材料实验往往同时涉及样品、设备、环境和处理流程。若只保留最终结果，几周后再回看时，研究者可能已经无法确认样品编号、前处理方式或测试参数。最小可用的记录应包括原料批次、样品编号、操作者、时间、关键设备、环境条件、处理步骤和原始文件位置。它们不必全部写进正文，但要能通过索引互相追踪。

样品编号是数据链条的起点。一个好的编号不应只代表日期，还应该包含实验系列或处理条件的提示。比如同一批材料经过不同退火温度处理，就需要让编号能够区分原始样品与后处理样品。编号规则确定后，图片、谱图、表格和文章中的结果都应使用同一写法，避免因为缩写变化造成无法匹配。

不确定性也需要被记录。测量误差、仪器漂移、样品不均匀、重复次数不足和数据筛选都会影响结论。资料页面可以把不确定性分为已测量、估计和未知三类，不要求所有问题在首次实验中解决，但要明确哪些数字是直接观察，哪些数字是模型或经验推断。这样的区分比单纯给出更多小数位更可靠。

数据文件的保存位置同样重要。建议把原始文件、处理脚本、导出图表和最终引用版本分开，并为每个版本保留简短说明。若使用 AI 工具进行分类、拟合或候选筛选，还应记录输入字段、模型用途和人工复核步骤。模型可以帮助发现模式，但不能替代样品来源和测试条件的证据。

AgentNEO 的资料整理会优先展示能够复核的字段，而不是只展示漂亮结论。读者可以从结果回到样品，再回到方法与原始条件，这种往返关系正是材料研究资料能够长期使用的基础。

当数据记录能够连接样品、设备和原始文件，研究团队才有机会在换人、换设备或换批次后继续工作。数据治理不是额外负担，而是让成果保持可用的基础设施。

能被复核的记录，最终会减少重复实验，也让跨团队协作更清晰。