第 17 讲 带来源的深度报告
【可执行状态】引擎部分现在就能做（lit_card、term_table、docx_polish、translate_pdf 已接）；线上深度研究工作台随教学套件接入——接入前，本讲的方法与校验点可直接用；要跑通“拆问题 → 并行搜索 → 查漏补搜 → 成稿”这一整条链，按第 4 讲的做法在画布上自己接一遍
【本讲对应资产】research-assistant 引擎（8 个工具）；本讲关键工具 lit_card（出证据）、term_table（统一术语）、docx_polish（成稿排版），配合 translate_pdf（外文材料）；线上深度研究工作台、工作流画布
【本讲原理来源】L3 第 25 课《实战项目：DeepResearch 设计与实现》（云帆老师，2026-09-15）、L3 langGraph 专题（状态／节点／边）
引子：你的报告里，有几个数字你敢让人当场点开
先问一句：上一次你交出去的那份调研报告，如果别人挑出三个关键数字，请你当场把来源点开给他看，你能点开几个？
多数人的答案是零个。不是没查，而是当时只是“看见过”：看见过一篇文章说这个行业到处缺人，看见过一个 PPT 说这个市场很大，看见过一份红头文件被人截图发在群里——当时觉得对，就写进稿子了。三个月后要复查：链接打不开，文件名记不清，连那个机构到底叫什么都不敢确定。
这种报告的毛病不在于写得少，而在于每一句话后面都没有一条能追回去的线。这一讲要换掉的正是这个状态：每处引用都要经得起别人顺着线追到原文——追得到，才叫来源；追不到，那只是一张写着字的纸。
一、场景：两个小时过去，正文一个字没写
教改课题要交申报书，前期调研那一栏还空着。或者更日常一点：下学期的课要换一个新案例，赵老师（化名，智能金融学院讲师）打算先看看这个行业今年的情况。
她打开浏览器，接下来两个小时大概率是这样过的：先搜关键词，开十几个页面；看着有用的复制到文档里；看到第三篇发现数据口径和第一套不一样，回头去核；核完又发现有个关键数字找不到出处；再顺手点开一篇，发现是两年前的政策，文件名上还写着“最新”。比如，她想找一份政策文件的原件，前后打开四个页面——两个是转载、一个是摘要、一个要登录——原件始终没见到。时间过去一半，报告一个字没写。
再比如，她把一篇行业文章里的话抄进草稿，要标来源时才发现那篇文章自己也是转述：写的是“据某机构测算”，而那个机构是谁、报告发在哪，文章里一个字没说。
“查资料”和“整数据”这两件事，占掉的往往是我们八成的有效时间，而它们恰恰最不产生判断力——它们只是让你的判断有依据。
换一种做法会怎样？同样两个小时，产出可以是四样：一份分好小标题的报告初稿、一份能点开的来源清单、一份它自己写“哪里还薄”的自查清单、几张能逐句回原文核的精读卡。就像做菜前的备料：洗好、切好、分盘摆开，真正属于厨师的那一步——怎么炒——才轮到你。区别不在于她查得更快，而在于她把“查”拆成了几道能分别交付的工序。
这一讲练的动作是：交出一个问题，收回一份每句话都能追回去的报告初稿。
二、原理一页：从“查一次就答”到“做一轮研究”
2.1 历史纵深：这件事，几十年换过五次姿势
第一代，资料室与卡片目录。 卡片按著者、书名、主题三套排开，期刊有卷期索引，政策有年鉴和文件汇编。它解决“东西在哪一册里”，交给你的不是报告，是一张书单。
第二代，联机文献数据库。 二十世纪七十年代起，Dialog 一类联机检索让机器替你在索引里找；九十年代后 CNKI、万方、Web of Science 把这套搬上网页，用“并且／或者／非”收窄范围。但给你的仍是题录与摘要——原句在第几页，还得自己翻。
第三代，通用搜索引擎。 关键词加链接列表，把翻找成本几乎降到零。老问题是：给的是相关页面，不是可信结论，来源与口径全靠你一条条判断。
第四代，检索增强生成（RAG）。 二〇二〇年，Lewis 等人提出把外部语料检索与大模型生成接起来[1]：先取出相关段落，再让模型基于这些段落作答。它把“读”也自动化了，却留下一个毛病——片段被揉成一句看不出出处的话。
第五代，就是这一讲的带溯源深度报告。 它把前几代各接一段：资料室的分类查找、数据库的题录齐全、搜索引擎的随手可得、检索增强的自动读，最后补上最要紧的一条——每处引用都能追回原文，并写清核实到了哪一档。
| 代 | 代表做法 | 解决了什么 | 留下的老问题 |
|---|---|---|---|
