一、数据有“脾气”，伺候好才能听真话。
做实验前总觉得数据是乖的，设定好条件它就该乖乖呈现理论曲线。真上手才发现，仪器得“哄”——同一个样品，室温差两度，读数的波动比预想大得多；校准得“勤”，上午调好的基线下午就飘。有组数据反复测出异常值，差点当坏点剔除，后来发现是溶液静置时间不够，成分未充分稳定。数据像猫，得顺着毛摸，急躁硬来只能得到假象。耐心重复三遍以上，等设备仪器都进入稳定状态，那时候出来的数字才肯说真话。
二、过程“记流水账”比漂亮框架更管用。
一开始记录时总想着分门别类，结果“实验条件”“观测现象”分开记，回头对照时间线全乱了。后来改成最笨的办法：按时间顺序写流水账。几点几分调了哪个旋钮，样品颜色怎么变的，顺手画个草图，甚至记下“实验室空调突然加大噪音，室温疑似升高”。这些碎碎念在分析时成了宝藏。有个反应速率异常，翻手记发现那天下午隔壁设备震动明显，怀疑是微振动影响了反应界面。过程里的毛边和噪音，往往是破解异常的关键线索。
三、预期越强，眼睛越“瞎”。
做验证型实验时，满脑子都是理论曲线，看数据时不知不觉就往预期上靠。有个数据点明显偏离，第一反应是“仪器误差”，甚至下意识用理论值反推操作失误。直到同学旁观时说“这个拐点会不会是新的现象？”，才重新审视。把预期暂时清空，单纯看数据本身的走势，发现那个“异常点”连贯起来是一条次级反应路径的迹象。预设结论像一副有色眼镜，戴上就看不见真实色彩。现在每做完一组，先逼自己忘掉该是什么样，只问数据本身在说什么。
实验做完，电脑里存着整理好的图表，但真正有用的东西都在手记的边角——哪个步骤手忙脚乱、哪个读数让人心里“咯噔”一下、哪天状态好数据格外顺。数据和仪器是冷的，但做实验的人得热乎乎地浸在里面，才能摸到那些藏在规整曲线背后的细微脉络。