想把 Data2Paper 用起来又怕越界，关键不在工具本身强不强，而在你能否把一次写作拆成足够细的环节，并给每个环节标上“可核验”或“须拍板”。可核验的活，工具的产出你能用一张表、一段日志或原文比对去验；须拍板的活，产出对错取决于研究判断和领域经验，工具给得再顺也只是一份草稿。下面按六个环节过一遍，给出责任划分、越界信号和退回人工的具体做法。
判断 Data2Paper 能不能接某个环节，只问两件事：这一步要不要做价值判断，要不要领域外经验。两者都“否”的环节，例如字段对齐、口径核对、审稿意见归并去重，可以交出去并由你逐条核验；任一为“是”的环节，例如结果解释、局限性取舍、审稿意见该接受还是反驳，必须由作者定稿。生成稿里一旦出现无数据支撑的因果句、原文找不到的引用、替你下结论的句子，就退回人工改写，只保留工具产出的表和字段映射。
把一篇论文拆成可交付的环节清单
先拆环节再谈分工，是因为“整篇交给工具”这种颗粒度没有验证入口。按下面六个环节拆，每段都能单独产出、单独检查、单独退回。
| 环节 | 输入 | 可交付物 | 验收方式 |
|---|---|---|---|
| 数据整理 | 原始表、清洗规则 | 字段映射表、口径说明 | 抽样回查原始记录 |
| 方法描述 | 方法名、参数、流程 | 方法段落初稿 | 对照实际执行步骤逐句核 |
| 结果陈述 | 结果表、指标定义 | 数值型陈述句 | 每个数字能指回某张表 |
| 讨论 | 结果与既有结论 | 论点与论证链 | 作者逐条确认论点归属 |
| 局限性 | 研究设计、样本条件 | 局限清单及影响范围 | 对照设计逐项确认 |
| 审稿意见回应 | 审稿意见原文、修改稿 | 意见归类表、逐条答复骨架 | 每条意见能定位到正文改动位置 |
这张表放在动笔之前填，比生成完再回头挑错省事。填不满的行，说明输入还没准备好，此时交给工具只会把缺口藏进流畅的句子里。
判断每个环节的责任归属
凭感觉判断“这一步 AI 行不行”很容易两极化。用两条依据就够了：这一步是否需要价值判断，这一步是否需要领域外经验。两条都为否，工具可出初稿；任一为是，作者拍板，工具最多做提问式辅助。
- 数据整理：价值判断低，领域外经验低。清洗、字段对齐、口径核对可以交出去；但“这条异常样本该保留还是剔除”直接影响结论，属于研究决策，作者定。
- 方法描述：价值判断低，领域外经验中偏高，涉及学科惯例和参数表述。工具适合出结构初稿，参数与步骤必须对照实际执行核一遍。
- 结果陈述：价值判断低，只陈述数字时风险最小；一旦从数字滑向“这说明什么”，就已经越界。
- 讨论：价值判断高，谁的结论、和哪条既有研究对话，都是作者的选择，不适合交由工具定稿。
- 局限性：两条依据都偏向“是”。工具可以做检查清单式提问（样本、测量、外部效度是否覆盖），但不能替你决定写哪几条、写多重。
- 审稿意见回应：归类和去重可交出去；接受、部分接受还是礼貌反驳，是作者的判断。
适配场景上，这套标准对综述和实验论文都适用；验证方式是拿任意一段生成稿自问：删掉作者署名后，这段话的责任该由谁承担。风险边界在于，环节划得越粗，越容易把判断项混进整理项里，所以宁可把环节再拆细一层。
在生成结果里识别越界信号
不必通读全文才能发现问题。三个信号出现任意一个，就说明这一段已经越过工具该待的位置。
- 出现无数据支撑的因果句：检查位置是结果与讨论段，找“因此、导致、说明、证明”这类连接词，逐个回溯它前面的数据点，指不到具体表或指标的即为越界。
- 出现无法在原文找到的引用：检查位置是所有带编号或作者年份的引用标记，逐条去你的文献库比对，找不到实体的引用一律删掉，不要保留“看起来像”的。
- 替你下了结论：检查位置是段尾句与每节最后一段，凡出现“应当优先采用、证明了该方案更好”这类替作者定调的句子，都属于判断被外包。
可以把这一步固化成导出后的自检脚本，放在本地或提交前跑：
import re, sys
CAUSAL = r"(因此|从而导致|导致了|说明了|证明了|显著优于)"
CITE = r"\[\d+\]|（[^）]{0,20}\d{4}[^）]{0,12}）"
VERDICT= r"(应当优先|由此可见|足以证明|无疑)"
def scan(path):
text = open(path, encoding="utf-8").read()
for name, pat in (("因果", CAUSAL), ("引用", CITE), ("定调", VERDICT)):
for m in re.finditer(pat, text):
ctx = text[max(0, m.start()-25): m.end()+25].replace("\n", " ")
print(f"[{name}] {m.group()} ... {ctx}")
if __name__ == "__main__":
scan(sys.argv[1])用法是把生成稿存成文本文件后执行 python3 scope_check.py draft.md。这个脚本只做定位，不做判定，命中的句子仍需人工回查；引用规则要按你的学科格式调整，无法匹配时先放松正则再收紧。
把越界段落退回人工写作
发现越界不要整段删掉重写，那样工具产出的有效信息也一起丢了。按“事实—观察—判断”三段骨架改写，把判断位留白，再回填。
- 第一句只写可核验事实，注明来源表或字段，例如某组样本的指标值。
- 第二句写观察，只描述差异或趋势，不写原因。
- 第三句写成待判断的开放句，例如“该差异是否由采样条件引起，需要结合实验设计确认”，再由作者补结论。
保留哪些工具输出要分清：清洗后的数据表、字段映射与口径说明、意见归类表、段落结构骨架可以留；因果句、未经核对的引用、替作者定调的结论句必须删。验证方式是改写后再跑一次上面的自检脚本，命中的“定调”类句子应明显减少，剩下的逐条人工确认。风险边界在于，改写骨架只能防止结论被外包，不能保证事实本身正确，数字仍要回原表核对。
审稿场景的边界：整理意见可以做，代替判断不行
把审稿意见贴给工具让它“给答复”是最容易越界的用法，因为答复本身就是判断。可行的做法是只让它做整理，把判断留在自己手里。
- 抽取原文：把每条意见按编号切分成独立条目，保留审稿人原话，不做改写。
- 打标签：按类型标注，例如数据补充、方法质疑、表述不清、文献遗漏、结论强度。
- 归并去重：把指向同一问题的意见合并，并记录分别出现在哪几条意见里。
- 标注待判断项：对每条意见标记“可直接修改”或“需作者决定”，后者留空。
不能替代的判断项至少有这几类：意见是否成立、要不要补充实验、结论强度要不要下调、哪些意见可以礼貌反驳、答复语气与篇幅如何拿捏。这几项一旦由工具代写，回复信看起来完整，但作者并未真正对审稿意见作出回应，返修阶段容易暴露。验证方式是逐条核对答复与正文改动位置的对应关系，做不到一一对应的条目，说明判断并未真正完成。