在不丢失证据链的前提下使用 AI 做科研

在写 prompt 前先分配角色

先决定模型是导航员、格式整理器、编程助手、批评者还是假设生成器。角色不同，可以直接采用的内容和必须独立核验的内容也不同。

• 导航结果产生检索候选，不产生引用。
• 格式整理可以改变结构，不能擅自改变含义。
• 批评结果产生问题，不产生裁决。

让主张始终连接到来源

重要主张旁边同时保存来源段落、页码或章节、访问日期和自己的解释。如果模型无法回到给定证据，就把它的说法当作未核实线索。

• 没有逐一打开来源前，不使用模型生成的参考文献。
• 把原文引用保存在生成摘要之外。
• 标记哪些判断依赖模型解释。

把生成代码和测量结果分开

生成代码可以加速搭建，但研究者仍要对依赖、数据变换、随机种子、评估逻辑，以及预期执行和实际执行之间的差距负责。

• 运行前审查代码。
• 记录环境和输入版本。
• 后处理前先保存原始输出。

在不可逆边界设置人工检查点

公开发表、参与者数据、安全敏感执行、对外沟通和高风险结论，都需要明确人工复核。方便不能替代责任。

• 删除不必要的敏感上下文。
• 公开主张前必须查源。
• 记录谁批准了不可逆动作。

写有信息量的 AI 使用说明

有效披露应该说明使用阶段、具体任务、必要时的模型或工具、执行了什么核验，以及仍有哪些局限。笼统地写“使用 AI 辅助”并不能帮助读者判断可靠性。