AI 可以加速检索和整理，但“带引用的回答”仍不是已经核实的研究结论。可靠流程要保留五层证据：检索线索、可打开的原始来源、来源中真正支持主张的原文、编辑对多项证据的综合，以及仍未知或有争议的部分。关键结论必须能从答案返回原文，而不是只返回另一个摘要。
先判断需要多深的研究
| 问题类型 | 合适起点 | 最低证据 | 完成标志 |
|---|---|---|---|
| 一个当前事实、入口或规格 | 定向搜索 | 一手官方页面与明确日期 | 原文可打开，口径与问题一致 |
| 最近发生了什么 | 时间限定检索 | 原始公告加独立报道 | 区分发生日期、发布日期和后续变化 |
| 产品、平台或方案怎么选 | 同任务对比 | 官方能力、价格、隐私与实测记录 | 结论写明适用条件而非总冠军 |
| 论文、政策或复杂决策 | 多步研究 | 检索式、原文、版本、反方证据与限制 | 每个关键主张可追溯，未知项被保留 |
如果证据已经齐全，下一步只是组织邮件、文章或报告，转到写作与润色；如果问题需要专业医疗、法律或财务判断，AI 研究结果只能作为线索和准备材料。
先写问题契约，再开始搜
决策：这项研究要支持谁做什么决定，而不只是“介绍一个主题”。
范围：地区、时间、对象、版本、排除项和需要比较的方案。
来源：优先哪些官方、学术或原始记录；哪些来源只能作为线索。
输出：直接答案、关键证据、矛盾、未知项、建议和来源清单。
停止条件：缺少原文、版本冲突或证据不足时明确说“不确定”，不得补写。
问题越宽泛，AI 越容易给出看似全面但无法行动的摘要。先让它拆分子问题、建议查询词和来源类型，再由人确认研究计划。
来源层级：先回到最接近事实发生处的记录
一级：原始与官方
法规原文、官方文档、公司公告、论文全文、数据集、标准、法庭或监管记录。用来支持关键事实。
二级：权威索引与专业解释
DOI 元数据、学术数据库、系统综述、机构报告。用来发现、核对版本和理解背景。
三级：独立报道与分析
信誉良好的新闻、行业媒体和专家分析。用来补充影响、争议和外部视角。
四级：社区与聚合线索
论坛、社交帖子、搜索摘要和 AI 回答。可以提供查询方向，但不单独承担关键结论。
“官方”也不等于自动正确：营销页可能省略限制，旧文档可能已过期，论文元数据也可能与全文版本不同。核验时同时记录发布者、标题、日期、版本、访问日期和原文位置。
八步证据工作流
- 定义问题和决策。写清范围、受众、时间和完成标准。
- 拆分子问题。把定义、现状、证据、反例、限制和建议分别列出。
- 设计查询。为不同来源准备关键词、同义词、日期和域名限制，并保存检索式。
- 先收集原文。打开链接，确认标题、发布者、日期、版本和正文可访问。
- 摘录支持片段。只保存真正支持主张的句段或数据位置，同时保留上下文。
- 寻找反证。主动搜索限制、失败、撤回、更正、不同口径和利益冲突。
- 综合并标注置信度。把事实、推断、建议和未知项分开，不用多数来源数量代替质量判断。
- 交付研究包。保存简报、主张账本、来源清单、检索日期、缺口和下一次复核时间。
用主张账本检查“引用是否真的支持结论”
| 主张 | 证据原文 | 来源与版本 | 判断 |
|---|---|---|---|
| 产品当前支持某能力 | 功能页或文档的具体句段 | 官方地址、更新与访问日期 | 已支持、有限支持或未证实 |
| 研究发现某种效果 | 结果与限制所在章节 | 论文版本、DOI、样本与方法 | 适用范围和证据强度 |
| 某事件带来影响 | 已发生事实与后续数据 | 公告加独立来源 | 事实、相关性或编辑推断 |
- 链接能打开到原文，而不是搜索结果、AI 摘要或无关首页。
- 原文确实支持当前句子，没有把“可能”改成“已经”、把局部结果改成普遍结论。
- 作者、机构、发布时间、事件发生时间和版本已经区分。
- 数字的单位、分母、样本、地区和统计口径与正文一致。
- 直接引语逐字核对；转述明确是转述，不伪装成原话。
- 相互矛盾的来源被并列呈现，并解释采用或保留意见的理由。
遇到这些情况，不要输出确定结论
- 只有 AI 生成的引用，无法打开原始页面或在原文中定位支持片段。
- 问题高度依赖当前日期，但来源没有发布日期、版本号或最近更新记录。
- 论文只有摘要或预印本，却被当作已完成同行评审和可普遍应用的结论。
- 关键证据受付费墙、权限或隐私限制，研究者实际没有读到原文。
- 医疗、法律、财务、安全或政策决策缺少相应专业人员复核。
- 多项可靠来源仍互相冲突；此时交付应写明争议和需要补充的数据。
从已核验研究入口继续
下方文章覆盖学术工具、论文库、AI 搜索对比、知识库与问答平台评测。推荐由模板实时读取，只有仍处于 A/B 认证状态的文章才会显示。
来源与复核说明
本页参考 OpenAI Academy 的研究指南、搜索与深度研究说明和负责任使用指南；学术元数据核验参考 Crossref Metadata Retrieval，生成式模型的 confabulation 风险参考 NIST AI 600-1。这些来源支持通用方法，不代表任何单一工具可以自动保证研究正确。
页面由兰塞 AI 编辑部于 2026-07-18 复核。查看来源、引用与图片授权政策和编辑与核验标准；发现证据链或链接错误可通过更正机制提交原文依据。