使用生成式 AI 協助科研寫作，真正需要管理的不是“有沒有用過”，而是使用過程能否被說明、被復核、被還原。對于研究生和科研作者而言，一篇論文從選題、資料整理到投稿往往會經歷多輪修改。如果只保留最后一版文稿，日后很難判斷某個觀點、數據解釋或參考文獻是如何形成的，也無法清楚區分 AI 提供的語言輔助與作者本人的學術判斷。

因此，過程留痕不應被理解為額外的形式負擔，而應成為論文項目的基本檔案。它的目標不是證明 AI 沒有參與，而是證明作者始終掌握研究方向、材料來源和最終責任。

先劃清 AI 可以輔助、不能替代的部分

AI 可以用于語言潤色、段落重組、格式檢查、研究材料的初步分類，也可以幫助作者發現表述重復、結構跳躍或概念定義不清等問題。但“能夠生成文字”不等于“能夠承擔學術判斷”。

論文中的研究問題、理論解釋、研究設計、數據含義、因果關系、文獻真實性和結論邊界，都必須由作者獨立判斷。尤其是以下內容，不能因為 AI 給出了看似完整的答案，就直接納入論文：

• 研究假設、核心論點及其邏輯依據；
• 數據的來源、清洗過程、統計結果和異常解釋；
• 參考文獻的作者、題名、出版信息及其是否真正支持相關論斷；
• 對他人研究的概括、評價和引用位置；
• 涉及倫理審查、隱私、版權、保密材料或敏感數據的內容；
• 論文中承諾完成的研究工作，以及結論能夠支持的范圍。

AI 輸出最多只能作為待核對的草稿或線索。作者需要回到原始論文、原始數據、實驗記錄、訪談材料或正式政策文件，確認內容是否真實、完整、適用。不能把“AI 沒有明顯出錯”當成人工核驗已經完成。

建立四類基本檔案

過程留痕不必一開始就設計成復雜的管理系統。對個人作者來說，先把材料分成四類，并保持清晰的命名和時間順序，通常已經能形成可回溯的證據鏈。

1. 對話記錄：記錄 AI 在什么任務中被使用

對話記錄不只是保存最后一次問答，而應盡量保留與論文形成有關的關鍵交互。至少要讓未來的自己看得出：當時使用 AI 的目的是什么，輸入了什么，AI 返回了什么，作者隨后做了哪些處理。

可以重點保存以下信息：

• 使用日期，以及對應的論文項目或章節；
• 使用 AI 的具體目的，例如語言潤色、結構建議、概念辨析或材料分類；
• 提示內容和必要的上下文；
• AI 返回的原始結果；
• 作者采納、修改或拒絕該結果的情況；
• 后續核驗所依據的原始資料。

如果平臺支持導出，應保留較完整的對話文件；如果只能截圖，也要同時記錄截圖對應的章節和用途，避免幾個月后無法判斷它服務于哪一段文字。對于多輪對話，最好不要只保存最后一輪，因為前面的限定條件、作者的糾正以及 AI 對錯誤信息的修正，同樣可能影響最終文本。

提示記錄不需要寫成一份“提示詞作品集”。與論文判斷有關的交互要優先保存，純粹的拼寫檢查或一次性標點調整可以采用簡要登記的方式。關鍵在于記錄的粒度要與風險相匹配：越接近研究結論、數據解釋和文獻判斷的使用，越應保留完整上下文。

2. 原始稿與修改稿：不要讓覆蓋保存抹掉修改軌跡

論文文件最好避免長期使用“最終版”“最終版2”“最終版真的最終”等含義模糊的文件名。可以按照“日期—章節或階段—版本狀態”命名，例如：

2025-09-12_引言_人工初稿
2025-09-15_引言_AI語言建議后待核驗
2025-09-18_引言_作者修訂稿
2025-09-20_引言_導師反饋后版本

這里的重點不是固定采用某一種命名格式，而是讓文件名能夠回答三個問題：這是什么內容、什么時候形成、經歷了什么處理。

原始稿應當保持只讀或單獨存放，不能在 AI 修改后直接覆蓋。需要使用 AI 處理時，先復制一份工作文件，再把處理后的文本放入新版本。對于重要段落，建議開啟修訂記錄或保留前后對照。這樣不僅能看到詞句變化，還能發現 AI 是否悄悄改變了論斷強度、增加了原稿沒有的解釋，或者把不確定表述改成了過于確定的結論。

如果多人合作寫作，還應記錄誰提交了原稿、誰接受了 AI 建議、誰完成了最終確認。作者署名意味著對成果承擔責任，不能把責任簡單轉移給工具、同學、導師或語言服務人員。

3. 核驗記錄：把“我看過了”變成可說明的判斷

核驗記錄是證據鏈中最容易被忽略、卻最能體現作者責任的一部分。它不必對每個標點變化逐條說明，但對于實質性內容，應留下判斷依據。

可以為重要修改建立簡短的核驗表：

特別要警惕 AI 自動生成的參考文獻。已有科研誠信指引明確提醒，不應直接使用未經核實的 AI 生成參考文獻。實際操作中，即使文獻題名、作者和年份看起來合理，也應通過正式數據庫、期刊頁面或原始出版物逐項確認，并核對引用內容是否真的支持自己的表述。

