每一年的学位提交季，图书馆与学位办都会迎来同样的循环：学生拿到退回意见——行距不对、某一章没有另起页、参考文献著录不合规范；回到实验室改格式、重新打印、重新装订，再排一次队。线装或热胶装订的论文，甚至没法用订书机「补救」，每一轮退回都是一次完整的重来。
多数人把问题归为人手不够。我们想提出另一个视角：问题不是人手不够，是格式检查发生得太晚。检查每推迟一个环节，纠正的成本就放大一分。
一轮退回，三方重复
一笔账拆开看：对学生，一次退回意味着重新核对全文、重新打印、重新装订；对院系秘书，意味着同一份论文再看一遍；对图书馆与学位办，意味着高峰期的持续堆积。三方做的其实是同一件事——对照同一份规范，逐页核对。
同一份规范被人工执行三遍，在流程设计上是浪费；在结果上仍不免遗漏，因为人核对规则恰恰是最容易疲劳、最不一致的环节。
论文规范，其实是一份规则清单
拿出一所头部高校 2026 年修订的博士、硕士学位论文规范，逐条看过去，会发现它天然适合机器执行。按机器可执行的难度分四层：
- 纯机械规则：正文中文用宋体、英文与数字用 Times New Roman、行距 20 磅、每一章另起页、双面打印、线装或热胶装订——这些是排版参数，机器逐项判定；
- 结构规则：封面十二项要素是否齐全、摘要-目录-图表清单的顺序、插图和附表清单「有则必备」、涉密论文密级标注的位置——这些是文档结构，机器可以全量核对；
- 外部标准：参考文献著录是否符合 GB/T 7714、中图分类号是否填写——标准公开，判定确定；
- 内容关联规则：中文摘要一般 300–1000 字、关键词 3–8 个、英文摘要「宜与中文摘要对应」、论文题目不超过 30 个汉字——从这里开始，检查滑向内容。
前三层，机器今天就能全量执行；第四层已经踩到内容检查的门槛——那是另一个更深的课题，本文先停在边界上，只说一句：它需要的不是更快的机器，而是懂学校口径的 AI。
把三道关收拢成一道预检
现状的三道关：学生凭感觉自检——多数人第一次认真读规范，是在第一次被退回之后；院系形式审查；图书馆与学位办验收。
预检模式的分工是：学生在提交之前，让机器把规范全量执行一遍，拿到一份逐条对照的检查报告；院系复核的对象从「论文」变成「报告与例外」；验收环节只处理申诉与抽样。预检不是在流程里加一道关，而是把三道关里重复的劳动收拢起来，交给机器做一次。
这也是它与学生自己「对着规范逐条看」的区别：人看规范是理解性的、抽样的、会疲劳的；机器看规范是全量的、稳定的、可重复的。
前提：把规范翻译成可维护的规则库
预检的地基，是把规范条文翻译成结构化的规则：每条规则带着条款号、适用对象（学术学位与专业学位不同，涉密论文有专门的标注规则）、可执行的判定方式。这份翻译工作是第一位的成本，也是第一位的资产——它让规范从「给打印的文件」变成「给执行的清单」。
更重要的是可维护。规范会修订——上面提到的那份规范，就明确标注着「2026 年 6 月修订版」。封面要素、摘要字数、著录标准，任何一条变了，规则库都要能跟着更新，否则预检工具活不过一个学期。规则库的版本，应当跟着规范的版本走。
规则库里的每一条判定，都来自学校自己的规范与口径——这正是教育智能要解决的语境问题（见教育智能）：AI 之所以能替学校执行检查，不是因为它通用，而是因为它读了这所学校的规则。
预检意见，不是审核结论
边界必须清楚：预检报告是建议性的自检输入，不是审核结论。正式的审查权始终在院系与学位办；学生对机器判定有异议，申诉通道要保留——规则库也可能有疏漏，申诉正是发现它的方式。
学术判断更不在此列：创新性、学术水平、查重与诚信，属于评阅与专门流程。AI 查的是「合规」，不是「水平」；守住这条边界，预检才不会变成新的争议源。
度量也要跟着对：预检是否有效，看的不是多少学生用了它，而是退回率与往返次数降了多少——与《AI 软件上线了，教师为什么还是不用》里「把度量做对」是同一逻辑。
规范的价值不在被打印，而在被执行；提交季的人力，应该花在例外上，而不是重复里。最好的格式审查，是让学生在提交前就知道结果——把检查挪到提交之前，学位季的队伍才会真正短下来。
如果你的学校正在为学位论文的形式审查寻找更高效的路径，欢迎与我们聊聊——联系我们。
