第 8 部分理论卡

本页把正文引用的理论整理成卡片，按 10 个领域分组。每张卡回答七个问题：

一句话：这个理论说了什么；
机制：它为什么成立；
证据：证据有多强，效应多大，是否被重复；
边界：在什么情况下不成立；
设计含义：对一心行动意味着什么，链接到对应的原则或建议；
误用风险：最容易被怎样用错；
文献：可以在参考文献页核对。

证据等级：A 强；B 中；C 弱到中；D 概念或实践框架；N 规范性理论；U 证据等级不适用（数学定理或研究方法）。详见标注约定。D 级不等于没用，但不能当作「机制有效」的证据对外宣传。

每张卡底部列出正文中引用它的页面。

A 强5

B 中46

C 弱到中33

D 概念或实践框架38

N 规范性理论4

U 不适用（定理或方法）5

共 131 张理论卡，分 10 个领域。

复杂性与系统 16 目标与动机 15 判断与决策 16 探索、策略与不确定性 11 执行与行为改变 12 反馈、学习与评估 15 社会与协调 14 人机协作 15 安全、责任与治理 7 组织与结构性改变 10

复杂性与系统 16 张

Cynefin 框架

复杂性与系统

一句话: 按「因果关系能不能事先看清」把情境分为清晰、繁杂、复杂、混乱四类，每类要用不同的决策方式。
机制: 清晰域按惯例处理；繁杂域靠专家分析；复杂域的因果只能事后看清，要靠「探测—感知—响应」的小实验；混乱域先行动、稳住局面。
证据: 管理实践与案例归纳出的框架，没有对照检验。
边界: 分类本身需要判断；同一个目标的不同子问题，常常落在不同的域。
设计含义: 复杂域里事先建全模型的价值有限，应优先安排小而安全的探针（P04、P08）。
误用风险: 把它当成贴标签的工具，而不是提醒「该换决策方式了」。
文献: （Snowden & Boone, 2007）

正文引用：1.1 复杂目标与结构性改变，P08 按情境切换策略

抗解问题

复杂性与系统

一句话: 社会和规划领域的很多问题没有确定的表述、没有停止规则，方案只有好坏、没有对错，每次尝试都算数。
机制: 问题的定义取决于方案；理解问题和解决问题是同一个过程。
证据: 规划理论的概念分析。
边界: 并非所有复杂目标都是抗解的；个人目标通常只有部分抗解特征。
设计含义: 目标卡要允许改写（P02），把「问题怎么定义」本身当作可以学习的对象。
误用风险: 用「问题是抗解的」为不行动开脱。
文献: （Rittel & Webber, 1973）

正文引用：1.1 复杂目标与结构性改变

友好与恶劣学习环境

复杂性与系统

一句话: 反馈准确、及时、与决定相关的环境（友好环境）能让经验教出正确的直觉；反馈缺失、延迟或有偏的环境（恶劣环境）会让人越学越错。
机制: 直觉从反馈里学习；反馈本身有偏，学到的就是偏差。
证据: 综述了多项实验与实地研究；与「直觉专长需要有规律的环境和充足的练习反馈」的结论一致（Kahneman & Klein, 2009；Klein, 2008）。
边界: 多数现实环境介于两者之间，可以通过设计变得更友好。
设计含义: 产品的一项核心任务是把反馈环境设计得友好：回报快、看点与决定相关、标明延迟（第 1 部分结论三）。
误用风险: 把恶劣环境里的成功经验当成可靠的模式。
文献: （Hogarth, Lejarraga & Soyer, 2015；Kahneman & Klein, 2009；Klein, 2008）

正文引用：1.1 复杂目标与结构性改变，F2 模型失败，P17 判断过程而非结果，按证据强度定步长

系统动力学

复杂性与系统

一句话: 用存量、流量、反馈回路和延迟描述系统，强调「结构产生行为」。
机制: 增强回路带来增长或崩塌，调节回路带来稳定或振荡；延迟让直觉判断失灵。
证据: 建模方法被广泛应用，但「用系统动力学做干预更有效」的证据以案例为主。
边界: 模型的价值取决于边界划得对不对；画得精细不等于画得正确。
设计含义: 系统动力图适合作为周复盘的思考工具，而不是冷启动的必经步骤（S11）。
误用风险: 建模本身变成工作，替代了触达现实（F2.3）。
文献: （Sterman, 2000；Meadows, 2008；Senge, 1990）

正文引用：1.1 复杂目标与结构性改变，F8 系统结构失败

反馈误解

复杂性与系统

一句话: 人在有延迟和存量的动态系统里，系统性地忽视延迟和在途的东西，导致过度反应和振荡。
机制: 只看眼前的差距就下决定，不考虑已经发出、尚未生效的行动。
证据: 啤酒游戏等动态决策实验，跨人群反复重现。
边界: 经过训练、并且有延迟提示时，表现会改善，但难以消除。
设计含义: 系统要显式标出延迟（「这类联系通常 2–5 天才有回复」），避免过早判定失败或重复加码。
误用风险: 用延迟为一切没有反应的行动开脱。
文献: （Sterman, 1989；Sterman, 2000）

正文引用：F2 模型失败，P05 先找瓶颈与杠杆，写明延迟和关键他人

必要多样性

复杂性与系统

一句话: 控制者的应对方式至少要和扰动一样多样，才能把结果维持在目标范围内。
机制: 只有多样性能吸收多样性；应对手段单一，就只能应付单一的情况。
证据: 控制论的理论原理。
边界: 多样性也有成本；面向人的信息必须被过滤，否则会淹没注意力。
设计含义: 每次给多个候选（P07），保留多种策略；同时在进入人的注意力之前做过滤（P21）。
误用风险: 把「多样性」理解成给人更多选项，结果加重负担。
文献: （Ashby, 1956）

正文引用：F7 持续与适应失败，P27 规则有生命周期

杠杆点

复杂性与系统

一句话: 干预系统的位置有强弱之分：改参数最弱，改信息流、规则、目标和范式更强。
机制: 越深层的位置，决定越多的下游行为。
证据: 基于系统建模经验的概念清单。
边界: 越强的杠杆点越难撬动，也越难预测后果。
设计含义: 产品改动优先考虑信息流（谁看到什么反馈）和目标函数（北极星），而不只是调参数（6.2）。
误用风险: 只追求深层杠杆，忽视可以马上做的小改动。
文献: （Meadows, 1999）

正文引用：F8 系统结构失败，P05 先找瓶颈与杠杆，写明延迟和关键他人，5.3 结构性改变

能力陷阱

复杂性与系统

一句话: 压力之下，把时间从「改进能力」挪到「赶产出」，短期产出上升，能力却持续下降，压力于是更大。
机制: 一个增强回路，加上「把问题归因于人不够努力」的自我确认错误。
证据: 对多家企业过程改进项目的实地研究和系统动力学建模。
边界: 主要来自组织情境；个人尺度上的对应是「越忙越没空学会更省力的做法」。
设计含义: 认识陷阱（6.2）与它同构；能力积累要有专门的时间和记录（P20）。
误用风险: 把所有短期取舍都说成陷阱。
文献: （Repenning & Sterman, 2001；Repenning & Sterman, 2002）

正文引用：F8 系统结构失败，6.2 重心错位的根因

漂移进失败

复杂性与系统

一句话: 在效率压力和省力倾向的共同推动下，系统的实际运行状态会一点点移向安全边界，直到出事。
机制: 每一步都局部合理，没有人做出明显的错误决定。
证据: 安全科学的理论模型，来自事故分析。
边界: 说明了风险怎样累积，但很难事先指出边界在哪里。
设计含义: 后果分级和授权阶梯要定期复查，不能只在出事后调整（P25、P27）。
误用风险: 用来论证「任何放松都危险」，反过来阻止合理的治理减负。
文献: （Rasmussen, 1997）

正文引用：F7 持续与适应失败

偏差正常化

复杂性与系统

一句话: 一次次被容忍的小偏差，会悄悄变成新的正常标准。
机制: 每次偏差没有立刻带来后果，就被重新解释为可接受。
证据: 对挑战者号决策的历史民族志研究。
边界: 单一深度案例，推广需要谨慎。
设计含义: 护栏指标（6.7）要有固定的警戒线，不能随着习惯慢慢放宽。
误用风险: 把所有规则调整都看成偏差正常化，拒绝规则的正常演化。
文献: （Vaughan, 1996）

正文引用：F7 持续与适应失败

利特尔定律

复杂性与系统

一句话: 稳定状态下，在制品数量 = 完成速率 × 平均停留时间。
机制: 同时在做的事越多，每件事从开始到完成的时间越长。
证据: 排队论中已被证明的数学定理，在长期稳态下严格成立；证据等级不适用。
边界: 要求系统大致稳定；短期内可能偏离。
设计含义: 在手指令上限（产品 M5）有直接的数学依据：要缩短每件事的周期，先限制同时在手的数量（P12）。
误用风险: 把它当成「越少越好」，限得过紧导致空转。
文献: （Little, 1961；Goldratt & Cox, 1984）

正文引用：F5 他人与资源失败，P12 在手的事少而真

约束理论

复杂性与系统

一句话: 一个系统的产出由它最窄的瓶颈决定；改进非瓶颈的地方，几乎不会提高整体产出。
机制: 五步：找出瓶颈、充分利用、让其他环节配合、扩大瓶颈、再找新瓶颈。
证据: 实践框架，以案例为主。
边界: 知识工作中的瓶颈不像生产线那样明确，而且会移动。
设计含义: 行动链的瓶颈在第 ⑥ 环（触达现实），而不在建模（1.2）；产品改进应先对准它。
误用风险: 认定一个瓶颈之后不再复查。
文献: （Goldratt & Cox, 1984）

