每条数据都要能回答：它从哪里来
在 MolScience 中，来源不是附注，而是数据模型的一部分。
在一个化学数据库里，数字看起来都一样：熔点 135.0，分子量 180.16，logP 1.31。但它们的证据强度可能完全不同。
三种数字，不是一种事实
- 实验测量：在特定条件、仪器和样品下得到的观测值，通常伴随误差与实验条件。
- 软件计算：由明确的算法和参数得到的结果，可复现，但依赖模型假设。
- 模型预测：从数据中学习到的估计，适用范围由训练数据和方法决定。
如果数据库只保存最后的数值，使用者就无法判断它能否用于自己的问题。更糟的是，预测值可能被后续使用者当作实验事实继续引用，误差在传播中被隐藏。
一条记录需要保留什么
我们把来源信息当作记录的一部分，而不是页面底部的脚注。当前设计中，一条性质记录至少需要关联以下字段：
- 来源类型与引用：实验文献、数据库、软件或模型。
- 方法与版本：实验条件、算法、参数或模型版本。
- 原始值与单位：保留原始表达，避免转换过程不可逆。
- 许可与可用范围：外部数据是否允许再分发。
- 质量标记：缺失、冲突、异常或尚未核验。
{ "entity": "molecule:aspirin", "property": "melting_point", "value": 135.0, "unit": "°C", "source": { "type": "experiment", "reference": "literature:...", "method": "capillary melting point" }, "quality": "unverified", "version": "2026-11"}冲突怎么办
不同来源给出不同数值时，最方便的做法是取平均，最诚实的做法是保留差异。我们倾向于后者：让每条记录带着自己的来源并存，并允许使用者按来源、方法或质量筛选。
这会让界面和查询更复杂，也会让“一个分子一个值”的期待落空。但化学数据本来就不是这样工作的。数据库的职责不是制造唯一答案，而是让差异可见。
我们还在学习如何把这件事做得更好。数据模型会变化，规则会被推翻，部分判断仍然需要化学知识。把过程记录下来，至少能让后来者知道我们为什么这样选择。