杜绝AI生成假文献：Zotero MCP+引用核验四步工作流

如果你让 AI 帮你写论文引言，通常两分钟内就能得到一份像模像样的初稿：既有研究背景，又有文献综述，最后还有一句“本文拟解决……”。但如果你把这份初稿里的参考文献逐条去查，很可能会发现一个尴尬的事实：作者、年份、期刊名全都对得上，唯独这篇文章不存在。它是 AI 按照“论文引用的格式”，用概率拼出来的幻觉文献。

这几乎是所有用 AI 辅助学术写作的人最先遇到的坑。很多人会反复修改提示词，甚至加上“禁止编造文献”的强调，但下次它依然会编。因为问题根本不在提示词，而在流程：我们让 AI 在一个“看不见文献库”的情况下，去完成一个必须“查证文献”的任务。它没有检索能力，就只能靠训练时的记忆和想象补全。

真正可行的解法，是拆开“写作”和“查证”两个动作，让 AI 只能在真实文献范围内生成内容，再在交付前做一次机器可复验的引用核验。这篇文章要讲的，就是一套以本地 Markdown、Zotero MCP、引用核验为核心的四步工作流，并给出可直接套用的 5 套学科引言模板。读完你可以得到一条完整的工具链：AI 负责起草，Zotero 负责供数，Crossref 负责验证，你负责最终判断。它不需要你学复杂框架，只需要你愿意把“写引言”从“打开对话框直接问”改成“先搭环境，再提问”。

1. 为什么 AI 写引言总翻车：假文献是流程问题

先确认一个共识：大型语言模型的本质，是“根据上文预测下一个最合理的词”。它并不像搜索引擎那样去数据库里查论文，而是在生成字符串。所以当它写“Smith et al. (2023) 发现……”时，它只是在生成一个“看起来很像真引用”的文本片段。

具体来说，AI 编造假文献的场景通常有四种：

• 完全虚构：作者、年份、标题、期刊都不存在。
• 拼贴式虚构：作者是真的，但论文不存在；或者标题是真的，但作者和年份对不上。
• 张冠李戴：把 A 论文的结论安到 B 论文头上。
• 合理但不相关：DOI 能查到，但内容和你引用它的语境完全无关。

第一种最容易识破，后三种隐蔽性更强，也是引用核验最难的部分。

为什么这个问题在“写引言”时特别突出？因为引言最需要文献支撑：你要交代背景、梳理进展、点出研究缺口。一个负责任的研究者会从几个核心方向检索文献，读摘要，再判断哪些工作值得引用。而 AI 没有做这些动作，它只能基于上下文“补全”。你越是给它“参考文献格式示例”，它越容易生成出符合格式的假条目。

从工程角度看，这个问题的正确解法不是提升提示词，而是改变信息流：

• 给 AI 一个它可以查询的真实文献库（Zotero）。
• 通过 MCP 协议，让 AI 能读取这个文献库的真实条目。
• 在生成之后，用 DOI 反查和本地条目比对，做一次自动核验。
• 最后把无法自动确认的部分留给人工判断。

这就是本文要展开的四步流程。理解这一点之后，你就不会继续在“提示词威慑”这条路上浪费时间了。

2. 这套方案的核心思路与适用场景

2.1 先看懂三个关键词

要落地这套工作流，有三个词很关键：Markdown、Zotero、MCP。

Markdown 是一种轻量级标记语法，用简单的符号表示标题、加粗、列表、公式和表格。它最大的好处是纯文本、可版本管理、容易跨工具复用。你可以用任意编辑器打开，配合 Pandoc 导出 Word 或 PDF，也能直接插入到学术写作平台中。对论文引言来说，Markdown 意味着你可以先把内容写在一个干净、稳定、属于你自己的本地文件里，而不是某家在线文档的私有格式里。

Zotero 是开源文献管理工具，核心功能是保存文献条目、附件 PDF、笔记和引文元数据。它有一个常被忽略的价值：你可以建立一个“经过筛选的本地文献库”，这个库才是你真正引用过的文献集合。这意味着你在写作时，应该只从这个库里引用条目，而不是让 AI 凭空回忆。