正文引用：F5 他人与资源失败，P05 先找瓶颈与杠杆，写明延迟和关键他人，P12 在手的事少而真

事件发生地形

复杂性与系统

一句话: 一个事件是系统在一片地形上的一次移动：可能性空间规定能到哪里，势能差规定往哪里流，触发决定何时越过挡路的那道坎。
机制: 「可能 → 倾向 → 现实」的模态分解；三者分别在定义上、动力学上、现实化上优先，谁也不能取代谁。
证据: 本文提议的综合。各要素在物理化学、发育生物学、复杂系统、社会学、政策科学中各有独立来源（见 2.6 的外部收敛表），作为整体没有被检验。
边界: 近乎定义性，单独看不可证伪；在以月和年计的中等尺度上最好用；是「启动学」，续航要靠节律和原则。
设计含义: Agent 内部定位绑定要素的诊断语法（2.6）；候选标注作用在哪个要素（P07）；两振规则（2.6）。
误用风险: 变成万能解释；给势能差打分；把三道门做成每个目标的必填流程。
文献: （Waddington, 1957；Box, 1976）

正文引用：2.6 事件发生的地形：三要素

亚稳态与活化能

复杂性与系统

一句话: 停在局部山谷里的系统可以长期不变；它翻转的速率取决于势垒高度与可用扰动之比，呈指数关系。
机制: Arrhenius 给出速率随活化能指数下降的经验式；Kramers 把它推导为布朗粒子越过势垒的逃逸问题。
证据: 物理化学的定律，证据等级不适用；推到人和组织的尺度只是类比。
边界: 只在有势垒的局面里有意义；平滑的斜坡上不需要触发。
设计含义: 卡住的事有两条翻转路径：降坎，或者增加尝试次数（2.6、P11）。
误用风险: 把指数关系当成能给人的处境计算的公式。
文献: （Arrhenius, 1889；Kramers, 1940；Hänggi, Talkner & Borkovec, 1990）

正文引用：2.6 事件发生的地形：三要素，9.1 术语表

临界转变与自组织临界

复杂性与系统

一句话: 系统靠近临界点时，小扰动就能引发大翻转；有些系统会被持续加载推到临界态，触发的大小与后果的大小无关。
机制: 缓慢的驱动让吸引盆变浅，系统从扰动中恢复得越来越慢（临界慢化）；沙堆模型里，持续加载使雪崩规模呈无标度分布。
证据: 生态和气候系统中有观测与模型支持（Scheffer 等, 2001；Scheffer 等, 2009）；用到个人和组织只是类比。
边界: 远离临界时，结果与投入大致成正比。
设计含义: 门 3 先判近临界还是远临界：近临界找杠杆轻推，远临界老实做算术（2.6）。
误用风险: 把偶然的成功都归为「临界点」，或者一直等待突变。
文献: （Scheffer 等, 2001；Scheffer 等, 2009；Bak, Tang & Wiesenfeld, 1987）

正文引用：2.6 事件发生的地形：三要素

相邻可能

复杂性与系统

一句话: 在会演化的系统里，每实现一件事都会打开此前不存在的新状态，可能性空间随行动而增长。
机制: 新的组合以现有的元素为基础；已实现的状态成为下一轮组合的元素。
证据: 理论生物学的概念论证，没有可检验的定量形式。
边界: 只适用于会演化的系统；它不说明哪一个相邻状态值得进入。
设计含义: 「先开始，再发现」的原理性理由：没法为还没被行动带进存在的地形规划路线；支持懒建模（S11）和能动价值（2.6）。
误用风险: 用「空间会长出来」为不评估可达性开脱。
文献: （Kauffman, 2000）

正文引用：2.4 按情境选择策略，2.6 事件发生的地形：三要素，9.1 术语表

目标与动机 15 张

目标设定理论

目标与动机

一句话: 具体且有挑战的目标，比「尽力而为」带来更好的表现，前提是有承诺、有反馈、能力够。
机制: 目标引导注意力、调动努力、延长坚持、促进策略寻找。
证据: 几百项研究，跨任务和文化都成立，效应在 d≈0.4–0.8 之间〔未核实具体区间〕；元分析显示，任务越复杂，目标的效应越小（Wood, Mento & Locke, 1987）。稳健
边界: 复杂、需要先学习的任务上，具体的结果目标可能有害，学习目标更好（见学习目标）。
设计含义: 目标卡要可判定（P01）；新领域的早期阶段改用学习目标（P03）。
误用风险: 把目标设得越高越好；忽视副作用（见目标的副作用）。
文献: （Locke & Latham, 2002；Wood, Mento & Locke, 1987）

正文引用：F1 方向失败，2.4 按情境选择策略，P01 目标是可判定的未来事件，同时在场最多 3 个

学习目标

目标与动机

一句话: 在新的、复杂的任务上，「找出几种有效的做法」这样的学习目标，比「达到某个结果」的绩效目标效果更好。
机制: 学习早期注意力有限，绩效目标把注意力拉向结果，挤掉了探索策略需要的资源。
证据: 实验研究，与能力—动机交互理论一致。
边界: 任务熟练之后，绩效目标重新占优。
设计含义: 新目标的前几周，目标卡里写「要弄清楚的事」（例如「哪个渠道有回应」），而不只是结果（P03）。
误用风险: 一直停在学习目标，迟迟不转向结果。
文献: （Seijts & Latham, 2001；Kanfer & Ackerman, 1989）

正文引用：F1 方向失败，P03 新任务先设学习目标

目标的副作用

目标与动机

一句话: 过度使用目标会带来系统性的副作用：视野变窄、冒进、作弊、内在动机下降、学习减少。
机制: 目标把一切不在目标里的东西变成了「不重要」。
证据: 综述，主要基于案例和部分实验；目标设定理论的作者对此有反驳。有争议
边界: 副作用多出现在目标过多、过难、与奖励挂钩的情况下。
设计含义: 指标要成对使用，并有护栏（6.7）；目标卡写边界与副作用底线（产品 v0.6 已有）。
误用风险: 因此拒绝设定任何具体目标。
文献: （Ordóñez 等, 2009）

正文引用：F1 方向失败，P03 新任务先设学习目标

目标系统理论

目标与动机

一句话: 目标在头脑里组成网络，彼此竞争注意力；一个目标被激活时，会压制其他目标。
机制: 目标屏蔽；能同时服务多个目标的手段更受青睐。
证据: 系列实验研究。
边界: 屏蔽有利于专注，也会让人忽视其他重要目标。
设计含义: 活跃目标要有上限（产品 M1 已有）；候选里优先「一举多得」的行动（F1.2）。
误用风险: 为了一举多得，选出四平八稳却推进很少的行动。
文献: （Kruglanski 等, 2002；Shah, Friedman & Kruglanski, 2002）

正文引用：F1 方向失败，P01 目标是可判定的未来事件，同时在场最多 3 个

自我决定理论

目标与动机

一句话: 人有自主、胜任、关系三种基本心理需要；满足它们，动机更持久、更高质量。
机制: 外在控制（奖惩、催促、打分）会削弱内在动机；自主支持会增强它。
证据: 大量研究支持；元分析显示，预期中的有形奖励会削弱内在动机（Deci, Koestner & Ryan, 1999）。
边界: 对本来就无趣的任务，外在奖励不一定有害。
设计含义: 不催促、不打分（P16）；给选择而不是给命令（三候选，P07）；记录掌握带来胜任感（P20）。
误用风险: 把「尊重自主」理解成什么都不建议。
文献: （Ryan & Deci, 2000；Deci, Koestner & Ryan, 1999）

正文引用：F1 方向失败，2.5 人机能动系统，P02 目标连着「为什么」，允许改写或放弃，P16 反馈指向任务，不指向人，P22 自主与主人层归人

自我和谐目标

目标与动机

一句话: 出于自己认同的价值而追求的目标，比出于外部压力的目标更能坚持、更容易达成，也带来更多幸福感。
机制: 自我和谐 → 持续投入 → 达成 → 需要满足 → 幸福感，形成正循环。
证据: 纵向研究。
边界: 测量依赖自我报告。
设计含义: 目标卡保留「为什么」，并在阶段复盘回看（P02）。
误用风险: 把所有动摇都解读为「目标不够和谐」。
文献: （Sheldon & Elliot, 1999）

正文引用：F1 方向失败，P02 目标连着「为什么」，允许改写或放弃

目标脱离

目标与动机

一句话: 能从无法达成的目标里抽身、并重新投入新目标的人，身心状况更好。
机制: 继续追求无望的目标，带来持续的挫败和资源消耗。
证据: 纵向研究与元分析证据。
边界: 过早脱离也是失败；关键在于事先写好判断标准。
设计含义: 路径写止损线（P19）；阶段复盘可以「停止」（产品 M1 已有）。
误用风险: 遇到困难就放弃。
文献: （Wrosch 等, 2003；Sleesman 等, 2012）

正文引用：F1 方向失败，P02 目标连着「为什么」，允许改写或放弃

目标梯度

目标与动机

一句话: 越接近目标，人越努力；但在中段，动机往往最低。
机制: 动机取决于和参照点的距离；起点附近看「已经走了多远」，终点附近看「还剩多少」，中段两头都不明显。
证据: 实地研究（集点卡）和实验。
边界: 效应大小因情境而异。
设计含义: 进入中段时，把参照点换成下一个近的里程碑（F7.1）。
误用风险: 人为制造「快完成了」的错觉。
文献: （Kivetz, Urminsky & Zheng, 2006；Bonezzi, Brendl & De Angelis, 2011）

正文引用：F7 持续与适应失败

进步原则

目标与动机

一句话: 在有意义的工作上取得进展，哪怕很小，是日常工作体验中最重要的积极因素。
机制: 进展带来积极情绪和动机，动机又促进进展。
证据: 对 238 名知识工作者约一万两千条日记的分析〔未核实具体数字〕；相关研究，因果方向不确定。
边界: 感知到进展也可能让人「奖励自己」而松懈（Fishbach & Dhar, 2005）。
设计含义: 一句回报之后，系统用一句话说明「这次让什么变了」，让进展可见（P18）。
误用风险: 把进展可视化做成计分和打卡。
文献: （Amabile & Kramer, 2011；Fishbach & Dhar, 2005）

