AI 画得再漂亮，不能复现也不算交付。

一张图表看着像那么回事，很容易让人放松警惕。Anthropic 新发布的 Claude Science 把科研 AI 的合格线往前推了一步：每个结果都带可审计历史，图表不仅要给图片，还要留下生成它的代码和环境。这个标准放到任何数据工作里都成立。

官方给出的交付内容很具体。生成一张图时，它会同时保存准确代码、运行环境、通俗说明和完整消息历史。过几个月再打开，别人仍能看见数据怎么变成这张图；把坐标轴改成对数、去掉网格线，改的是背后的代码，不会只在图片上糊一层新像素。很多 AI 交付最后只剩一张截图，问题也就藏在截图后面。

这背后有个朴素标准：另一个人沿着同样的数据、代码和环境，能重新得到结果。少一个环节，错误就可能藏在漂亮图里。重新问一次 AI，不叫复现。

如果要把它变成自己的交付要求，可以保留5样东西：原始数据与版本、处理代码、运行环境、引用证据、修改历史。报告里的关键数字还要能从数据重新算出来，图表要能对应到生成代码。科学论文需要，经营分析、市场报告、用户研究也一样需要。

最小版本不用搭一套复杂系统。一个项目文件夹里放原始数据、一段可运行脚本、一份环境说明，再写清图表改过什么，就已经比单独扔一张图片可靠得多。交接时让另一台机器或另一个同事重新跑一次，跑不出来就说明证据链还断着。这个动作不高级，甚至有点笨，但信任往往就靠这种笨办法积起来。

Claude Science 还配了一个审阅智能体，专门检查引用、计算，以及图表和底层代码是否一致，发现问题会标出并修正。它也允许从同一会话分出两条支线比较不同方法，而不丢掉原来的过程。这说明审核最好和生成分开，至少让第二双眼睛不被第一遍思路牵着走。

官方仍把产品标成 beta，审阅智能体也不承担最终责任。它能增加证据和复查，却无法证明科学结论必然正确。工具会变，交付标准可以先定下来。

最后交付的不能只是一张结果图，还得让别人沿着数据和代码重新跑一遍。

#马力的AI知识分享#