DeepResearch 质量检查清单：准确性、完整性与可追溯性

研究写完不等于研究完成。资料可能有遗漏，数字可能在整理时发生变化，图表可能与文字不一致，引用可能没有真正支持结论，AI 还可能在改写时删掉限定条件。单独检查错别字，无法发现这些更重要的问题。

文中对不同工具和模型的比较反复提醒，结果会受到样本、数据、环境和任务设计影响；综述工具的准确性、逻辑性、完整性和引用规范也需要分别观察。因此，最终检查应当覆盖研究链条，而不是只看文章读起来是否顺。

读完全文后，先回到最初的问题卡片。文章是否真的在回答那个问题，还是在检索过程中被新资料带到了另一个方向；对象、时间、地区和任务范围是否前后一致；标题、摘要和结论是否使用了比正文更宽的表达。研究很容易在资料增多后悄悄扩大范围，最后变成什么都提到却没有一个部分讲透。

可以尝试用两句话复述研究：第一句说研究对象和核心问题，第二句说使用了什么资料和主要判断。如果复述时出现多个版本，说明范围还没有固定。范围不是越大越好，清楚地说明没有研究什么同样重要。

检查每个关键判断的来源是否真实存在，标题、作者、机构、时间和原始链接是否准确。再看来源是否真的与当前对象和问题相关，不能因为一份资料来自权威机构，就让它承担超出研究范围的结论。对于重要判断，尽量避免只依赖一种来源。

来源多样不等于来源越多越好。论文、机构文件、数据报告、案例和原始网页承担的作用不同，应该说明它们各自支持什么。若多篇文章都来自同一个原始数据或互相转载，不能把它们当作相互独立的证据。

涉及数据时，抽查原始文件中的字段、数字、单位、日期和计算结果；涉及长文本时，检查是否保留了上下文、限定条件和不同观点。文中的任务测试显示，模型在文件读取和长文本整合时可能出现字段缺失或维度不完整，因此不能因为表格看起来整齐就跳过抽查。

还要检查清洗和合并记录。删除了哪些重复项，空值如何处理，异常值为什么保留或排除，不同资料的指标是否可以直接比较。任何影响结果的处理都应该能够被解释，否则读者无法判断结论是来自原始资料，还是来自一段没有记录的加工过程。

逐张查看图表的标题、图例、坐标、单位、时间范围和数据来源，确认图表中展示的内容与文字描述一致。文字说“持续上升”，图表是否真的覆盖了足够长的时间；文字说“差异明显”，图表中的差异是否有对应数据；文字引用的数字是否与表格一致。

图表不能只为了装饰。若一张图没有帮助回答研究问题，可以删掉或改成更简单的表达。文中提到可视化能够揭示趋势、异常和关联，但图表本身不能解释原因，也不能替代对数据来源和口径的说明。

检查每个小结是否有对应证据，段落之间是否有清楚的推进关系，结论是否回答了研究问题。常见问题包括：背景写了很多却没有进入问题，数据列了很多却没有解释，建议先于证据出现，或者最后的结论突然加入前文没有讨论的新观点。

可以把文章压缩成一条提纲，只保留每一节的一句话。如果这些句子连起来不能说明“为什么研究、发现什么、如何解释、结论是什么”，说明结构还需要调整。文中对综述逻辑和层次结构的强调，本质上就是要求读者能够顺着文章重新走一遍研究路径。

从正文开始检查，而不是从参考文献列表开始。每个重要数字、定义、事实和他人观点都应该有相应来源；来源确实支持当前句子，而不是只支持一个相近的背景；引用位置足够明确，不会让读者猜它到底对应整段中的哪一句。

再检查文末列表，删除正文没有使用的条目，补上正文出现但列表缺失的条目，统一作者、年份、题目、期刊或机构和链接格式。引用数量不是质量指标，能够准确追溯才是。对于 AI 生成的引用，必须特别核对是否真实存在。

任何研究都有边界。检查文章是否说明样本、时间、来源、方法、指标和替代解释的限制，是否明确哪些结论只是初步判断。不要只写一句“未来还需要更多研究”，而要告诉读者当前不足会影响什么、下一步需要补什么证据。

不确定性不是文章的弱点。把可能、倾向于、在本次样本中和仍不能说明等表达用在合适位置，能够帮助读者正确理解结论。比起用绝对语气制造确定感，清楚标出证据边界更值得信任。

把 AI 参与过的段落和原始资料对照，重点检查数字、术语、因果、否定、比较和限定条件。标题和摘要尤其容易在压缩过程中变得更绝对，润色也可能把“可能”改成“证明”。任何改写，只要改变了研究强度，就需要重新修正。

如果 AI 提供了新的结构或解释，不要直接当成研究发现。回到文献和数据确认它是否有依据，若只是建议，就把它放在待验证方向或讨论部分。AI 的语言能力很强，但它不会自动知道哪一句是你的证据，哪一句只是它的推测。

发布前检查重点是事实、数字、引用、格式和敏感信息，确保文本可以被正确阅读和复核。发布后还要留意读者是否误解了范围，链接是否失效，资料是否更新，图表在不同设备上是否清楚。如果研究会长期使用，最好标注资料截止时间和版本。

对于需要重复更新的研究，可以把清单保存为固定模板，每次只记录变化部分。模板不应成为形式上的勾选，而要在发现问题时留下说明。一次认真复核带来的经验，能够降低下一次研究的成本。

最终可以用四句话检查整篇文章：我是否回答了一个清楚的问题；关键内容是否有真实且相关的证据；推理是否没有超过证据范围；读者是否能够回到原文复核。四句话都能回答“是”，并不代表研究绝对正确，但说明它具备继续讨论和被修正的基础。

至此，DeepResearch 与科研写作专题的 12 篇内容形成了一条完整路径：从理解深度研究，到拆问题、做检索、读文献、找空白、提假设、做数据、写结论、用 AI 辅助表达、选择工具、完成案例，最后回到质量检查。研究不是一次生成的答案，而是一套能够不断核验和改进的工作方法。