想象一下你正在观看一位魔术师表演戏法。你看到了最终的结果：一只兔子从帽子里出现了。但如果你只盯着兔子看（即“模型”），或者只盯着帽子看（即“数据”），你就会错过最重要的部分：那双隐秘的手势、精准的时机，以及兔子被拉出来的确切瞬间。在计算机科学领域，特别是在我们构建和运行被称为“工作流”（workflows）的复杂计算机程序时，我们非常擅长记录“食材”和“成品菜肴”，却在记录“烹饪过程”方面表现得很糟糕。我们拥有“模型卡”（Model Cards，就像成品菜肴的食谱卡）和“数据卡”（Data Cards，就像食材的标签），但我们缺乏一个清晰、易读的关于“执行过程”的总结——即计算机实际是如何完成工作的步骤化故事。这至关重要，因为如果我们不知道结果究竟是如何产生的，我们就无法信任它，如果出错我们也无法修复它，更无法在日后重现它。

本论文引入了一种名为“工作流卡片”（Workflow Cards）的新工具来填补这一缺失的环节。你可以将工作流卡片想象成一段“精彩集锦”或一份“摘要”，它记录了计算机整个烹饪过程。与其强迫人类或智能计算机程序（称为“大语言模型”或 LLM）去翻阅数以千计、杂乱无章的技术日志以寻找发生了什么，工作流卡片将所有这些数据浓缩成了一个简洁、易读的故事。研究人员通过两种方式测试了这个想法。首先，他们检查了这些卡片是否确实包含了模型卡和数据卡所缺失的新信息。他们发现，是的，工作流卡片包含了关于执行过程的独特细节，而其他卡片并不具备这些细节。其次，他们测试了智能计算机程序使用这些卡片与尝试查询原始数据库相比，在回答有关工作流的问题时表现如何。结果非常明确：当计算机使用工作流卡片时，其给出正确答案的能力几乎比直接挖掘原始数据库结构时翻了一倍。论文指出，通过为人类和人工智能提供一个预先总结好的清晰故事，我们可以让科学计算变得更加透明且易于理解。

科学故事中缺失的篇章

要理解为什么这篇论文令人兴奋，我们首先需要了解现代计算中的“食材”和“成品菜肴”。在人工智能和数据科学领域，研究人员经常创建复杂的程序，称为工作流。这些工作流就像是流水线，原始数据进入其中，经过许多步骤的处理，最后产出结果，例如一个训练好的 AI 模型或是一份天气预报。

长期以来，科学家们一直使用模型卡和数据卡来记录他们的工作。想象一下，数据卡就像一袋面粉上的营养标签；它告诉你面粉的来源、它是如何种植的以及其中含有什么。模型卡则像是蛋糕的菜单描述；它告诉你蛋糕的味道如何、谁制作的以及最适合用于何处。这些对于静态快照来说非常棒。然而，它们并没有告诉你烘焙师实际上是如何搅拌面糊的，烤了多久，或者烤箱温度在过程中是否发生了波动。

这就是溯源性（Provenance）发挥作用的地方。溯源性是“物体历史”的技术术语。它是计算机采取每一个步骤的数字足迹：它接触了哪些文件、等待了多久、使用了什么硬件，以及它做出了哪些决策。虽然计算机非常擅长在庞大、复杂的数据库中记录这条足迹，但要阅读它往往就像是在读一本用秘密代码编写的小说。要找到一个特定的细节，你需要成为一名带着特殊地图的侦探。这使得普通人（甚至包括聪明的 AI 程序）很难快速理解到底发生了什么。

这篇论文解决的问题简单却至关重要：我们能否将那段杂乱、充满秘密代码的足迹，转化为一个清晰、可读的故事，从而帮助我们信任并理解我们的计算机实验？

解决方案：“计算机的精彩集锦”

作者提出了一种名为工作流卡片的新方案。如果说模型卡是菜单，数据卡是食材标签，那么工作流卡片就是烹饪节目的幕后纪录片。

研究人员为这些卡片设计了一个特定的模板。工作流卡片并没有倾倒所有的信息，而是将信息组织成一个故事，回答人类和 AI 真正关心的问题。它包括：

• 设置（The Setup）： 使用了哪台计算机？运行的是什么软件？
• 时间线（The Timeline）： 何时开始？耗时多久？
• 行动（The Action）： 主要步骤有哪些？是否出了问题？
• 结果（The Result）： 最终的输出是什么？

目标是创建一个既足够小到可以快速阅读，又足够丰富到可以在无需挖掘原始数据库的情况下回答复杂问题的文档。

他们的发现：总结的力量

团队通过两种不同的场景对他们的新型工作流卡片进行了测试，以观察它们是否真的有效。

测试 1：这些卡片是否告诉了我们新的信息？
首先，他们将工作流卡片与现有的模型卡和数据卡进行了对比。他们要求一个智能 AI（LLM）仅使用一种类型的卡片来回答有关计算机工作流的问题。

• 当 AI 只有模型卡或数据卡时，它经常出错。它不知道过程中的细节。
• 然而，当 AI 拥有工作流卡片时，它的表现与同时拥有所有卡片时的表现一样出色。
• 最令人惊讶的发现是，当他们从组合中移除工作流卡片时，AI 回答问题的能力下降了一半以上（得分从 0.611 降至 0.265）。这证明了工作流卡片包含了其他卡片根本不具备的独特且关键的信息。这就像仅仅通过看海报和演职员表来猜测电影的情节，却错过了实际的场景。

测试 2：读一个故事是否比查询数据库更容易？
接下来，他们测试了当给予 AI 两种不同类型的信息时，AI 回答问题的表现如何：

1. 基于模式的查询（Schema-based Querying）： AI 被给予了数据库的“地图”（结构），并必须弄清楚如何提出正确的问题来寻找答案。这就像是被给了图书馆的目录系统，然后必须由你自己去找书。
2. 工作流卡片： AI 被给予了预先写好的总结卡片。这就像是拿到了一份读书报告。

结果非常显著。当 AI 使用工作流卡片时，其回答质量比它必须查询数据库结构时几乎翻了一倍。平均分从大约 0.45 跳升至 0.87。即使是人类专家也认同这一趋势，确认了这些卡片使信息变得更加易于获取。研究人员指出，这种改进在不同规模的 AI 模型中都存在，这表明“总结”方法对于任何试图理解复杂计算机过程的人来说都是一个强大的工具。

为什么这很重要

论文得出结论，工作流卡片是科学透明度拼图中至关重要的一块。它们并不取代详细的日志或数据库；相反，它们位于这些之上，充当一个友好的接口。通过将复杂的、机器可读的数据转化为人类可读的故事，这些卡片帮助我们：

• 识别偏差： 查看过程是否公平。
• 修复错误： 准确理解哪里出了问题。
• 重复成功： 确切知道如何再次获得相同的结果。

作者建议，在未来，这些卡片可以为任何计算机工作流自动生成，使科学的“幕后过程”变得像阅读最终报告一样简单。虽然目前的测试重点在于机器学习和气候预测，但其核心思想是，这种“精彩集锦”的方法可以适用于任何复杂的科学实验，将“黑箱”之谜转化为一个清晰、开放的故事。