| 一 | 卡片目录 / 卷期索引 | 知道东西在哪一册里 | 查到的是书单，不是结论 |
| 二 | 联机文献数据库 | 题录与检索式自动化 | 原句与页码仍要自己找 |
| 三 | 通用搜索引擎 | 翻找成本几乎归零 | 相关不等于可信 |
| 四 | 检索增强生成（RAG） | 连“读”也自动化了 | 出处被“揉掉”，追不回去 |
| 五 | 带溯源的深度研究报告 | 拆问 → 补搜 → 成稿 → 来源清单 | 初稿仍要人逐条核实，不能直接署名 |
最该记住的是最后一列：每一代都留下了老问题，第五代留下的那个——“初稿仍要人逐条核实”——正是本讲最硬那条纪律要处理的事。工具每往前一步，人的核对责任不是变小，而是变得更精确。
2.2 三级台阶，差别在“查几轮”
- 第一级：查一次就答。 搜一遍，挑几段相关内容拼成一段回答；问得偏一点就答偏，材料不够也硬答。
- 第二级：会拆、会反复查。 先把问题拆成几个角度分别查，查完换几种说法再查一遍，材料不够再补一轮。
- 第三级：加上评估、反思与综合。 还停下来问自己：我要的齐了吗？来源可信吗？有没有哪个角度根本没看？然后补查、成稿。
| 台阶 | 查几轮 | 它交给你的东西 | 你还要补的活 |
|---|---|---|---|
| 第一级 | 一轮 | 一堆链接加一段话 | 几乎全部：找依据、判真假、成稿 |
| 第二级 | 多轮、多说法 | 材料基本齐 | 判断哪些能用、怎么组织 |
| 第三级 | 多轮 + 自查 + 补搜 | 带来源的初稿 + 自查清单 | 逐条核实、下结论、署名 |
一句话记住差别：第一级给你一堆链接，第三级给你一份报告。
2.3 画布上的四道工序
对照第 4 讲学过的画布（状态 = 共享黑板，节点 = 一道工序，边 = 顺序与循环），这条链是四道工序接起来的：
- 拆问题：把一句话拆成几个可查的角度（拆偏了，后面全白查）
- 并行搜索：多来源同时查，有限速与失败重试——查得快，但不把人家网站打崩
- 查漏补搜：从完整性、相关性、可信度三个角度自查材料，找缺口，再生成新问题回去查
- 成稿：把材料按逻辑组织、去重、统一术语与格式，附来源清单
第 3 道工序是分水岭：普通检索查完就交差，这一步是查完之后还问一句“我是不是漏了什么”。打个比方，前两道工序像把菜谱上的东西全买回来，第三步才是站在灶台前清点——盐够不够？姜买了吗？少了哪样，这时还来得及下楼补。
（图号待全篇统一重编：现文件名为 images/fig9-1.svg。）
2.4 它凭什么判断“资料是错的”“资料不全”
判“错”靠三招：多源交叉验证（同一结论至少两处独立来源都这么说才敢用）、逻辑一致性检查（前后对不上、时间线不成立处标出来）、主动去找撤稿与勘误。判“不全”靠两招：先列一张“该有的视角”清单（政策、市场、技术、成本、反面意见……）逐条对照，缺哪个角度就补查；二是反思——让它自己回看已查材料，说出“哪里还薄”。
这对应吴恩达反复讲的那个模式：先给出标准，再让系统照着标准检查自己的产出[2]。 好比班里收作业，先发一张评分标准让学生自己勾一遍，交上来的东西往往比埋头誊一遍更完整。
2.5 引擎在这条链上干哪三件事
研究工作台负责“查”，research-assistant 引擎负责把材料变成能交出去的东西：
| 交给谁 | 干什么 | 为什么不能让“写”来兼管 |
|---|---|---|
lit_card | 出证据：研究问题／方法与样本／可引用原句／局限 | 报告里每句引用要有原句可核；卡是证据链的一环 |
term_table | 统一术语：英中定译 + 语料频次 | 多来源材料术语各异，一份报告里一个概念只能有一个说法 |
docx_polish | 成稿排版：中文字体／标题层级／图题表题／表格边框／图片缩放／页码 | 报告是给评审、给同事看的正式件，不是聊天记录 |
translate_pdf（配合） | 外文材料转中文 Word，便于吸收 | 读得快，但引用仍回英文原文 + DOI |
lit_card 的卡固定四栏：研究问题、方法与样本、可引用原句、局限（第 14 讲已细讲）。在这条链上，它的角色是把“结论”还原成“一句能核的原话”。例如，报告里写“某研究认为课堂即时反馈能提升参与度”，出处不能只挂一个刊名——要挂上卡里的原句和页码，人家拿去原文一搜就命中。