MCP 是 Model Context Protocol 的缩写，意思是“模型上下文协议”。通俗理解，它是 AI 应用和外部工具之间的一个标准接口。以前让 AI 读取某个软件的数据，需要为每个软件定制插件；有了 MCP 之后，AI 客户端可以按统一方式访问外部工具暴露的能力。比如让 AI 搜索本地 Zotero 文献库、读取某条文献的元数据，这就是 MCP 的典型场景。

2.2 适用场景与边界

这套方案最适合以下读者：

• 正在写毕业论文、期刊论文或学位论文引言的研究生。
• 需要定期撰写文献综述的科研人员。
• 想用 AI 提升写作效率，但又被幻觉文献困扰的学术作者。
• 对工具链有洁癖，希望内容留在本地、可复现、可审计的人。

它不太适合的场景同样明显：

• 如果你只需要一个大纲，不涉及具体引文，直接问 AI 就行，不需要引入 Zotero 和 MCP。
• 如果论文要求严格依赖某个封闭数据库，而该库没有公开 API 能力，核验过程会变得更依赖人工。
• 如果你所在的专业领域以非公开报告和灰色文献为主，DOI 核验覆盖度会有限。

表中可以更直观地看这套方案的定位：

3. 环境准备与工具选型

这套流程涉及的工具有四类：Markdown 编辑器、Zotero、支持 MCP 的 AI 客户端、Crossref API。整理好它们，后面每一步都会顺畅很多。

3.1 Markdown 写作环境

写论文引言，推荐把文件放在本地 Markdown 里。你可以使用 Typora、Obsidian、VS Code 搭配 Markdown 插件，或者任何你熟悉的 Markdown 编辑器。核心要求是：支持中文、支持数学公式、预览足够清晰。

重点说明：Markdown 在这里不只是记笔记，它承担三个任务：

• 存放 AI 生成的引言草稿。
• 保存引用清单和 DOI。
• 作为后续核验脚本的输入文本。

所以不要把引言直接散落在某个聊天软件里，而是统一放到一个 paper-draft 目录下。比如这样组织：

text复制paper-draft/
├── 01-intro/
│   ├── intro-v1.md
│   └── refs-doi.txt
├── 02-literature/
│   └── notes.md
└── prompts/
    └── intro-templates.md

这种组织方式的好处是，AI 生成的结果、指令模板、文献 DOI 都变成可管理、可追踪的文件，而不是聊天记录里的一次性消息。

3.2 Zotero 与 MCP 客户端准备

Zotero 是开源软件，官方支持 Windows、macOS、Linux。安装完成后，建议先做两件事：

1. 登录或创建一个 Zotero 账户，用于同步文献库。
2. 安装浏览器插件，方便从数据库页面一键保存文献条目。

MCP 客户端则选择支持 MCP 协议的 AI 应用即可。当前主流的 AI 编程工具和部分桌面客户端都已支持 MCP。如果你的工具还不支持，就选择支持 MCP 的版本。配置入口通常在“设置—MCP”一类的菜单里。

3.3 版本与兼容性提醒

关于版本，不需要纠结“必须用哪个版本号”。Zotero 以及各 MCP 服务都在持续更新，配置字段有细微差异很正常。本文演示的是通用思路，具体以你安装的工具说明为准。

如果你在配置阶段遇到“找不到 MCP 命令”“连接失败”等问题，多数和 Node.js 环境或网络代理有关。建议先确认客户端能否正常启动、能否访问 Zotero 的接口地址，再从网络层面排查。后面第 9 节会专门展开排查思路。

4. 第一步：把可信文献装进 Zotero

很多人写完引言才想起来整理参考文献，这个顺序其实是反的。正确顺序是：先建设文献库，再写引言。

4.1 为什么要先建文献库

AI 写引言时，需要“知道”哪些文献可以引用。如果它的视野是整个互联网，结果一定是失控的；但如果它的视野被限定在 Zotero 库里，风险就小得多。因为 Zotero 库里的条目，是你经过初步筛选的真实文献，有作者、年份、期刊、DOI，可以被核验。

