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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00