正文引用：F7 持续与适应失败，P18 内环先闭合

行动阶段模型

目标与动机

一句话: 「权衡要不要做」和「执行已经决定的事」是两种不同的心态，混在一起会两头都做不好。
机制: 权衡心态开放、客观；执行心态聚焦、乐观；跨过「卢比孔河」就切换。
证据: 系列实验研究。
边界: 心态切换不是一次性的；执行中遇到重大新信息时需要重新权衡。
设计含义: 目标与路径的重大权衡放在阶段复盘，日常只做执行层的选择（1.2）。
误用风险: 执行中拒绝任何重新权衡。
文献: （Heckhausen & Gollwitzer, 1987）

正文引用：1.2 从意图到现实改变的行动链，2.3 嵌套节律

控制论自我调节

目标与动机

一句话: 行为是层级化的负反馈环：感知现状，与参照值比较，行动缩小差距。
机制: 上层环为下层环设定参照值；差距缩小的速度影响情绪。
证据: 大量研究支持其预测；作为总体框架难以完整检验。
边界: 解释了「怎样调节」，不解释「目标从哪里来」。
设计含义: 嵌套节律（2.3）；没有效应器的环不能闭合（1.2）。
误用风险: 把人当成恒温器。
文献: （Carver & Scheier, 1982）

正文引用：1.2 从意图到现实改变的行动链，2.3 嵌套节律

知觉控制理论

目标与动机

一句话: 行为不是为了产生某种输出，而是为了让感知保持在想要的状态。
机制: 层级控制系统；高层控制的是更抽象的感知。
证据: 追踪实验的支持；作为总体理论检验有限。
边界: 理论完整，可操作的预测不多。
设计含义: 回报要报告「现实变成了什么样」，而不只是「我做了什么」。
误用风险: 过度理论化，难以落地。
文献: （Powers, 1973）

正文引用：2.3 嵌套节律

积极幻想

目标与动机

一句话: 沉浸于理想未来的美好想象，会降低投入和达成的可能。
机制: 幻想让人提前体验到达成感，削弱行动的能量。
证据: 同一研究团队的多项研究，包括生理指标。
边界: 区分「幻想」和「基于经验的期望」，后者有积极作用。
设计含义: 目标卡不要只写愿景，要写障碍和下一步（见 MCII）。
误用风险: 压制人对未来的积极想象。
文献: （Oettingen & Mayer, 2002；Kappes & Oettingen, 2011）

正文引用：F4 启动与执行失败

心理对照加执行意图

目标与动机

一句话: 先想象想要的未来，再想清楚现实中的主要障碍，然后写下「如果遇到障碍，我就……」。
机制: 心理对照把未来与现实连起来，激发承诺；执行意图把应对方案和情境线索绑在一起。
证据: 多项随机实验；元分析显示对目标达成有小到中的效应（Wang, Wang & Gai, 2021）。
边界: 期望很低的目标上，心理对照会帮人放弃，这本身也有价值。
设计含义: 目标卡写「最大的障碍」；候选附「如果—那么」（P10）。
误用风险: 做成冗长的填写练习。
文献: （Oettingen, 2012；Wang, Wang & Gai, 2021）

正文引用：F4 启动与执行失败，P10 下一步写成「如果—那么」

动机强度理论

目标与动机

一句话: 人实际付出的努力由任务难度决定，但不超过潜在动机设定的上限；难度超过上限或任务不可能时，人就放弃。
机制: 努力按「刚好够用」分配；潜在动机（结果对这个人有多重要）只决定他最多愿意付出多少。
证据: 三十年的心血管反应研究支持其主要预测（Richter, Gendolla & Wright, 2016）。
边界: 多数证据来自实验室短任务的生理指标；用到以月计的目标是外推。
设计含义: 给两振规则补上机制：坎高过上限时，降一点门槛只是在上限附近打转，该问的是上限本身（2.6、P19）。
误用风险: 把一次放弃直接判为「不够想要」。
文献: （Brehm & Self, 1989；Richter, Gendolla & Wright, 2016）

正文引用：2.6 事件发生的地形：三要素，P19 事先写止损线，定期问停还是换

判断与决策 16 张

有限理性

判断与决策

一句话: 人的信息、时间和计算能力都有限，所以实际的决策是「找到够好的就停」，而不是求最优。
机制: 满意化；搜索在达到期望水平时停止。
证据: 经济学和心理学的大量研究支持其基本论断。
边界: 有限理性不等于非理性；简单规则在特定环境里很有效（见生态理性）。
设计含义: 给 3 个候选而不是穷举（P07）；模型够用即止（P04）。
误用风险: 用来为草率辩护。
文献: （Simon, 1955）

正文引用：1.1 复杂目标与结构性改变，F2 模型失败

注意力稀缺

判断与决策

一句话: 信息的丰富带来注意力的贫乏；在信息过剩的世界里，稀缺的是注意力。
机制: 每条信息都在消耗接收者的注意力。
证据: 概念论断，被大量后续研究间接支持。
边界: 不同信息的注意力成本差别很大。
设计含义: 注意力预算（P21、S8）；系统的价值在于过滤，而不是提供更多。
误用风险: 为了省注意力，隐藏人应该知道的风险。
文献: （Simon, 1971；Horvitz, 1999）

正文引用：1.1 复杂目标与结构性改变，1.4 人机协作带来的新失败机制，P21 注意力预算：AI 消耗的必须少于它省下的，4.4 注意力经济

生态理性

判断与决策

一句话: 在不确定、样本少的环境里，简单的经验规则常常比复杂模型预测得更准。
机制: 复杂模型在小样本上过拟合；简单规则忽略噪音。
证据: 大量模拟与实证比较。
边界: 只在规则与环境结构匹配时成立。
设计含义: 选择层可以用简单的排序规则（例如三价值各打 0–2 分），不必追求精细的期望值计算。
误用风险: 在规则与环境不匹配时盲目套用。
文献: （Gigerenzer & Gaissmaier, 2011）

正文引用：F2 模型失败，P04 模型够用即止，价值按「改变了哪个决定」计

规划谬误

判断与决策

一句话: 人系统性地低估完成任务所需的时间，即使知道自己过去也低估过。
机制: 只看这件事本身的计划（内部视角），忽视同类任务的实际分布（外部视角）。
证据: 多项实验和实地研究。稳健
边界: 对很短的任务，有时会高估。
设计含义: 预计耗时与实际耗时并列记录（产品 T06 已有），用实际数据校准下一次估计（参考类）。
误用风险: 用历史数据压制一切新尝试。
文献: （Buehler, Griffin & Ross, 1994；Kahneman & Lovallo, 1993）

正文引用：F2 模型失败

参考类预测

判断与决策

一句话: 做预测时，先找一组相似的过往案例，看它们的实际结果分布，再根据本案的特点调整。
机制: 用外部视角校正内部视角的乐观偏差。
证据: 在大型项目的成本与工期预测中应用，有改进的报告。
边界: 参考类选得不对，会带来新的偏差。
设计含义: 冷启动的置信度可以参考同类目标的经验（产品 P1 已把参考类作为来源之一）；验证时用外部效果做参照（7.3）。
误用风险: 把参考类当成命运，不去寻找本案的不同之处。
文献: （Flyvbjerg, 2006；Kahneman & Lovallo, 1993）

正文引用：F2 模型失败，7.3 一人多角的偏差与对策

信息价值

判断与决策

一句话: 一条信息的价值，等于有了它之后的决策期望收益，减去没有它时的期望收益；不能改变决定的信息，价值为零。
机制: 决策分析的规范性原理。
证据: 规范性理论，讲「应当」，不讲「人实际怎样做」。
边界: 实际计算很难；可以用「这会改变哪个决定」的直觉问题来近似。也要防住另一个极端：分析过少同样危险（Langley, 1995）。
设计含义: Agent 五问的第二问（6.5）；懒建模（S11）；建模和取证都要先回答「会改变什么」。
误用风险: 以「信息价值低」为由拒绝一切调查。
文献: （Howard, 1966；Langley, 1995）

正文引用：F2 模型失败，2.2 三种价值，P04 模型够用即止，价值按「改变了哪个决定」计，6.4 建议修改清单

确认偏差

判断与决策

一句话: 人倾向于寻找、解释和记住支持自己已有看法的信息。
机制: 选择性搜索、选择性解释、选择性记忆。
证据: 大量研究的综述。稳健
边界: 在某些情境下是合理的启发式。
设计含义: 竞争假设（产品 M17 已有）；AI 不能只给支持本人看法的证据（F2.4）。
误用风险: 过度怀疑，什么都不相信。
文献: （Nickerson, 1998）

正文引用：F2 模型失败，P06 异源证据、主动反证，AI 不是 AI 的证人，7.3 一人多角的偏差与对策

结果偏差

判断与决策

一句话: 人会根据结果的好坏来评价决策的好坏，即使决策时掌握的信息完全相同。
机制: 结果比决策过程更显眼，事后很难还原当时的信息。
证据: 实验研究，多次重复。
边界: 结果确实包含一些关于决策质量的信息，只是被过度使用。
设计含义: 复盘时区分「决策质量」和「运气」（F6.4）；事先写下预测，事后才有对照。
误用风险: 用「运气不好」为一切坏结果开脱。
文献: （Baron & Hershey, 1988；Duke, 2018）

