AI 科研
用 AI 整理可复现的实验笔记
本指南帮助实验、原型测试和计算研究人员把目的、版本、参数、操作、观察、偏差与文件位置整理成可追溯记录，并区分实时事实、事后解释和下一步假设。
AI 可以把零散实验记录整理成一致结构、发现缺失字段和生成复现实验清单，但不能 补写未记录的参数、时间或结果。可靠实验笔记应在操作发生时保留原始事实，随后 再单独记录解释与假设；任何 AI 整理后的文本都要与原始日志和文件核对。
| 快速摘要 | 内容 |
|---|---|
| 适合场景 | 实验室试验、可用性测试、原型比较、脚本运行与计算实验 |
| 必记字段 | 时间、目的、环境、版本、输入、步骤、偏差、输出位置和执行人 |
| 输出 | 标准化记录、缺失清单、时间线、复现步骤和下一轮变更项 |
| 禁止补齐 | 未记录的参数、设备状态、样本信息、观察、原因和成功结论 |
适用与不适用
Section titled “适用与不适用”适合把本人有权处理的原始日志、手写要点和运行记录整理成规范笔记。不适合事后 让 AI “还原”没有记录的实验过程，也不能用于修改原始数据以符合预期。受监管 研究、实验室规范和电子记录要求应以机构制度为准。
6 步整理流程
Section titled “6 步整理流程”- 保留原始层：原始日志、照片和输出只追加不覆盖，建立时间与文件标识。
- 说明目的与计划：记录要检验什么、预期步骤和预先定义的判断标准。
- 记录真实执行：参数、版本、设备、输入和顺序以实际发生为准，偏离计划也要写。
- 分开观察与解释：观察写可见现象和测量，解释写可能原因并标注不确定性。
- 用 AI 查缺不补缺：要求列缺失字段、冲突和复现疑问，未知项保持“未记录”。
- 生成复现与变更清单：下一轮只改变计划中的变量，并链接对应文件和代码版本。
示例：整理一次脚本运行记录
Section titled “示例：整理一次脚本运行记录”[L1 10:05] 运行 clean_v2.py，输入 survey_raw_0710.csv。[L2] 环境 Python 版本未记录；参数 missing=keep。[L3 10:12] 输出 486 行到 out/clean_0710.csv，终端提示 7 个日期无法解析。[L4] 我怀疑是日期格式混用，但还没检查原行。请整理为事实、解释、缺失信息和复现检查，不推断 Python 版本或错误行内容。事实：10:05 运行 clean_v2.py，输入为 survey_raw_0710.csv，missing=keep。[L1-L2]事实：10:12 输出 out/clean_0710.csv，共 486 行；终端报告 7 个日期解析失败。[L3]解释/假设：日期格式混用可能导致失败，尚未核验原始行。[L4]缺失：Python 版本、脚本代码版本标识、输入文件校验值、7 行的来源 ID。复现前检查：确认版本与文件标识；保留失败行；不要在查原文前自动改日期。整理结果没有把“怀疑”改成原因，也没有虚构缺少的环境信息。
实验笔记复核表
Section titled “实验笔记复核表”| 检查项 | 合格记录 | 风险信号 |
|---|---|---|
| 时间与顺序 | 操作和观察有时间线 | 事后统一写成模糊叙述 |
| 版本 | 代码、材料和设备可识别 | 只写“使用最新版本” |
| 参数 | 单位、默认值和实际值清楚 | 依赖记忆补全 |
| 偏差 | 计划与实际差异明确 | 为整洁删除失败步骤 |
| 文件 | 原始、处理和输出路径分开 | 覆盖原始文件 |
| 推断 | 与观察分栏并标不确定性 | 把猜测写成已确认原因 |
- 实验结束几天后才补记具体时间和参数，却没有标注是回忆内容。
- 让 AI 将失败运行“清理”成一条成功流程，丢掉排错证据。
- 文件名相同且反复覆盖，无法确认分析使用的是哪一版。
- 笔记只记录结果，没有环境、输入、代码版本和偏离计划的操作。
- 把自动生成的下一步当成已执行步骤，混淆计划与事实。
AI 可以根据结果补全遗漏参数吗？
Section titled “AI 可以根据结果补全遗漏参数吗？”不可以。它只能列出可能需要核对的位置，未知参数必须保留为“未记录”。尝试从 配置、日志或版本库恢复时，也要说明恢复依据和时间。
失败实验需要完整记录吗？
Section titled “失败实验需要完整记录吗？”需要记录与问题和复现有关的信息。失败运行能揭示环境、参数和判断规则，不应 为了报告整洁删除；同时也要遵守隐私和数据最小化要求。
实验笔记和研究报告有什么区别？
Section titled “实验笔记和研究报告有什么区别？”笔记保留过程、偏差、原始观察和即时决定，报告则面向读者选择性组织证据。报告 中的过程与结果应能回到笔记，但笔记不应被事后改造成报告叙事。
怎样记录 AI 在实验中的使用？
Section titled “怎样记录 AI 在实验中的使用？”按机构要求记录用途、输入范围、输出、人工核验和相关版本信息。不能只写“使用 AI 辅助”，也不能把 AI 建议写成实际执行的研究步骤。
- 用 AI 制定数据清洗计划：记录数据处理规则和日志。
- 用 AI 写研究摘要：从可追溯记录形成摘要。
- 用 AI 做引用核验：检查报告中的来源关系。
- Codex 本地项目：了解本地文件协作的基本流程。
- 研究工作中心：查看完整研究路径。
实验笔记必须忠于实际发生的过程。原始事实不可被生成文本覆盖，缺失项不补猜， 观察与解释分开；AI 的价值是统一结构和发现缺口，而不是创造一条完美时间线。