先说清楚它是什么：OpenEvidence 属于「垂直行业」方向的在线服务，面向医生的医学文献问答工具。

下面按「现象 → 可能原因 → 处理办法」整理常见问题。

排查表

现象处理办法
输出引用了不存在的条款或文献只接受能追溯到原文的引用，逐条核对。
从业者担心责任问题明确 AI 只做草稿与检索，签字与判断由专业人员负责。
数据合规审批卡住提前准备数据流向说明、供应商资质和合同条款。
识别模型在新场景失效补充新场景的标注数据重新评估。
客户误以为是专业意见在输出中加入明确提示，并由专业人员审核后再发出。

通用排查顺序

  1. 确认账号、额度和网络状态正常。
  2. 用一份简单材料复现问题，排除材料本身的干扰。
  3. 检查设置是否被改动（模型、语言、格式等）
  4. 查看官方状态页或更新日志。
  5. 仍无法解决时整理复现步骤联系官方支持。

用标准任务做对照测试

资料检索与摘要

适用情况：手头有一个专业问题时。

检索与这个问题相关的权威资料，给出摘要并附出处，明确区分「资料原文结论」与「推论」。

交付前确认：区分原文与推论。

延伸练习

专业文档初稿

准备材料：一份行业内常见的文书模板和案情要点。

根据要点起草一份初稿，使用行业规范格式，所有需要专业人员确认的地方用【待确认】标出，不得编造法规条款或数据。

验收标准：待确认处被明确标出。

常见问题：识别模型在新场景失效

补充新场景的标注数据重新评估。

常见问题：数据合规审批卡住

提前准备数据流向说明、供应商资质和合同条款。

常见问题：从业者担心责任问题

明确 AI 只做草稿与检索，签字与判断由专业人员负责。

概念补充：数据驻留

数据存储在指定地区，满足行业或地区监管要求。

概念补充：人在回路

关键判断必须由有资质的人员确认。

适合人群：记者编辑

记者编辑可以用 OpenEvidence 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

适合人群：软件工程师

软件工程师可以用 OpenEvidence 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。

适合人群：医疗机构行政人员

医疗机构行政人员可以用 OpenEvidence 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。

使用提醒

涉及个人信息、商业机密或受监管数据时，先确认 OpenEvidence 的数据处理条款，再决定能否使用。

文中提示词和示例仅作示意，实际效果取决于你的材料和 OpenEvidence 当前版本，重要内容请人工核对后再使用。

延伸阅读