# Perplexica 论文检索：使用 Vane 找原文，核对作者、年份和 DOI

三条书目已人工读取arXiv官方页面并导出CSV/BibTeX；未运行Vane搜索、模型回答或获取完整论文。BibTeX作者使用首位作者等的教学简写。

## 版本与门槛

Vane v1.12.2（原Perplexica）；需要可用实例、SearxNG和模型。代码MIT；云模型/检索限制分别确认，本地Ollama需另备推理资源。

## 操作步骤

1. 先写研究问题和纳入条件

本题研究问题为检索增强生成与语言模型的技术背景，先找3篇可打开原站的候选。下载verified-bibliography.csv作人工核对参考，不预先给模型答案；“找到书目”和“有权获取全文”是两个结果。

2. 确认现在使用的是Vane

旧Perplexica仓库已转到Vane。打开自己的实例，记录v1.12.2或实际版本及SearxNG状态，在设置中选择实际可用聊天模型。不要照旧截图寻找已经变化的入口；本页官方示例仅用于识别界面。

3. 选择Academic来源并保留检索式

在来源选择中使用academic，输入prompt.md的研究问题；需要限定时选出版社或机构域名，记录准确查询与检索日期。首次只做小样本，不把质量模式或较长回答视为完整系统综述。

4. 点开每条结果的原站

把标题链接打开到论文原站，核对是否真的为那篇论文。搜索摘要同名、作者不同的候选要分开。若链接失效，标未核实，不把另一篇相关文献强行顶替成同一条结果。

5. 分开核对作者、初次年份和修订版本

Attention Is All You Need在arXiv初次提交为2017，v7修订为2023；RAG论文初次提交为2020，v4修订为2021。表里同时记录初次年份和版本，不能让最新页面日期覆盖书目年份。

6. 识别DOI到底属于哪个版本

本题10.48550/arXiv.*是arXiv-issued DOI，不冒充期刊DOI。将模型写出的DOI逐条打开，查标题和作者是否一致。原站未提供时保留空值与说明，不根据题目格式猜一个DOI。

7. 整理候选表与排除原因

把实际检索得到的候选写入自己的actual-bibliography.csv；保留纳入与排除理由，别只留下看起来正确的三条。确认无全文的记录仍可进入书目表，但要明确权限/全文状态。

8. 导出后再查重和回读

导出CSV/BibTeX后核对记录数、URL、DOI及年份。用本包verify.py只核验已提供的参考书目结构；它不验证Vane已经检索。获得有权使用的PDF后再接已有翻译教程，不能把翻译成功当成检索质量。

## 本地参考与运行

三条书目已人工读取arXiv官方页面并导出CSV/BibTeX；未运行Vane搜索、模型回答或获取完整论文。BibTeX作者使用首位作者等的教学简写。

运行 `python3 verify.py` 检查材料；原生文档检查需要pypdf、openpyxl或lxml。需要重建参考时运行本包对应reference.py；这些脚本不调用模型。

## 官方来源

- https://github.com/ItzCrazyKns/Vane/releases/tag/v1.12.2
- https://github.com/ItzCrazyKns/Vane/blob/v1.12.2/README.md
- https://github.com/ItzCrazyKns/Vane/blob/master/LICENSE

## 素材身份与许可

本站原创教学输入与参考代码采用CC0-1.0；官方截图仅用于识别软件和说明操作入口，其版权归相应项目。工具与模型许可分别按官方来源执行。请勿将人工/参考算法文件描述成目标软件或模型的实际结果。