现可直接在以下链接中访问尝试👇 https://zotero-auto-script.onrender.com

若需导入到自己的ZOTERO文献库中，请按README中的步骤，部署到本地。或是直接告诉AI这个github链接。

使用前需填入自己的ZOTERO API KEY等系列参数。

Zotero / Citation Pipeline

这个项目就是为了解决一个很现实的问题：毕业论文时间紧，引用处理太慢。
先把最费时间的步骤提速，再谈更高级的自动化。

为什么做这个项目

这个项目不是从产品化目标开始，而是我写毕业论文时遇到的实际问题：引用处理很耗时间。平时找文献，我主要走两条路径。第一条是先写好一段内容，再让 AI 按语义或 query 找候选文献。第二条是看师兄论文或综述里的参考文献，觉得合适就直接使用。问题是这两条路最后都卡在同一个地方：核验和导入太慢。尤其第二条，一条条复制粘贴到 Zotero，时间成本很高。

我做这个项目的核心目标只有一个：省时间。重点不是追求复杂能力，而是缩短从 claim 到可用引用的路径。我的做法也很直接：能自动化的重复操作就自动化（比如批量校验、批量导入），必须人工判断的地方就保留，避免最后集中返工。针对第二条路径，我最想解决的是批量自动导入 Zotero，减少机械的复制粘贴。

所以这套实现更偏务实：verification 负责 BibTeX -> 校验/纠偏 -> Zotero 导入，full 负责 claim/query -> 候选检索 -> verification -> ranking，再配合日志做复核记录。协作者拿过去就能直接用，不用先理解复杂模型，也不用承担全自动误判的风险。

如果你和我一样，现在最重要的是把论文往前推进，这个项目的价值就看三件事：减少重复操作、减少工具切换、减少后期因为引用问题返工。当前我也给它定了边界：先不追求自动往正文里插引文，先把稳定提效这件事做扎实，再逐步扩展。

当前项目现在支持两种运行模式：

• verification：校验已有 BibTeX 并导入 Zotero
• full：输入单条或批量 claim，执行 query 构建、Semantic Scholar 检索、Crossref 校验、ranking，并记录 review log / feedback log

1. 环境准备

建议使用 Python 3.10+

安装依赖：

pip install -r requirements.txt

2. 配置

复制 .env.example 为 .env，填写配置：

copy .env.example .env

3. 你必须手动填写的信息

3.1 只跑 verification 模式时，必须填写

• ZOTERO_LIBRARY_ID
• ZOTERO_LIBRARY_TYPE：user 或 group
• ZOTERO_API_KEY
• CROSSREF_MAILTO

3.2 跑 full 模式时，必须填写

• ZOTERO_LIBRARY_ID
• ZOTERO_LIBRARY_TYPE
• ZOTERO_API_KEY
• CROSSREF_MAILTO
• PIPELINE_MODE=full
• 二选一：
  • CLAIM_TEXT=你要检索 citation 的正文/claim
  • CLAIMS_INPUT_PATH=claims.txt 或 .jsonl 文件路径

3.3 strong recommended，但当前不是绝对必填

• SEMANTIC_SCHOLAR_API_KEY
• SEGMENT_ID
• SEMANTIC_SCHOLAR_TOP_K
• REVIEW_LOG_PATH
• REVIEW_FEEDBACK_PATH

4. verification 模式

默认模式为 verification：

python main.py

流程：

1. 读取 reference.bib
2. 用 Crossref 校验 / 纠偏
3. 导入 Zotero

5. full 模式：单条 claim

PIPELINE_MODE=full
CLAIM_TEXT=Recent machine learning methods improve polymer property prediction under low-data settings.
SEGMENT_ID=test_claim_001

然后运行：

python main.py

6. full 模式：批量 claims

你可以准备一个 claims.txt：

Recent machine learning methods improve polymer property prediction under low-data settings.
Graph neural networks have shown promise in materials discovery tasks.

然后在 .env 中设置：

PIPELINE_MODE=full
CLAIMS_INPUT_PATH=claims.txt

也支持 .jsonl，每行例如：

{"segment_id":"intro_001","claim_text":"Recent machine learning methods improve polymer property prediction under low-data settings."}

7. 当前文件召回方式到底是什么

现在不是 LLM 先深度语义理解再拆关键词。

当前第一版是一个 rule-based query building + Semantic Scholar search 流程：

1. 对 claim 做基础标准化
2. 用正则抽取英文 token
3. 去掉 stopwords
4. 生成 1-2 个简化 rewrite query
5. 把原 claim 和 rewrite 一起送给 Semantic Scholar 的 paper search API
6. 合并去重结果
7. 再用 Crossref 做真实性校验
8. 最后做 ranking

也就是说，现在更接近：

• 轻量规则语义压缩
• 不是 LLM semantic parsing
• 不是 embedding rerank
• 也不是 agentic decomposition

8. 待V 0.2优化点

• full 模式当前只接了 Semantic Scholar
• 还没有接 OpenScholar
• 还没有自动插 citation，只输出候选和 review / feedback logs
• 线上评估依赖这些日志逐步积累