正文引用：F2 模型失败，F6 反馈与学习失败，P17 判断过程而非结果，按证据强度定步长

承诺升级

判断与决策

一句话: 对一个已经失败的行动方向负有责任的人，倾向于继续投入更多。
机制: 自我辩护、沉没成本、不愿承认错误、社会压力。
证据: 经典实验与元分析。
边界: 继续投入有时是对的；问题在于没有事先的判断标准。
设计含义: 路径写止损线（P19）；阶段复盘由事先写好的标准触发，而不是由情绪触发。
误用风险: 把一切坚持都说成承诺升级。
文献: （Staw, 1976；Sleesman 等, 2012）

正文引用：F1 方向失败，F7 持续与适应失败，P02 目标连着「为什么」，允许改写或放弃，P19 事先写止损线，定期问停还是换

沉没成本

判断与决策

一句话: 已经付出、收不回来的成本，不应影响未来的决定，但实际上会。
机制: 不愿「浪费」已经投入的东西。
证据: 经典实地实验（剧院季票）等。
边界: 已投入的成本有时包含关于未来的信息（例如学到的技能）。
设计含义: 候选评估只看未来的三价值和成本，不计已投入的（2.2）。
误用风险: 完全忽视已积累的资产。
文献: （Arkes & Blumer, 1985）

正文引用：F1 方向失败，F7 持续与适应失败，P19 事先写止损线，定期问停还是换

决策失败研究

判断与决策

一句话: 组织里约一半的决策失败；常见原因是过早锁定一个方案、搜索太窄、不设目标。
机制: 「强推一个想法」的做法失败率高；先设目标、同时考虑多个方案的做法成功率高。高速变化环境中，快的决策者同时比较多个方案、使用实时信息。
证据: 对数百个组织决策的案例研究。
边界: 组织情境，个人尺度需要转译。
设计含义: 三候选，而不是一个推荐（P07）。
误用风险: 每个小决定都要求多方案。
文献: （Nutt, 1999；Eisenhardt, 1989）

正文引用：F3 选择失败，P07 三价值评分，至少三个候选：一个触达现实、一个探索

事前验尸

判断与决策

一句话: 在行动之前，假设它已经失败了，然后列出失败的原因。
机制: 「假设已经发生」的视角让人更容易想出原因，并且降低了提出异议的社交成本。
证据: 前瞻性事后视角的实验研究报告了识别原因能力的提高〔未核实具体幅度〕；事前验尸本身的对照研究不多。
边界: 适合较大的决定，不适合每个小动作。
设计含义: 用在不可逆或高成本的决定上（P26 的 G2、G3 级）。
误用风险: 变成仪式，或者让人过度悲观。
文献: （Klein, 2007；Mitchell, Russo & Pennington, 1989；Duke, 2022）

正文引用：F7 持续与适应失败，P19 事先写止损线，定期问停还是换

竞争假设分析

判断与决策

一句话: 同时列出所有合理的假设，逐条看每条证据对哪些假设有区分力，重点寻找能推翻假设的证据。
机制: 把注意力从「哪个假设有最多支持」转向「哪个假设被推翻得最少」。
证据: 情报分析的实践方法，对照检验有限。
边界: 假设列得不全时作用有限。
设计含义: 产品 M17 的竞争假设设计；AI 产出的分析要列出替代解释（7.3）。
误用风险: 变成填矩阵的形式主义。
文献: （Heuer, 1999）

正文引用：P06 异源证据、主动反证，AI 不是 AI 的证人

超级预测者

判断与决策

一句话: 少数人在地缘政治预测上持续比别人准；概率推理训练、团队合作和持续追踪能提高预测准确率。
机制: 先看外部视角、拆解问题、频繁的小幅更新、记录并复盘。
证据: 大型预测锦标赛中的随机实验。
边界: 适用于可以在一年内判定的问题。
设计含义: 执行预测与结清（产品 M8 已有）；按证据强度更新（S2）。
误用风险: 把预测分数变成对人的评价。
文献: （Mellers 等, 2014；Tetlock & Gardner, 2015）

正文引用：P17 判断过程而非结果，按证据强度定步长，6.4 建议修改清单

校准

判断与决策

一句话: 一个人说「70% 有把握」的事，长期看应该约有 70% 成真。
机制: 用预测与实际的对照来调整自己的置信度。
证据: 训练能改善校准，这在预测锦标赛中得到验证。
边界: 需要足够多的可判定预测才能评估。
设计含义: 执行预测要能被结清（产品 M8 已有）；AI 模块的可靠性也要校准（4.2）。
误用风险: 只追求校准，不追求有信息量的预测（总说 50% 也能校准）。
文献: （Mellers 等, 2014）

正文引用：P24 信任跟着记录走，9.2 v2→v3 对照表

代价信号与显示偏好

判断与决策

一句话: 只有付出代价的信号才可信；偏好要看实际的选择，不看口头的陈述。
机制: 代价让伪装不划算（不利条件原理、劳动市场信号）；选择暴露了人实际做的权衡（显示偏好）。
证据: 生物学和经济学的理论模型，有大量经验应用；与意图—行为鸿沟的实验证据一致（Webb & Sheeran, 2006）。
边界: 代价可能被补贴或伪造；低代价的表态并非毫无信息。
设计含义: 势能差只认带代价的行动：付钱、投入时间、明确拒绝都算，口头兴趣不算（2.6、P17）。
误用风险: 为了「拿到真信号」，人为地给人设代价。
文献: （Zahavi, 1975；Spence, 1973；Samuelson, 1948）

正文引用：2.6 事件发生的地形：三要素，P17 判断过程而非结果，按证据强度定步长

探索、策略与不确定性 11 张

探索与利用

探索、策略与不确定性

一句话: 适应性系统要在「利用已知的好做法」和「探索新的可能」之间取得平衡；过度利用会困在局部最优。
机制: 利用的回报近、确定；探索的回报远、不确定，于是系统天然偏向利用。
证据: 组织学习模拟和大量后续研究。
边界: 最佳比例取决于环境变化的速度。
设计含义: 三候选里至少一个是探索（P07）；主攻和探索两个槽（产品 v0.6 已有）。
误用风险: 把探索当成不聚焦的借口。
文献: （March, 1991；Levinthal & March, 1993）

正文引用：F3 选择失败，P07 三价值评分，至少三个候选：一个触达现实、一个探索

学习的短视

探索、策略与不确定性

一句话: 组织学习倾向于牺牲长期换短期、牺牲整体换局部，并且忽视失败。
机制: 近的、局部的、成功的经验更容易被看到和强化。
证据: 理论综述。
边界: 短视有时是对不确定性的合理回应。
设计含义: 阶段复盘要专门看长期和整体；失败的尝试也要留下记录（第 7 部分）。
误用风险: 以长期为名忽视眼前。
文献: （Levinthal & March, 1993）

正文引用：F3 选择失败

实物期权

探索、策略与不确定性

一句话: 在不确定、不可逆、可以等待的情况下，先做小的、分阶段的投入，保留以后扩大或放弃的权利，本身就有价值。
机制: 不确定性越高，保留选择权的价值越大。
证据: 金融理论在战略中的应用，实证以案例为主。
边界: 保留期权也有成本；永远等下去就错过了机会。
设计含义: 优先小、真、可逆的行动（P09）；不可逆的决定加闸（P26）。
误用风险: 永远不下大注。
文献: （McGrath, 1999；Dixit & Pindyck, 1994）

正文引用：F3 选择失败，2.2 三种价值，P09 小、真、可逆优先，不可逆的加闸

效果推理

探索、策略与不确定性

一句话: 经验丰富的创业者常常不是先定目标再找手段，而是从手头已有的资源出发，按可承受的损失行动，边做边找合作者、边定义目标。
机制: 手中鸟、可承受损失、拼布被（结盟）、柠檬水（利用意外）、驾驶员（控制而非预测）。
证据: 元分析显示，效果推理的若干做法与新创企业绩效正相关（Read, Song & Smit, 2009）。
边界: 适合可预测性低、可控性高的情境（2.4 的转化象限）。
设计含义: 懒建模（S11）；候选从「手头资源」出发；在三要素里，它对应可能性空间随行动生长（相邻可能，见 2.6）。
误用风险: 在可预测的情境里也拒绝规划。
文献: （Sarasvathy, 2001；Read, Song & Smit, 2009；Wiltbank 等, 2006）

正文引用：F6 反馈与学习失败，2.4 按情境选择策略，2.6 事件发生的地形：三要素，P08 按情境切换策略，P09 小、真、可逆优先，不可逆的加闸，6.4 建议修改清单

预测—控制矩阵

探索、策略与不确定性

一句话: 按「结果能不能事先预测」和「行动者能不能塑造结果」两个维度，把情境分成规划、愿景、适应、转化四种策略取向。
机制: 可预测性高时，分析和计划有回报；可控性高时，行动和他人的承诺本身就在塑造结果；两者都低时，只能小步试探、快速调整。
证据: 战略管理领域的概念框架，基于文献综合提出，本身没有对照检验；其中「转化」象限与效果推理的实证研究相互印证（Read, Song & Smit, 2009）。
边界: 两个维度都是连续的，象限只是简化；同一个目标的不同子目标常常落在不同象限，而且会随经验移动。
设计含义: 不要对所有子目标用同一种方法；由 Agent 推断象限并给出策略提示，不要求人填写（2.4、P08）。
误用风险: 把象限当成固定标签，或者用「不可预测」为不做任何计划开脱。
文献: （Wiltbank 等, 2006；Sarasvathy, 2001）

正文引用：1.1 复杂目标与结构性改变，2.4 按情境选择策略，P08 按情境切换策略

精益创业

探索、策略与不确定性

一句话: 用最小可行产品快速做出东西，测量用户反应，学习后决定坚持还是转向。
机制: 构建—测量—学习的循环。
证据: 实践框架；其核心思想（真实检验假设）有随机实验支持（见科学方法创业）。
边界: 「最小」和「可行」的界定常常有争议。
设计含义: 学习附着在真实的行动上（P14）。
误用风险: 把产品做得太粗糙，测出的是粗糙而不是想法。
文献: （Ries, 2011）

