核心结论
AI 写作工具正在把引用建议、相关性排序和格式检查直接嵌入写作流程，但这类功能不能被视为自动完成了引用核验。CASRAI 将相关能力区分为三类：基于学术数据库或用户资料库提出来源建议，按照指定引用格式检查机械性错误，以及由通用语言模型直接生成参考文献。三者的风险并不相同。
其中，直接要求通用聊天机器人凭记忆生成文献，是最需要警惕的做法。CASRAI 指出，这类输出可能包含不存在的出版物，也可能把真实文献的作者、日期或其他书目信息写错。即使某个来源确实存在，它也未必支持引用所在句子的具体主张。相较之下，连接实时学术数据库的工具通常更不容易凭空捏造文献，但来源推荐仍然只是相关性判断，并不是对事实或论证关系的保证。
LawPavilion 在 2026 年尼日利亚律师协会第 66 届年度大会上介绍的 Citation Checker 和 Document Review，则展示了法律场景中的另一种核验路径。该公司表示，律师可以提交法律文件，由工具检查其中引用的法律权威是否存在，以及这些权威是否确实涉及被引用的法律问题。LawPavilion 还表示，其法律 AI 依托权威的尼日利亚法律资料，而不是开放互联网。公开信息支持的是产品定位和所描述的检查能力，并不等于所有自动检查结果都无需律师复核。
AI 写作工具能检查哪些引用问题
AI 引用功能最适合处理不同层次的辅助任务。第一类是来源建议和相关性排序：工具在作者写作时搜索学术来源或用户上传的资料库，再推荐可能与当前句子有关的文献。CASRAI 以 Jenni.ai 为例，说明这类工具可以在写作位置插入格式化引用，并支持多种引用格式；相关资料也提到，RIS 导入和导出可以帮助资料在写作工具与 Zotero、Mendeley 等参考文献管理器之间移动。
第二类是格式检查。工具可以查找作者格式不一致、缺少发表年份、正文引用与参考文献表不匹配，或目标格式不一致等问题。这更接近拼写检查，而不是研究核验。它可以发现参考文献表的机械性问题，却不能单独证明文献真实存在，也不能判断文献是否真的支持相邻论点。
第三类是直接生成引用。CASRAI 将这种方式与实时数据库检索明确区分开来：模型根据训练信息生成看似完整的书目，并不代表它完成了可追溯的数据库查询。CASRAI 引述的研究和后续研究表明，错误和虚构风险会随模型、主题和提示方式变化；较新的模型可能表现更好，但公开资料并未证明常用模型已经消除了这一问题。
提交前如何核验 AI 推荐的引用
研究者应先打开出版商页面、DOI 页面或数据库记录，而不是只相信工具生成的格式化文本。随后需要确认 DOI 能够解析，并且与标题、作者和年份相符；还要阅读足够的原文，判断来源是否支持它所附着的具体主张，而不只是主题相近。
完成核验后，参考文献仍应按照目标期刊或出版机构的实际要求检查格式。CASRAI 建议把经过确认的资料保存在 Zotero、EndNote 或 Mendeley 等专门的参考文献管理器中，把 AI 写作工具的引用功能视为写作辅助层，而不是长期资料库或唯一记录系统。
这一流程同样适用于法律文件。LawPavilion 对其工具的描述强调了“来源是否存在”和“是否涉及相关法律问题”两个检查方向。对于律师而言，这意味着自动标记可以帮助缩小复核范围，但最终仍需要专业人员判断法律权威的适用性、语境和论证是否成立。
方法与局限
团队可以把核验流程拆成四步：确认来源存在，核对标题、作者、年份和 DOI，阅读原文确认其支持具体主张，再按照目标引用格式完成最终检查。对于法律材料，还应由具备相关专业判断能力的人员审阅引用与法律问题之间的关系。对于学术稿件，则应把期刊当前的作者指南作为披露和格式判断依据。
公开资料能够支持的是功能类别、已描述的风险和核验建议，不能证明任何工具对每一条引用都给出正确结果，也不能据此推出某个产品适合所有研究或法律工作。引用建议、格式检查与通用模型生成之间存在明显差异；出版商关于 AI 使用披露的规则也可能因机构而异并持续变化。CASRAI 表示，许多现行政策把机械格式检查或基于数据库的引用查找，与生成或实质改写科学内容区别对待，但使用者仍需查看具体出版机构的最新要求。