【锚点】这一讲只钉一个判断：【引用分析里真正可复现的最小单元不是引用总数，而是引用句功能 + 引用后引用路径。】如果你的引用分析只输出 citation count，它其实把【被使用】【被反驳】【被继承】压扁成行政报表。

【显式】服务【引用数会混入噪声】：Eugene Garfield 的 Science Citation Index 让谁引用谁可追踪，但一个 DOI 被引 500 次，可能包含 300 次方法参见、80 次综述背景、60 次争议反驳、60 次自我引用。引用数把这些压成一个数。

【隐式】服务【引用句携带立场】：同一篇论文出现在 we follow [A]、however [A]、as baseline in [A] 时，作用不同。citation context analysis 的价值，就是把引用句拆成【支持】【反驳】【方法】【背景】等可标注状态，而不是只数出现次数。

【细微】服务【引用后引用才暴露传播】：Kleinberg（2002）的 burst detection 同理：引用不是均匀到达，突发段比累计总数更敏感。判断一篇论文是否改变领域，要比较它被引用后，引用者是否继续被引。【流程节点链路】：【被引论文】→【引用句功能】→【引用论文后续被引】→【概念进入下游论证】→【影响力判断】。

【极难发现】服务【高引不等于核心】：很多高引论文是【可操作工具】：代码、数据集、量表、流程。真正难替代的是少数引用句，它们出现在后续高被引论文的核心论证里。数据记者若只存计数，就会把【被使用】误认为【被承认】。

【待验证】如果你的引用分析只能输出 citation count，你无法区分【被使用】【被反驳】【被继承】。值得测：同一领域 100 篇论文，比较【总引用数】与【高被引引用者中的核心引用句数】，哪个更能预测 3 年后被综述反复引用？