如何使用 AI 做科学研究，同时不失去对证据的控制

你手上很可能已经有这样一份草稿：提纲是 AI 生成的，参考文献看起来齐整，但你说不清其中哪一条自己真正读过原文。问题不在于用了 AI，而在于证据链在某个环节断掉了——一旦 AI 的总结变成你引用的依据、相信某个结论的理由，或者论证成立的前提，研究的可辩护性就已经失守。

这篇文章提供的是一套可重复的操作流程，目的是在使用 AI 助手的同时，始终把证据链握在自己手里。读者对象是研究人员、研究生和知识工作者：你已经能用上 AI 工具，现在需要的是一种不积累”核查债务”的用法。下文的五步流程与清单是本文自己的实践提案，不是任何机构的政策规定；在涉及负责任使用与披露的原则性问题时，本文指向公开可查的机构指引，例如华盛顿大学研究生院的建议、PMC 上收录的实用规则类论文以及Institute for Humane Studies 的最佳实践指南，而不自行编造规则。

在提问前，先划清边界

多数与 AI 相关的研究事故，根源不是提示词写得不好，而是边界没有事先划定：使用者从未明确决定，模型在这项工作中被允许扮演什么角色。请先做这个决定，并把它写在你自己和合作者都能看到的地方。

AI 输出不是一手证据

模型给出的答案是一段生成的重述，它不是观测、不是数据集、也不是已发表的发现。请把它产生的每一条论断都当作未验证线索——一个指向”你必须去读原文”的路标。参考文献同样如此：只要一条引用出自 AI 输出，在你亲自打开那篇论文、确认它存在、并确认它确实说了模型所暗示的内容之前，它都只是一个关于文献的假设。公开的负责任使用指引普遍强调对 AI 生成内容进行核实、并了解系统本身的局限，而不是把输出当作权威；华盛顿大学的指引与IHS 的最佳实践指南都可以作为你自行阅读的起点。

人类作者仍然承担责任

使用工具不会分摊问责。如果一处错误、一条虚构的引用或一个缺乏支撑的论断进入了投稿、结题报告或交付物，署名的人类作者要为它负责。因此”模型是这么说的”永远不是一个可接受的解释；也因此，凡是你在关掉助手后无法逐句为之辩护的文字，就不该提交出去。

最终科学判断必须由人做

AI 可以排序、聚类、改写和提出建议，但它无法判断一个推断是否成立、混杂因素是否得到处理、样本能否支撑某个外推、以及某个结果是否重要。这些判断才是真正的学术贡献。把它们外包出去不是提高效率，而是放弃职责。

五步证据控制流程

这是整套方法的核心。每一步只承担一件事，而”生成的”与”已核实的”这条界线，在任何环节都不允许模糊。

1. 先界定范围与问题，再打开助手。 用平实的语言写下你要回答的问题、关心的对象或系统、时间范围，以及什么样的答案才算可接受，同时写下你明确不问的内容。有了界定清楚的问题，你才可能在后面认出那些听起来合理却偏离目标的 AI 回答。
2. 生成未验证线索、提纲与备选方案。 这一步再有意识地使用助手：让它提出可能的问题框架、竞争性假设、可能的子议题、检索词汇、你的设计中潜在的失效模式，或一份结构提纲。把这些输出放在一个明确标注为”未验证”的空间里——一个单独的文件、笔记中划出的区块，或一个独立页面。任何内容离开这个空间时都必须带着标注。
3. 对照原始论文、数据与政策逐条核查。 把每条线索带回源头：读论文本身，而不是摘要；查数据集自身的文档，而不是模型对它的描述；读期刊或资助方政策的原文，而不是转述。凡是无法追溯到你亲自读过的材料的线索，删掉。这一步是 AI 工作变成研究的地方，它不可省略、也无法压缩。
4. 记录 AI 使用情况，并查看适用于你的规则。 在内部留一份记录：在哪些阶段、为什么目的用了 AI，事后核查了什么。然后去查约束你这份成果的具体要求——所在机构的规定、出版方或期刊的作者指引、以及资助方条款。这些要求因发表渠道而异且会随时间变化，所以请阅读当前生效的原文，而不要依赖记忆或同事去年的做法。PMC 上收录的实用规则类论文这类通用指引是有益的背景阅读，但它不能替代你所在机构、出版方与资助方各自的具体规则。
5. 由人复核结论。 提交之前，由一位（最好不止一位）人类从头到尾读一遍论证，并追问：抛开这份草稿是怎样产出的，证据本身是否真的支撑这个结论？如果这些文献是我手工整理的，我还会做出同样的论断吗？任何承重的句子若只能追溯到 AI 输出，就必须删除或重新落到一手来源上。