正文引用：F6 反馈与学习失败

科学方法创业

探索、策略与不确定性

一句话: 被训练成「提出假设、做真实检验」的创业者，更快放弃坏点子、更快转向，收入也更高。
机制: 把信念当成待检验的假设，而不是要捍卫的立场。
证据: 意大利创业者的随机对照试验（Camuffo 等, 2020）；创业本身可被看作一系列实验（Kerr, Nanda & Rhodes-Kropf, 2014）。未重复
边界: 单项随机试验；样本是早期创业者。
设计含义: 一句预测加一个看点（S1）；真实检验比模型精细更重要（命题一）。
误用风险: 把「科学方法」变成繁重的表格。
文献: （Camuffo 等, 2020；Kerr, Nanda & Rhodes-Kropf, 2014）

正文引用：F6 反馈与学习失败

渐进主义

探索、策略与不确定性

一句话: 复杂政策问题上，决策者实际上是通过一连串有限的比较和小步调整前进的，而不是从根本上全面分析。
机制: 小步调整容易纠错，也容易取得共识。
证据: 公共行政的概念分析与观察。
边界: 渐进主义可能错过需要大改的时刻。
设计含义: 日环、周环的小步调整为主；阶段复盘保留做大改的机会（2.3）。
误用风险: 用渐进主义回避根本问题。
文献: （Lindblom, 1959）

正文引用：2.4 按情境选择策略

OODA 循环

探索、策略与不确定性

一句话: 观察、判断、决策、行动；在对抗环境里，循环更快的一方占优。
机制: 判断（Orientation）是核心，它塑造观察和决策。
证据: 军事战略理论，概念框架。
边界: 不是所有环境都是对抗性的。
设计含义: 动作环要短（2.3）；回报一分钟（P15）。
误用风险: 只追求快，忽视判断质量。
文献: （Osinga, 2007）

正文引用：2.3 嵌套节律

主动推断

探索、策略与不确定性

一句话: 能动者选择行动，是为了同时减少不确定性（认识价值）和接近偏好的状态（实用价值）。
机制: 期望自由能可以分解为认识价值和实用价值两部分。
证据: 计算神经科学的理论框架，有模拟和部分实验支持。
边界: 完整的数学形式难以直接用于产品。
设计含义: 三种价值中的「推进」和「认识」直接对应这两部分（2.2）。
误用风险: 用复杂数学包装简单直觉。
文献: （Friston 等, 2015；Parr, Pezzulo & Friston, 2022）

正文引用：2.2 三种价值

赋能

探索、策略与不确定性

一句话: 一个能动者的「能动性」可以用它的行动对未来状态的影响能力来度量。
机制: 行动与未来感知之间的信息通道容量。
证据: 人工智能中的形式化度量，没有在人类能动性上直接检验。
边界: 作为启发，而不是精确的度量。
设计含义: 三种价值中的「能动」：一个行动是否扩大了以后能做的事（新技能、新关系、新资源）（2.2）；在地形图像里，就是扩大可达的可能性空间（2.6）。
误用风险: 为了「扩大选择」而迟迟不行动。
文献: （Klyubin, Polani & Nehaniv, 2005）

正文引用：2.2 三种价值，2.6 事件发生的地形：三要素

执行与行为改变 12 张

意图—行为鸿沟

执行与行为改变

一句话: 想做和真的去做之间有一道很宽的鸿沟；意图只能解释行为的一小部分。
机制: 遗忘、错过时机、启动困难、被别的事打断。
证据: 元综合显示，意图只能解释行为变异的约 28%〔未核实〕；实验显示中到大的意图改变只带来小到中的行为改变（Webb & Sheeran, 2006）。稳健
边界: 习惯性行为上，鸿沟更大。
设计含义: 第 ⑥ 环是必经之门（1.2）；系统要帮助执行，而不只是帮助决定；表态不等于势能差，判断「是否真的要」只认带代价的行动（2.6）。
误用风险: 把未执行归因于人的意志力。
文献: （Sheeran, 2002；Webb & Sheeran, 2006）

正文引用：F4 启动与执行失败，2.6 事件发生的地形：三要素，P17 判断过程而非结果，按证据强度定步长

执行意图

执行与行为改变

一句话: 用「如果遇到情境 X，我就做 Y」的格式写计划，显著提高执行率。
机制: 把行动和情境线索绑定，让行动在线索出现时自动启动；写下具体计划也能减少未完成目标对注意力的干扰（Masicampo & Baumeister, 2011）。
证据: 元分析 94 项检验 d=.65 （Gollwitzer & Sheeran, 2006）；更新的元分析覆盖 642 项检验，效应在 .27–.66 之间（Sheeran, Listrom & Gollwitzer, 2025）。稳健
边界: if-then 格式、动机高、经过演练时效果更大；对需要灵活应变的任务，过于刚性的计划可能有害。
设计含义: 候选附「如果—那么」（P10）；预先写好的「如果—那么」就是在设计触发（2.6）。
误用风险: 要求人为每件小事写计划。
文献: （Gollwitzer, 1999；Gollwitzer & Sheeran, 2006；Sheeran, Listrom & Gollwitzer, 2025；Masicampo & Baumeister, 2011）

正文引用：F4 启动与执行失败，2.6 事件发生的地形：三要素，P10 下一步写成「如果—那么」

时间动机理论

执行与行为改变

一句话: 做一件事的动机 = 期望 × 价值 ÷（1 + 冲动性 × 延迟）。
机制: 回报越远、越不确定、越无趣，越容易拖延。
证据: 拖延研究的元分析支持各个因素（Steel, 2007）。
边界: 公式是整合性的，各因素的具体形式有争议。
设计含义: 把大任务拆成近处有反馈的小动作；提高期望（降低难度、给出第一步）（F4.2）。
误用风险: 把拖延完全归因于个人特质。
文献: （Steel & König, 2006；Steel, 2007）

正文引用：F4 启动与执行失败

情境策略

执行与行为改变

一句话: 改变情境（选择情境、修改情境）比在诱惑面前硬扛更有效。
机制: 越早介入冲动的产生过程，效果越好；意志力不是可靠的资源。
证据: 综述；「意志力像肌肉一样会耗尽」的说法在大规模预注册重复中没有得到支持（Hagger 等, 2016；Vohs 等, 2021）。
边界: 情境不总是可以控制。
设计含义: 改环境，不靠意志力（P11）；承诺机制可以作为工具（Bryan, Karlan & Nelson, 2010）。注意力预算（S8）管的是时间和打扰，不是「意志力储备」。
误用风险: 过度设计环境，让人失去自主感。
文献: （Duckworth, Gendler & Gross, 2016；Duckworth, Milkman & Laibson, 2018；Hagger 等, 2016；Vohs 等, 2021；Bryan, Karlan & Nelson, 2010）

正文引用：F4 启动与执行失败，P11 改环境，不靠意志力

行为模型

执行与行为改变

一句话: 行为发生需要动机、能力、提示在同一时刻同时具备。
机制: 三者缺一不可；能力越高（越容易做），所需的动机越低。
证据: 设计框架，实证检验有限。
边界: 简化了复杂的行为过程。
设计含义: 候选要附「什么时候、在哪里」（提示），并且足够小（能力）（P10）；三要素里，能力越高势垒越低，提示就是设计出来的触发；但动机（势能差）不足时，再小的动作也只是降坎（2.6 两振规则）。
误用风险: 用提示轰炸人。
文献: （Fogg, 2009）

正文引用：F4 启动与执行失败，2.6 事件发生的地形：三要素，P11 改环境，不靠意志力

COM-B

执行与行为改变

一句话: 行为取决于能力、机会和动机三者。
机制: 三者互相影响；干预要先诊断缺的是哪一个。
证据: 被广泛用于干预设计的框架；作为框架本身难以检验。
边界: 分类粗，需要配合更细的工具使用。
设计含义: 未执行时，先归因于能力、机会、时机，而不是动机或人（P16）；这条默认归因有次数上限：同一卡点连续两次降坎无效，就问一次「还要吗」（2.6）。
误用风险: 把框架当成解释，而不是诊断工具。
文献: （Michie, van Stralen & West, 2011）

正文引用：F4 启动与执行失败，2.6 事件发生的地形：三要素，P11 改环境，不靠意志力

助推的实际效应

执行与行为改变

一句话: 学术论文里报告的助推效应，在大规模真实应用中小得多；修正发表偏差后，总体效应可能接近零。
机制: 发表偏差、小样本、实验条件与真实条件的差距。
证据: 两个助推单位的大规模随机试验显示，效应约为学术论文报告值的五分之一〔未核实具体比例〕（DellaVigna & Linos, 2022）；修正发表偏差后，总体效应不显著（Maier 等, 2022）；大型研究显示，专家和普通人都难以预测哪种干预有效（Milkman 等, 2021）。有争议
边界: 不同领域差异很大；有些助推确实有效。
设计含义: 不要指望靠提示和措辞的小技巧带来大效果；结构性的改动（入口、成本、默认值）更重要。
误用风险: 因此否定一切行为设计。
文献: （DellaVigna & Linos, 2022；Maier 等, 2022；Milkman 等, 2021）

正文引用：F4 启动与执行失败

习惯形成

执行与行为改变

一句话: 在稳定的情境里重复一个行为，它会逐渐变得自动化，不再需要动机和决策。
机制: 情境—行为联结的强化。
证据: 真实世界研究中，达到自动化平台期的中位时间约 66 天，个体差异很大（18–254 天）（Lally 等, 2010）。
边界: 需要稳定的情境线索；情境变了，习惯就断了。
设计含义: 回报入口放在固定的地方、固定的时机（P11）；不要每周改界面。
误用风险: 试图把一切都变成习惯，包括需要思考的事。
文献: （Lally 等, 2010；Wood & Rünger, 2016；Gardner, Lally & Wardle, 2012）

