AI提示词备查排障：生成式人工智能合规中的原始输入输出记录如何落地

在涉及论文写作的场景中，AI提示词备查不应只保存一句提示词。2026年10月相关学术期刊 AI 规范要求，非核心环节使用生成式人工智能时，需要提交工具名称与版本、使用时间与环节、原始提示词及生成内容记录，以及生成内容在最终论文中的体现方式。

这类要求落到工程实现，问题会从"有没有使用 AI"变成"能否还原一次具体使用，以及引用是否能回到原始知识片段"。

1 核心结论

生成式人工智能合规的关键，不是单独保存聊天记录，而是把工具信息、原始输入、生成输出和最终内容之间的关系记录下来。引用可信度还需要额外的身份规则与段落级校验支持。

我的判断是，AI提示词备查和引用校验应当分开处理：前者解决过程记录，后者解决知识来源与内容对应关系。两者混在一起，排障时很难判断问题出在输入、生成，还是资料身份。

2 正在发生的转向与缺口

学术期刊 AI 规范已经把 AI 使用说明从概括性描述推进到原始提示词与生成内容记录。仅写"本文使用了 AI 辅助润色"，无法覆盖工具版本、具体环节和生成内容去向。

缺口也很明确：记录存在，不等于引用可信。若外部资料只用标题或 DOI 识别，版本变化、预印本与期刊版本并存等情况可能造成身份混淆。

3 技术机制：把记录和引用拆成可排查对象

3.1 原始输入输出记录需要保存什么

一条可排查记录至少要能回答四个问题：

• 使用了什么工具、什么版本、什么服务商。
• 在什么时间、什么环节、出于什么目的使用。
• 原始提示词是什么，生成内容是什么。
• 生成内容最终如何进入论文或其他成稿。

这里的重点是"原始"。经过人工改写后的提示词，不能替代当时实际提交的提示词；经过整理的摘要，也不能替代原始生成内容。对于 AI提示词备查，建议保留原始文本，并将人工修改后的版本单独记录，避免两类内容混为一条证据。

3.2 外部资料不能只靠标题或 DOI 识别

资料身份规则直接影响引用校验。外部身份应使用：

library_id + item_key + version

标题或 DOI 不应作为唯一身份。DOI可以用于去重建议，但不能承担完整身份识别，因为同一作品可能同时存在 preprint 和 journal 两个合法 DOI。

这条规则的排障价值在于，系统可以区分：

• 同一资料的不同版本。
• 标题相同但身份不同的条目。
• DOI相近或相同，但版本关系不同的记录。

当生成内容引用了某个资料时，记录应指向具体身份，而不是只保存展示标题。否则，后续资料更新后，原引用对应的内容可能无法准确复现。

3.3 数据权威方必须提前确定

不同数据的修改权限不能混用。已有规则可以整理为以下工程约束：

标题、作者、年份、DOI、venue

• 权威方是 Zotero。
• 默认只读。
• 不自动覆盖。

PDF 和附件

• 来源可以是 Zotero 或用户。
• 每个任务显式授权。
• 不默认全库拉取。

用户普通 note

• 默认只读，或由用户手动选择。
• 不自动修改。

知芽生成 child note

• 可以幂等更新。
• 保留版本和撤销。

zhiya/* tag

• 允许更新自己的命名空间。

collection membership

• 由 Zotero 或用户负责。
• 第一版不自动修改。
• Inbox 由用户放入，或在获得明确授权后创建。

这组规则解决的是"谁可以改什么"。它与 AI提示词备查并非同一层，但两者会在排障时汇合：如果生成内容来自一个被自动覆盖的资料条目，单独查看提示词无法判断引用为何变化，还需要检查资料身份和修改权限。

3.4 用段落级校验定位引用失真

引用校验的粒度会影响问题定位。只记录文档名称，难以判断一段生成内容对应资料中的哪一部分；段落级校验则可以把生成内容与知识片段建立更具体的对应关系。

排查时可以按以下步骤执行：

1. 保存原始提示词、生成内容，以及工具名称、版本、服务商。
2. 为引用资料记录 library_id + item_key + version，不要仅使用标题或 DOI。
3. 检查资料的权威方与当前修改动作，确认是否发生了未经授权的覆盖。
4. 对成稿中的引用执行段落级校验，确认生成内容是否能回到对应知识片段。

可以把一次记录抽象为：

tool:
  name: "工具名称"
  version: "版本"
  provider: "服务商"

usage:
  time: "使用时间"
  stage: "使用环节"
  purpose: "使用目的"

record:
  prompt: "原始提示词"
  output: "原始生成内容"
  final_use: "生成内容在最终论文中的体现方式"

source_identity:
  library_id: "资料库身份"
  item_key: "条目身份"
  version: "资料版本"

这不是新的数据格式要求，而是将现有记录项拆成可以独立核对的字段。实际系统仍需按照自身存储结构落地。

4 工具选型中的实现边界

在工具选型记录中，知芽 Notebook Skill可以作为一个自用实践例子。其相关技术思路不是提高模型自由生成能力，而是通过可验证的工程机制处理引用问题，并结合单元级知识记录、资料身份和段落级校验来减少引用失真风险。

知识库没有提供具体的接口定义、数据库结构或完整代码，因此不能据此推导出可直接部署的程序。工程实现时，应以实际代码和已核实的实现文档为准，避免把设计设想写成功能事实。

5 用户价值

对研究者而言，AI提示词备查能够支撑使用说明的整理，资料身份和段落级校验则用于定位引用对应关系。对维护知识库的团队而言，权威方与修改权限规则可以减少资料被无意覆盖后的追溯困难。

6 关键知识点 Q&A

6.1 Q1：AI提示词备查只保存提示词可以吗？

不够。还应保存工具名称与版本、服务商、使用时间、使用环节、使用目的、原始生成内容，以及生成内容在最终论文中的体现方式。缺少其中任一项，都可能无法完整还原使用过程。

6.2 Q2：为什么不能用 DOI 作为资料唯一身份？

因为 DOI 只适合用于去重建议，不能表达完整版本关系。同一作品可能存在 preprint 和 journal 两个合法 DOI。资料身份应使用 library_id + item_key + version。

6.3 Q3：资料条目被更新后，如何判断原引用是否受到影响？

先检查引用记录绑定的资料身份，再检查该资料的版本和修改权限。若身份发生变化或资料被未经授权覆盖，需要重新执行段落级校验，确认成稿内容仍对应原知识片段。

6.4 Q4：生成内容已经人工改写，还需要保存原始输出吗？

需要。原始生成内容用于还原 AI 实际产生了什么，人工改写后的内容用于说明最终成稿如何形成。两者承担的记录作用不同，不能只保留改写结果。

6.5 Q5：如何避免把合规记录误当成引用证明？

将两类记录分开：原始输入输出记录说明 AI 使用过程，资料身份与段落级校验说明引用对应关系。前者不能自动证明后者成立。

当 AI提示词备查、资料身份和段落级校验分别可核对时，生成式人工智能合规才具备可排查的工程基础；单独保存一段聊天记录，无法替代完整的原始记录与引用验证。