加载失败
一位学者在长时间使用 ChatGPT/Claude 等对话式模型期间，把大量研究草稿和对话保存在聊天记录里，随后某个操作或平台策略导致这些聊天记录被清除或不再保留，作者在媒体上叙述了“两年工作一键消失”的经历。评论围绕是否应把对话日志当作长期存储、如何做备份、以及把 AI 对话视为“学术工作”的合理性展开。讨论还牵涉到平台设计（Hyrum's Law）、法律留存命令（如 NYT 与 OpenAI 相关案子）以及学术资助机构（如 DFG）对 AI 使用的态度。多个评论给出具体技术建议（API 导出、Postgres 本地存储、离线光盘、VM/ Qemu 验证快照）并用实际故障案例说明风险。
评论集中批评把重要资料托付给订阅制或网页 UI 是重大风险。有人建议通过 API 导出并把请求/响应对存入本地 Postgres DB，以便真正“拥有”并可正常备份；还强调云端以外的离线物理副本（光盘、离线快照）在硬件或内核缺陷时更可靠。具体例子包括用 ISO 快照和在 Qemu/VM 中验证系统、用旧内核排查内核更新导致的 USB 驱动破坏以及避免把文件长时间放在 Windows 回收站。多个评论反复强调“云+离线多份备份”是基本操作，而将聊天界面当长期文件系统是错误的假设。
很多评论质疑将两年聊天记录称为“学术工作”的说法，认为那只是向模型抛出提示得到的输出而非原创研究成果。有人认为真正重要的是可交付的文档（论文、讲义、资助申请等），如果这些存在，聊天记录被删并不等于学术成果彻底丧失；批评者把依赖提示生成内容等同‘工作’视为质量低下或误导。评论里还有公开嘲讽和讽刺视频链接，强调公开署名承认把研究重心放在聊天日志上是不智之举。
讨论引用 Hyrum's Law 指出：系统任何可观测的行为都会被人依赖，所以设计默认行为时必须考虑意外用法（例如把草稿/对话当长期存储）。有评论用 Meta 的 Data Privacy Questionnaire 故障例子说明平台控制面和审批流程也能导致突然数据不可用；另有谈到 NYT 与 OpenAI 的法律过程导致的留存命令及其后续变化，表明平台的保留策略会受法律与披露压力影响。部分评论把平台提供的“不要保留我的数据”或类似按钮视为双刃剑：既是隐私保护，也可能在不告知用户后果的情况下破坏长期依赖的数据。
评论讨论学术界（尤其德国）对 AI 的制度性回应仍在摸索中：有机构和教授已大量依赖 AI 生成样稿或资助申请文本，而像 DFG（德国研究资助机构）也出现允许在审稿过程中使用 AI 汇总的例子。有人指出研究者分化严重——定量/流水线性工作更易采用 AI，定性研究者更为怀疑。评论呼吁公开讨论与明确政策，而不是半推半就的内部规则，否则早期拥抱工具的研究者会承担风险。
Hyrum's Law: 软件工程原则：系统任何可观测的行为都会被人依赖，因此即使是'副作用'或非初衷功能也会被用作关键流程，改变时会带来意外后果。
ETL: ETL（Extract, Transform, Load）：抽取、转换、加载数据的流程，评论中作为把广告或外部数据集中到数据湖的示例，强调数据管道的脆弱性和合规风险。
Postgres DB: Postgres DB（PostgreSQL）：一种开源关系型数据库。评论建议用它在本地存储 ChatGPT 的请求/响应对以便备份和控制数据所有权。
Qemu: Qemu（一个开源虚拟化/机器模拟器）：评论中被用来在虚拟机中验证 ISO 快照和重装系统，以排查内核或驱动导致的硬件/磁盘破坏问题。
DFG: DFG（Deutsche Forschungsgemeinschaft，德国研究基金会）：德国的主要科研资助机构，评论提到其在 AI 使用和审稿方面的政策变化作为学术界管理 AI 的例子。