term_table 管的是一义一译。多来源材料最容易出的丑是同一概念三种译名：一份稿子里同时出现“生成式人工智能”“生成式 AI”“生产式 AI”，读者会以为你在说三件事。好比一份菜单上同一道菜写了三个名字，客人只会以为厨房乱。
2.6 凡引用必标来源：三件齐，缺一件就算没来源
报告里凡引用外部材料，每一处都要写清三件：发布单位（部委／省市厅局／学校／期刊／机构）、文号（政策与文件类，照原始文件抄，格式如“×××〔20XX〕XX 号”）、核实状态（分三档）。发文字号的构成（机关代字、年份、序号）在国家标准的公文格式规范里有明确规定[3]——文号只能从原文抄，不能凭记忆写、不能从二手转述里搬。
| 档次 | 什么意思 | 什么时候用 | 能不能进正式稿 |
|---|---|---|---|
| 已核实 | 找到原文，并逐字看过 | 见到原件或官网原文 | 可以，直接引用 |
| 待核实 | 只见到别人的转述 | 二手转载、文章里的“据……” | 写明后可暂放；不得作关键结论的依据 |
| 存疑 | 口径、年份或标题前后对不上 | 同一文件两个文号、两个日期、两个说法 | 查清前不进稿 |
没有这三件，就当作没来源。 一篇报告里只要出现一处“找不到出处”的引用，整份材料的可信度都要重新评估——评审看的就是这个。
2.7 设问自答一：数字是它真查来的，还是编的？
不知道——除非你按办法去验。三步可机械执行：第一步抽三个关键数字点开来源，是链接就点开，是文献就查题录，这步不需要专业判断，只要肯点；第二步看数字有没有年份，没标年份的一律当“待核”——举个例子，只写“人才缺口很大”而不写是哪一年的测算，这句话根本追不回去；第三步看有没有反方观点，只说好话的报告必然有偏。
假设你偷了这三步，把初稿直接交上去，评审挑一个数字问“这个数从哪来”，你当场就得承认答不上——那一刻，几万字的材料会一起被怀疑。核实保住的不是某一个数字，是整篇的可信度。
2.8 设问自答二：它会不会顺手替我编一个文号？
会，而且这是最危险的一种错，因为文号看起来最“像真的”。“×××〔20XX〕XX 号”这种格式机器写起来毫无障碍，但写对格式不等于真有这份文件。办法只有一条：文号回原文抄——见到原件或官网原文，一个字一个字对一遍，标“已核实”；只见转述的，就老实标“待核实”。再比如，同一份文件在两条来源里出现两个日期，几乎一定意味着其中一处是二手转述，甚至把两份文件混成了一份；这时该做的是把两处都列出来去官网核原件，核不到就标“存疑”，不写进正式结论。
2.9 设问自答三：初稿看着挺像样，能不能直接署名交上去？
不能。它交的是“带来源的初稿”，不是成果。初稿要做完三件事才算你的：读完（不读完不引用、不署名、不提交）、核实（每条引用三件齐、每句可引用原句回原文核）、加判断（哪条材料值得用、结论怎么下，是你的活）。
打个比方：这就像请人替你采买了一批食材、洗好切好摆上案板——省掉的是跑菜场和择菜的时间，但最后那道菜什么味道，还得你自己掌勺。买回来的东西，终究要由你来尝第一口。
2.10 一个必须如实说的能力边界
- 初稿不是成稿。 它给的是材料齐、有来源的草稿；论证的逻辑、结论的分量，必须你来。
- 来源质量参差。 网络来源里转载、摘要、二手转述混在一起；“待核实”一档就是为了如实标出这一类。
- 抓取可能不合格。
lit_card是服务端去取 PDF（参数名就叫pdf_url），取到后由模型在页面里找四栏内容；服务端自动抓取有时会截取不合格——抓到封面页、摘要页或版本不对的那一份。出卡后每句“可引用原句”必须人工回原文逐字核，搜不到的删掉或重出。 - 位置粒度有限。 卡里给的是页码与小节，不保证到行号；写脚注页码够用，精确到行还得自己定位一次。
- 术语表不替你判断译法优劣。 它给的是一份一致的定译，好不好用要你这个专业的人点头。
说清这些不是自我贬低，而是把期望放对：这一讲解决的是“查得快 + 引得住”，不是“不用查、不用读”。
三、动手三件套
一句话指令（分两段：先查，再成稿）
第一段（查——研究工作台）：不要只丢一个词，一句话里说清四样——问什么（题目 + 时间、地域、行业三个范围）、给谁看（申报书前期调研 / 教研分享 / 课程案例）、要什么产物（带小标题的报告，几页、哪几个部分）、要来源（关键数字带来源与年份；政策类带发布单位与文号；最后附来源清单）。
请做一份关于“县域直播电商人才需求”的调研报告，范围限 2024 年至今的国内材料，
给教改申报书的前期调研栏用，要有政策、市场、人才缺口、典型做法四个部分，不超过两千字，
