当前进展与边界
代码助手和自动分析工具能加快探索，但研究者仍需确认数据处理是否符合研究设计与领域规范。
为什么这仍然很难
隐性的数据筛选、依赖版本和多重比较可能改变结论；看似运行成功的代码也可能回答了错误的问题。
值得尝试的探索路径
要求分析以可执行脚本和锁定环境交付；把每次转换、排除条件和统计决策记录为可审查步骤。
如何判断方案真的有效
由独立人员从原始数据重跑结果，比较主要结论、敏感性分析和环境复现成功率。
FIELD NOTE / 29
让数据分析过程可复现，而不只生成漂亮图表
使用 AI 协助清理数据、编写分析代码和检查统计假设，同时保留完整环境、参数和人工修改记录。