把文献入库，就相当于给 AI 划定了一个“可引用的安全区”。它不能引用安全区之外的内容，至少不能把安全区之外的内容伪装成安全区内的条目。

4.2 实操：分类、导入、字段检查

建议在 Zotero 里为每一篇论文建立独立分类，命名方式可以是“论文标题-投稿期刊”。这样后续用 MCP 检索时，能快速缩小范围。

导入文献有三种常见方式：

• 在数据库网站找到文献页，点击浏览器插件图标，一键导入。
• 在 Zotero 中通过 ISBN、DOI 搜索添加。
• 将已有的 PDF 拖入 Zotero，让它自动识别元数据。

导入完成后，关键的一步是“字段检查”。新建的条目很可能存在字段缺失或错误，尤其要注意以下几点：

• 是否有 DOI。
• 是否有完整的作者列表。
• 年份是否正确。
• 标题和期刊名是否完整。

以下是一个检查清单：

text复制[ ] DOI 已存在
[ ] 作者完整
[ ] 年份正确
[ ] 标题与原文一致
[ ] 期刊/会议名称无误
[ ] PDF 附件已关联

不要跳过这个步骤。很多后续核验工作都依赖这些字段。如果 DOI 缺失，后续的自动核验就没办法进行；如果作者或年份错了，AI 引用的格式也会跟着错。

5. 第二步：用 MCP 把 Zotero 接入 AI

文献库建好了，下一步是让 AI 可以“看到”它。这一步就是 MCP 发挥作用的地方。

5.1 MCP 在学术写作里解决了什么

没有 MCP 时，AI 与 Zotero 之间的连接是这样的：你从 Zotero 导出文献列表，把文本粘贴到 AI 对话框；AI 读完之后再生成内容。这个过程也可以跑通，但有两个问题：一是文献多了之后粘贴不现实，二是你只能给 AI 你手动选出来的“片段”，而不是完整的库。

有了 MCP，AI 客户端可以直接调用 Zotero 的检索接口，按标题、作者、年份、标签搜索文献，再返回结构化数据。你可以让 AI“找出这个库里 2020 年以来关于知识图谱的综述”，它会真的去检索，而不是凭印象猜。这才是“让 AI 读文献库”的正确方式。

5.2 一个可参考的 MCP 配置示例

具体配置方式因 AI 客户端而异，但一般都会提供一个 JSON 配置文件。下面是一个常见格式示例：

json复制{
  "mcpServers": {
    "zotero": {
      "command": "npx",
      "args": [
        "-y",
        "zotero-mcp-server"
      ],
      "env": {
        "ZOTERO_API_KEY": "your_api_key_here",
        "ZOTERO_LIBRARY_ID": "your_library_id_here"
      }
    }
  }
}

配置项说明：

• zotero：给这个 MCP 服务起的名字，可自定义。
• command：启动 MCP 服务的命令，常见为 npx。
• args：传给启动命令的参数，指向具体的 MCP 服务包。
• env：环境变量，用于配置 Zotero API 密钥和 Library ID。

需要提醒的是，不同 MCP 服务的包名和参数差异很大，有些直接读本地 Zotero 数据库，有些走 Zotero Web API。具体以你所选服务的 README 为准。这里的示例只演示字段结构，直接复制需要替换为你实际的值。

配置完成后，在 AI 客户端里确认 MCP 已连接。不同工具显示位置不同，但通常会有绿色“已连接”的标识。如果显示失败，优先检查 API 密钥是否正确、网络能否访问 Zotero 服务地址。

6. 第三步：用指令模板生成引言

当 AI 能读取 Zotero 文献库之后，下一步就是写引言。这里不是简单地说“帮我写引言”，而是要给它一套带约束的指令。

6.1 通用约束模板

无论哪个学科，都建议在指令中明确以下要素：

• 角色设定：让它扮演“该领域的研究者”。
• 文献来源：只能引用 Zotero 里真实存在的条目。
• 输出要求：每个引用标注作者和年份，文末附 DOI 清单。
• 禁止事项：不得虚构文献，不得自行补充库外条目。

一段通用约束模板如下：

text复制你将扮演一名正在撰写学术论文引言的研究者。
你的任务是基于我提供的 Zotero 文献库撰写引言。
约束条件：
1. 只引用 Zotero 检索结果中真实存在的文献条目。
2. 每次引用必须标注作者姓氏和年份，例如 (Zhang, 2021)。
3. 在引言末尾，列出所有引用文献的完整条目，并给出 DOI。
4. 如果 Zotero 库中找不到合适的文献来支持某个论断，请直接说明“未找到支撑文献”，而不是自己补充。
5. 不要虚构任何论文，不要猜测期刊和卷号。