正文引用：F7 持续与适应失败，P11 改环境，不靠意志力

注意力残留

执行与行为改变

一句话: 从一件没完成的事切换到另一件事，注意力会残留在前一件事上，降低后一件的表现。
机制: 未完成的目标保持激活，与新任务争夺资源。
证据: 实验研究；被打断的工作完成得更快，但压力更大（Mark, Gudith & Klocke, 2008）。
边界: 残留的大小取决于前一件事的完成程度和时间压力。
设计含义: 打扰要计入注意力成本（P21）；把多个请求合并到一次处理。
误用风险: 为了避免打断而延误紧急事项。
文献: （Leroy, 2009；Altmann & Trafton, 2002；Mark, Gudith & Klocke, 2008）

正文引用：F4 启动与执行失败，P12 在手的事少而真

自我效能

执行与行为改变

一句话: 相信自己能做成某件事的程度，影响人选择做什么、投入多少、坚持多久。
机制: 四个来源：亲身的成功经验（最强）、看到别人做成、别人的鼓励、身心状态。
证据: 元分析显示与工作绩效相关（Stajkovic & Luthans, 1998）；但个体内部的研究发现，自我效能更多是过去表现的结果，而不是未来表现的原因，过高时还可能降低投入（Vancouver 等, 2001；Sitzmann & Yeo, 2013）。有争议
边界: 组间相关和个体内因果是两回事。
设计含义: 通过小的真实成功积累效能（P09）；掌握记录（S7）；不靠口头鼓励。
误用风险: 刻意制造虚假的成功。
文献: （Bandura, 1977；Bandura, 1997；Stajkovic & Luthans, 1998；Vancouver 等, 2001；Sitzmann & Yeo, 2013；Bandura & Schunk, 1981）

正文引用：F4 启动与执行失败，2.2 三种价值

象征性自我完成

执行与行为改变

一句话: 把和身份有关的意图公开宣布、并被别人注意到，可能让人产生「已经完成」的感觉，反而做得更少。
机制: 身份目标被他人的认可部分满足了。
证据: 小样本实验，重复研究不多。未重复
边界: 只对与身份相关的目标成立；对任务性目标，公开承诺可能有帮助。
设计含义: 系统不把「写了计划」「建了卡」当成进展（F4.6）；三个不等号（产品 A4）。
误用风险: 因此反对一切公开承诺。
文献: （Gollwitzer 等, 2009）

正文引用：F4 启动与执行失败

稀缺理论

执行与行为改变

一句话: 时间或金钱的稀缺会俘获注意力，让人专注于眼前的缺口，忽视其他事和长远的事。
机制: 「隧道视野」与带宽税。
证据: 有实验支持（Shah, Mullainathan & Shafir, 2012），但对这一研究领域的系统审计发现，许多结果的证据价值偏弱（O'Donnell 等, 2021）。有争议
边界: 效应大小和稳定性存疑。
设计含义: 本人状态差时，系统自动降低在手上限和注意力预算（产品 M5 已有降级）。
误用风险: 把一切表现差都归因于稀缺。
文献: （Mullainathan & Shafir, 2013；Shah, Mullainathan & Shafir, 2012；O'Donnell 等, 2021）

正文引用：F5 他人与资源失败，2.2 三种价值

反馈、学习与评估 15 张

反馈干预理论

反馈、学习与评估

一句话: 反馈平均能提高绩效，但约三分之一的反馈干预反而降低了绩效。
机制: 反馈把注意力引向哪里决定了效果：引向任务和学习，有帮助；引向自我（「我是不是不行」），有害。
证据: 元分析，607 个效应量，平均 d≈.41〔未核实〕，其中超过三分之一为负（Kluger & DeNisi, 1996）。稳健
边界: 效果受反馈内容、频率、对象影响很大。
设计含义: 保护性不对称（产品 M8）；反馈讲任务和下一步，不讲人（P16）；不显示完成率、连续天数这类会引发自我评判的数字。
误用风险: 因此不给任何反馈。
文献: （Kluger & DeNisi, 1996）

正文引用：F6 反馈与学习失败，P16 反馈指向任务，不指向人

复盘

反馈、学习与评估

一句话: 结构化的复盘平均能提升约 25% 的绩效。
机制: 对齐目标、聚焦具体事件、多种视角、落到具体的下一步行动。
证据: 元分析，46 个样本，d=.67 （Tannenbaum & Cerasoli, 2013）。
边界: 泛泛而谈、只表扬或只批评的复盘效果差。
设计含义: 日、周、阶段三层复盘（产品 M7）；复盘结论要落到下一组候选（F6.6）。
误用风险: 复盘本身变成负担，挤占行动时间。
文献: （Tannenbaum & Cerasoli, 2013；Kolb, 1984；Schön, 1983）

正文引用：F6 反馈与学习失败

单环、双环与三环学习

反馈、学习与评估

一句话: 单环学习改行动，双环学习改支配行动的假设和目标，三环学习改「怎样学习」本身。
机制: 只做单环，会在错误的假设里越做越好。
证据: 组织学习的概念框架。
边界: 双环学习的成本高，不能频繁进行。
设计含义: 节律分层：动作环改行动，周环改模型，阶段环改目标和方法（2.3）；规则本身也要复查（P27）。
误用风险: 每次都要求「深层反思」。
文献: （Argyris, 1976；Argyris, 1977；Schön, 1983）

正文引用：F6 反馈与学习失败，2.3 嵌套节律

PDSA 循环

反馈、学习与评估

一句话: 计划、执行、研究、处理；用小规模、快速、迭代的真实测试来改进。
机制: 小步真实测试，用数据而不是意见来决定下一步。
证据: 系统综述发现，多数自称使用 PDSA 的项目并没有真正做到迭代、小规模和持续用数据（Taylor 等, 2014）。
边界: 形式完整不等于做到了核心。
设计含义: 小而快的真实循环比形式完整更重要（S1）；改进的「套路」可以每天练习（Rother, 2009）。
误用风险: 把四个字母当成必填的四个字段。
文献: （Langley 等, 2009；Taylor 等, 2014；Deming, 1986；Rother, 2009）

正文引用：P14 学习附着在行动上，6.4 建议修改清单

即时生态评估与适时干预

反馈、学习与评估

一句话: 在人需要、并且能接受的时刻，提供恰好的支持。
机制: 决策点、裁剪变量、干预选项、决策规则；关键是区分「易受影响的状态」和「能接受干预的状态」。
证据: 移动健康领域的设计框架，具体干预的效果因研究而异。
边界: 打扰本身有成本，接受度会随时间下降。
设计含义: 注意力预算与打扰时机（P21）；回报入口在行动发生的地方（P11）。
误用风险: 以「适时」为名频繁推送。
文献: （Nahum-Shani 等, 2018）

正文引用：P15 回报的成本远低于产出

个人信息学的放弃

反馈、学习与评估

一句话: 个人记录工具的使用有明显的阶段，大多数人会在某个阶段放弃，原因常常是记录的成本高于得到的价值。
机制: 准备、收集、整合、反思、行动，任一阶段的障碍都会向后传导；现实中的使用是「决定—选择—记录—中断—恢复」的循环。
证据: 访谈和调查研究。
边界: 多为定性研究，样本偏向技术爱好者。
设计含义: 记录必须几乎免费（P15）；允许中断后无负担地恢复，不惩罚缺失。
误用风险: 为了降低成本而丢失必要的信息。
文献: （Li, Dey & Forlizzi, 2010；Epstein 等, 2015；Lazar 等, 2015）

正文引用：F6 反馈与学习失败，P15 回报的成本远低于产出

损耗定律

反馈、学习与评估

一句话: 数字健康干预中，大量用户会在早期停止使用，这是一种系统性的现象，而不是偶然。
机制: 使用的成本持续，收益延迟且不确定。
证据: 基于多项试验的观察与概念分析。
边界: 损耗率因干预和人群差异很大。
设计含义: 放弃率是护栏指标（6.7）；最初几周的体验最关键。
误用风险: 把留存当成目标，用刺激手段维持使用。
文献: （Eysenbach, 2005）

正文引用：F6 反馈与学习失败，P15 回报的成本远低于产出

有效投入

反馈、学习与评估

一句话: 数字干预要追求的是「足以达到效果的投入」，而不是最大化的使用量。
机制: 投入既包括使用行为，也包括主观体验；过多的投入要求本身就是负担。
证据: 跨学科专家共识与综述。
边界: 「足够」的标准需要针对每个干预确定。
设计含义: 不追求使用时长和打开次数；学习附着在行动上，每次成本极低（P14、P15）。
误用风险: 以「有效投入」为名压缩必要的步骤。
文献: （Yardley 等, 2016）

正文引用：F6 反馈与学习失败，P14 学习附着在行动上，6.4 建议修改清单

合意困难

反馈、学习与评估

一句话: 间隔练习、交错练习、自我测试这类让学习「变难」的做法，短期表现变差，长期保持和迁移更好。
机制: 提取和重构的努力强化了记忆。
证据: 大量实验研究，其中测试效应和间隔效应很稳健；刻意练习的作用比早期估计的小，且因领域差别很大（Ericsson, Krampe & Tesch-Römer, 1993；Macnamara, Hambrick & Oswald, 2014）。
边界: 困难要「合意」：超出能力太多的困难没有帮助。
设计含义: 本人想学会的事，AI 不直接代做，而是脚手架式协助（P20）。
误用风险: 为了「合意困难」故意不给帮助。
文献: （Bjork, 1994；Ericsson, Krampe & Tesch-Römer, 1993；Macnamara, Hambrick & Oswald, 2014）

