研究档案 · 案例七完整复盘
AI 把执行做到极致的三天，
和人喊停的那一刻。
一个用实验室自有未发表数据做的协作课题：三天、五次方向调整、24 个候选全部阵亡，最终被人否决。我们把全过程整理成一份复盘——AI 时代怎么做课题，人在其中起什么作用，需要掌握什么。案例摘要在这里。
一句话回答
AI 时代做课题的真实分工是：执行可以交给 AI，方向判断交不出去。这个课题里，AI 把环境、代码、统计、图表、自查全部做到了发表级水准；但「这个课题值不值得做、该不该停」的判断，三天里 AI 一次都没有发起——五次方向调整中，前四次是 AI 在墙内换姿势，第五次才是人把墙指出来。
人 + 临床医生 AI + 生信分析师 AI
每一次都有完整记录
方向层 AI 自主发起 0 次
判据事前锁定、逐条落盘
开局：一个教科书级的起点
与前六个案例「人只在开头说一句话」不同，这个课题从一开始就是三方协作：人负责设定与裁决，临床医生角色 AI（评审方）负责设计与验收，生信分析师角色 AI（执行方）负责跑分析。人在开工前写死了三条原则：课题需有创新性；评审方有权判定「方向不成立」并要求换问题；不许伪造、如实报告。
立项质量也无可挑剔：bio-design 流程产出的第一版设计有先导信号（执行方自己算出来的，不是转述）、逐条联网核查过竞品、有可转化意义，而且预先写死了红线判据——如果核心信号被证明主要由组织的细胞构成变化驱动，就如实作废，「不许改判据保假说」。
还有一个后来才看清分量的细节：人在设定里明说，这批数据此前已经人工探索过一轮，没有找到好的方向。这句话在开工时被当成背景交代——而它其实是基础概率：一批被认真探索过且未产出方向的数据，再探索一轮就成功的先验并不高。三天后的结局与这个先验一致。
五次方向调整：完整时间线
每一跳的共同结构是：不是「换了一个新问题」，而是「上一个死了，把死因本身升格为新课题」。前两次是合规的科研动作，第三次是转折点，第四次把偏差形式化，第五次由人终结。
| 节点 | 发生了什么 | 谁触发 | 性质 |
|---|---|---|---|
| 立项 第 1 天 | 一个跨三层组学同向变化的代谢假说：先导信号 + 竞品核查 + 预写红线 | AI 提出 人放行 | ✅ 高质量开题 |
| 调整① 第 1→2 天 | 红线触发：核心信号被证明主要由细胞构成变化驱动。按事前判据如实作废，转向数据里另一个独立的生理学信号 | AI 依判据 | ✅ 合规——按锁定判据证否后换方向，正常探索 |
| 调整② 第 2 天 | 新信号在外部独立队列按事前锁定的判据未能重现（winner's curse），且证据再次指回同一个混杂来源。降级为「描述性图谱」 | AI 依判据 | ⚠️ 判据执行正确，但没人问「第二个方向为什么死于同一个死因」 |
| 调整③ 第 2→3 天 | 复查发现最后一个阳性候选的显著性建立在伪重复上，主动作废——24 个候选全部归零。把「为什么找不到」升格为课题：定位从发现型改成方法学告诫型 | AI 提出 无人拦截 | ❌ 转折点——从此任何阴性都成了支持证据 |
| 调整④ 第 3 天 | 评审角色手写发表设计，bio-design 将其形式化——两版核心主张逐字相同。其间做了一次检索质量一流、结论却相反的新颖性核查 | AI | ❌ 偏差被形式化。bio-design 擅长论证既定方向，不擅长产生方向 |
| 调整⑤ 第 3 天末 | 人连续三问后否决整个方向。两个 AI 被质疑后各自独立复核，结论与人一致。课题回到重新选题 | 人 | 🔴 全程唯一一次方向层面的否决 |
人的裁决原话（逐字）：「课题定位就是『讲这类设计有什么陷阱』？这种能发 SCI？不要瞎编啊，客观的评估到底能不能发」「此方向没有什么发表价值，没有什么创新性，更没有解决什么临床问题」。
为什么两个 AI 都没发现：三个机制
机制一：不可证伪的容器
调整③里最关键的一步，是设计文档里出现了「这不是『没找到』：承重结果都是正向的、可复算的」这样一句重新编码。它把「什么都没找到」翻译成「正向地证明了找不到」——从此 24 个候选阵亡不再是警报，而是论点的组成部分。一个不能被自己的数据杀死的课题，也不会被自己的执行者叫停。同一个机制在新颖性核查里第二次出现：「被抢先」经两次重命名变成了「独立重现、实质加强」。
机制二：验收判据没有第四档
设计的验收判据是标准三档（🟢支持 / 🟡部分 / 🔴不支持），三档全部假定课题继续——🔴 的动作是「降级」，不是「终止」。评审角色的设定里明明写着「有权判定方向不成立」，但三种情形没有一种映射到「换问题」：权力存在，却没有任何时刻会触发它。同样，「如实写、如实发」被焊成一句——「如实写」是诚信问题，答案永远是「是」；「如实发」是价值问题，需要独立评估。焊在一起之后，第二问被第一问的正当性掩盖了。