这条指令的关键在于第 4 条。它给了 AI 一个“诚实出口”：找不到就说找不到。很多幻觉文献的产生，是模型被迫“完整”地回答，无处可退；给它一个明确的失败模式，它就不需要撒谎了。

6.2 5 套学科引言指令

不同学科引言的结构不同，这里提供 5 套可直接修改的学科模板。

计算机与人工智能方向

text复制你是计算机领域的研究者。请撰写论文引言，结构如下：
1. 当前研究热点与技术背景。
2. 现有方法的主要类别与代表工作。
3. 现有方法的共同局限。
4. 本文方法的出发点与核心贡献。
要求：所有引用只能来自 Zotero 库；代表工作需按“方法类别”分组；结尾列出全部引用 DOI。

这套模板适合“技术驱动型”论文，重点是方法的演进和缺口。

医学与生命科学方向

text复制你是医学领域的研究者。请撰写论文引言，结构如下：
1. 疾病或生物学问题的背景与临床/科学意义。
2. 当前主要研究路径或治疗策略。
3. 现有证据中的争议或空白。
4. 本研究采用的方案与潜在价值。
要求：先引用已经成熟的背景性文献，再聚焦到最新进展；不要使用未经核验的统计数字。

医学引言特别忌讳“数据幻觉”，所以模板里强调不要使用未经核验的统计数字。

社会科学与经济管理方向

text复制你是社会科学领域的研究者。请撰写论文引言，结构如下：
1. 现实问题或政策背景。
2. 已有研究的理论视角与主要观点。
3. 不同观点之间的张力或证据空缺。
4. 本研究选择的切入点和创新点。
要求：理论术语必须与 Zotero 库中的文献保持一致；解释概念时可以引用库内综述性文献。

这套模板适合“问题驱动型”论文，理论脉络比技术细节更重要。

工程技术方向

text复制你是工程技术领域的研究者。请撰写论文引言，结构如下：
1. 工程需求与应用场景。
2. 现有技术方案及其性能特点。
3. 当前技术瓶颈与工程实施中的约束。
4. 本研究提出的改进思路与目标。
要求：只引用 Zotero 库中与工程技术直接相关的文献；性能对比数据必须来自可核验的引用条目。

工程论文里经常出现“性能从 X 提升到 Y”这类表述，对应的文献必须真实，否则非常危险。

教育学与人文学科方向

text复制你是教育/人文领域的研究者。请撰写论文引言，结构如下：
1. 该议题的社会文化背景。
2. 重要文献的演进脉络与思想分歧。
3. 当前研究在材料、方法或视角上的不足。
4. 本研究的立场与探索方向。
要求：注意文献的出版年代与流派的对应关系；引用经典文献与前沿文献时，作者和版本必须来自 Zotero 库。

这套模板适合“文本与脉络驱动型”写作，重点是文献之间的传承关系。

使用模板时的操作顺序建议：先让 AI 从 Zotero 里检索并列出候选文献，确认这些文献确实存在，再让它基于候选文献写引言。不要让 AI“边写边找”，这是两个动作，分开执行会更稳定。

6.3 生成后的第一轮筛选

拿到初稿后，不要急着满意。先做三项快速检查：

• 引用的条目是否都出现在 Zotero 库里。
• 引用位置是否和上下文相关。
• 文末 DOI 清单是否完整。

如果不满足，把问题反馈给 AI：“第 3 条引用不在 Zotero 库中，请替换为库内真实条目。”通常一轮修正即可。

7. 第四步：引用核验

生成完成后，到最关键的一步：核验引用。这一步的目的是阻止假文献流入最终稿件。

7.1 核验的三种手段

• DOI 反查：把 AI 给出的 DOI 拿去和权威注册机构的数据做比对。最常用的是 Crossref API。
• Zotero 条目比对：在本地文献库中搜索该 DOI，确认它确实存在于你的库里。
• 人工内容判断：即使 DOI 存在，也要打开摘要看内容与引用语境是否一致。

