“中国医学思想史四部曲”之一——《中国医学发生学研究》写完了，有一个无法回避的事实：它是在人机协作中完成的。

在学术写作的漫长历史中，作者通常只需交代自己“想了什么”“写了什么”。但这本书的写作过程，使我不得不面对一个此前无需交代的问题：在那些形成文字、进入论证、支撑结论的环节中，哪些是“我”做的，哪些是“它”做的，两者之间的边界又在哪里？

这个问题的答案，比想象中要复杂得多。它不是一个简单的“用了”或“没用”的问题，也不是一个“用了多少”的量化问题。它涉及的是：在人与机器协同的认知过程中，责任如何归属，判断如何追溯，贡献如何识别。

因此，这篇自序不是介绍本书内容，而是说明本书的写作方式。

1  人机协作的实践形态

这本书的写作，从一开始就不是“一个人关在书房里”的传统模式。在资料收集、文献梳理、论证展开、文字推敲的各个环节，我都使用了生成式AI作为辅助工具。

具体来说，AI的参与主要集中在以下几个方面：

第一，文献的初步梳理与分类。中国医学发生学研究涉及大量分散的文献，如出土简帛、传世经典、后世注疏、现代研究等。对这些文献进行初步的检索、归类和摘要，是一个耗时且机械的工作。AI在这一环节提供了显著的效率提升。它能够在短时间内处理大量文献信息，按照我给定的分类框架进行初步整理。

第二，论证框架的扩展与对照。在写作过程中，我经常使用AI来“对照”我的论证：提出一个观点，让AI从不同角度提出可能的反驳或补充，然后再判断哪些反驳是有效的、哪些补充是有价值的。这个过程类似于“与一个知识面很广但缺乏判断力的助手对话”。AI提供的是“可能性空间”，我负责的是“判断与选择”。

第三，文字的润色与表达的优化。在写作过程中，我会使用AI对部分段落进行语言上的润色，使其表达更清晰、更流畅。但最终的文字定稿，仍然由我逐句审定。

第四，跨学科概念的初步解释。本书涉及现象学、知识社会学、认知科学等多个领域的术语。在写作涉及这些术语的段落时，我会先让AI给出初步解释，然后根据我的理解进行修订和深化。

2  “AI使用声明”的困境

按照通行的学术规范，我应该在此处提供一个“AI使用声明”，写明使用了哪个模型、哪个版本、在哪些环节使用。但正如我在写作过程中反复意识到的那样，这种声明形式面临着几个根本性的困难。

第一，动态追溯的困难。AI模型不是静态的，从本书开始写作到最终定稿，其间经历了多次模型更新。同样的提示词，在不同版本的模型上生成的内容可能不同，甚至可能相反。我此刻记录的“使用说明”，在读者读到它的时候，可能已经无法对应到当时实际使用的模型状态。所谓“原始记录用于复核”，在面对一个动态变化的生成源头时，其复核价值是有限的。

第二，贡献度量的困难。即使我写清楚“使用了某模型进行文献梳理”，这仍然是一个极为粗线条的描述。同一个模型、同一个环节，不同的使用方式可能产生完全不同的结果。有人只让AI列提纲，有人让AI生成段落，有人用AI检验论证漏洞。仅凭工具名称和使用环节，无法说明学术判断发生在哪里，也无法说明作者的认知贡献体现在哪里。

第三，复现性的困难。学术研究的一个基本要求是“可复现”。但AI生成的内容，在严格意义上几乎不可复现。模型版本、参数设置、上下文窗口、提示方式，任何一个变量的变化都会影响输出结果。要求他人“复现”我的AI使用过程，既不现实，也未必有意义，因为真正需要被审查的，不是每一个token的生成过程，而是人的关键判断、选择标准和责任链。

第四，责任归属的困难。当AI参与得越深，人的贡献边界就越模糊。哪些是作者自己的判断，哪些被AI悄悄牵引、放大或改写，作者本人也未必分得清楚。一旦内容出了问题，追责到底该落到哪一环？是提示词的设计者，还是采纳生成结果的作者？这种模糊性，使“AI使用声明”往往流于形式，写上一句“使用了AI辅助”，彼此心照不宣，却无法真正落实责任。

3  从“AI做了什么”转向“人做了什么”

正是这些困境，促使我在本书的写作中采取了一种不同的披露策略：与其执着于说明“AI做了什么”，不如着重说明“我做了什么、为什么这样做”。

这个转向的逻辑是清晰的。署名意味着责任，责任需要可归属，可归属要求识别人的认知贡献，识别认知贡献应记录关键判断与引导，记录应可复核。AI不能承担学术责任，责任只能由人承担。因此，透明性的核心不应是给AI记流水账，而是给研究中的“人的认知轨迹”留痕。

