在AI许可参与写作的大背景下，传统的引文标注方式未必是合适的，传统的标注要求使得写作者不得不做许多劳而无益的琐事。那么，在AI许可参与写作的大背景下，引文标注的基本准则是什么？在当前环境下，什么样的引文标注方式是更合理、更有效的方式。

在AI深度介入写作的当下，传统引文标注体系遭遇根本性挑战。传统方式以“固定文本—明确作者—确定版本”为基础，强制为每一次生成内容提供其作者、标题、页码，这些“劳而无益的琐事”不仅加重写作者负担，更掩盖了人机协作的真实知识生产方式。据此，我们需要回到引文的本源功能，重新厘定AI参与写作下的标注准则，并设计一套既严谨又高效的变革方案。

一、  传统引文标注在AI语境下的失能

传统引文的学理基础源于学术交流的三大功能：溯源验证（可复现）、贡献归属、论证支持（权威性）。这三大功能高度依赖文献的“固定性”——固定作者、固定版本、固定页码。但在AI参与写作中，这个前提几乎全面瓦解：

1.非确定性输出：相同提示词、不同时刻调用同一模型，可能产生不同文本。传统引用所追求的“翻至某文献某页验证”变得不可能。

2.无作者性与责任主体虚位：大型语言模型不具备法律与伦理上的作者资格，强行将其列为“作者”造成责任的虚假分散。

3.交互性与过程性：有效输出往往来自多轮对话、修改与挑选，成果属于人机交互的“过程产物”，而非单一静态文献。

4.规模琐碎化：若为每一次生成、每一次改写都按传统格式创建参考文献，文献列表将迅速膨胀为低信息密度的流水账。

这表明，将AI输出直接套入“文献-引文”的旧框架，是不适用的、无效的。我们需要为一种全新的知识生产主体——过程性的人机协作——重新设计标注的逻辑基础。

二、引文标注的重构：基本准则

在AI许可参与的写作中，引文标注不应减弱反而应强化其本质目的：使知识生产链条透明化、可理解与可问责。由此可衍生出四项核心准则：

1. 责任归位的透明性准则（Accountable Transparency）

准则要义：任何标注的首要任务是指明“谁为这一段陈述承担学术责任”，而非机械套用作者格式。

AI不是责任主体，写作者本人是唯一的最终责任人。因此，标注必须以宣告写作者在何处、以何种程度使用了AI为第一义，杜绝让算法承担本属于人的责任。这一准则将标注从“来源索引”转向“贡献声明”——它回答的不是“这话是谁说的”，而是“这段话是如何被生产出来的”。

2. 可重建的可验证性准则（Reconstructable Verifiability）

准则要义：提供足够且必要的信息，使同行评议者与读者能够重建、理解并评估人机交互的关键节点，而非逐字复现。

由于完全复现确定性不再可能，验证目标应从“查阅固定原文”转向“理解生成条件与交互逻辑”。需要披露的信息包括：所用模型（含版本）、关键提示词策略、参数设置、后处理方式，以及输出在其中扮演的角色（初稿、改写、局部生成等）。这类似于实验方法中的“仪器与程序”说明，而非对某一永恒文本的定位。

3. 区分标记的归类性准则（Categorical Differentiation）

准则要义：清晰划界人类原创、AI直接生成、AI辅助改写、AI提供构思等不同参与层次，避免文本权威性混淆。

写作并非“全部自己写”与“全部AI写”的二元对立。一份严谨的标注体系必须能承载不同层级的区分，使得读者可以据此对不同部分赋予不同的置信度与解释策略。这种区分不仅诚信，更是对读者认知负荷的尊重。

4. 最小充分的信息效率准则（Minimal Sufficient Informativity）

准则要义：以最小标注成本传达最必要的透明信息，坚决剔除传统形式带来的“虚假精确”与重复劳动。

传统格式要求著录作者、日期、标题、来源、页码等，其中大部分对于AI输出来说或是虚设（作者），或不可得（页码），或缺乏区分力（同一日期下无数次对话）。新准则要求只记录具有实质区分功能和验证功能的要素，禁止为了格式整齐而制造冗余信息。这正是对“劳而无益琐事”的系统性矫正。

三、更合理、更有效的标注方式设计

依据上述四项准则，当前环境下更为合理的方式并非在旧格式上修修补补，而是采用一种 “声明—标记—记录”三层架构，将AI参与信息从传统参考文献列表中解放出来，重构为独立的“方法学透明层”。

1. 宏观层：AI使用声明（取代文献条目）

在文末设立“AI辅助声明”部分，不作为参考文献的子集，而是一种新的学术体裁元件。内容包括：

· 工具描述：模型名称、版本、开发商、访问时间范围；

· 使用范围与层级：说明AI在何种任务中参与（如选题构思、初稿生成、语言润色、数据整理等），对应上述区分标记；

· 交互策略概括：关键提示词的设计思路、多轮修正的总体过程，不要求穷举；

· 问责声明：写作者确认对所有最终内容承担全部责任，并已对AI输出进行严格审校。

这一声明替代为每一片段生成“文献条目”的琐碎劳动，一次性完成最高层级的透明承诺。

2. 微观层：内文分段标记（取代作者-日期夹注）

在正文内部需要具体指明AI参与位置的，采用轻量、无侵入的功能标记符号，例如：

· [¶AI-gen]：该段落主体由AI直接生成，经作者修改；

· [¶AI-edit]：作者撰写，AI进行语言润色或结构建议；

· [idea-AI]：关键观点或论证框架由AI提示获得。

标记可直接以角标、括号或排版差异（如灰底）呈现，不打断阅读，却清晰完成贡献归属的类别划分。这种标记回答了“这一块文本的生成过程如何”，远比作者年份信息更具认知价值。它将作者从“为每一次生成文献条目”中彻底解放，只需在写作中自然标注类型即可。

3. 补充层：重要交互的“方法附录”（可选，用于高度敏感或复现关键的输出）

对于对论证起核心支撑作用且读者复现意愿极强的AI生成内容，可以提供精简版“提示-输出”记录，或会话共享链接。这类似于定量研究中的问卷或实验材料附录，而不是将全部交互日志倾泻为参考文献。

若涉及他人隐私或会话过长，可只给出可验证的结构元数据（如提示词摘要、参数、输出要点），或通过永久存档（如图书馆托管对话快照）来满足长远验证需求。这种选择性的深度记录，遵循最小充分准则——只在确有必要时提供最多信息。

四、学理正当性与可行性

这套方案的理论基础在于：将“引文”从文献寻址行为，重新定义为知识生产过程的元数据描述行为。它满足四项准则：

· 所有标注均指向写作者的责任归位，无虚假作者；

· 通过模型、提示策略、角色的记录，实现可重建验证；

· 通过体内标记与声明分层，实现高分辨率的区分；

· 将重复性条目劳动一次性解决，达成信息效率最优。

结论：在AI许可参与写作的大背景下，引文标注的基本准则应当从“固定文本溯源”转向“责任透明的过程标注”，其核心是责任归位、可重建验证、类别区分与信息效率。当前环境下，最合理有效的方式是抛弃将AI输出强行编目为传统文献的做法，代之以“AI使用声明—内文分段标记—必要交互记录”的三层结构，让标注回归其为学术诚信与知识生产透明化服务的本质，同时把写作者从大量无意义的格式化琐事中彻底解放出来。

支持单位：