使用生成式 AI 协助科研写作，真正需要管理的不是“有没有用过”，而是使用过程能否被说明、被复核、被还原。对于研究生和科研作者而言，一篇论文从选题、资料整理到投稿往往会经历多轮修改。如果只保留最后一版文稿，日后很难判断某个观点、数据解释或参考文献是如何形成的，也无法清楚区分 AI 提供的语言辅助与作者本人的学术判断。
因此，过程留痕不应被理解为额外的形式负担，而应成为论文项目的基本档案。它的目标不是证明 AI 没有参与，而是证明作者始终掌握研究方向、材料来源和最终责任。
先划清 AI 可以辅助、不能替代的部分
AI 可以用于语言润色、段落重组、格式检查、研究材料的初步分类，也可以帮助作者发现表述重复、结构跳跃或概念定义不清等问题。但“能够生成文字”不等于“能够承担学术判断”。
论文中的研究问题、理论解释、研究设计、数据含义、因果关系、文献真实性和结论边界，都必须由作者独立判断。尤其是以下内容，不能因为 AI 给出了看似完整的答案，就直接纳入论文：
- 研究假设、核心论点及其逻辑依据；
- 数据的来源、清洗过程、统计结果和异常解释；
- 参考文献的作者、题名、出版信息及其是否真正支持相关论断；
- 对他人研究的概括、评价和引用位置；
- 涉及伦理审查、隐私、版权、保密材料或敏感数据的内容；
- 论文中承诺完成的研究工作，以及结论能够支持的范围。
AI 输出最多只能作为待核对的草稿或线索。作者需要回到原始论文、原始数据、实验记录、访谈材料或正式政策文件，确认内容是否真实、完整、适用。不能把“AI 没有明显出错”当成人工核验已经完成。
建立四类基本档案
过程留痕不必一开始就设计成复杂的管理系统。对个人作者来说，先把材料分成四类，并保持清晰的命名和时间顺序，通常已经能形成可回溯的证据链。
1. 对话记录：记录 AI 在什么任务中被使用
对话记录不只是保存最后一次问答，而应尽量保留与论文形成有关的关键交互。至少要让未来的自己看得出：当时使用 AI 的目的是什么，输入了什么，AI 返回了什么，作者随后做了哪些处理。
可以重点保存以下信息：
- 使用日期，以及对应的论文项目或章节；
- 使用 AI 的具体目的，例如语言润色、结构建议、概念辨析或材料分类；
- 提示内容和必要的上下文；
- AI 返回的原始结果；
- 作者采纳、修改或拒绝该结果的情况；
- 后续核验所依据的原始资料。
如果平台支持导出，应保留较完整的对话文件；如果只能截图，也要同时记录截图对应的章节和用途，避免几个月后无法判断它服务于哪一段文字。对于多轮对话，最好不要只保存最后一轮，因为前面的限定条件、作者的纠正以及 AI 对错误信息的修正，同样可能影响最终文本。
提示记录不需要写成一份“提示词作品集”。与论文判断有关的交互要优先保存，纯粹的拼写检查或一次性标点调整可以采用简要登记的方式。关键在于记录的粒度要与风险相匹配：越接近研究结论、数据解释和文献判断的使用，越应保留完整上下文。
2. 原始稿与修改稿：不要让覆盖保存抹掉修改轨迹
论文文件最好避免长期使用“最终版”“最终版2”“最终版真的最终”等含义模糊的文件名。可以按照“日期—章节或阶段—版本状态”命名，例如：
2025-09-12_引言_人工初稿
2025-09-15_引言_AI语言建议后待核验
2025-09-18_引言_作者修订稿
2025-09-20_引言_导师反馈后版本这里的重点不是固定采用某一种命名格式，而是让文件名能够回答三个问题：这是什么内容、什么时候形成、经历了什么处理。
原始稿应当保持只读或单独存放，不能在 AI 修改后直接覆盖。需要使用 AI 处理时，先复制一份工作文件，再把处理后的文本放入新版本。对于重要段落，建议开启修订记录或保留前后对照。这样不仅能看到词句变化，还能发现 AI 是否悄悄改变了论断强度、增加了原稿没有的解释，或者把不确定表述改成了过于确定的结论。
如果多人合作写作，还应记录谁提交了原稿、谁接受了 AI 建议、谁完成了最终确认。作者署名意味着对成果承担责任，不能把责任简单转移给工具、同学、导师或语言服务人员。
3. 核验记录：把“我看过了”变成可说明的判断
核验记录是证据链中最容易被忽略、却最能体现作者责任的一部分。它不必对每个标点变化逐条说明，但对于实质性内容，应留下判断依据。
可以为重要修改建立简短的核验表：
| 核验对象 | 需要确认的问题 | 处理结果 |
|---|---|---|
| 事实陈述 | 原始资料是否确实支持这句话 | 保留、改写或删除 |
| 参考文献 | 文献是否真实存在，内容是否支持该论断 | 补查原文并重新引用 |
| 数据解释 | 文字是否超出数据能够支持的范围 | 降低表述强度或补充分析 |
| 概念定义 | 使用的概念是否符合本研究语境 | 对照原始文献修订 |
