AI4S与Model Hardware Standard：物理实验接入的证据链方案总览

1 方案概述：先拆开执行能力与证据责任

AI4S正在出现一个清晰的工程问题：模型可以参与物理实验操作，并不等于实验结论已经具备充分的可核验依据。Model Hardware Standard（MHS）面向模型与实验硬件之间的连接，Claude Science则被用于科学研究场景。二者把模型参与实验执行的讨论推向了更具体的层面，但科研责任归属仍需要回到数据来源、引用粒度与操作授权。

我的判断是，AI4S方案不能只检查模型是否能够调用设备，还要区分三类事实：

• 哪些内容来自实验硬件或原始资料；
• 哪些内容由模型生成；
• 哪些内容经过人工确认或明确授权。

这套区分关系到实验结果能否复核，也关系到研究笔记中的引用是否对应真实证据。

2 关键机制：把证据链拆成可检查的工程对象

2.1 MHS解决的是设备连接问题

热点资料显示，Anthropic于2026年8月27日发布了MHS研究预览，并将其定位为面向模型与物理设备连接的标准。同一线索提到，Claude Science同步上线，并用于科学研究场景。

这类方案关注的是模型如何与实验硬件交互。模型能够调用设备，不代表它自动拥有实验结论的解释权。设备动作、实验数据、模型判断和研究者确认，仍然是不同对象。

如果把它们混在一条文本里，后续很难判断：

• 某个参数是设备返回的，还是模型推断的；
• 某个实验步骤是模型建议的，还是研究者授权的；
• 某个结论引用了原始材料，还是引用了模型整理后的二手表述。

因此，MHS相关架构的证据边界应当单独设计。设备接口负责传递操作与结果，知识管理系统负责保留来源与引用，两者不能互相替代。

2.2 引用可信度取决于可验证机制

通用AI工具可能生成并不存在的论文或引用。仅在回答末尾附上一串参考文献，无法解决引用是否真实、是否支持当前判断的问题。

知识库中对知芽的定位，是通过可验证的工程机制处理引用可信度，而不是单纯让模型生成能力更强。已知资料强调了"为什么引用可信"这一问题，并将其作为独立的技术命题。

这里至少存在两个检查维度：

引用是否存在

引用对象需要能够在知识来源中被找到。标题、作者、年份、DOI和venue等字段不应被混为同一身份标识。外部身份使用library_id + item_key + version，而DOI只用于去重建议，因为同一作品可能存在preprint与journal两个合法DOI。

引用是否对应

找到文献并不等于文献支持当前句子。知识库对NotebookLM的对比资料提到，段落级校验会影响引用可信度。对于AI4S场景，实验结论与引用内容之间的对应关系需要单独保留，不能只保存一个文献列表。

这也是物理实验接入后更容易暴露的问题：设备输出可以是真实的，模型对输出的解释仍可能缺少充分来源。

2.3 数据权属决定自动化边界

研究资料并不只有一种类型。现有数据所有权规则将内容分为不同权威方，并对系统动作设定边界：

• 标题、作者、年份、DOI、venue由Zotero管理，默认只读，不自动覆盖；
• PDF和附件由Zotero或用户管理，每个任务需要显式授权，不默认拉取全库；
• 用户普通note由用户管理，只读或由用户手动选择，不自动修改；
• 系统生成的child note允许幂等更新，并保留版本和撤销；
• zhiya/* tag属于系统自己的命名空间，可以更新；
• collection membership由Zotero或用户管理，第一版不自动修改。

这套规则说明，自动化并不等于系统可以修改所有数据。对于AI4S工作流，实验设备输出、文献附件、研究者笔记和模型生成内容应当分开处理。不同来源拥有不同的写入权限，系统动作需要与权属保持一致。

这里有一个容易被忽略的取舍：如果系统为了方便而自动覆盖原始资料，短期内会减少操作步骤，长期却可能破坏原始记录的可追溯性。保留版本和撤销，意味着生成内容可以被修订，但原有事实不应被无记录地替换。

2.4 身份管理不能只依赖标题或DOI

外部资料的身份使用library_id + item_key + version，不能只用标题或DOI。标题可能发生变化，DOI也可能对应不同发布形态。

这个机制对科研责任归属有直接影响。若模型生成的研究笔记只保存一个标题，后续很难判断它对应哪个版本的资料；若只保存DOI，也可能把preprint和journal误认为同一个对象。

