如何将已完成的研究项目转化为可复用的知识库

一个已完成的项目通常会留下演示文稿、备忘录和一堆 PDF 文件。它很少留下的是知识库——一组结构化的记录，让另一个团队能够接手、审计并扩展，而无需重读所有内容或重新执行检索。差距不在于投入的努力；而在于项目的收尾工作通常被框定为“交付成果物”，而不是“将成果物转化为可复用的证据”。

本指南将这一转化视为一个刻意的收尾阶段。你将诊断项目实际处于什么状态，决定知识库必须包含什么，按固定顺序构建并设置检查点，并应用停止和升级规则，以便你知道结果何时可以交接。贯穿全文的示例是一个面向客户的研究演示文稿，它必须延续到下一季度的工作中。

大多数团队以三种状态之一进入这项任务。明确你的状态可以防止你先构建错误的层次。

状态 1——仅有成果物。 你有一份已完成的演示文稿或备忘录。来源存在于某处，但特定主张与特定来源之间的联系保存在某人的记忆或评论线程中。这是最常见、也是最昂贵而不处理的状态。

状态 2——成果物加来源堆。 你有交付物和一堆论文，但没有记录每篇论文为何被纳入、它支持了什么，或者团队对从中得出的主张有多大信心。

状态 3——部分结构。 你有一些组织——一个参考文献管理器、一个带有命名约定的共享驱动器——但该结构是为项目构建的，而不是为复用构建的。条目可能在文件夹之间重复，状态是隐含的。

一个快速诊断：从你的演示文稿中挑选三个承重主张，尝试在两分钟内将每个主张追溯到一个来源记录和一个明确的置信水平。如果你做不到，无论文件夹看起来多么整洁，你都处于状态 1 或 2。

一个可复用的知识库是由它以后能回答的问题来定义的，而不是由它包含的体量来定义的。在构建之前，写下下一个团队会问的问题。对于一个客户研究演示文稿，一组现实的问题是：

• 演示文稿中哪些主张有支持，由哪些来源支持？
• 我们对每个主张有多大信心，什么会改变这种信心？
• 哪些来源被考虑过并被排除，为什么？
• 在新情境中复用之前，我们需要重新核查什么？
• 项目已关闭，现在谁拥有证据基础的每一部分？

这些问题直接映射到你将构建的成果物：主张登记表、带来源出处的来源登记表、排除日志、重新核查清单和所有权记录。如果一个提议的成果物不能帮助回答这些问题之一，它就是可选的。

两个约定完成了使知识库可复用的大部分工作，而且两者在开始前设定成本低廉，事后改造则代价高昂。

来源出处。 每条来源记录都应携带足够的信息，以便再次找到该条目并理解它如何进入项目。至少包括：一个稳定的标识符或引文、它来自的检索或渠道、捕获日期，以及它支持的具体主张。如果你的项目涉及结构化检索，请按照系统综述指南推荐的方式记录过程——根据资格标准规划检索、使用多个来源、将自由文本词与主题词结合、记录过程、去重记录并分阶段筛选。Cochrane Handbook 关于检索和选择研究的指南是记录化检索过程的一个有用参考，PRISMA 2020 提供了报告模板，包括流程图模板，使检索和选择透明化。你不需要运行系统综述来借用这种纪律：重点是未来的读者能看到证据是如何被找到的，以及为什么被保留。

置信度。 为每个主张附加明确的水平，而不是为每个来源。一个简单的三级量表就有效：高（多个独立来源一致，或单一权威来源直接陈述）、中（一个可信来源，或来源一致但共享一个局限性）、低（推断、间接支持，或具有已知限制的单一来源）。用一句话记录该水平的理由。理由使水平可复用；一个光秃秃的标签会招致虚假的精确性。

主张登记表是你将产出的最有价值的成果物。它将叙事性演示文稿转化为一组可检验的陈述。每个主张一行，包含以下列：

通过逐条遍历演示文稿的主张来构建登记表。如果某个主张没有来源，明确标记为无支持，而不是删除它——这个缺口本身就是给下一个团队的信息。如果一个主张引用多个来源，列出所有来源；如果多个主张引用一个来源，这没问题且符合预期。

检查点 1： 演示文稿中的每个承重主张都有一行，且每一行都有来源 ID 或明确的无支持标记。在这一点成立之前不要继续。

主张映射完成后，构建来源登记表。每一行都应让读者找到条目、理解它为何在那里，并看到哪些主张依赖于它。

去重比看起来更重要。同一篇论文可能通过多次检索进入项目，重复记录会夸大表面上的支持。参考文献管理器能很好地处理这一点：Zotero 的重复条目集合支持审查和合并，其集合可以将一个条目放入多个项目分组而不重复。即使你不使用 Zotero，第二个特性在概念上也值得复制——一个来源应存在一次，并从多个主张中被引用，而不是复制到多个文件夹中。

