如果有人问“这一段是怎么写出来的”，你能找到最早的草稿吗？能说明引用来自哪篇文献、这个判断依据哪张表吗？
很多人在提交论文之前才开始找这些材料。聊天记录散在几个工具里，文件名从“最终版”排到“最终修改版”，检测报告又对应不上正文。真正耽误时间的，是无法还原修改过程。
围绕AI率与数字水印的讨论越来越多，作者可以先完成一件确定有用的事：给自己的论文留下一份读得懂的写作记录。
先理解变化，但不必被技术名词牵着走
公开的文本水印研究尝试在生成阶段留下来源信号。例如，Google DeepMind介绍过SynthID用于生成文本的标记与识别。它解决的是来源识别的一部分问题，不会替作者保存文献阅读、数据分析和修改决定。
所以，无论你遇到的是现有AIGC报告，还是今后其他类型的来源提示，自己的研究材料仍要自己管理。
这里不讨论如何消除信号。对一个需要讲清研究过程的人来说，能够解释每次修改，更值得投入时间。
文件夹一：把每个结论接回材料
不要只收藏文献PDF。给真正使用的材料写一个简短索引：来源是什么，支持正文哪一段，具体位置在哪里。
比如文献综述中的一句判断，记录对应文献与页码；访谈结论对应转录编号；数据分析结果对应表格或输出文件。以后段落重排，也能找回证据。
如果某句话暂时没有支撑，标成“待补依据”，比把它写得更委婉有用。语气审慎不能代替材料本身。
文件夹二：给修改版本加上可识别的名字
可以使用“日期_章节_修改目的”的格式，例如“0918_方法_补采样说明”。保留一份修改前版本，再保存修订稿，避免直接覆盖。
记录不用复杂。每轮改完写三行：处理了哪里，为什么处理，哪些地方还未决定。涉及数据和结论的改动，要说明依据；纯排版调整可以合并记录。
这样导师提出问题时，你不用凭记忆回答，也不会误把旧稿里的表述重新贴回去。
文件夹三：把AI辅助的范围写具体
“用了AI”包含很多不同操作。检索词整理、语法纠错、翻译参考、段落改写，需要分别记录。
一份简单记录可以包含：工具名、处理日期、输入范围、任务要求、采用的修改，以及你的复核结果。正式披露时再按学校或期刊格式整理，不把个人笔记直接当成统一声明模板。
如果修改稿新增了事实，回到来源核实；如果仅调整表达，也检查是否改变了原来的判断强度。保留你拒绝采用的建议，有时更能帮助下次改进任务说明。
文件夹四：让检测报告与正文一一对应
报告旁边保存实际提交的文稿，不要只有截图。注明平台、日期、文件版本和检测范围，再记录标记段落处理到了哪一步。
假如同一天测了两版正文，就分别归档。否则几天后只剩一个百分比，你很难判断分数变化来自哪里。
有适配的AIGC报告时，可以让ReduceAIGC提取标记部分做针对性处理。核对提取内容及计费字符后提交，下载结果后保留原段与改段，再记录最终采用的版本。报告定向降AI按标记字符计费，实际金额仍需看订单。
从今天这一次修改开始就够了
不必追溯到每个标点。先把当前稿、对应报告、依据材料和本轮修改说明放在一起。下一次只在这套记录上继续补。
一份好的修改记录，应该让未来的你也看得懂。 它能告诉你论文改过哪里，哪些判断有依据，哪些辅助需要说明。无论检测技术如何变化，这些信息都直接服务于论文的修订和解释。
资料参考：Google DeepMind 关于文本水印的介绍。归档结构与示例为本文整理建议。
