一、同一个助手，在两个课题组表现差很远

不少课题组都有过类似的经历：同一个科研AI助手，在隔壁实验室用得很顺，文献整理、代码解释、数据核查都能接上手；换到自己这边，问三句有两句答得含糊，剩下的那句还得回头重新查。于是判断很快形成——这个工具不适合我们这行。但把两边的使用方式摆在一起看，差别往往不在助手，而在手边备着的东西不一样：一边有一份写得清楚的术语约定、一批整理过的文献摘要、一份字段说明，另一边只有散落在各人电脑里的文件和靠口耳相传的习惯。

这篇要讲的，就是把“靠口耳相传的习惯”整理成助手能够读懂的形态。核心结论可以先说清楚：科研AI助手的输出质量，很大程度由输入材料的组织程度决定；问法只是最后一公里，前一段路是备料。

先把三个名词解释清楚，后文的讨论才有共同语言。

① 知识库：把课题相关的文献、笔记、规范、说明集中存放并做结构化处理的资料集合，与单纯的文件堆放不同，它强调可被检索、可被引用。

② 检索增强问答：助手先从知识库中找出与问题相关的片段，再结合这些片段作答。带出处的回答多由这种方式产生，好处是有据可查，前提是库里的内容本身清楚。

③ 术语一致性：同一概念在课题组的各种材料里是否用同一种写法、同一个单位、同一个符号。人读材料时会自动做模糊匹配，助手不会，写法一变就可能被当成两件事。

这三个名词指向同一件事：助手没有课题组多年积累的默认共识，它只能看见你给它的文字。共识写下来，助手才接得住；写不下来，它就替你猜，猜错的部分会以很自然的口吻出现在答案里。

下文按四份材料依次展开，先后顺序并非随意排列：术语在最前，因为它影响后面三份的写法；文献卡片与数据字典居中；方法与代码说明放最后，因为它依赖前面的术语与字段约定。

二、第一份：术语表

2.1 为什么术语最容易被误解

科研材料里的误解，多数不发生在复杂推理上，而发生在最基础的对应关系上。同一个物理量，有人写中文全称，有人写英文缩写，有人用符号代替；同一类样本，有的材料叫处理组，有的叫实验组。人读的时候凭上下文能接上，助手读到的是三套不同的写法。

还有一种更隐蔽的情况：同一个词在本领域有两个含义。助手通常会选更常见的那个，于是一段看起来完全通顺的回答，其实用错了概念。这类答案最难发现，因为它没有语法问题、没有数据错误，只是站在了另一条语义轨道上。

2.2 一张术语表该写哪几项

术语表不需要做得很复杂，关键是覆盖课题组实际会用到的写法。一份够用的术语表通常包含以下几项：

① 词条：本课题使用的规范写法，全组统一以它为准。

② 英文写法：便于检索外文文献时对应，也便于助手在不同语种材料之间建立联系。

③ 同义写法：把组内出现过的其他叫法一并列出，明确指向同一概念。这一项最实用，也最常被省略。

④ 简短定义：一两句即可，作用是限定边界，说明它不包括什么。

⑤ 单位与符号：数值类概念必须写清单位与符号写法，避免单位混用。

⑥ 易混词条：注明容易与本词条混淆的另一个概念，以及区分要点。

2.2.1 同义写法为什么最值得写

定义可以慢慢补，写法必须一次列全。原因是助手判断两个概念是否相同，靠的正是字面是否接近；把组内出现过的叫法都收进同义词一栏，等于提前替它做完了这层匹配。缺了这一栏，它会把同一个量当成两个量，答案里出现前后不一致的数值。

2.3 谁来定，比写得多细更重要

术语表最难的部分不是编写，而是让全组认同一套写法。可行的做法是指定一人担任维护人，负责收录与裁定；其他人发现新写法时提交给维护人，由其一并更新。维护人不必是资历最深的那位，但需要是日常接触材料最多、愿意花时间较真的人。

有一处常被忽略：术语表要能被助手实际读到，而不只是存在某个文件夹里。如果课题组使用的是带知识库功能的助手，术语表应当作为独立文档纳入其中，并在提问时提示“按术语表的写法理解”。这一步多做一次，后面能省下很多纠错。

三、第二份：文献卡片

3.1 整篇堆进去的后果

把上百篇文献的全文放进知识库，是很多人的第一反应，直觉上“给得越多，答得越准”。实际效果常常相反：全文里大段的方法铺垫、讨论与致谢会稀释真正有用的信息，检索时容易命中那些反复出现却无关紧要的段落；同一篇文献的不同版本还可能相互冲突。库里越杂，助手越倾向于给出覆盖面广、指向模糊的答案。