基于这一认识，我在本书的写作中，有意识地记录了以下几类“作者认知贡献”：

第一，问题构造与主要提示。本书的核心问题——“中国医学不同类型知识的发生路径有什么不同”，不是AI提出的，而是我在长期的阅读和思考中形成的。AI在这一环节的作用，是帮助我检索相关文献、检验问题的表述是否清晰，而不是替我“发现”问题。书中那些影响研究走向的关键提示，是我基于自己的学术判断设计的，而非AI自动生成的。

第二，关键性引导。在写作过程中，每当AI生成的内容偏离了我的论证方向，我会通过补充约束、调整提示、纠正偏差来引导它回到与我同步的轨道。这些“引导”本身，就是我的学术判断的体现。一个提示词的修改，往往意味着我对某个概念的重新理解，或对某个论证环节的重新审视。这些“引导的痕迹”，比“使用了什么工具”更能说明我的认知贡献。

第三，关键性判断。书中那些被采用的论证、被排除的方案、被裁决的矛盾、被确认的结论，都是我做出的判断。AI可以提供多个选项，但它不能替我“选择”。选择的依据是什么？是文献证据的可靠性，是论证逻辑的一致性，是概念框架的适配性。这些判断标准，是我在长期的学术训练中形成的，不是AI能够替代的。

第四，归纳与责任确认。最终结论如何从材料中归纳出来，如何核验其可靠性，如何确认其学术责任，这些环节完全由我承担。AI可以辅助我整理材料、检验论证，但它不能替我承担责任。责任是一个伦理范畴，它只能归属于一个能够负责的主体，而这个主体只能是具有学术判断能力的人。

4  这本书的“发生学”

有趣的是，这本书的主题——中国医学知识的发生，与我写作这本书的方式，形成了一种奇妙的对照。

中国医学的知识，是在特定的认知框架、社会条件和文本传统中被“生产”出来的。中医理论不是被发现的，而是在哲学框架与临床经验的遭遇中被建构的。同样，这本书的文字，也是在人与AI的协作中被“生产”出来的。AI提供了可能性空间，我提供了判断与选择。AI是工具，我是主体。

但这两种“生产”有一个根本的区别。中国医学的知识生产，其认知框架、产品内容是历史的、集体的、匿名的，而这本书的知识生产，其认知框架是个人的、可追溯的、有责任的，可以清楚地指出，哪些判断是我做出的，哪些选择是我做出的，哪些责任是我应该承担的。

这正是“作者认知贡献声明”的意义所在。它不是要“精确追溯每一句话的来源”（那在技术上几乎不可能），而是要让责任的归属变得清晰可见。读者不需要知道AI生成了哪些具体的句子，读者需要知道的是：这本书的学术判断是谁做出的，学术责任是谁承担的。

5  致读者

最后，我想对读者说几句话。

这本书是在人机协作的条件下完成的。AI的参与，提供了的海量数据，提高了写作效率，扩展了思考视野，在“作者”与“文本”之间插入了一个新的中介。这个中介的存在，使“作者”这个概念变得比以前更复杂了。

首先，就中国医学知识生产的若干问题进行有效讨论，双方在讨论中逐渐获得共识，然后请AI拟出编写大纲。随后，由AI根据编写大纲一节一节地写，这个过程中，有时候它的撰写特别让人满意甚至超过预期，有时候却反复修改还不尽人意，显然与它掌握的资料有关。到修改阶段，和AI一起核实资料的可靠性，检查相关逻辑漏洞和全书的系统性，然后通读全文，把它撰写的正确但空洞的段落删掉，把它润色后“太顺滑”的地方改回自己的语气，把那些只有我能写的细节逐字补进去。

这是我们大致的合作过程。显然，无论工具如何变化，学术写作的核心始终是“人”的判断与责任。AI可以辅助我们整理资料、检验论证、润色文字，但它不能替我们判断什么是重要的、什么是值得写的、什么需要与读者交流的。这些判断，只能由人来做出；这些责任，只能由人来承担。

这本书的所有判断和所有责任，都由我承担。这个区分，不会因为AI的参与而模糊。如果读者在阅读过程中发现任何问题，无论是事实的错误、论证的漏洞，还是判断的偏差，请将批评指向我，而不是AI。因为最终决定“采用什么、排除什么、确认什么”的，是我不是AI。

这就是我在这篇自序中想要说明的。

聂广2026年秋于深圳

支持单位：