方法论与证据分级：来源、适用范围、AI 披露与纠错流程

本站所谓“循证”不是自称做过医学系统综述，也不是把论文数量当成真理投票。它是一套编辑约束： 每个结论必须说明证据来自哪里、证据能回答什么、又不能回答什么。

技术文章最常见的错误不是写错一个数字，而是从二手博客抄一个数字，再把它从一个房间、一个设备、 一个版本推广成普遍规律。本页公开我们如何避免这种错误，以及发现错误后如何修正。

1. 先区分结论类型

同一个来源对不同结论的支持强度不同：

文章必须使用与结论强度匹配的动词。实测写“本次样本测得”，推断写“更可能”，未验证写“未知”， 无法复现的营销主张写“声称，但未独立验证”。

2. A–E 证据等级

A 与 B 也不是简单的高低关系：标准回答“规范是什么”，论文回答“某方法在什么实验条件下有效”， 实测回答“这台设备这次发生了什么”。不能拿 A 级标准去替代 E 级性能测量，也不能拿一篇论文去替代 对当前固件版本的复现。

截至本页最近一次更新，来源登记表共收录 51 条经核实来源（A 2 / B 16 / C 25 / D 3 / E 5）。每条记录包含 标题、作者/机构、年份、链接或 DOI、核实方式与日期；文章只能引用登记表中的固定 ID。

3. 发布前的核实流程

3.1 外部来源

1. 先写可被推翻的结论：明确对象、变量、单位和适用条件；
2. 优先找一手来源：论文 DOI、标准页、官方文档、源代码/Release，而不是二手转述；
3. 确认读到的是哪一层：摘要、正文、附录、官方页面还是社区讨论，并在登记表里记录；
4. 核对元数据：论文用 DOI/CrossRef 检查标题、作者、年份、会议或期刊；
5. 保存原文关键句：官方文档和平台规则记录原句、抓取日期与可访问链接；
6. 检查版本：软件命令、固件、API 和政策都会变化，文章必须写清适用版本；
7. 做交叉验证：有争议或高风险结论至少需要两个独立来源，或用一个可复现实验闭环；
8. 降级不确定内容：找不到强证据时删除、标“未知”或明确写“推测，尚待验证”。

标准与综述帮助建立背景，例如 802.11bf 项目页能证明 WLAN Sensing 已成为标准化工作 ^[2]；它不能证明任何现有路由器已经达到某个感知精度。

3.2 一手实验

一个 E 级结论至少需要：

• 设备型号、固件/软件版本、日期与环境；
• 原始数据或可复现的最小样例；
• 解析/分析脚本及版本；
• 明确的质量门控、排除规则和失败记录；
• SHA-256 或 DOI 版本；数据修订后生成新版本；
• 同一结论的关键数字能从原始数据重算。

公开的 10 分钟抓包与工具链是本站 E 级证据的基础 ^{[3] [4]}。 “串口有数据”“图看起来像呼吸”不属于验证；记录数、时间轴、空档、矩阵形状和哈希必须能对上。

4. 从来源到文章的审查清单

自动化构建、链接检查和截图 QA 只能证明网站结构可访问、布局没有溢出，不能证明论文结论正确， 也不能证明设备性能。技术 QA 与事实审查是两条独立流程。

5. 搜索与选择来源

本站不是系统综述，不宣称检索穷尽。工作流通常包括：

1. 用 Crossref/DOI 找论文的权威元数据；
2. 用论文正文与参考文献寻找原始实验；
3. 查官方标准、文档、代码和 Release；
4. 用 GitHub API/README 核实工具仍存在、许可证和最近更新时间；
5. 对营销宣传另找独立论文或复现，而不是把热度、Star 数当准确率；
6. 记录检索日期。页面没有写“截至 2026-10-29”的历史事实，不应被理解为永久有效。

“被引次数高”只说明影响范围，不自动说明论文正确；“官方发布”只说明发布主体，不说明产品性能； “开源”也不等于经过安全审计。

6. 数据、图表与版本

• 原始数据与可视化分开保存，颜色映射不能改变数值；
• 训练/验证按 session 或时间切分，禁止相邻窗口随机泄漏；
• 报告中位数、分位数、样本量和失败次数，不只挑一张最好看的图；
• 95.5 条链记录/秒、12.68 个闭合组/秒 与 过滤后 12.64 组/秒 分别标注，不把链记录当快照 ^[3]；
• 任何统计口径、分片或字段修订都同步更新 manifest、SHA-256 和页面；
• 已发布数据如果改变数值含义，新增版本，不静默覆盖旧版。

7. AI 辅助披露

本站允许 AI 辅助完成资料整理、草稿、翻译、代码建议、站点实现和测试脚本生成，但采用以下规则：

1. AI 不是来源：不能出现在参考文献里，也不能用“模型说”证明事实；
2. 外部事实必须回到一手来源：论文、标准页、官方文档或真实数据；
3. 代码必须运行：生成的命令、解析器或 YAML 要经过语法检查、样例执行或明确标为未验证；
4. 作者承担责任：署名作者对最终发布内容、引用和风险负责；
5. 不生成虚构引用、实验结果或用户证言；
6. 涉及医疗、安全、隐私的结论提高审查等级，不能仅凭流畅文本发布。

AI 可以提高整理与校对效率，但它也会自信地编造 API、数字和引用，所以“看起来合理”不构成证据。

8. 商业关系与独立性

• 广告、联盟链接和赞助会在页面明确标注；
• 商务合作不能购买有利结论、排名或删除负面实测；
• 没有实测的产品不作性能背书；
• 审核期间商业页可暂时 noindex，但文章中的技术结论不因广告状态改变；
• 产品价格、费率和可用性属于 C 级事实，必须按抓取日期更新。

9. 分级纠错

一手数据若改变，必须更新校验值；必要时在 Zenodo 发布新版本并保留旧 DOI。来源被撤稿、被更正或官方文档 失效时，文章应在下一次审查中降级或重写，而不是保留旧结论。

10. 适用范围与责任

本站用于技术研究与学习。人体感知内容不是医疗器械，不构成诊断、安全认证、保险或法律建议； 部署前必须取得授权、告知同住者，并满足当地隐私法规。任何自动化动作都应有失败策略和人工复核路径。

发现错误、无法复现或引用失效，请附页面 URL、具体段落和证据发到 okwujun@gmail.com。可复现的反例会优先处理。

参考清单在页面末尾自动生成；来源数量与等级会随登记表更新。