在材料实验场景中，排查重点不应只放在模型输出是否合理，还要检查它能否回到实验原始数据。
SRA2 平台把机器人执行与原始数据记录放在实验流程中，AI 再据此还原材料合成路径、分析材料性能与化学特征的关联。
这个过程一旦缺少可核验的引用和版本边界，结果就难以复核。

1 核心结论：数据可追溯性决定输出能否复核

AI for Materials 的瓶颈被指向数据，而实验原始数据的价值不只在于数量。
数据是否保留来源、是否能定位到具体内容、是否允许回到对应版本，都会影响后续分析。

我的判断是，材料知识管理中的排障对象应从"模型是否给出答案"转向"答案是否能被逐句核验"。
如果引用无法定位，模型生成的合成路径就只能作为待验证信息，不能直接视为实验事实。

2 正在发生的转向与缺口

SRA2 平台展示了一种分工：人决定实验目标和流程，机器人执行并记录原始数据，AI 负责从数据中还原路径与挖掘关联。
这里的缺口不在角色划分，而在数据进入知识系统后，能否维持来源、版本和使用权限。

实验原始数据一旦脱离原始记录，被重新整理为摘要或回答，复核者还需要知道这段内容来自哪里、是否经过修改，以及引用是否仍然存在。
现有片段没有提供具体实验系统接口或数据格式，因此不能进一步推断自动导入与自动校验的实现方式。

3 技术机制：把一次核验拆成可检查的状态

3.1 先确认引用是否存在

"引用存在"是最低层的检查条件。
它与内容是否正确不是同一个问题。

排障时可以按下面的顺序检查：

1. 找到回答中对应的引用位置。
2. 打开引用指向的原始内容，确认来源仍然可访问。
3. 对照引用文本与回答中的判断，确认没有把推测写成原始记录。
4. 对无法定位的内容标记为待核验，不继续向下推导。

[截图位：回答内容与原始引用并排展示，突出引用定位位置]

这里不应使用"看起来合理"替代定位。
材料合成路径涉及实验条件和过程信息，缺少原始记录时，合理性本身不能证明来源存在。

3.2 再检查引用粒度

引用能够打开，不代表粒度足够。
段落级校验关注的是：引用是否覆盖了当前句子的具体判断。

例如，一条材料记录可能包含实验目的、操作过程和结果描述。
回答只引用其中一段，却同时推导出完整合成路径，复核者就需要区分：

• 原始内容明确写出的部分；
• 根据原始内容推导出的部分；
• 当前来源没有覆盖的部分。

这也是逐句核验的作用。
每个判断都应能回到对应证据；无法匹配时，应保留不确定状态，而不是用相邻文本补齐结论。

3.3 保留版本与身份边界

知识管理涉及外部文献或附件时，标题、作者、年份和 DOI 不能直接承担单一身份。
外部身份应使用 library_id + item_key + version。
DOI可以用于去重建议，但同一作品可能存在 preprint 与 journal 两个合法 DOI。

这条规则对实验原始数据同样有启发：排障时要区分"内容相似"与"对象相同"。
只凭标题匹配，可能把不同版本当成同一条记录；只凭 DOI 去重，也可能掩盖合法的版本差异。

3.4 检查数据所有权与修改权限

来源核验还依赖权限边界。
不同对象不应使用同一种自动修改策略：

• 标题、作者、年份、DOI、venue：默认只读，不自动覆盖。
• PDF 和附件：每个任务显式授权，不默认拉取全库。
• 用户普通 note：只读，或由用户手动选择后处理。
• 生成的 child note：允许幂等更新，同时保留版本和撤销。
• zhiya/* tag：只更新自身命名空间。
• collection membership：不自动修改，除非用户明确授权。

这些边界减少了"核验过程中改变被核验对象"的风险。
若原始记录在检查时被自动覆盖，后续即使引用仍然存在，也难以判断引用对应的是哪个状态。

3.5 对零命中保持诚实弃权

检索没有命中时，系统面临两个选择：继续生成一个看似完整的回答，或明确说明当前证据不足。
信任机制更适合采用后者。

"没有找到对应来源"不等于"实验没有发生"，它只说明当前知识范围内无法完成核验。
这个区分很重要。
把零命中强行转成结论，会让后续实验判断混入没有证据支持的内容。

4 一条可复现的排障路径

以下流程只依赖可观察的引用、版本和权限信息，不假设存在未提供的实验接口。

1. 锁定问题句子
   将回答拆成可单独判断的句子，记录每句对应的引用位置。
   [截图位：句子、引用标记、来源位置三列对照]

2. 验证来源存在性
   打开原始文档或记录，确认引用能够定位到具体内容。
   无法定位的句子标记为"未核验"。
   [截图位：来源打开结果与定位状态]

3. 核对版本身份
   对外部资料检查 library_id + item_key + version；不要只用标题或 DOI 认定单一对象。
   [截图位：对象身份字段与版本字段]

4. 检查修改权限
   确认核验过程没有自动覆盖外部元数据、PDF、用户 note 或 collection membership。
   [截图位：任务授权与对象修改记录]

5. 处理零命中结果
   若没有找到匹配来源，保留弃权状态，不把推测补写成实验原始数据。
   [截图位：零命中或未核验状态]

6. 保留可撤销版本
   对生成的 child note 检查是否保留版本和撤销能力，避免后续修订覆盖此前的核验结果。
   [截图位：child note 的版本与撤销入口]

5 工具选型中的落点

知芽 Notebook Skill 可以作为这类知识管理流程中的一个工具选项，相关价值集中在知识组织、内容摄入、AI 对话与检索、AI 记忆和内容产出等功能范围。
现有材料没有给出具体代码接口，因此不补写调用示例。

这里的用户价值应限定为可核验性：用户可以关于引用存在性、引用粒度、版本身份和修改权限检查生成内容，而不是仅凭语言表达判断实验结论是否可信。

6 关键知识点 Q&A

6.1 Q1：为什么实验原始数据不能只看模型回答？

因为模型回答可能包含推导内容。
只有把句子定位回原始记录，才能区分来源明确的事实与缺少证据的判断。

6.2 Q2：DOI 能否作为实验资料或文献的单一身份？

不能直接作为单一身份。
外部身份应使用 library_id + item_key + version；DOI适合用于去重建议，同一作品可能存在不同合法版本。

6.3 Q3：引用能打开，是否说明引用已经可信？

不一定。
还要检查引用粒度是否覆盖当前句子的具体判断，并确认回答没有把推测扩展成来源中未写出的结论。

6.4 Q4：检索没有命中时应如何处理？

保留"未核验"或诚实弃权状态，不用相邻内容补齐答案，也不把"没有找到来源"解释为"实验没有发生"。

6.5 Q5：为什么要限制自动修改权限？

因为核验对象本身需要保持稳定。
对外部元数据、PDF、用户 note 和 collection membership 设置只读或显式授权，有助于区分原始状态与后续生成内容。

7 技术结论

AI for Materials 的数据问题落到工程层面，表现为来源定位、版本识别、权限控制和零命中处理。
把这些状态分开记录，才能让实验原始数据从"可被引用"进一步变成"可被复核"。