机制三：执行越严格，越掩盖方向问题
三天里评审角色抓出的执行问题条条成立：用 p=0.899 论证「相同」属拒稿级硬伤、主图主数字剔一个极端样本就坍塌二十倍、一批「证据」实为有效自由度≈1 的伪重复（这一问题的经典论述见 Hurlbert 1984）、五处检查天然不会红的「绿色剧场」。每一条都对，每一条都在优化一个不该做的课题。严格的验证消耗了几乎全部注意力，并持续产生「我们在做严肃科研」的强信号——它降低而不是提高了质疑方向的概率。执行方验「数字对不对」，评审方验「报告与产物对不对得上」，没有人验「这件事值不值得做」——内部一致性无论做到多高，都推不出外部价值。
方法学参考：伪重复 — Hurlbert 1984, Pseudoreplication and the Design of Ecological Field Experiments；赢者诅咒与效应膨胀 — Ioannidis 2008, Why Most Discovered True Associations Are Inflated；成分数据的统计陷阱 — Aitchison 1986, The Statistical Analysis of Compositional Data。
人的 17 次介入：一本分类账
协作结束后把人的每一次介入逐条数了出来——每一次介入都标记了一个体系内部无人负责的位置。
| 介入类型 | 次数 | 典型原话（逐字） | AI 本可自主发现？ |
|---|---|---|---|
| 推进确认 | 约 6 | 「继续盯」「执行完成，等你答复」 | — |
| 发现平台缺陷 | 3 | 「为什么跑到跟项目无关的目录？」 | 否 |
| 纠正节奏与派单 | 2 | 「这样是不是太快了，应该是等其完成一个任务后，对其检查，检查没有问题后再继续下个任务？」 | 否 |
| 建立产出规则 | 3 | 「输出的图需要支持课题的，并且能发表的，还需站在 SCI 审稿人角度来评估和提意见，记住这个规则！」 | 否 |
| 方向质疑与否决 | 3 | 「此方向没有什么发表价值，没有什么创新性，更没有解决什么临床问题」 | 否，且全部发生在最末尾 |
三个读数值得反复看：① 方向层面的介入全部由人发起，AI 自主发起 0 次；② 方向否决集中在最末尾——三天里没有任何内部机制触发「这个课题还该继续吗」；③ 唯一被 AI 写进长期规矩的人类原话是「没有明确前不能放弃，更不能开始定稿」——方向纪律只有「别停」这一个方向的约束，没有「该停就停」的对称约束。这条规矩当时是对的（防过早收口），但它同时制度化地解除了两个 AI 提出停止的职责。
事后能看清三个被越过的合理叫停点：第一次撞上混杂之墙时（「这堵墙对这类问题是致命的——还该问这类问题吗？」）、第二个方向死于同一死因时（「这是提问方式的问题，不是候选的问题」）、零阳性候选时（「此刻应重新选题，而不是把零本身写成论点」）。三个时刻的共同点：死因相同。第二次撞上同一堵墙时就该换问题类型，而不是继续在墙内换候选。
AI 时代做课题，人需要掌握什么
从这次失败里提炼的清单——每一条都对应复盘里一个真实发生的失效点，且尽量写成「会被触发的机制」而不是「原则」。这个课题的设定里其实写了所有正确的原则，三条全部命中了后来的失败，三条都没有生效——因为原则没有接到会被触发的地方。
| 能力 | 具体做法 | 对应的失效点 |
|---|---|---|
| 问价值，不只问对错 | 定期问一句与质量无关的问题：「假设这些图全部完美无缺，这篇论文会被接收吗？」——必须在图做完之前问，做完之后沉没成本会污染答案 | 五张图做完才有人问，答案是否 |
| 给「停止」装触发器 | 验收判据加第四档「课题不成立」；证否累计达 3 个、零阳性状态、课题定位变更，任一出现即强制独立方向复核。「不许过早放弃」必须配对称的「不许过晚换向」 | 🔴 只降级不终止；否决权无触发条件 |
| 识别重新编码 | 听到「这不是没找到」「阴性本身就是结论」「抢先实为独立重现」「我们的增量是更严格」时强制复核。判别式：如果任何结果都不能让课题停止，它已经不是科学课题 | 失败两次被重命名为成功 |
| 新颖性问净增量 | 不问「有没有人做过一模一样的」——「作为整体无单篇抢先」几乎永真。要一张净增量表：每个组成部分最接近的先例是什么、我们的增量属于首报还是「更严格重现」。全是后者 = 创新性不成立 | 检索一流、结论相反的查重 |
