先定义问题，再让工具扩展关键词

如果问题只写成“某成分是否有效”，模型容易混合体外、动物和临床证据。检索前应明确对象、干预、比较、结局和研究类型，再让AI提出同义词、化学名称与相关机制词。候选词需要人工筛选，避免把相似名称或不同炮制品混为一谈。

在“先定义问题，再让工具扩展关键词”的实际记录中，检索问题与剂量条件最好放在能够互相核对的位置。前者说明当前对象，后者解释它经历了什么变化。若这两项信息分散在聊天、个人电脑和临时表格里，接收者即使拿到文件，也难以判断它是否属于“这一点”所讨论的当前批次。针对“这一点”，项目可先用一份小型清单验证字段与责任，再把已验证的规则扩展到完整资料。

摘要只能负责筛选

摘要通常压缩了方法与限制，也可能突出阳性结果。AI基于摘要生成的总结最多用于决定是否阅读全文，不能替代对样本量、随机化、剂量、统计方法和排除标准的核对。重要判断应能回到原文中的具体段落、表格或补充资料。

引用必须逐条验证

语言模型可能组合出看似合理但不存在的作者、题名或期刊信息。任何引用进入文章或报告前，都要在出版平台、数据库或原始文献中确认。只保留一个搜索结果链接仍不够，还应记录查阅日期与能够支持的判断范围。

药学证据要保留剂量与制剂条件

同一植物或成分在不同提取方式、给药途径和剂量下不能直接比较。AI摘要若省略这些条件，读者很容易把机制研究理解为临床建议。资料卡应强制记录制剂、对象、剂量、周期和主要终点。

相反结果不是噪声

不同研究得出不一致结果，可能来自样本、方法、批次或偏倚。让模型只生成一致结论会掩盖真实不确定性。综述应主动寻找反例，比较实验条件，并说明哪些差异尚无法解释。

敏感数据不能随意输入外部模型

未公开实验结果、患者信息、配方和合作文件可能受到协议限制。使用在线工具前，要确认数据是否被保存、用于训练或跨境处理。能够本地脱敏的内容先最小化，不能确认边界时不要上传。

AI输出需要留下人工判断

研究记录应说明使用了什么工具、版本、输入范围、生成用途和人工修改。这样未来复查时可以分辨哪些是原始证据、哪些是模型建议。AI最有价值的角色是帮助发现遗漏与组织材料，而不是替研究者承担最终结论。

长期保存与“AI输出需要留下人工判断”有关的引用核验时，还要考虑格式能否读取、权限能否恢复以及人工判断是否仍有解释。归档后抽取“这一点”对应的小批次重新打开，核对清单并重现关键结果，才能发现密钥、软件版本或说明缺失。对“这一点”而言，备份数量很多并不代表资料已经具备恢复能力。