标签是另一个可复用层。Zotero 标签可以描述主题、方法、状态或工作流，这正是知识库所需的词汇：未来的读者可以按方法或状态筛选，而无需知道原始项目结构。采用一个小的受控标签集——主题、方法、状态和工作流是合理的起始四项——并一致地应用它。

如果你的项目涉及结构化文献检索，这也是你记录检索策略和筛选决策的地方，包括在全文阶段被排除的条目及原因。排除日志防止下一个团队重新筛选相同的记录。

检查点 2： 没有来源以不同标识符出现两次，且每条来源行至少命名一个主张或作为背景纳入的明确理由。

考虑一个团队已经交付了一份关于市场问题的 40 页客户演示文稿。该演示文稿包含大约 60 个事实性主张，引用 28 个来源，其中 4 个在筛选期间被排除。

收尾按顺序进行。首先，团队写下五个复用问题并确认成果物清单。其次，他们设定置信度量表并写一个示例行，以便每个人以相同方式应用它。第三，他们构建主张登记表：60 行，其中 52 行映射到至少一个来源，6 行标记为无支持并标记用于客户对话，2 行标记为团队推断且置信度低。第四，他们构建来源登记表：28 行，从原始 34 条记录去重而来，每条按主题和方法标记，每条列出它支持的主张。第五，他们写下排除日志，包含 4 个被筛除的条目及原因。第六，他们写下重新核查清单：6 个无支持主张、2 个推断，以及任何置信度理由提到共享局限性的主张。

在交接时，下一位分析师可以打开主张登记表，筛选出中低置信度，并确切看到演示文稿的薄弱之处——而无需阅读 40 页幻灯片或重新执行一次检索。这就是可复用性的测试。

工具应嵌入上述顺序，而不是取代它。有几个自然的放置位置。

当项目需要在收尾前扩展或刷新其证据时，通过学术检索界面如 WisPaper 检索 运行新的检索，并将结果记录保存在同一个来源登记表中，而不是单独的文件夹。如果收尾包括更长的综合任务——例如，起草将伴随知识库的文献摘要——Scholar Agent 区域专为包括文献综述在内的较长研究任务而构建。将保留的论文保存或上传到 我的文库，以便来源集存在于一个有条理的地方，而不是分散在各个收件箱中。当下一个团队需要直接询问保留的论文时，文库问答 支持基于上传到我的文库或从检索结果添加的论文提问——这是在委托新工作之前快速检查证据基础实际说了什么的方法。

还有一个放置位置特定于引文层。如果你的知识库包含 BibTeX 文件，请通过 TrueCite 运行它，它会对照真实学术数据库检查 BibTeX，以标记幻觉参考文献。这属于最终验证检查点，在来源登记表稳定之后，这样你检查的是一个已确定的列表，而不是一个变动的列表。

知识库在通过关卡时才算就绪，而不是在感觉完整时。使用这些规则。

在继续之前停止并修复，如果：

• 一个承重主张没有来源且没有无支持标记。
• 同一来源以两个标识符出现。
• 一个置信水平没有理由句。
• 一条来源行不支持任何主张且没有声明的背景理由。

升级到项目所有者，如果：

• 一个无支持主张曾面向客户且客户尚未被告知。
• 两个来源冲突而演示文稿只呈现了一方。
• 一个来源的出处无法重建——你知道它被使用了，但不知道它是如何被找到的。
• 一个主张的置信度依赖于团队无法评估的局限性。

完全停止收尾，如果： 主张登记表无法与交付的演示文稿对账——也就是说，演示文稿包含团队无法解释的主张。先对账；建立在未对账演示文稿上的知识库会传播这个缺口。

在宣布知识库完成之前，运行这份就绪检查清单。每一项都是二元的。

• 复用问题已写下，且每个至少映射到一个成果物。
• 每个承重主张都有一行登记表，带有来源 ID 或无支持标记。
• 每个主张行都有置信水平和一句话理由。
• 来源登记表已去重，且每一行都有出处。
• 标签使用涵盖主题、方法、状态和工作流的受控词汇。
• 排除日志记录了被筛除的条目及原因。
• 重新核查清单捕获了无支持主张、推断和共享局限性主张。
• 每个成果物都有指定的关闭后期间所有者。
• 第二个人已从演示文稿到来源再返回追溯了三个随机主张。

最后一项是真正的测试。如果一个没有构建登记表的同事能在两分钟内将一个主张追溯到其来源并返回，知识库就在发挥它的作用。

先构建来源登记表。 团队通常从整理 PDF 文件夹开始。那产生的是一个文库，而不是知识库，因为没有任何东西将来源与主张联系起来。从主张登记表开始。

将置信度视为来源属性。 一个单一来源可以在一种情境中支持一个高置信度主张，在另一种情境中支持一个低置信度主张。置信度属于主张-来源关系，这就是理由句重要的原因。

让排除日志不被写下。 被排除的条目是收尾中最常丢失的信息，而它们正是防止下次重复筛选工作的东西。

跳过对账步骤。 如果登记表和演示文稿不一致，登记表就不是权威的。在交接前对账，而不是之后。