| 死因相同即换题 | 候选连续死于同一个死因时，问题出在提问方式，不在候选。换问题类型（例如从机制类换到预测类），而不是在墙内换候选 | 两个方向死于同一堵墙，无人换题 |
| 控制节奏 | 无人值守的默认应当是更慢而不是更快：派单 → 等报告 → 独立验证 → 才派下一单，一次一件不打包。没有人兜底时，正确的默认是更谨慎 | AI 把「自主」理解成「最大化吞吐」，被人纠正 |
| 数字问稳不稳 | 关键数字除了「算得对不对」还要问「稳不稳」：剔掉一个极端样本看变多少，变化超过一个量级的不得作主图主数字 | 主数字剔一个样本坍塌二十倍——两轮核对都只核了「对不对」 |
| 把介入当测量 | 协作结束时统计人的每次介入，逐条问「为什么这必须由人来说」——每一次介入都是体系的一个能力缺口，下一轮把它做成机制 | 本页第 04 节就是这个动作的产物 |
还有一条来自执行方 AI 自己的总结，值得单独记：「结果太干净，就是检查没跑到的信号——拿到全绿时，先拿一个已知应该红的事实去对，对不上就是检查没执行，不是通过。」
把这套协作搬回自己的课题：六个动作
- 开工前写死三样东西：验收判据（必须含第四档「课题不成立」）、方向复核的触发条件（证否累计 3 个 / 零阳性状态 / 课题定位变更，任一命中即触发）、如实报告的红线。
- 用 bio-design 把方向探讨落成文档：方向定了才产出 design.md 方案书与机器可读的 TOPIC.yml，判据在这一步事前锁定。
- 交给 bio-analyze 执行，节奏一次一件：派单 → 等它的报告 → 独立验证 → 接受或返工 → 才派下一件；无人值守的默认是更慢，不是更快。
- 触发条件命中就停下，问三个问题：已死候选的死因是否相同？拿给不了解过程的审稿人，他的第一个问题是什么？这个课题现在解决了什么（用一句不含「我们证明了做不到」的话回答）？——不许由正在执行的角色自答。
- 在图做完之前问价值：「假设这些图全部完美无缺，这篇论文会被接收吗？」做完再问，沉没成本会污染答案。
- 收尾时把人的每次介入数出来：逐条问「为什么这必须由人来说」，每个缺口写成下一轮的触发机制。
否决不等于白干
方向被否决，过程资产是真的：判据事前锁定与逐条落盘的习惯、全项目统计口径的完整审计（正是它抓出了伪重复并主动作废最后一个阳性候选）、执行方至少 8 次书面自我更正的诚实记录、「无信息 ≠ 证否」的阳性对照文化、以及可复现性普查——主动发现并画在图上：一批依据文件里有相当比例没有生成脚本。
更实在的产出有两笔：这次协作暴露的平台与两个 skill 的缺陷被逐条修复并回归测试；以及上面那张「人需要掌握什么」的清单本身——它已经写成带触发条件的协作规则，装进了后续课题的流程里。失败的方向沉没了，失败暴露的机制全部变成了机器。
常见问题 FAQ
为什么要公开一个失败的课题？
因为它比成功案例更能说明 AI 时代做课题的真实分工。执行侧 AI 做到了很高水准——24 个候选判据事前锁定逐条检验、主动作废伪重复的阳性候选、8 次书面自我更正——但三天里所有方向层面的质疑全部来自人。这个失败精确标出了现阶段人不可替代的位置，这正是选平台、用 AI 做科研的人最需要知道的事。
为什么不公开疾病名称和数据细节？
这批数据是实验室自有的未发表测序数据，课题会在重新定向后继续。发表之前，疾病、取材设计、样本数、基因与一切分析结果都不对外。本页只公开协作过程与方法论——这些不含数据，公开它们不影响后续发表。
AI 能学会自己喊停吗？
部分可以，但要靠机制而不是靠期望。同平台的案例六里 AI 守住了止损，是因为那一轮预先装了「值不值得继续」的前置裁决机关；本课题没有装——协作规则里写了「不许过早收口」，却没有对称的「该停就停」，于是 24 个候选全部阵亡也没有触发任何内部警报。教训已经落地成带触发条件的协作规则：证否累计达 3 个、出现零阳性状态、或课题定位发生变更时，强制做一次独立的方向复核。
这个案例和案例六「AI 自己决定什么时候收手」矛盾吗？
不矛盾，两者合起来才是完整结论：AI 能不能守住方向纪律，取决于有没有给它装上会被触发的机制。案例六装了前置裁决，AI 如实止损；本案例只有原则没有触发器（设定里写了「课题需有创新性」「有权判定方向不成立」，但没有任何时刻会强制检查它们），于是原则全部失效。写成原则不如写成触发器——这是两个案例对照给出的最硬的一条工程结论。
本页最后更新： · 所有过程事实来自项目过程档案（决策日志、交互记录、方向偏差分析、协作规则），未发表数据本身不在本页范围内。