AI 可以协助什么，人必须核查什么

把分工按任务写清楚，比只讲一条笼统原则更容易执行。

任务	AI 可以协助什么	人或一手来源必须核查什么
研究问题与框架	提出替代性的问题框架、把模糊的问题收窄、列出候选子议题与反向假设	该框架在学术上是否有意义、以现有数据是否可行、是否契合本领域当前的认识水平
文献检索线索	建议检索词、同义表达、相邻子领域，以及可能值得查的方向	每一条参考文献是否真实存在及其实际内容；被引文献是否支撑对应论断；最终形成的文献集合是否具有代表性而非只是顺手可得
笔记整理	按主题归类笔记、统一格式与结构、为你已经读过的材料起草摘要	每一条摘要是否与底层来源一致，有无语义漂移、把不同发现合并、或丢失限定条件
代码或分析思路	提出可选方案、解释某种方法的一般逻辑、建议检查项、起草脚手架代码	统计方法与前提假设是否正确、数据处理是否稳妥、结果能否复现，以及输出是否真的运行并被人检查过（而不是被描述过）
写作与编辑	提升表达清晰度、收紧结构、调整语气、发现拗口之处	每一句话的事实准确性、与所引来源的一致性、是否存在夸大表述，以及最终的论证与文风是否确属作者本人

研究型 Agent 改变了什么，又没有改变什么

那些能规划多步任务、自动检索并汇总中间结果的”智能体”式工具，确实改变了工作的形态：它们可以扩大覆盖面、在同样时间内追踪更多线索、降低第一轮梳理的机械成本。这是实实在在的吞吐量收益，也可能帮你注意到原本会漏掉的子领域或视角。

但它们没有改变的部分更重要。

Agent 不会把输出变成证据

更长的自动化步骤链，依然是一条生成文本的链条。一个引用了四十篇文献的 Agent，产出的是四十条线索，而不是四十条已核实的论断。实践中，产出量增加只会抬高核查负担而不是降低它，并且更容易让错误被忽略——因为输出看起来很周全。

Agent 不会转移人的责任

自动化不会凭空创造一个新的责任主体。如果文献部分是由 Agent 汇总的，署名作者仍要为其中每一句话负责。请据此规划：如果你核查不了 Agent 的产出量，就减少产出量。

Agent 可能悄悄收窄你的视野

Agent 的检索策略、可访问的来源范围和排序取舍，共同决定了你能看到什么。由于过程不透明，你可能把它的覆盖误当成该领域的全貌。对策是自己动手跑一部分检索，并主动寻找它没有呈现出来的工作。

发表前核查清单

请在投稿之前执行，而不是等审稿意见回来之后。

1. 每一条引用都已打开、读过相关段落，并确认它支撑所附的那个具体论断。
2. 草稿中的任何数字、日期、引语或归属，都不来自未经一手来源独立确认的 AI 输出。
3. 所有分析都已实际运行，代码与输出已保存，并可从原始数据复现。
4. 凡经 AI 辅助的文字，都已重写或细读到作者可以独立为每一句辩护的程度。
5. 所在机构、出版方／期刊与资助方关于 AI 使用与披露的现行要求，已按当前原文阅读并遵守。
6. 内部留有记录：各阶段如何使用了 AI，以及事后核查了什么。
7. 至少一位人类作者已通读完整论证，并判定证据支撑该结论。
8. 涉密材料、未发表内容、受试者数据或其他受限材料，未在违反适用规定的情况下输入外部工具。

常见问题

我可以用 ChatGPT 做研究吗？

用于辅助性工作通常是可以的，但真正决定答案的是你必须去查的规则，而不是工具本身。助手可以合理地帮你构建问题框架、发散思路、整理你自己的笔记以及润色文字；它不应成为你的事实、引用或结论的来源。在具体项目中使用之前，请阅读所在机构的规定、目标发表渠道的作者指引以及资助方条款，并确认保密要求、受试者隐私或数据处理限制是否约束了你可以输入的内容。之后，对照一手来源核实每一处输出，并留下使用记录。

哪种 AI 工具最适合科学研究？

这个问题没有一个站得住脚的普适答案，而且从选工具入手本身就是错的起点。工具能力变化很快，你工作的可靠性更多取决于核查流程，而不是打开了哪个助手。更好的问题是：我愿意让工具介入流程中的哪些部分，以及我将如何检验它的结果？评估任何工具时，可以看它是否让你能把论断追溯回真实来源、是否符合你所在机构与发表渠道的规则、是否以可接受的方式处理你的数据、以及是否对自身局限保持透明。在一套严格的证据控制流程中，能力稍弱的工具，胜过被当成神谕使用的强大工具。

底层原则

把 AI 用在研究中”犯错代价低且可逆”的环节——构建框架、探索方向、整理材料、起草文字，从而提高速度。而在”犯错代价高昂”的环节，让人和一手来源保持完全控制：什么是真的、文献究竟说了什么、数据显示了什么、以及这一切意味着什么。公开的负责任使用指引在基本立场上是一致的：核实、透明、以及人始终保留责任；上面这套流程，只是把这一立场落到日常操作中的一种具体做法。