3.1.1 还有一种容易被忽略的干扰

同一篇文献的预印本、会议版与期刊版同时入库，结论往往有细微差别。助手检索时未必能分辨先后，于是引用了一版，数据却来自另一版。可行的处理是只保留最终版，早期版本在卡片里注明差异即可，全文不再重复入库。

3.2 一张卡片写六个字段

比全文更管用的形态是结构化的文献卡片，一篇文献一张，固定六个字段：

① 研究问题：这篇文章试图回答什么，用一句话写。

② 方法与设计：用了什么手段、样本或数据规模如何、对照怎么设。

③ 关键结果：只写支撑结论的核心数据，不必罗列全部。

④ 结论与适用条件：结论在什么范围内成立，原文若有限定，照录。

⑤ 局限与争议：作者自己承认的不足，以及后续研究提出的不同意见。

⑥ 与本课题的关系：可借鉴的方法、可对比的数据、可引用的观点，写清是哪一类。

第六个字段是本课题组特有的，也是卡片区别于通用摘要的地方。它让助手在回答“有没有类似做法”时，能直接落在与本课题相关的部分，而不是给出一个覆盖面很广的综述式回答。

3.3 卡片为什么比全文更管用

原因有两个。第一，字段固定意味着信息位置固定，检索时命中率更高，助手不必在一大段文字里判断哪句是结论。第二，写卡片的过程本身就是一次筛选，写不出来往往说明这篇文献与本课题关系不大，这类文献恰好是最该被排除在外的。

卡片不必一次做完。可行的节奏是先做与本课题最相关的二十到三十篇，覆盖主要方法与主要争议，其余按需补充。这个量级已经足以支撑多数日常提问，也不会让整理工作变成负担。

四、第三份：数据字典

4.1 数据被误读的三种情形

助手处理数据时的错误，很少是算错，多是理解错。常见的有三种：把编码值当成实际数值（例如用数字表示类别），把缺失标记当成有效观测（例如用特定数字代表未采集），把不同批次的数据当成同一口径合并。这三种情形都不会报错，结果看起来也很正常，直到有人拿它去做分析。

4.2 数据字典要写清五项

数据字典的作用是把“这份数据怎么读”写下来。五项内容基本够用：

① 字段名称与含义：每个字段代表什么，用业务语言说一遍，不要只写缩写。

② 数据类型与取值范围：数值、类别、文本，各自可能的取值范围。

③ 单位与量纲：数值型字段必须写，涉及换算的一并说明。

④ 缺失与异常的表示方式：用什么标记表示未采集、无效或超出量程。

⑤ 采集条件：时间、地点、设备、操作人、环境条件，凡是可能影响数值的都要记。

4.2.1 字典由谁写最靠得住

理想的人选是最初整理这份数据的人，而不是后来接手分析的人。前者知道每个字段在采集现场对应什么动作，后者只能从数值分布去推测。推测出的说明看着合理，一旦遇到异常值就会失效。

4.3 版本与采集条件不能省

同一批实验分几次做完，是很常见的情况。几次之间若换了设备、改了参数、换了操作人，数据严格来说就不是同一口径。把这些差异写进字典，助手在合并或对比时才有依据；不写，它只能默认一致。

字典还要带版本号。数据处理过程中字段含义发生调整是常有的事，没有版本号，过一段时间就分不清手里这份说明对应哪一版数据。版本号不必复杂，日期加序号已经够用。

五、第四份：方法与代码说明

5.1 助手读代码的边界

助手能读懂代码在做什么，但读不出代码之外的约定：某个参数为什么取这个值、哪一步是刻意为之、哪些分支实际上从未走过。缺少这些背景，它会给出语法上正确、意图上偏离的解读。这类解读如果被当成依据去改代码，代价不小。

5.2 说明该包含四件事

给核心代码配一份简短的说明，四件事写清即可：

① 入口与流程：从哪个文件开始跑，依次经过哪几步，每步产出什么。

② 关键参数：影响结果的主要参数有哪些，当前取值及其理由。

③ 依赖与环境：需要哪些库与版本，在哪里运行，与哪份环境说明对应。

④ 已知限制：哪些情况没有处理、哪些输入会出错、哪些结果是经验取值。

第三项与第四项最容易被省，却恰恰是助手最容易误解的地方。写明依赖，它就不会建议你换一个不兼容的版本；写明限制，它就不会把经验取值当成严格推导。

5.3 一个常见的反例

有人拿着一段没有说明的脚本问助手“这段代码的结果可不可靠”，得到的回答通常是逐行解释加一句“整体逻辑正确”。这个回答没有错，也没有用。真正该问的是“这个参数取三的依据是什么，换成五会怎样”，而这个问题只有写说明的人能回答。说明写下来，提问才能落到关键处。

