用途：对学术稿件的引用与参考文献做质量审计，既检查元数据真实性，也检查正文论断与所引论文内容是否一致，用于避免AI生成的虚假引用。
主要能力：一是元数据完整性校验，通过Crossref与OpenAlex核对DOI、标题、作者、年份，输出VALID、METADATA_MISMATCH、HALLUCINATED三类结果；二是引用上下文对齐，抓取论文原文片段，判断论断为FULLY_SUPPORTED、PARTIALLY_SUPPORTED、CONTRADICTORY或UNSUPPORTED/MISATTRIBUTED；三是引用格式与一致性检查，如APA、IEEE、Harvard、MLA，并核对正文引用与文末列表是否互相覆盖；四是按表格输出审计报告，含论断、引用与DOI、原文证据片段、支持状态和修改建议。
使用方式：依赖literature-search-openalex与pubmed-database。先运行元数据校验脚本：python "<PATH_KE_SKILL>/scripts/validate_references.py" --input references.json --output report.json，或单条校验：python "<PATH_KE_SKILL>/scripts/validate_references.py" --doi <DOI> --title "<TITLE>"；再运行证据抓取：python "<PATH_KE_SKILL>/scripts/fetch_evidence_snippet.py" --claim "<KALIMAT_KLAIM>" --doi "<DOI>"。
适用场景：投稿前自查、审稿辅助、参考文献清理。
限制与注意：需先执行程序化校验再做人工判断；HALLUCINATED或METADATA_MISMATCH须显式标注；警惕幻觉引用、转引误导、过度概括与格式混用；Semantic Scholar无API Key时不应中断，改用OpenAlex/Crossref免费接口。具体安装与完整参数暂未提供。