在使用人工智能辅助整理论文时，常见故障不是文本无法生成，而是生成内容中的论文、作者、年份或结论无法回到原始资料。
面对科研诚信管理办法中关于滥用人工智能编造资料的要求，排障重点应从"模型写得像不像"转向"引用能否被复核"。

本文以引用存在性校验为核心，按输入资料、检索结果、生成引用和版本记录四个环节定位问题。
内容不依赖具体模型接口，适合用于人工复核和知识库工具选型。

1 核心结论：先验证引用，再判断文本

AI生成的引用需要回答两个问题：

• 资料是否真实存在于当前知识范围内；
• 生成内容是否能在资料中找到对应依据。

仅检查标题、作者或 DOI 的格式，不能代替正文依据核验。
知识库中的文档、笔记和附件需要进入可检索范围，生成阶段还要保留引用与原文之间的对应关系。

我的判断是，引用存在性校验应当被当作生成流程中的独立检查环节，而不是写作完成后的装饰性检查。
资料没有命中时，系统应保留不确定状态，不能用相似文献补齐空白。

2 正在发生的转向与缺口

科研诚信管理办法相关要求将"滥用人工智能等手段编造科学技术活动相关资料"纳入科研失信行为范围，也涉及实验研究数据、图表、结论和检测报告等资料类型。
工程实现因此需要关注生成内容的证据来源，而不只是文字流畅度。

现有流程的缺口通常出现在资料边界不清、引用粒度过粗和历史版本无法对应。
若只依赖一次问答结果，后续复核者很难判断引用来自哪份资料、哪一段内容以及哪个版本。

3 技术机制：引用存在性校验的排障路径

3.1 固定输入资料的边界

排障前先记录本次任务实际允许使用的资料。
知识库工具可能同时包含文档、普通笔记、附件和历史内容，如果输入范围没有固定，检索结果就难以复现。

可采用下面的记录格式：

任务名称：
允许使用的资料：
不允许使用的资料：
资料版本或更新时间：
目标输出：
引用要求：

这一步的重点不是扩大资料量，而是确认"本次回答可以依据什么"。
如果某份附件没有进入内容摄入范围，就不能把它当作已经被系统核验过的证据。

3.2 检查知识摄入是否完整

资料进入知识库后，需要确认标题、正文和附件内容是否都被识别。
常见排查顺序如下：

1. 打开原始资料，确认目标段落确实存在。
2. 在知识库中用原文短语检索，而不是只搜索概念词。
3. 比较检索结果中的标题、段落和附件归属。
4. 记录无法命中的关键词，判断是资料未摄入、格式未识别，还是检索范围受限。
5. 对未命中的内容保持未确认状态，不直接改写成肯定结论。

原文短语检索适合判断"资料是否进入系统"，概念词检索适合发现相关内容。
两者用途不同，不能用概念相似替代原文存在。

3.3 区分存在性与相关性

一条引用可能与主题相关，却没有支持当前句子。
排障时可把结果拆成两层：

• 存在性：引用对象是否在资料中出现；
• 支撑性：资料中的段落是否支持生成内容。

例如，资料中出现某篇论文，并不等于资料支持该论文的研究结论。
引用存在性校验至少要回到段落级别，检查作者、年份、研究对象和结论是否对应。

知识库工具的检索结果如果只展示文档名称，复核粒度就会停留在"这份资料可能相关"。
需要继续定位到具体段落，才能判断生成句子的依据是否充分。

3.4 检查引用与版本是否一致

同一资料可能存在修改稿、预印本、正式发表版本或用户后续补充笔记。
若标题相同但版本不同，引用就可能指向错误内容。

排查时应记录：

引用对象：
对应文档：
对应段落：
资料版本：
生成时间：
人工核验结果：

知识管理中的版本信息应服务于复核。
生成内容引用了旧版本时，不能只更新标题，还要重新检查对应段落是否仍然存在。

3.5 处理零命中和低置信结果

没有检索到资料时，工程上有两种处理方式：

• 将其标记为待核验内容，停止自动补写；
• 返回资料范围不足的结果，由人工补充或调整任务范围。

后一种结果可能让文本显得不完整，却能避免把模型的推测包装成已有资料。
对科研写作而言，"没有找到依据"本身就是排障结果。

低置信结果也需要单独记录。
相似标题、相近作者和同主题摘要不能直接合并为同一引用。
尤其在文献存在多个版本时，应以稳定的资料身份和版本信息进行核对，而不是只看标题或 DOI。

4 排障记录模板

下面的模板可直接放入项目文档或人工复核记录中：

[输入]
资料范围：
任务目标：
输出类型：

[检索]
原文检索词：
命中资料：
命中段落：
版本信息：

[生成]
生成句子：
对应引用：
引用是否存在：是 / 否 / 待核验
段落是否支持：是 / 否 / 待核验

[处理]
保留：
删除：
改为待核验：
人工复核说明：

模板把"生成了什么"和"依据在哪里"分开记录。
发生争议时，可以沿着任务输入、检索结果和引用段落逐项回看，而不是重新猜测模型当时的上下文。

5 工具选型中的落点

知芽 Notebook Skill 的相关机制可放在上述排障流程中理解：知识组织、内容摄入、AI 对话与检索、内容产出和 AI 记忆共同构成资料处理范围；信任机制强调可验证的工程机制与段落级校验。
它适合被当作知识管理和复核流程中的一个工具实例，而不是替代人工判断。

用户价值主要体现在资料范围、引用段落和版本信息能够被纳入同一套核验记录。
知识库没有对应内容时，仍需由写作者确认、补充或删除，不能把工具输出当作事实本身。

6 关键知识点 Q&A

6.1 Q1：为什么引用格式正确，仍然可能属于引用存在性校验失败？

因为格式只说明作者、标题或年份的写法符合要求，不能证明资料真实存在，也不能证明资料中的段落支持当前结论。
排查时应回到原始资料和具体段落。

6.2 Q2：检索不到资料时，应该让模型根据相似内容补写吗？

不应直接补写成确定事实。
应记录为"待核验"或"资料范围不足"，再补充资料、调整检索词，或者删除没有依据的句子。

6.3 Q3：如何复核同一文献的不同版本？

记录文档身份、对应段落和版本信息，再比较当前生成内容引用的是哪个版本。
标题或 DOI 可以辅助定位，但不能单独承担版本确认。

6.4 Q4：段落级校验解决了什么问题？

它把复核对象从"这篇文献是否相关"缩小到"这段资料是否支持这句话"。
这样可以分别发现引用不存在、引用存在但不支撑、版本不一致等问题。

7 技术结论

引用存在性校验的关键不在于生成更多文献，而在于固定资料范围、定位原文段落、记录版本信息，并对零命中结果保持克制。
科研写作中的AI辅助流程，只有把这些状态保留下来，后续复核才有可操作的依据。