每个关键数字后面标来源与年份，政策文件标注发布单位与文号，最后附来源清单，
并说明哪些来源是你打开了原文核实过的。
第二段（成稿——引擎，点工具名）：
用lit_card给我要引用的这几篇文献各出一张精读卡，pdf_url给公网 PDF 直链
（优先出版社 OA），meta 写清刊／年／DOI／被引／许可；每张卡里给“可引用原句”，我要拿它逐句回原文核。
再用term_table把这份报告涉及的多来源术语统一成一张英中定译表（texts_json传报告要点文本）。
最后用 docx_polish 把定稿 docx 排一遍：中文字体、三级标题、图题表题、表格边框、图片缩放、页码。预期产物
- 一份结构化报告（有小标题、有数据、有结论）
- 一份来源清单（可点开的链接或文献出处），每条带发布单位／文号／核实状态
- 一份自查清单：它自己说清“哪一块材料还薄、哪个角度没查到”
- 若干张精读卡（可引用原句）、一张术语表、一份排版后的 docx
（实在的经验：自查清单常被忽略，但它最有用——它是你判断“这份初稿能不能用”的第一手依据。）
校验点（照这九条量）
- 来源能点开：抽三个关键数字，点进来源看是不是真说了这件事
- 数字有年份：没标年份的数字一律当“待核”
- 结论与来源不矛盾：不能出现“结论加戏”
- 至少一个反方视角：说“好”的报告必须同时给出代价、风险或反对意见
- 前后一致：同一指标不能出现两个数——出现就是材料打架，要去核
- 初稿必须自己读完：不读完不引用、不署名、不提交，没有例外
- 每条引用三件齐：发布单位 + 文号 + 核实状态；文号回原文抄，不凭记忆
- 可引用原句回原文核：
lit_card出的原句逐条在 PDF 里搜一遍，搜不到的删掉——服务端抓取有时截取不合格，出卡后必须人工核对 - 术语全篇一个说法：拿
term_table那张表逐词对一遍
四、常见错误与排错
| 症状 | 查哪里 |
|---|---|
| 报告很空，像百科词条 | 题目太宽（“谈谈数字经济”）；加上时间、地域、行业三个范围词 |
| 只有背景没有数据 | 指令里没要求“关键数字带来源与年份”；补上再跑一次 |
| 同一个数字两个版本 | 材料打架：让它把两处出处都列出来，你判断哪个口径可用 |
| 全篇只说好话 | 指令里加一句“必须包含至少一个反方视角或风险” |
| 引用文献找不到 | 别信第二手引用；顺藤摸到原始出处的才引用 |
| 政策只有标题没有文号 | 明确“政策类须标发布单位与文号”并按原文抄；抄不到原文的，核实状态写“待核实” |
| 精读卡里的原句在原文搜不到 | 服务端抓取时截取不合格。改用公网 PDF 直链（优先 OA）重新出卡，再逐句核 |
| 同一政策两个文号或两个日期 | 一定有一处是二手转述。以原文为准，重标核实状态 |
| 术语三种译法 | 没做术语统一。用 term_table 出一张表，写作与统稿都以它为准 |
| 用了好几年前的数据 | 明确写“限 2024 年至今”，并在校验时抽查年份 |
| 排版后图表错位、页码乱 | 内容没定就排了。先定稿再 docx_polish，改完内容重排一次 |
| 直接把初稿当成果交 | 这是红线：署名的人要对每一句话负责 |
例如，报告里写“某年某机构测算，行业人才缺口很大”，来源栏只填了一个机构名。假设换一位老师复核，他既找不到这份报告，也判断不了这个机构是否权威。正确改法不是删掉这句，而是把它降级——标“待核实”，并注明“尚未找到该机构公开发布的报告原文”。
五、边界与红线
- 署名责任在人：它交的是“带来源的初稿”。AI 生成的综述不能直接当论文的文献综述提交，也不能把它的结论当成你的观点——你必须读过、核过、改过
- 凡引用必标来源：发布单位 + 文号 + 核实状态，三件齐；核实状态如实标。科研诚信要求与学术不端行为的界定，可参照国家层面文件与教育部门规章[4][5]
- 不把未公开数据喂进去：内部材料、学生成绩、未发表数据，不贴进公网检索框
- AI 参与如实标注：按学校与拟用场合的规定如实说明；不把工具生成的段落当作自己的研究结论
- 不代写：不给学生代写论文与报告；学生的论文必须自己写、自己答辩
- 账号与密钥不外借、不外传；付费服务按学校规定办，涉及报销走采购与审批流程
- 诚实标边界：材料薄的地方就写薄——承认边界比过度包装更有说服力
六、拓展与学科迁移