六、四份材料怎么维护

6.1 谁写：谁产生，谁写

四份材料如果交给一个人集中编写，很快会变成过期的形式文件。可行的分工是：术语表由维护人统一裁定，文献卡片由读文献的人各写各的，数据字典由采集或整理数据的人写，代码说明由写代码的人写。各自只写自己最清楚的部分，负担分散，准确性也高。

6.2 放哪：一处集中，按课题分目录

分散在个人电脑里的材料，对助手等于不存在。四份材料应当放在同一处，按课题分目录，目录内固定四类文件。这个约定本身也是一种提醒：整理的时候知道该往哪里放，找的时候知道该去哪里找。

6.3 多久回看一次

不必设定固定周期，把握三个时点即可：课题进入新阶段时、更换主要成员时、结论出现前后不一致时。第三个时点尤其重要，它往往说明某份材料已经与现实脱节。回看时优先检查术语表与数据字典，这两份一旦过期，影响面最大。

6.3.1 材料过期的两个信号

第一个信号是提问时反复需要口头补充说明，说明书面材料已经跟不上实际做法。第二个信号是两位成员对同一个概念的解释不一致，说明术语表已经失去约束力。出现其中任何一个，就该安排一次集中回看。

6.4 权限分三层

四份材料的敏感程度不同，权限也应当分开：术语表与方法说明可在组内公开，便于新成员上手；文献卡片按课题范围共享；数据字典涉及采集细节，按需授权；原始数据本身另行管理，不随材料一并开放。这一层区分在跨组协作时尤其必要。

七、天翼云科研AI助手的支撑

7.1 统一入口与知识库问答

天翼云息壤科研助手面向科研场景提供统一入口，把资料问答、文献理解、代码辅助、算力调用放在同一处，四份材料整理好之后可以直接纳入知识库，由检索增强问答带出出处。这种方式的好处是答案有据可查，看到结论的同时能看到它引用的那一段。

7.2 算力与模型能力

助手背后的模型调用与算力供给由平台统一承载，长文档处理、批量文献理解、较大规模的数据核对都能在同一个环境里完成，不必为不同环节来回搬运材料。具体规格、可用模型与区域分布以天翼云官网及官方渠道公布的信息为准。

7.3 数据与权限边界

科研材料往往涉及未发表数据，权限边界需要先于使用确定。平台侧提供身份与权限的分层管理，课题组可据此把前文提到的三层权限落到配置上。涉及具体合规要求与认证情况的条目，建议以天翼云官网及官方渠道的公开信息核对后引用。

7.4 一条实用建议

初次接入时，不必把全部历史材料一次搬进去。挑一个正在推进的小课题，把它对应的四份材料整理完整，用两到三周时间实际跑一遍，看看哪些提问仍然得不到好答案。那些答不好的地方，通常正好指向材料里缺的那一块。

八、三个常见疑问

8.1 材料要整理到什么程度才够

判断标准不是完整，而是“新人能否只靠材料接手”。如果一位刚进组的学生读完这四份材料，能说清本课题的关键概念、主要文献、数据怎么读、代码怎么跑，那就够了。达不到这个标准，助手同样接不住。

8.2 已经做了一半的课题从哪里补

从最常被问起的地方补。回顾近一段时间组内反复讨论的问题，看它们卡在哪一类信息上：卡在概念对应就补术语表，卡在文献佐证就补卡片，卡在数据口径就补字典，卡在复现就补代码说明。按痛点补，比按文件类型补更有效。

8.3 整理材料会不会耽误研究

短期内确实要投入时间，但这部分工作原本就以其他形式存在着：给新人讲解、回答重复提问、核对数据口径、排查复现失败。把它写下来，只是把分散的重复投入集中做一次。区别在于，写下来的部分可以反复使用，口头讲解每次都要重来一遍。

九、科普小结

科研AI助手不是一套通用能力的简单接入，它更像一位刚进组的新成员：理解力不错，执行力也强，但对本课题的约定一无所知。术语表告诉它概念怎么对应，文献卡片告诉它依据在哪里，数据字典告诉它数字怎么读，方法与代码说明告诉它流程怎么走。四份材料备齐，同一句提问得到的答案会明显不同。

反过来说，如果这四份材料始终写不出来，那也提供了一个有用的信号：课题的很多共识仍停留在少数人的经验里。这种状态下，换任何一个助手都不会有根本改变，先把共识写下来，才是更靠前的一步。