sn-prepare-citations
用于终稿完成且脚注需要后处理时：去重 [^key] 引用，转换为 [N] 编号，并追加参考文献。
npx skills add OpenSenseNova/SenseNova-Skills --skill sn-prepare-citations --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# sn-prepare-citations（引用渲染） 处理 sn-deep-research 的 `stitched.md`：从 evidence.json 收集 `sources[]`，将正文中的 `[^source_id]` 转换为 `[N]` 编号引用，插入 L0/TOC，并追加参考文献。 ## 推荐用法（sn-deep-research v2） ```bash python3 scripts/prepare_citations.py \ --report <report_dir>/stitched.md \ --evidence <report_dir>/sub_reports/d1.evidence.json <report_dir>/sub_reports/d2.evidence.json \ --outline <report_dir>/outline.json \ --output <report_dir>/report.md ``` ## 参数 | 参数 | 说明 | |---|---| | `--report` | 输入 markdown。sn-deep-research 中通常是 `stitched.md` | | `--evidence` | 全部 `d*.evidence.json`，用于收集 source 元数据和修复 claim-id 泄漏 | | `--outline` | 可选但推荐。提供 L0、TOC 和标题结构信息 | | `--output` | 输出 markdown。sn-deep-research 中通常是 `report.md` | | `--no-l0` | 关闭 L0 摘要层渲染 | | `--no-toc` | 关闭 TOC 渲染 | ## 处理逻辑 1. 从所有 evidence.json 的 `sources[]` 收集引用元数据。 2. 按 URL 归一化去重，同 URL source 合并为同一编号。 3. 检测 `[^dN.cM]` claim-id 引用泄漏；能映射到 claim evidence 时替换为对应 `source_id`，不能映射则报告 unresolved。 4. 扫描正文中的 `[^source_id]`，按首次出现顺序分配编号。 5. 替换 `[^source_id]` → `[N]`，移除脚注定义行。 6. 根据 outline 插入或校准 L0 / TOC。 7. 追加 `## 参考文献`。 8. 写出 `report.md` 和同目录 `citations.json`。 9. stdout 输出结构化 JSON，包含 orphan citations、claim-id leakage、TOC 和 L0 状态。 ## 控制器处理要求 - `orphan_citati
- 推荐用法（sn-deep-research v2）
- 参数
- 处理逻辑
- 控制器处理要求
- 旧兼容模式
python3 scripts/prepare_citations.py \
What does the sn-prepare-citations skill do?
用于终稿完成且脚注需要后处理时：去重 [^key] 引用，转换为 [N] 编号，并追加参考文献。
How do I install it?
Run `npx skills add OpenSenseNova/SenseNova-Skills --skill sn-prepare-citations --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From OpenSenseNova/SenseNova-Skills, a repository with 4,855 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.