GB/T 7714-2015 参考文献样式库:学术写作的终极解决方案
想要轻松搞定学术论文的参考文献格式吗?GB/T 7714-2015 参考文献样式库为你提供了完整的解决方案!这个开源项目汇集了超过200个符合国家标准的中文参考文献样式,支持Zotero、JurisM等文献管理软件,让你告别格式烦恼,专注学术研究。😊
什么是 GB/T 7714-2015 样式库?
GB/T 7714-2015 是中国国家标准《信息与文献 参考文献著录规则》,规定了学术论文中参考文献的著录格式。这个项目正是基于该标准开发的CSL(Citation Style Language)样式集合。
核心功能亮点:
- ✅ 支持双语混排(中文"等"与英文"et al"自动切换)
- ✅ 覆盖全国各大高校和学术期刊
- ✅ 包含作者-日期、数字编号等多种引用格式
- ✅ 兼容Zotero、JurisM等主流文献管理工具
快速入门指南
第一步:获取样式文件
项目提供了多种获取方式,你可以直接访问中文 CSL 样式商店选择合适的样式。
第二步:安装到Zotero
下载.csl文件后,在Zotero中通过"编辑→首选项→引用→样式→+"来添加新样式。
第三步:配置语言设置
为了实现中英文混排效果,你需要为每个文献条目设置正确的语言字段:
- 中文文献:
zh或zh-CN - 英文文献:
en或en-US
重要提示: 安装时如果出现"这不是一个有效的CSL 1.0.2样式文件"的警告,这是正常现象,直接忽略即可。
丰富的样式选择
项目包含了各种类型的参考文献样式:
国家标准样式
gb-t-7714-2015-author-date-bilingual.csl- 作者-日期双语版gb-t-7714-2015-numeric-bilingual.csl- 数字编号双语版gb-t-7714-2015-note-bilingual.csl- 注释格式双语版
高校专属样式
- 清华大学、北京大学、复旦大学等顶尖高校
- 各类专业院校的特定格式要求
学术期刊样式
- 涵盖自然科学、社会科学、医学等多个领域
- 满足不同期刊的投稿要求
实用功能详解
双语混排功能
这是项目的核心特色!当引用中文文献时,超过3个作者会显示"等";英文文献则显示"et al"。这种智能切换让你在撰写中英文混合的论文时更加得心应手。
自定义配置选项
你可以根据具体需求选择不同变体:
- 是否显示URL和DOI
- 是否使用全角标点
- 是否保留大写字母
常见问题解决
语言设置问题
如果参考文献显示不正常,检查语言字段设置是否正确。批量修改语言可以使用delitemwithatt插件。
Word插件配置
在Word中使用时,如果工具条不显示,可以通过添加COM加载项的方式解决。
开发者指南
如果你是开发者,想要贡献新的样式:
git clone https://gitcode.com/gh_mirrors/chi/Chinese-STD-GB-T-7714-related-csl
cd Chinese-STD-GB-T-7714-related-csl
pnpm install
pnpm dev
每个样式都需要在src目录下建立独立文件夹,包含.csl文件以及可选的测试数据文件。
项目架构概览
项目采用模块化设计:
src/- 所有CSL样式文件lib/- 核心处理逻辑和工具函数scripts/- 自动化脚本工具
为什么选择这个项目?
- 权威性 - 严格遵循国家标准
- 全面性 - 覆盖绝大多数学术需求
- 易用性 - 开箱即用,配置简单
- 活跃性 - 持续更新,社区支持
无论你是本科生、研究生还是科研人员,这个项目都能为你的学术写作提供强有力的支持。告别繁琐的格式调整,专注于真正重要的研究内容!🚀
开始使用吧! 选择适合你需求的样式,让你的学术写作更加专业、高效。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06