核驗記錄還應說明“為什么修改”。例如，不要只寫“已檢查”，而可以寫成“原文僅說明存在相關性，AI 建議改為因果關系，因缺少相應研究設計，恢復為相關性表述”。這種簡短說明足以體現作者進行了獨立判斷。

4. 版本歸檔：讓不同材料之間能夠互相對應

歸檔不是把所有文件堆在一個文件夾里，而是讓對話、文稿和核驗記錄能夠相互指向。一個簡單的目錄可以按研究階段建立：

項目名稱/
├── 01_研究設計
├── 02_原始材料
├── 03_AI使用記錄
├── 04_論文版本
├── 05_核驗記錄
└── 06_投稿與反饋

每次形成新版本時，可在一份變更記錄中寫明：修改日期、處理章節、修改原因、是否使用 AI、是否完成事實核驗、下一步需要確認的問題。重要版本完成后再進行歸檔，避免只依賴聊天平臺、網盤或本地軟件的自動保存。

涉及訪談記錄、未發表數據、個人信息、評審材料或合作方未公開資料時，不能為了獲得更好的生成結果而直接輸入。相關材料應先進行必要的去標識化，并結合所在單位、項目協議和投稿方的保密要求判斷是否可以使用。學術出版領域的相關規范普遍強調透明度、責任和隱私安全，但具體披露范圍、可使用工具和材料處理方式，仍可能因學校、項目、期刊或出版社而不同。

哪些修改必須由作者獨立復核

AI 對語言的調整有時會改變學術含義。下面幾類修改，即使表面上只是“潤色”，也不宜直接接受。

第一類是語氣和結論強度的變化。“可能”“提示”“與……相關”被改成“證明”“導致”“表明”，會使論斷超出研究證據。作者應逐句檢查結論是否與研究設計、樣本范圍和分析方法相匹配。

第二類是范圍和對象的變化。原稿討論的是某一地區、某類樣本或特定時間段，修改后可能被擴展成“普遍現象”或“所有研究對象”。這種變化容易在不知不覺中制造過度概括。

第三類是概念和理論關系的變化。AI 可能把相近但不等同的概念當成同義詞，也可能將不同理論傳統中的術語拼接在一起。概念使用必須回到原始文獻和本學科語境中判斷。

第四類是文獻與事實的補充。任何新出現的作者、年份、研究結論、政策名稱或數據，都不能因為表達流暢就保留下來。沒有可靠出處的內容，應刪除或標記為待查，而不是讓作者事后猜測其來源。

第五類是方法和數據相關表述。AI 可以協助整理方法章節的語言，但不能替作者決定變量含義、統計方法是否適當，或為缺失的實驗步驟補寫“看起來合理”的細節。方法記錄必須以真實發生過的研究過程為準。

把留痕變成日常工作流

最省力的方式不是臨近投稿時集中補檔，而是在每次使用 AI 后立即完成一次簡短登記。一次記錄可以只包含以下內容：

• 今天在哪個研究環節使用了 AI；
• 輸入的是哪類材料，是否已完成脫敏；
• AI 輸出被用于什么目的；
• 哪些內容被采納，哪些內容被刪除；
• 哪些事實、文獻、數據或概念已經核驗；
• 仍有哪些問題需要作者、導師或合作者確認；
• 當前結果對應哪個論文版本。

完成一輪重要修改后，再做一次版本封存：保存原稿、修改稿、對話記錄和核驗結果，并在變更記錄中注明它們之間的對應關系。投稿前，還應根據目標學校、項目和期刊的現行要求，檢查是否需要說明 AI 的使用范圍、使用方式或責任歸屬。不能把某一所學校或某一家期刊的做法直接當成所有場景都適用的統一政策。

一份可直接使用的留痕清單

每次提交論文、開題材料或階段性成果前，可以逐項自查：

• 是否保留了與關鍵修改有關的對話記錄；
• 是否保留了 AI 處理前的原始稿；
• 是否能區分不同日期和階段的論文版本；
• 是否記錄了 AI 參與的具體環節，而不是只寫“使用過 AI”；
• 是否核對了新增的事實、文獻、數據和概念；
• 是否檢查了語氣、范圍和因果關系有沒有被改強；
• 是否確認結論沒有超出研究設計和數據支持；
• 是否刪除或妥善處理了敏感、未公開或受限材料；
• 是否由作者本人完成最終審閱并承擔內容責任；
• 是否根據所在單位、項目和投稿方的要求進行必要說明。

一套好的過程檔案不在于文件數量多，而在于能否解釋論文是怎樣形成的。AI 可以加快整理和表達，但不能替代作者對證據、推理和結論的負責。只要把提示記錄、版本文件和人工核驗連起來，寫作過程就不再是無法還原的黑箱，作者也能在面對導師詢問、同行評審或投稿審核時，清楚說明每一處重要內容的來源與判斷依據。