ccanunez/verificar-bib

Verificar bibliografía y encontrar los papers

Objetivo: para cada referencia, decidir si existe, si sus datos son correctos, si sigue siendo válida (no retractada) y si respalda lo que el texto afirma; y entregar dónde leerla. Escribir en el idioma del usuario (por defecto español).

Argumentos

/verificar-bib <refs.bib | refs.txt | carpeta-del-manuscrito> [profundo] [huecos] [parche]

• profundo: además verifica las afirmaciones (paso 4). Es lo más caro: ofrecerlo, no hacerlo sin que el usuario lo pida.
• huecos: sugiere referencias faltantes (--huecos 20).
• parche: escribe un .bib corregido, sin tocar el original.

1. Conseguir las referencias

• .bib: usarlo directo.
• Lista en texto (pegada en el chat, sacada de un PDF o de la sección References de un paper): guardarla en el scratchpad como .txt, una referencia por línea o por párrafo. Si viene de un PDF, extraer solo la sección de referencias.
• Proyecto LaTeX: localizar el .bib (\bibliography{…} o \addbibresource{…}) y pasar la carpeta con --tex. El script cruza las claves de \cite (natbib y biblatex) con el .bib y extrae la oración de cada cita.

2. Correr el verificador

python3 -I ~/.claude/skills/verificar-bib/scripts/verificar_bib.py <refs> --out <scratchpad>/informe_bib.md --json <scratchpad>/informe_bib.json [--tex <carpeta>] [--contextos <scratchpad>/contextos.md] [--huecos 20] [--parche <scratchpad>/refs.corregido.bib] [--macros-aas]

Por cada referencia consulta, en orden: el DOI (y el resolvedor de doi.org si nadie lo tiene), el id de arXiv, el título en OpenAlex, OpenLibrary (libros), ADS (si existe ADS_API_TOKEN), año + volumen

• página, Crossref bibliográfico y arXiv. Al paper encontrado le agrega retractaciones y correcciones (Retraction Watch, vía OpenAlex y Crossref), la versión publicada si el bib cita un preprint, y los links de acceso abierto. Veredictos:

• 🚩 RETRACTADA: existe, pero fue retractada o retirada. No debe citarse como evidencia.
• ✅ OK: coinciden título, primer autor, año (±1, por arXiv vs. publicado), volumen y página. En libros no se exige el año, porque las bases indexan otras ediciones.
• ⚠️ DISCREPANCIA: existe, pero algo no cuadra: año, volumen, página, orden de autores, DOI inexistente o que apunta a otro paper, o en ese volumen/página hay otro paper con otro título (patrón típico de una cita inventada que reutiliza una revista real).
• ❌ NO ENCONTRADA: ninguna base la tiene, así que es una posible cita falsa. Va con el candidato más parecido como pista.

El informe agrega duplicados (mismo paper con dos claves, o clave repetida), el cruce con el .tex (claves citadas sin entrada, que saldrán como [?], y entradas nunca citadas), las referencias faltantes y notas (correcciones publicadas, preprints ya publicados, ediciones de libros).

Notas de ejecución:

• Hay caché en ~/.cache/verificar-bib (30 días): volver a correrlo tras editar el .bib es casi instantáneo. --sin-cache la ignora.
• arXiv se consulta como máximo una vez cada 3 s. Con más de ~50 referencias, correrlo en background.
• Si el informe trae el aviso "consultas fallaron", las ❌ pueden ser falsos negativos: repetir más tarde.
• Sin OPENALEX_API_KEY, OpenAlex da un cupo diario chico por IP. ADS_API_TOKEN activa ADS, que en astronomía tiene libros, proceedings y papers antiguos que las otras bases no tienen. Si el usuario las tiene, que las exporte él. Nunca crear keys por el usuario ni leer su valor.
• --strict sale con código 1 si hay ❌, 🚩 o claves faltantes (útil antes de la entrega final).