比较稳妥的流程是：先让脚本自动检查 DOI 有效性，再去 Zotero 确认库内存在，最后自己读一遍摘要。这里最耗时的其实是最后一步，但它无可替代。

7.2 用 Crossref API 检查 DOI

Crossref 是一个开放的学术元数据服务，api.crossref.org 提供了按 DOI 查询文献信息的接口。可以用一条简单的 curl 命令检查 DOI 是否存在：

bash复制curl -s -o /dev/null -w "%{http_code}" "https://api.crossref.org/works/10.1234/example"

注意将 10.1234/example 替换成真实 DOI。返回 200 表示该 DOI 存在，返回 404 表示 Crossref 中查不到。

也可以直接查看返回内容：

bash复制curl -s "https://api.crossref.org/works/10.1234/example" | head -c 2000

返回的 JSON 中包含 title、author、container-title 等字段，可以用来比对 AI 给出的引用信息是否一致。

这里要提醒的是：Crossref 不是万能的。部分中文期刊、会议论文或未注册 DOI 的文献可能查不到，不返回结果并不代表文献一定假，需要结合其他数据库判断。反过来，DOI 存在也不能保证引用语义正确，只能保证“这篇文章确实存在”。

7.3 用 Python 脚本批量核验

如果引言里引用了十几篇文献，一条条敲 curl 不现实。可以写一个简单脚本批量核验。以下示例脚本会读取一个 dois.txt 文件，逐条请求 Crossref API，并输出每个 DOI 的存在性。

python复制# 文件路径：check_dois.py
import requests

with open("dois.txt", "r", encoding="utf-8") as f:
    dois = [line.strip() for line in f if line.strip()]

base_url = "https://api.crossref.org/works/{}"
timeout = 10

for doi in dois:
    url = base_url.format(doi)
    try:
        resp = requests.get(url, timeout=timeout)
        if resp.status_code == 200:
            data = resp.json()
            title = data["message"].get("title", [])
            title_text = title[0] if title else "无标题"
            print(f"[有效] {doi} -> {title_text}")
        elif resp.status_code == 404:
            print(f"[可疑] {doi} -> Crossref 未找到")
        else:
            print(f"[未知] {doi} -> HTTP {resp.status_code}")
    except requests.RequestException as e:
        print(f"[异常] {doi} -> {e}")

运行方式：

bash复制python check_dois.py

运行脚本前需要先安装依赖：

bash复制pip install requests

dois.txt 的文件格式很简单，每行一个 DOI。你可以从 AI 生成的引言末尾复制 DOI 清单，粘贴进这个文件。成功运行后，脚本会把每个 DOI 的状态打印出来，你只需要重点关注“可疑”和“异常”的条目。

8. 完整示例：从指令到核验的闭环

把前面四步串起来看一个最小示例。

假设你要写一篇关于“基于知识图谱的科研文献推荐系统”的论文引言。首先，你在 Zotero 里建立了一个“知识图谱推荐”分类，并导入了 10 篇相关文献。然后，你通过 MCP 让 AI 读取这个分类的条目。接下来，你使用计算机学科模板生成引言：

text复制请基于 Zotero 中“知识图谱推荐”分类下的文献撰写引言。
结构要求：
1. 知识图谱在推荐系统中的应用背景。
2. 现有方法归类：基于路径、基于嵌入、基于图神经网络。
3. 当前方法的局限：可解释性差、冷启动问题。
4. 本文的出发点与贡献。
只引用 Zotero 库内文献，结尾附 DOI 列表。

AI 生成的引言可能像这样：

markdown复制随着知识图谱在推荐系统中得到广泛应用，研究者提出了基于元路径的推荐方法 (Zhang, 2021)、基于知识图谱嵌入的方法 (Li, 2022) 以及基于图神经网络的方法 (Wang et al., 2023)。然而，现有方法普遍面临可解释性不足和冷启动问题。本文提出一种融合实体语义与结构信息的推荐模型，以缓解上述挑战。

注意，这里的 (Zhang, 2021) 应该对应 Zotero 库里的真实条目 Zhang 在 2021 年发表的有效文献。如果 AI 给出了一个库中不存在的作者年份组合，直接按第 6 节的方式要求替换。

