6.3 目标架构
设计目标#
目标架构要满足一句话：行动优先，学习附着，治理相称。
具体说，有五个特征：
- 行动优先、学习附着：主路径是「选一个候选 → 做 → 一句回报」，学习顺手附在每个行动上，重的学习（实验卡）只在少数情况下升级。
- 三价值评分：每次给 3 个候选，模型起草，代码排序和校验，至少一个触达现实。
- 注意力预算：AI 对人的所有注意力需求统一计量、有上限。
- 后果分级治理：G0–G3 四级，可逆的轻、不可逆的重。
- 授权升级与能力回收：AI 的授权随记录升级，人的能力被追踪和保护。
主路径对比#
现在的主路径〔产品，P1、M12、M17〕：
新目标 → 建目标卡、要素图、系统动力图、路径图、单元清单、信念账本 → 任务看板从模型派生任务 → 建实验卡（假设、竞争假设、指标、基线、窗口、预测区间）→ 锁定 → 执行 → 登记观察 → 判读 → 确认调档 → 写回模型
目标架构的主路径〔本文提议〕：
新目标 → 目标卡 + 3 个候选 + 1 个最大不确定性 → 人选一个（或改写）→ 人或 AI 按授权执行 → 一句话回报（一分钟以内，在行动的地方）→ 系统更新状态和相关信念，生成下一组 3 个候选
模型的其余部分（要素图、系统动力图、路径图、单元清单）在行动中按需长出来，在周复盘时整理。
分层#
| 层 | 内容 | 谁 | 节奏 |
|---|---|---|---|
| 主人层 | 目标、为什么、边界、准入、宣布发生 / 改写 / 停止、授权的授予 | 人 | 阶段复盘，或在决策请求时 |
| 选择层 | 3 个候选，三价值一句话，人要花几分钟，可逆性，推荐一个 | 模型起草，代码排序校验 | 每次行动后 |
| 行动层 | 执行候选；碰到现实 | 人和 AI，按授权阶梯 | 动作环 |
| 回报层 | 一句话回报；一句预测和一个看点的对照 | 人（一分钟）或 AI 自动采集 | 动作环 |
| 模型层 | 状态、信念、要素图、动力图、路径图 | 系统按规则；结构在周复盘改 | 日环、周环 |
| 治理层 | 后果分级、注意力预算、授权升降、规则生命周期 | 代码执行，人审查 | 持续；阶段复盘复查规则 |
一天的样子（虚构示例）#
以 G900 为例〔虚构示例〕：
- 早上：行动台显示在手 2 件、候选 3 个。今天的注意力预算是 20 分钟，已用 0。昨天碰到现实了（发给前同事的作品链接有了回复）。
- 候选：A. 按前同事的意见重写第二件作品的说明（推进 1、认识 1、能动 1，40 分钟，可逆）；B. 请 AI 起草给另外两位行业联系人的消息，人改后发出（推进 1、认识 2、能动 2，10 分钟，可逆，触达现实）；C. 投递一家公司（推进 2、认识 1、能动 0，30 分钟，半可逆，触达现实）。系统推荐 B。
- 人选 B。AI 在 L1（对外沟通这个域）起草，人改了一句后发出。
- 一句回报：「发了，一位已读未回。」系统记录：触达现实 1 次，反应「已读未回」。
- 晚上：日环自动检查：今天碰到现实了。明天的候选里加入「两天后跟进」。
整个过程中，人花了大约 12 分钟，没有建任何卡片。
实验卡在哪里#
实验卡没有消失，它变成了一个升级选项〔本文提议〕：
- 当一个假设会支撑不可逆或高成本的决定时（例如「是否辞职全职做这件事」「是否花一大笔钱投放」），系统建议把它升级为完整的实验卡：竞争假设、指标、窗口、判读规则。
- 其他时候，一句预测和一个看点就够了。
这符合 P26：学习的治理强度与它支撑的决定的后果相称。