正文引用：P20 每次协助都留下更强的人，4.5 认知卸载与能力保护

脚手架

反馈、学习与评估

一句话: 辅导者先承担学习者暂时做不到的部分，随着学习者能力提高，逐步撤除支持。
机制: 引起兴趣、降低自由度、维持方向、标出关键特征、控制挫败感、示范；关键是逐步撤除。
证据: 教育研究的大量支持；AI 辅导的实地实验显示，带辅导护栏的版本在撤除 AI 后不损害学习，不带护栏的版本有害（Bastani 等, 2025）。
边界: 撤除的时机难以把握。
设计含义: 掌握模式下，AI 先让人尝试，再给提示（P20、命题八）。
误用风险: 永远不撤除支持。
文献: （Wood, Bruner & Ross, 1976；Bastani 等, 2025）

正文引用：2.7 九条可证伪命题，P20 每次协助都留下更强的人，4.5 认知卸载与能力保护

古德哈特与坎贝尔定律

反馈、学习与评估

一句话: 一个指标一旦成为目标，就不再是好的指标；被用于决策的量化指标，越容易被扭曲，也越会扭曲它要衡量的过程。
机制: 回归型、极端型、因果型、对抗型四种变体。
证据: 大量案例与分类分析。
边界: 不是所有指标都会被同等程度地扭曲。
设计含义: 北极星与认识兑现率成对使用，不设每日目标（6.7）；现行闭环学习率有被分母操纵的风险（S5）。
误用风险: 因此拒绝一切量化。
文献: （Campbell, 1979；Manheim & Garrabrant, 2018）

正文引用：F1 方向失败，F3 选择失败，6.4 建议修改清单

奖励 A 期望 B

反馈、学习与评估

一句话: 组织常常奖励一种行为，却期望得到另一种行为。
机制: 被奖励的东西更容易被看到和计算，期望的东西往往难以测量。
证据: 经典案例分析。
边界: 案例为主。
设计含义: 产品的北极星奖励「模型写回」，却期望「现实改变」（6.2）。
误用风险: 只批评激励，不提供替代方案。
文献: （Kerr, 1975）

正文引用：F8 系统结构失败

单被试实验设计

反馈、学习与评估

一句话: 通过在同一个人身上反复测量、有计划地引入和撤除干预，判断干预是否有效。
机制: 多基线、撤回（ABAB）、交替处理；看水平、趋势、波动、即时性、重叠、一致性六个方面。
证据: 方法学，有成文的设计标准；证据等级不适用。
边界: 要求每个阶段有足够的数据点，并且在不同时间点重复看到效应。
设计含义: 一心行动只有一位用户，这是检验产品改动的主要方法（7.1）。
误用风险: 把单被试数据硬塞进组间统计检验。
文献: （Kazdin, 2011；Kratochwill 等, 2013；Lillie 等, 2011）

正文引用：7.1 单被试实验设计

微随机化试验

反馈、学习与评估

一句话: 在每个可以干预的时刻随机决定是否干预，估计干预的近端效果。
机制: 大量决策点上的随机化，适合优化「什么时候、给什么提示」。
证据: 方法学；证据等级不适用。
边界: 只能估计近端效果；需要知情同意；不能用于对外行动和花钱的决定。
设计含义: 用于优化 Agent 的提示时机（7.1）。
误用风险: 把用户当成无休止的实验对象。
文献: （Klasnja 等, 2015）

正文引用：7.1 单被试实验设计

过程追踪与理论驱动评估

反馈、学习与评估

一句话: 把一个因果主张拆成一串中间环节，逐个找证据；不只问「有没有效」，还问「通过什么机制、在什么情境下有效」。
机制: 四种检验（风向稻草、环套、确凿证据、双重决定）；贡献分析的六步；情境—机制—结果；发展性评估。
证据: 方法学；证据等级不适用。
边界: 依赖研究者对机制的设想是否完整。
设计含义: 检验产品改动是否通过预想的机制起作用（7.2）。
误用风险: 事后编故事。
文献: （Collier, 2011；Beach & Pedersen, 2013；Mayne, 2012；Pawson & Tilley, 1997；Patton, 2011）

正文引用：7.2 过程追踪与贡献分析

社会与协调 14 张

利益相关者显著性

社会与协调

一句话: 一个利益相关者有多重要，取决于他的权力、正当性和紧迫性。
机制: 三种属性越多，越需要被关注。
证据: 管理学的概念框架。
边界: 属性会随时间变化。
设计含义: 要素图里的「关键他人」（S11 之后按需生长）。
误用风险: 只关注有权力的人。
文献: （Mitchell, Agle & Wood, 1997）

正文引用：F5 他人与资源失败

弱关系

社会与协调

一句话: 新的信息和机会常常来自不那么熟的人，因为他们连接着你接触不到的圈子。
机制: 强关系之间的信息高度重叠，弱关系是通向其他圈子的桥。
证据: 最初基于求职者调查的研究。
边界: 弱关系提供信息，强关系提供支持；两者都需要。
设计含义: 触达现实的候选里，考虑联系不太熟的人（三种价值中的「能动」）。
误用风险: 把人际关系完全工具化。
文献: （Granovetter, 1973）

正文引用：F5 他人与资源失败，2.2 三种价值

原则谈判

社会与协调

一句话: 对事不对人、关注利益而不是立场、为共同利益创造选项、坚持客观标准、知道自己的最佳替代方案。
机制: 把谈判从立场对抗转向共同解决问题。
证据: 实践框架。
边界: 对方不合作时效果有限。
设计含义: 获取外部合作类的指令（产品 T06）可以参考这些要点起草。
误用风险: 机械套用。
文献: （Fisher & Ury, 1981）

正文引用：F5 他人与资源失败

待办任务

社会与协调

一句话: 要理解别人为什么选择你（或不选），就要问他在某个情境下想完成什么「任务」。
机制: 人「雇用」产品或服务来完成任务。
证据: 实践框架，案例为主。
边界: 适用于产品与市场情境。
设计含义: 涉及他人的目标里，要建模对方的「任务」，而不只是自己的诉求（F5.1）。
误用风险: 把一切都套进这个框架。
文献: （Christensen 等, 2016）

正文引用：F5 他人与资源失败

协调理论

社会与协调

一句话: 协调就是管理活动之间的依赖关系。
机制: 共享资源、前后依赖、同时性、任务与子任务等依赖类型，各有对应的协调机制。
证据: 跨学科的概念框架。
边界: 分类有助于设计，不直接给出答案。
设计含义: 多个能动模块之间的依赖要显式化；单一写者解决共享资源依赖（产品 A15）。
误用风险: 为了协调增加过多的流程。
文献: （Malone & Crowston, 1994）

正文引用：F5 他人与资源失败，4.8 多智能体协作

问责

社会与协调

一句话: 事先知道要向一个关心过程、立场未知的人解释，人会想得更周全；事后问责则容易导致防御和自我辩护。
机制: 事前问责引发预防性的自我批判；事后问责引发对已做决定的辩护。
证据: 大量实验研究的综述。
边界: 问责对象的立场已知时，人会迎合对方。
设计含义: AI 模块的行动留下可追溯的记录（P25）；人的问责是事前写预测，而不是事后被评判。
误用风险: 把问责变成监视。
文献: （Lerner & Tetlock, 1999）

正文引用：F5 他人与资源失败，5.2 团队与组织

决策权

社会与协调

一句话: 清楚地规定谁提议、谁同意、谁执行、谁提供意见、谁做最终决定，组织表现更好。
机制: 模糊的决策权导致拖延和重复工作。
证据: 咨询实践的案例与调查。
边界: 组织情境。
设计含义: 主人层归人（P22）；四层写权契约（2.5）。
误用风险: 把一切都写成规则。
文献: （Rogers & Blenko, 2006）

正文引用：5.1 不变的骨架

心理安全

社会与协调

一句话: 团队成员相信在团队里冒人际风险是安全的；心理安全高的团队学得更多。
机制: 敢于提问、承认错误、提出异议，学习行为才会发生。
证据: 最初的实地研究和大量后续研究。
边界: 心理安全不等于降低标准。
设计含义: 个人版的保护性不对称（P16）；组织版的回报入口要让人敢报「没做」「失败了」（5.2）。
误用风险: 把心理安全理解成不能有任何批评。
文献: （Edmondson, 1999）

正文引用：5.2 团队与组织

团队有效性条件

社会与协调

一句话: 团队有效需要五个条件：真实的团队、有吸引力的方向、使能的结构、支持性的环境、专业的辅导。
机制: 条件创造了团队成功的可能，领导者的作用是创造条件。
证据: 多年的实地研究。
边界: 条件是必要的，不是充分的。
设计含义: 组织版设计的储备（5.2）。
误用风险: 当成检查清单逐项打钩。
文献: （Hackman, 2002）

正文引用：5.2 团队与组织

任务式指挥

社会与协调

一句话: 在不确定的环境里，上级传达意图和边界，而不是详细计划；执行者在意图范围内自主应变。
机制: 计划与结果之间有三种落差：知识落差、对齐落差、效果落差；详细计划会加剧它们。
证据: 军事与管理实践。
边界: 要求执行者有足够的能力和信息。
设计含义: 主人层传达意图和边界（P22）；AI 的授权按意图和边界定义（4.2）。
误用风险: 意图写得太模糊。
文献: （Bungay, 2011）

正文引用：5.2 团队与组织

意义建构

社会与协调

一句话: 在不确定中，人和组织通过「行动—解释—再行动」来理解局面，而不是先理解再行动。
机制: 行动产生线索，线索被解释，解释指导下一步行动。
证据: 组织研究的理论框架。
边界: 解释可能被既有框架锁定。
设计含义: 行动优先、学习附着（6.3）；知识在行动和交流中被创造（Nonaka, 1994）。
误用风险: 用「边做边想」为不思考辩护。
文献: （Weick, Sutcliffe & Obstfeld, 2005；Nonaka, 1994）

