先确认问题的边界
AI 能帮助研究者筛选长文、归纳概念和建立初步问题表，但它生成的流畅段落不自动等于可靠结论。真正有价值的工作，是把摘要中的每个关键判断重新连回原文段落、表格、方法部分和引用链。
研究工作并不是把资料堆得越多越好，而是让每条材料能回答一个明确问题。开始前先写出对象、时间范围、比较条件与暂不讨论的内容，后续的阅读、会议与设备操作才不会偏离目标。
把方法拆成可复核的动作
先把 AI 输出分成事实陈述、解释性推论和行动建议三类。事实陈述需要回原文核对；解释性推论要找作者提供的机制或限制；行动建议则应保留为研究团队自己的选择，而不是模型替人做决定。
文献初筛时可以让工具标记重复术语、研究对象和可能冲突的结论，但不能把“出现频率高”当作“证据更强”。不同学科的术语可能相同，测量对象和因果方向却完全不同。
在协作中留下可继续的线索
一份可复核的阅读记录至少应该保留来源链接、阅读日期、原文定位、模型参与的位置和人工复核结果。这样团队成员可以从同一段材料继续，而不是从一段没有出处的摘要重新搜索。
无论是个人阅读还是团队项目，都应把来源、日期、版本与讨论记录放在同一处。这样新的参与者可以从已有线索继续，而不是仅凭结论猜测前因后果。
技术条件只解释背景，不替代判断
当多人在不同设备上阅读时，优先同步文本笔记与引用标识，再同步截图和附件。若某个附件加载很慢，可把它视为技术背景问题，不要在没有核对文件内容前改变对研究的判断。
设备、浏览器和网络环境会影响资料抵达的方式，却不能替代原始材料、研究设计和人工判断。把技术条件和研究结论分别记录，既能提高协作效率，也能让后续复核更稳妥。