随后进入核验阶段。把 AI 给出的 DOI 写入 dois.txt：

text复制10.1000/example-zhang-2021
10.1000/example-li-2022
10.1000/example-wang-2023

运行 python check_dois.py。假设第一条返回 [有效]，第二条返回 [可疑]，第三条返回 [有效]。你就知道第二条需要进一步人工确认。打开该 DOI 对应的页面，查看摘要，确认它是否真的与“知识图谱嵌入”相关。如果不相关，就需要从 Zotero 库里找一篇真正适合的替代文献。

这个闭环的要点在于：AI 不只是被要求“不要编”，而是它在生成时受到真实文献库的约束，生成后又有可执行的核验脚本把关。两个环节叠加，才真正解决了幻觉引用问题。

9. 常见问题与排查思路

下面按实际使用中比较常见的故障整理一张排查表。

排查第一条：Zotero 打不开是一个经常被搜索的问题。多数情况下，先关闭 Zotero，再重命名 zotero 数据目录下的缓存文件夹，或者禁用最近安装的插件，就能恢复。

排查第三条：很多用户觉得“我已经写了不要编它还是编”，原因往往是 MCP 配置里 Zotero 服务并未真正启用。AI 客户端并不一定自动调用 MCP 工具，你需要明确在指令中说明“请使用 Zotero MCP 工具检索”。如果指令里没有这个引导，AI 可能直接凭记忆生成内容。

排查第七条：涉及中文文献时，建议以 Zotero 本地条目为最终依据。中文期刊的 DOI 注册情况参差不齐，自动核验结果需要结合人工判断。

10. 最佳实践与工程建议

最后分享一些工程层面的建议，这些建议来自实践反馈，能帮你把工具链真正用起来。

10.1 写作流程上的建议

第一，把引言的“候选文献列表”和“正式正文”分开。先让 AI 基于 Zotero 库生成一份文献列表，你确认后再让它写正文。这两个动作分开执行，能减少“边编边找”的风险。

第二，给每次生成的引言增加版本号。比如 intro-v1.md、intro-v2.md。AI 生成的文本是可变的，但你的稿件版本必须可控。记录每次修改时使用了哪组文献、哪个指令模板，会让返工变得容易追踪。

第三，最终合并进 Word 时，尽量使用 Zotero 的 Word 插件插入引文，而不要手动粘贴参考文献。手动粘贴容易复制错误，也会破坏与 Zotero 条目的关联。正确做法是：在 Markdown 中把正文与引用占位符写清楚，后期在 Word 中用插件重新插入引文编号。

10.2 数据与安全边界

论文写作往往涉及未发表的研究思路，甚至课题组成员的信息。使用 AI 工具时，要注意避免把未公开的数据、独创性想法完整粘贴到任何云端服务中。推荐用本地 Markdown 保存核心草稿，并通过 Zotero 同步功能控制文献库的数据归属。对敏感项目，优先选择部署在本地的模型或关闭对话记录同步功能。

同时，任何自动核验脚本都只能作为辅助工具。Crossref API 并不会告诉你“这篇文献的内容是否真的支持你的论点”，它只能告诉你“这个 DOI 是否存在”。最终判断必须由人来完成。

10.3 学术诚信与合规提醒

使用 AI 辅助写作，必须遵守所在单位或期刊的学术规范。AI 可以帮你整理思路、起草结构、润色语言，但核心观点、数据分析和引用判断必须由作者自己负责。

特别提醒：

• 不要提交未核验的引用条目。
• 不要使用 AI 生成虚假数据或实验记录。
• 不要用 AI 规避原创性要求。
• 投稿前应按期刊要求声明 AI 使用情况。

回到开头那个问题：为什么 AI 写引言总翻车？因为它没有一个可控的文献来源，又缺少一个可执行的核验环节。把 Zotero、MCP、Markdown 和 Crossref 结合起来，等于给了 AI 一个“边界”，也给了自己一个“检查点”。这套流程跑通之后，你每一次写引言都可以复用同一套结构：建库、检索、起草、核验。节约的不仅是查证时间，更是反复返工的成本。下一步，你可以试着从自己的 Zotero 库中选 5 篇文献，让 AI 基于其中 3 篇写一段 200 字的引言背景，然后运行核验脚本。跑通最小闭环，再逐步扩大到完整引言。