3. Revisar a mano lo dudoso (no saltarse esto)

El script es un filtro. No declarar falsa una cita solo porque el script no la encontró. Para cada ❌, 🚩 y ⚠️ no trivial:

1. Buscar con WebSearch el título exacto entre comillas, y "primer autor + año + revista".
2. Pensar en los falsos negativos típicos, que no son citas falsas:
   • Libros, capítulos, tesis, proceedings antiguos (@book, @phdthesis, @inproceedings): se indexan mal o con la fecha de una reimpresión. Un título corto (Fluid Mechanics) puede emparejarse con otra obra del mismo nombre.
   • Software y datos (@misc, @software: FARGO3D, RADMC-3D, astropy…): verificar en ASCL, Zenodo o GitHub, y la publicación que el software pide citar.
   • Papers pre-1990 sin DOI: ADS los tiene aunque OpenAlex no.
   • Un artículo y su versión de congreso con el mismo título (p.ej. Shakura & Sunyaev 1973 en A&A y en IAU Symp. 55): la base puede devolver la otra versión.
   • Preprints recientes que todavía no salen en revista.
   • Autores corporativos o nombres en caracteres no latinos.
3. Para un ⚠️ de "orden de autores", revisar si la clave (Casassus2025) y el \citet{} del texto atribuyen el trabajo a quien no es primer autor. Eso sí hay que corregirlo.
4. Para un 🚩, confirmar la retractación en el aviso oficial y avisar al usuario dónde lo cita.
5. Veredicto final por referencia:
   • real y correcta;
   • real con datos a corregir: dar los campos BibTeX corregidos;
   • retractada: decir dónde se cita y sugerir reemplazo o contexto;
   • no verificable: se buscó y no apareció; pedirle la fuente al usuario;
   • falsa: solo con evidencia, p.ej. el DOI o el volumen/página pertenecen a otro paper y no existe nada con ese título.

Agregar una sección "Revisión manual" al principio del informe con estos veredictos.

4. Verificar afirmaciones (modo profundo)

Requiere --tex y --contextos. El archivo de contextos trae, por referencia citada, el abstract del paper y cada oración del .tex que lo cita (archivo:línea). Para cada uso:

1. Comparar lo que afirma la oración con el abstract. Clasificar como respalda, respalda en parte (p.ej. el paper lo muestra para otro régimen o con más cautela), no respalda o no verificable con el abstract.
2. Para los no verificables y los no respalda, abrir el texto completo (el arXiv o el PDF del informe) y buscar el pasaje concreto antes de concluir. Citar la sección o página del paper.
3. Juzgar la afirmación, no el estilo. Señalar citas genéricas ("ver revisión de…") como aceptables.
4. Escribir el resultado en una tabla, archivo:línea | clave | veredicto | evidencia del paper | sugerencia, al final del informe. Ordenar primero los no respalda.

Con muchas citas (más de ~60), preguntar al usuario si revisar todas o priorizar: las que sostienen resultados propios, valores numéricos y comparaciones directas.

5. Referencias faltantes (huecos)

--huecos N lista los papers citados por al menos dos de las referencias del usuario que él no cita, ordenados por cuántas de sus referencias los citan. No todos aplican: filtrar por relevancia para el tema del trabajo (leer el título y, si hace falta, el abstract) y presentar solo los que vale la pena considerar, con una línea de por qué.

6. Entregar

• El informe Markdown con los links (DOI · ADS · arXiv · PDF · ISBN) y la revisión manual. Si el usuario lo va a compartir, ofrecer publicarlo como Artifact.
• Un resumen en el chat: cuántas OK, cuántas con datos a corregir, retractadas, posiblemente falsas y por qué; y, en modo profundo, cuántas afirmaciones no están respaldadas.
• No editar el .bib del usuario sin permiso. --parche escribe un archivo aparte que solo agrega doi/eprint en entradas ✅, protege siglas con llaves y, con --macros-aas, abrevia revistas (\apj, \aap, \mnras…; requiere aas_macros.sty o AASTeX). Nunca cambia año, volumen ni página. Esas correcciones se proponen y se aplican solo si el usuario dice que sí. Mostrar el diff antes de reemplazar el original.
• Los links son para leer y descargar. No descargar PDFs salvo que el usuario lo pida explícitamente. En ese caso, guardarlos en una carpeta nueva y vacía.

Gotchas

• Con plainnat/aasjournals los títulos pasan a minúsculas. El parche protege las siglas ({PDS} 70, {ALMA}, {3D}), pero no los nombres propios (Jupiter, Kepler): revisarlos.
• El parser BibTeX es mínimo: no resuelve @string ni concatenación con #. Avisar si el .bib los usa.
• Los enlaces de ADS le muestran una verificación humana a los navegadores automatizados. Son para el usuario, no para que Claude los abra.
• Pruebas: --selftest (sin red) y tests/regresion.py (con red, fixtures con citas trampa).