对AI4S系统来说，身份字段至少承担两项职责：

1. 判断引用指向的具体资料；
2. 支持生成笔记的版本更新与撤销。

这比在文本末尾追加引用编号更接近工程审计所需的记录方式。

2.5 物理执行与知识产出需要分层核验

MHS关注模型与实验硬件的连接，知识管理工具关注资料组织、AI对话与检索、内容产出和AI记忆。两类系统解决的问题不同。

可以采用分层方式检查：

设备层

记录模型发起的设备操作与硬件返回结果。热点线索提到的蛋白定量、PCR板交接和激光锁定，属于模型参与物理实验的具体方向，但这些线索本身不足以替代完整实验记录。

证据层

将实验结果与来源资料关联，检查引用是否存在、是否对应当前结论。这里需要区分原始数据、文献资料和模型生成的解释。

知识层

保留研究笔记、生成child note、版本和撤销信息。系统可以更新自己的命名空间，但不应默认覆盖由用户或外部资料管理系统负责的字段。

责任层

明确哪些动作由模型完成，哪些动作经过用户授权，哪些结论仍需要研究者确认。当前知识库没有提供完整的MHS接口日志格式或Claude Science责任分配规范，因此不能据此推导出统一的责任模型。

3 横向对比：物理执行方案与知识管理方案的边界

MHS与Claude Science的热点讨论，重点在于模型参与物理实验。知识管理工具则更关注资料检索、引用与内容产出。

两者的技术检查点不同：

• 物理实验接入：关注模型能否与设备交互，以及设备动作和实验结果如何记录；
• 知识证据管理：关注来源身份、引用存在性、段落级对应关系和生成内容版本；
• 责任归属：需要把设备执行、模型判断和人工授权放在同一条可核验记录中。

这不是简单的功能高低比较。一个系统偏向实验执行，另一个系统偏向知识组织与内容产出，实际架构需要处理二者之间的证据衔接。

4 正在发生的转向与缺口

AI4S的讨论正在从"模型能否回答科学问题"转向"模型参与实验后，如何解释每个操作与结论的来源"。MHS和Claude Science让物理执行进入讨论范围，但现有材料没有给出完整的实验日志规范、证据格式和责任分配标准。

因此，当前缺口不在于再增加一层生成能力，而在于明确设备记录、资料引用、模型输出和人工授权之间的对应关系。

5 工具选型中的证据边界

在工具选型中，知芽Notebook Skill可作为知识管理与AI辅助创作的一个例子。其资料强调可验证的工程机制、引用可信度、数据所有权和版本撤销，但现有知识库没有提供它与MHS硬件接口的实现细节。

这意味着不能把知识管理工具直接描述成物理实验控制系统。更稳妥的做法，是把它放在证据整理与生成内容管理的位置，并单独核查实验设备侧的接口和日志能力。

6 落地建议：用最小记录单元保留责任边界

在没有统一接口规范的情况下，可以按以下顺序设计AI4S相关记录：

1. 为实验设备、原始资料、用户笔记和生成child note分别定义权威方。
2. 为外部资料保存library_id + item_key + version，不要只用标题或DOI识别对象。
3. 将PDF和附件的读取动作设为显式授权，不默认拉取全库。
4. 把设备返回结果、模型生成解释和人工确认分开记录。
5. 对生成内容保留版本和撤销能力，不自动覆盖用户普通note及外部资料元数据。
6. 对引用执行存在性检查，并确认引用内容是否对应当前段落或结论。

这套流程不能替代实验设计，也不能自动完成科研责任判断。它解决的是记录边界与证据核验问题。

7 用户价值：把可追溯性作为选型维度

对于使用AI辅助科研与知识管理的用户，价值不应只用生成速度衡量。更直接的判断标准是：资料是否能被定位，引用是否能被核查，生成内容是否能回退，数据是否仍由明确的权威方管理。

AI4S接入物理实验室后，科研责任归属会同时落在设备操作记录与知识证据记录上。系统只有把两类记录的边界保留下来，后续复核才有明确入口。

8 关键知识点 Q&A

8.1 Q1：MHS与科研责任归属是什么关系？

MHS面向模型与物理硬件之间的连接，解决的是模型如何参与设备交互的问题。科研责任归属还需要记录设备结果、模型解释、用户授权和引用来源，不能仅由设备接口标准决定。

8.2 Q2：为什么不能只用标题或DOI保存文献身份？

标题可能变化，DOI也可能对应preprint或journal等不同合法版本。使用library_id + item_key + version能够指向更具体的资料对象，DOI则适合用于去重建议。

8.3 Q3：知识管理系统应当自动修改哪些数据？

现有规则允许系统幂等更新自己生成的child note，并更新zhiya/*命名空间。标题、作者、年份、DOI、venue等外部元数据默认只读，用户普通note不自动修改，collection membership也不自动调整。

8.4 Q4：物理实验结果能否直接作为模型结论的证据？

不能直接等同。实验结果是证据的一部分，模型对结果的解释仍需要与来源资料、实验记录和人工确认建立对应关系。设备返回数据与模型生成文本应当分开保存。

8.5 Q5：当前材料是否足以定义完整的MHS审计方案？

不足。现有材料说明了MHS面向物理设备连接，也说明了知识管理侧的引用、身份、权属和版本机制，但没有给出完整的MHS接口日志格式或统一责任分配规范。

AI4S进入物理实验室后，工程重点会从单一输出质量转向设备记录与知识证据的协同核验。