谢天谢地！我用五分钟终于阻止了deepseek瞎编文献！

用DeepSeek写论文时，是否常遇到“胡编”文献的问题？本文基于某书博主“AI小师妹”的分享，总结出有效防止AI虚构文献的八条核心指令，并提供升级版实操方案，帮助用户提升论文引用的准确性与可信度。

第一条指令：明确真实文献

要求模型仅引用真实存在的文献并提供具体信息。但需注意，模型本身无法自主验证文献真实性，依赖外部工具支持才能确保准确性。

第二条指令：限制文献类型和来源

限定引用来源为权威学术期刊、教科书或官方报告，有助于提升可信度。然而，模型难以自主区分权威与非权威来源，尤其在无实时数据库访问权限的情况下。

第三条指令：要求提供可验证的细节

强制输出作者、标题、期刊名称、出版年份等完整信息，便于后期核查。但模型若缺乏知识库支撑，可能无法生成准确详尽的引用内容。

第四条指令：设置严格的约束条件

规定模型在无法找到可靠文献时应明确标注“无可靠文献支持”，避免编造。关键在于建立有效的判断机制，否则该指令执行效果有限。

第五条指令：结合外部工具验证

建议通过Google Scholar、PubMed等平台进行文献验证，显著提高引用真实性。但当前多数模型尚不具备直接调用这些工具的能力，需人工辅助完成验证。

第六条指令：分步骤生成内容

采用分步式生成策略，先确定主题，再检索文献，最后整合内容，有助于系统化处理引用问题。但对模型的逻辑推理和资源调度能力要求较高。

第七条指令：示例指令模板

提供标准化指令模板，帮助用户清晰表达需求，提升交互效率。实际效果仍取决于模型的理解与执行能力。

第八条指令：处理虚构文献的应急指令

设定纠错机制，在发现虚假引用后能及时修正。但需要模型具备自我监控和反馈学习能力，目前技术尚未完全成熟。 为全面提升文献引用质量，建议从以下方面优化：

• 集成权威数据库API（如Crossref、PubMed），实现DOI实时校验；
• 严格限定引用来源范围，优先使用知网、Web of Science、IEEE Xplore等可信平台；
• 训练模型识别不可靠请求，并主动拒绝生成未经验证的引用；
• 引入用户反馈机制，标记错误引用并持续更新模型数据源。

升级版防虚构文献指令

1. 检查文献数据库 “在生成回答前，请自动检查以下学术数据库： 国内：中国知网、万方数据、维普网 国际：Web of Science、ScienceDirect（Elsevier）、PubMed、IEEE Xplore、Engineering Village、Google Scholar、Sci-Hub 仅允许引用这些平台可验证的文献。” 2. 结构化引用 “每条引用必须包含： 1）作者全名（如Smith, J.D.）； 2）完整标题（首字母大写，如'Quantum Computing in 21st Century'）； 3）期刊标准缩写（如：Nature → Nat.）； 4）数字对象唯一标识符（DOI链接，格式：https://doi.org/10.xxxx）； 5）文献指纹（提供Google Scholar被引量>50的证明链接）。” 3. 实时验证 “调用Crossref（可自行换数据库）的API对每个DOI进行实时校验，若返回HTTP 404或‘未找到’，则自动替换为‘该DOI不存在，已移除不可靠引用’。” 4. 时间限制 “优先引用近三年文献（2020–2023）。若引用超过五年文献，须通过Scopus认证其为‘高被引论文’。” 5. 用户可验证 “生成的回答需附带文献验证报告，包括： 1）Google Scholar 快照链接（如scholar.google.com/snapshot/xxxx）； 2）期刊官网直达链接（如ieeexplore.ieee.org/xxxx）； 3）Scimago 期刊排名截图。” 6. 剔除可疑文献 “如检测到以下情况，自动删除引用并重新生成： 1）DOI 无法解析； 2）作者与标题在 Dimensions.ai 上无匹配记录； 3）期刊不属于 JCR Q1/Q2 分区。” 7. 应急处理 “输入 /verify 命令后，系统将： 1）使用 Semantic Scholar API 批量验证文献数据； 2）用 Zotero 生成标准化引文； 3）输出 Turnitin 相似度检测报告（确保相似度低于 15%）。” 通过上述七条升级指令，可大幅降低AI生成虚假文献的风险，提升学术写作的专业性与可信度。

来源：收集于网络

Gemini 使用链接