在生成性人工智能的推动下，大型语言模型能够在几秒钟内生成看似学术的文本，但流畅性并不等同于有效的解释。最深层的风险不仅在于事实错误，更在于缺乏明确来源、页码、版本或证据的解释似乎已经确立。
我们将页锚比作亚里士多德的线索：在生成流畅性的迷宫中，它是引导学者返回源头的线索。本文提出可追溯学术作为AI辅助人文学科研究的最低规范条件，涉及知识基础设施的三次革命：印刷、数字和生成性AI。
我们引入了页锚、双页码、引用优先生成、无证据、人工验证、四级合规和范围合同，并展示了AIH-Infra作为三层参考实现：Contexture（文档结构）、Open WebUI AIH-Infra（可追溯知识库）和AIH-Infra MCP Server（代理网关）。
通过对29卷《康德学术版》的案例研究，说明了可追溯性如何支持检索修正、证据评分和判断降级。可追溯性不仅仅是软件功能；它是人文学科研究在生成性AI时代保持公共性和可反驳性的条件。
博主点评： 本文深入探讨了生成性AI在学术研究中的应用，强调了可追溯性的重要性。这一理念不仅为人文学科提供了新的方法论，也为未来的学术诚信奠定了基础。