| 语言修改 | 是否改变了原意、时态、范围或因果关系 | 接受或恢复原表述 |
| 保密内容 | 输入 AI 的材料是否包含敏感或未公开信息 | 删除、匿名化或停止使用 |
特别要警惕 AI 自动生成的参考文献。已有科研诚信指引明确提醒，不应直接使用未经核实的 AI 生成参考文献。实际操作中，即使文献题名、作者和年份看起来合理，也应通过正式数据库、期刊页面或原始出版物逐项确认，并核对引用内容是否真的支持自己的表述。
核验记录还应说明“为什么修改”。例如，不要只写“已检查”，而可以写成“原文仅说明存在相关性，AI 建议改为因果关系，因缺少相应研究设计，恢复为相关性表述”。这种简短说明足以体现作者进行了独立判断。
4. 版本归档：让不同材料之间能够互相对应
归档不是把所有文件堆在一个文件夹里，而是让对话、文稿和核验记录能够相互指向。一个简单的目录可以按研究阶段建立：
项目名称/
├── 01_研究设计
├── 02_原始材料
├── 03_AI使用记录
├── 04_论文版本
├── 05_核验记录
└── 06_投稿与反馈每次形成新版本时，可在一份变更记录中写明：修改日期、处理章节、修改原因、是否使用 AI、是否完成事实核验、下一步需要确认的问题。重要版本完成后再进行归档，避免只依赖聊天平台、网盘或本地软件的自动保存。
涉及访谈记录、未发表数据、个人信息、评审材料或合作方未公开资料时，不能为了获得更好的生成结果而直接输入。相关材料应先进行必要的去标识化，并结合所在单位、项目协议和投稿方的保密要求判断是否可以使用。学术出版领域的相关规范普遍强调透明度、责任和隐私安全，但具体披露范围、可使用工具和材料处理方式，仍可能因学校、项目、期刊或出版社而不同。
哪些修改必须由作者独立复核
AI 对语言的调整有时会改变学术含义。下面几类修改，即使表面上只是“润色”，也不宜直接接受。
第一类是语气和结论强度的变化。“可能”“提示”“与……相关”被改成“证明”“导致”“表明”，会使论断超出研究证据。作者应逐句检查结论是否与研究设计、样本范围和分析方法相匹配。
第二类是范围和对象的变化。原稿讨论的是某一地区、某类样本或特定时间段，修改后可能被扩展成“普遍现象”或“所有研究对象”。这种变化容易在不知不觉中制造过度概括。
第三类是概念和理论关系的变化。AI 可能把相近但不等同的概念当成同义词，也可能将不同理论传统中的术语拼接在一起。概念使用必须回到原始文献和本学科语境中判断。
第四类是文献与事实的补充。任何新出现的作者、年份、研究结论、政策名称或数据，都不能因为表达流畅就保留下来。没有可靠出处的内容，应删除或标记为待查，而不是让作者事后猜测其来源。
第五类是方法和数据相关表述。AI 可以协助整理方法章节的语言，但不能替作者决定变量含义、统计方法是否适当，或为缺失的实验步骤补写“看起来合理”的细节。方法记录必须以真实发生过的研究过程为准。
把留痕变成日常工作流
最省力的方式不是临近投稿时集中补档，而是在每次使用 AI 后立即完成一次简短登记。一次记录可以只包含以下内容：
- 今天在哪个研究环节使用了 AI；
- 输入的是哪类材料，是否已完成脱敏；
- AI 输出被用于什么目的；
- 哪些内容被采纳，哪些内容被删除；
- 哪些事实、文献、数据或概念已经核验；
- 仍有哪些问题需要作者、导师或合作者确认；
- 当前结果对应哪个论文版本。
完成一轮重要修改后，再做一次版本封存：保存原稿、修改稿、对话记录和核验结果，并在变更记录中注明它们之间的对应关系。投稿前，还应根据目标学校、项目和期刊的现行要求，检查是否需要说明 AI 的使用范围、使用方式或责任归属。不能把某一所学校或某一家期刊的做法直接当成所有场景都适用的统一政策。
一份可直接使用的留痕清单
每次提交论文、开题材料或阶段性成果前，可以逐项自查：
- 是否保留了与关键修改有关的对话记录；
- 是否保留了 AI 处理前的原始稿；
- 是否能区分不同日期和阶段的论文版本；
- 是否记录了 AI 参与的具体环节，而不是只写“使用过 AI”；
- 是否核对了新增的事实、文献、数据和概念；
- 是否检查了语气、范围和因果关系有没有被改强；
- 是否确认结论没有超出研究设计和数据支持；
- 是否删除或妥善处理了敏感、未公开或受限材料；
- 是否由作者本人完成最终审阅并承担内容责任；
- 是否根据所在单位、项目和投稿方的要求进行必要说明。
一套好的过程档案不在于文件数量多，而在于能否解释论文是怎样形成的。AI 可以加快整理和表达，但不能替代作者对证据、推理和结论的负责。只要把提示记录、版本文件和人工核验连起来，写作过程就不再是无法还原的黑箱，作者也能在面对导师询问、同行评审或投稿审核时，清楚说明每一处重要内容的来源与判断依据。