- 变式一：开题前的可行性摸底——一次跑三个相近题目，比较哪个更值得做
- 变式二：课程案例更新——查本学科今年的新案例，你挑一个改成课堂材料
- 变式三：当“文献地图”用——先列出题目的主要流派与代表作者，再按图去读原文，读到的按第 14 讲出精读卡
- 跨专业：金融科技做监管与算法治理梳理，国际经济与贸易做目标国市场准入与关税口径，电子商务做平台规则变动，财务管理做准则与税务口径变化——四道工序不变，换的是题面与来源类型
- 跨角色：辅导员做政策梳理与学生资助口径对照，教学秘书做制度对照（同一件事在几份文件里怎么规定的），竞赛队做行业调研
- 回接前三讲：外文材料经
translate_pdf转中文便于吸收（第 14 讲）；查到的政策进入申报书“前期调研”栏时，用第 15 讲的单一数据源（课题字典）统一口径——调研里的数字与正文里的数字必须是同一个；定稿交docx_polish排版（第 16 讲同款动作）
带走一句话
凡引用必标来源——发布单位、文号、核实状态，三件齐了才叫来源；追不回去的话，就不该写进报告。
背后的引擎（本讲速查）
| 你要干的活 | 工具全名 | 关键参数 |
|---|---|---|
| 出证据：文献精读卡（含可引用原句） | mcp__research-assistant__lit_card | pdf_url（必填，公网直链）、meta（刊／年／DOI／被引／许可）、zh_docx_url |
| 统一术语：英中定译 + 频次 | mcp__research-assistant__term_table | texts_json（文本或公网 URL 的数组） |
| 成稿排版：字体／标题／图表／页码 | mcp__research-assistant__docx_polish | docx_url |
| 外文材料转中文 Word | mcp__research-assistant__translate_pdf | url、mode（auto／translate／convert）、filename |
本讲要点（速记）
- 三级台阶：查一次就答 → 会拆会反复查 → 加评估、反思与综合；第一级给链接，第三级给报告
- 四道工序：拆问题 → 并行搜索 → 查漏补搜 → 成稿；第 3 道是分水岭
- 判资料错三招：多源交叉验证、逻辑一致性、找撤稿勘误；判资料不全两招：预设视角清单、反思自查
- 引擎三件事：
lit_card出证据（原句可核）、term_table统一术语、docx_polish成稿排版 - 凡引用必标来源：发布单位 + 文号 + 核实状态；核实状态分已核实／待核实／存疑三档，如实标
- 校验里最硬的一条：初稿必须自己读完再署名——它交初稿，你交成果
参考文献
[1] Lewis P, Perez E, Piktus A, et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks[C]//Advances in Neural Information Processing Systems (NeurIPS), 2020, 33: 9459-9474.
[2] Ng A. Agentic AI（智能体式人工智能）[EB/OL]. DeepLearning.AI, 2024.（“先给标准，再让系统自查产出”这一模式的出处）
[3] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. 党政机关公文格式: GB/T 9704—2012[S]. 北京: 中国标准出版社, 2012.（发文字号的构成与标注方式，是“文号照原文抄”的格式依据）
[4] 中共中央办公厅, 国务院办公厅. 关于进一步加强科研诚信建设的若干意见[Z]. 2018-05-30.
[5] 教育部. 高等学校预防与处理学术不端行为办法：教育部令第 40 号[Z]. 2016-06-16.（抄袭、篡改、伪造等行为的界定依据）
数据与平台：本讲工具能力与限制来自 zhenyuonline.cn 的 research-assistant 引擎（lit_card／term_table／docx_polish／translate_pdf，2026-09-17 核对）；“服务端抓取有时截取不合格、必须人工回原文核”“位置粒度到页码不保证到行号”为实测确认的能力边界，如实写出，不作粉饰。