py citation 10.1038/nature14539 --style gbt
python scripts/cli.py check abstract paper.md            # 单项门禁：style/numbers/stats/tamper/…
python scripts/cli.py project ./thesis-chapters          # 多文件学位论文审计

退出码：0 通过 · 1 门禁未过（--fail-on）· 2 输入错误。零依赖。

文档索引

FAQ

这是 AI 写作助手吗？ 它是围绕 AI 辅助写作的质量门禁层。内置技能把任何大模型编排进写作流水线；ScholarSeed 自己的 41 个工具从不生成正文——只做核验、门禁与证据留档。

它是 GPTZero 那样的 AI 检测器吗？ 不是。它提供文风自检（润色自己的稿子）与残留取证（客观的处理痕迹）。拒绝输出单一"AI 率"判决——那个数字科学上站不住，且对规避文体的检出率未测（见为什么需要 ScholarSeed）。

能证明一条文献不存在吗？ 它实时对 Crossref/Semantic Scholar 核验存在性并给 A/B/C 分级。C 级 = "无法确认"，这正是应当在解决前拦下投稿的信号。

会把我的论文传到别处吗？ 核验时只有文献标题/DOI 会发往公开学术 API，且经本地磁盘缓存。全文检查完全离线。

支持什么语言？ 中英双语一等公民（词典全覆盖）；LaTeX 与 Markdown 是一等输入格式；PDF 抽取尽力而为。

为什么零依赖？ 让它跑在任何有 Python 的机器上——实验室服务器、学生笔记本、物理隔离的评审环境、CI 容器——没有会坏的东西，需要审计的也只有我们的代码。

怎么相信启发式不是拍脑袋调的？ 阈值只能伴随语料级回归重跑才能调整（CORPUS-BENCHMARK.md 的防过拟合规则），由 212 个单元测试和 CI（Python 3.9–3.13）发布门禁强制执行。

兼容客户端

支持 Agent Plugins 1.0 规范的客户端均可使用：ChatGPT、Codex、Cursor、GitHub Copilot、Kiro、VS Code 等。

范围与局限

• 输入格式：Markdown / LaTeX 源码是一等输入；PDF 抽取尽力而为，不支持 CID 编码的中文 PDF——中文论文请提供 Markdown/LaTeX 源。
• 结论性质：全文门禁是确定性启发式——供人工复核的提示，不是判决。引文工具（citation_verify/verify_references）返回真实 API 结果，可直接作为交付门禁。
• 文风自检的检出力：统计画像能抓典型 LLM 行文；刻意规避的文本可以过关——低分只代表"没发现明显模板腔"，不是"人写"的证明。
• 不代投稿：不对接期刊投稿系统；投稿由作者本人执行。

开发

python scripts/validate_plugin.py        # 插件规范校验
python -m unittest discover -s tests -v  # 单元测试（237）
python benchmarks/adversarial_suite.py   # 对抗回归（RAID 风格攻击）
python scripts/release_gate.py           # 发布门禁（校验 + 测试）

CI 经 GitHub Actions 在 Python 3.9–3.13 上跑发布门禁（跑在 GitHub 镜像；GitCode 为主线开发仓库，无 runner——一条流水线，无平台特有副本可漂移）。

安全

不内置任何凭据。真实投稿需要你自己的平台账号/API key。Agent Plugins 1.0 未定义权限模型或沙箱——安装第三方插件前请先审查。见 SECURITY.md。

许可证

PolyForm Noncommercial 1.0.0 © 2026 ScholarSeed contributors——学习、研究与个人使用免费；商用需向维护者另行获取授权。

支持

如果 ScholarSeed 帮你省下了查文献、校对稿子的时间，点一下下面的按钮，让更多研究者看到它：

内容声明（AIGC）

AIGC:
    Label: "1"
    ContentProducer: 001191440300708461136T1XGW3
    ProduceID: 98adaa6f98486df4666888a6691e7607_35986ede9be611f1a98a525400f8a581
    ReservedCode1: S1LeLyLaqHjXW/Jto+Um5gSrm3eXn8FMGlaq12Cbveim2zG0Q/Uvyl/OvmV/WLqMfb6dM/OFJIOd3GA93NU+lD0jVBAoDBq4l6FJFrYmb8zUD4DiXyS2oZvKF+zVV34SEmfWF0ch0xYe1FWL04tbF2PEmANJfMpN5yej2VA8WM5/M6p/IlVfX+gfC9Q=
    ContentPropagator: 001191440300708461136T1XGW3
    PropagateID: 98adaa6f98486df4666888a6691e7607_35986ede9be611f1a98a525400f8a581
    ReservedCode2: S1LeLyLaqHjXW/Jto+Um5gSrm3eXn8FMGlaq12Cbveim2zG0Q/Uvyl/OvmV/WLqMfb6dM/OFJIOd3GA93NU+lD0jVBAoDBq4l6FJFrYmb8zUD4DiXyS2oZvKF+zVV34SEmfWF0ch0xYe1FWL04tbF2PEmANJfMpN5yej2VA8WM5/M6p/IlVfX+gfC9Q=