正文引用：5.2 团队与组织

阈值模型

社会与协调

一句话: 每个人都有一个「多少人先做了我才做」的阈值；集体行动能不能形成连锁，取决于阈值的分布，而不是平均态度。
机制: 阈值最低的人先动，带动下一个阈值的人，依次传递；分布中间有一个空档，连锁就会中断。
证据: 影响很大的形式模型；个人阈值很难直接测量。
边界: 假设人只看已经行动的人数，忽略了网络结构和身份。
设计含义: 涉及多人的目标，系统势能差要看「愿意先动的人」有没有、够不够，而不是看平均兴趣（2.6、5.2）。
误用风险: 用平均满意度推断会不会有人行动。
文献: （Granovetter, 1978）

正文引用：2.6 事件发生的地形：三要素

人机协作 15 张

自动化偏差与自满

人机协作

一句话: 人会过度依赖自动化系统的建议，不再独立核查，导致漏掉系统没提示的问题，或者照做系统的错误建议。
机制: 注意力分配；专家也会发生，单靠训练难以消除；人离开回路之后，对局势的感知能力下降（Endsley, 1995）。
证据: 多个领域的实验和系统综述（Parasuraman & Manzey, 2010；Goddard, Roudsari & Wyatt, 2012）；「认知强制」设计能减少过度依赖，但用户不太喜欢（Buçinca, Malaya & Gajos, 2021）。
边界: 系统越可靠，偏差越难被发现。
设计含义: AI 的建议附可核查的依据；重要决定要求人先形成自己的判断（H1）。
误用风险: 因此要求人核查一切，抵消了 AI 的价值。
文献: （Parasuraman & Manzey, 2010；Goddard, Roudsari & Wyatt, 2012；Buçinca, Malaya & Gajos, 2021；Endsley, 1995）

正文引用：1.4 人机协作带来的新失败机制

算法厌恶

人机协作

一句话: 人看到算法犯错后，会回避使用它，即使它比人更准；但在另一些情境下，人反而更相信算法。
机制: 对算法的错误比对人的错误更不宽容；任务类型和专业程度影响方向。
证据: 实验研究，两个方向都有（Dietvorst, Simmons & Massey, 2015；Logg, Minson & Moore, 2019）。有争议
边界: 方向取决于任务、人群和呈现方式。
设计含义: AI 的可靠性记录要透明，错误不要隐藏，也不要放大（H2）。
误用风险: 为了避免厌恶而隐藏错误。
文献: （Dietvorst, Simmons & Massey, 2015；Logg, Minson & Moore, 2019）

正文引用：1.4 人机协作带来的新失败机制

自动化的反讽

人机协作

一句话: 自动化把容易的部分交给机器，把最难的部分留给人，而人的技能因为不再练习而退化。
机制: 人从操作者变成监控者，而监控恰恰是人不擅长的。
证据: 工业控制领域的经典分析，被大量后续研究支持；AI 辅导的实地实验提供了新证据（Bastani 等, 2025）。
边界: 程度取决于自动化的设计。
设计含义: 能力回收检查（S7）；关键能力保留练习（P20）。
误用风险: 因此拒绝自动化。
文献: （Bainbridge, 1983；Bastani 等, 2025）

正文引用：1.4 人机协作带来的新失败机制，2.2 三种价值，P20 每次协助都留下更强的人，4.5 认知卸载与能力保护

参差前沿

人机协作

一句话: AI 的能力边界参差不齐：有些看起来难的任务它做得很好，有些看起来简单的任务它做不好；在边界之外用 AI，表现反而变差。
机制: 人很难预知一项任务落在边界内还是外。
证据: 对 758 名咨询顾问的实地实验：边界内的任务上，用 AI 多完成 12.2%、快 25.1%、质量高 40% 以上；边界外的任务上，正确率低 19 个百分点〔未核实〕（Dell'Acqua 等, 2023）。其他实地研究显示，AI 对新手和低能力者的帮助更大（Noy & Zhang, 2023；Brynjolfsson, Li & Raymond, 2025）。未重复
边界: 前沿在快速移动。
设计含义: 记录每个域的 AI 可靠性，让人看到前沿（4.1）。
误用风险: 把一次测得的前沿当成固定的。
文献: （Dell'Acqua 等, 2023；Noy & Zhang, 2023；Brynjolfsson, Li & Raymond, 2025）

正文引用：1.4 人机协作带来的新失败机制，4.1 互补性，4.6 大语言模型的特有风险

人机互补

人机协作

一句话: 平均而言，人机组合不如两者中较好的一方；只有在人本来比 AI 强、或者任务是创作类时，组合才有增益。
机制: 人不知道什么时候该信 AI；解释往往增加了对 AI 的接受，而不论它对不对（Bansal 等, 2021）。
证据: 元分析，106 项实验，组合平均表现低于较好的一方〔未核实具体效应量〕（Vaccaro, Almaatouq & Malone, 2024）。
边界: 结果高度依赖任务类型和分工方式。
设计含义: 按比较优势分工，并显示能力前沿（命题六、4.1）；AI 让个人更有创意，却可能降低整体的多样性（Doshi & Hauser, 2024）。
误用风险: 认为人机协作一定更好，或者一定更差。
文献: （Vaccaro, Almaatouq & Malone, 2024；Bansal 等, 2021；Doshi & Hauser, 2024）

正文引用：1.4 人机协作带来的新失败机制，4.1 互补性

开发者随机对照试验

人机协作

一句话: 有经验的开源开发者在允许使用 AI 时，完成真实任务的时间增加了 19%，但他们自己以为快了 20%。
机制: 提示、等待、审查和修改 AI 产出的开销没有被感知到。
证据: 16 名开发者、246 个真实任务的随机对照试验（Becker 等, 2025）。未重复
边界: 样本小；是特定时期的 AI 和特定类型的开发者与代码库。
设计含义: AI 协作的开销要被测量，而不是凭感觉（H7）；注意力预算（S8）。
误用风险: 推广为「AI 没用」。
文献: （Becker 等, 2025）

正文引用：1.4 人机协作带来的新失败机制

混合主动交互

人机协作

一句话: 系统要根据对用户目标的不确定程度，决定是直接行动、先问一句，还是什么都不做。
机制: 比较行动、对话、不行动三者的期望效用，并计入打扰用户的注意力成本。
证据: 人机交互的设计原则，有原型验证。
边界: 计算期望效用需要对用户目标有可靠的估计。
设计含义: 授权阶梯与注意力预算（4.2、P21）；把自动化做成「团队成员」而不是黑箱（Klein 等, 2004；Johnson 等, 2014）。
误用风险: 为了「主动」而频繁打扰。
文献: （Horvitz, 1999；Klein 等, 2004；Johnson 等, 2014；Woods & Hollnagel, 2006）

正文引用：1.4 人机协作带来的新失败机制，P21 注意力预算：AI 消耗的必须少于它省下的，4.4 注意力经济，6.4 建议修改清单

自动化等级

人机协作

一句话: 自动化不是全有或全无，而是分等级的；并且信息获取、分析、决策、执行四个功能可以各自处在不同的等级。
机制: 按人的表现后果、可靠性和成本来选择每个功能的等级；AI 智能体的自主程度可以按用户的角色来定义：操作者、协作者、顾问、审批者、观察者（Feng, McDonald & Zhang, 2025）。
证据: 概念框架；智能体治理的实践建议（Shavit 等, 2023）。「自主是一个单一维度」本身是一个误区（Bradshaw 等, 2013）。
边界: 等级划分有多种版本。
设计含义: 授权阶梯 L0–L4 按行动域分别设定（4.2）；AI 能完成的任务长度在快速增长（Kwa 等, 2025），授权要能随之调整。
误用风险: 把等级当成固定的标签。
文献: （Sheridan & Verplank, 1978；Parasuraman, Sheridan & Wickens, 2000；Feng, McDonald & Zhang, 2025；Shavit 等, 2023；Bradshaw 等, 2013；Kwa 等, 2025）

正文引用：1.4 人机协作带来的新失败机制，2.5 人机能动系统，P13 AI 在现实中行动，按授权扩展

对自动化的信任

人机协作

一句话: 对自动化的信任要与它的实际可靠性相匹配，过度信任和信任不足都有害。
机制: 信任基于表现、过程和目的；校准、分辨力和特异性决定信任是否恰当。
证据: 大量实验研究的综述（Lee & See, 2004；Hoff & Bashir, 2015）。
边界: 信任有个人倾向、情境和经验三个层次。
设计含义: 按域记录 AI 可靠性，授权随记录升降（命题七）。
误用风险: 试图「提高」信任，而不是「校准」信任。
文献: （Lee & See, 2004；Hoff & Bashir, 2015）

正文引用：1.4 人机协作带来的新失败机制，P13 AI 在现实中行动，按授权扩展，P24 信任跟着记录走，4.2 委托与授权阶梯，4.3 信任校准

认知卸载

人机协作

一句话: 用外部工具减轻认知负担，能提高当下的表现，但可能削弱对被卸载内容的记忆和相关能力。
机制: 人根据对自己能力的判断决定是否卸载。
证据: 认知心理学的综述（Risko & Gilbert, 2016）；关于生成式 AI 的研究多为调查和相关研究，显示更依赖 AI 的人报告更少的批判性思考（Lee 等, 2025；Gerlich, 2025）；脑电研究为预印本、样本小（Kosmyna 等, 2025）。未重复
边界: 卸载本身不是坏事，问题在于卸载了想保留的能力。
设计含义: 区分「交给 AI 就好」和「我想学会」的事（P20、4.5）。
误用风险: 因此要求人什么都自己做。
文献: （Risko & Gilbert, 2016；Lee 等, 2025；Gerlich, 2025；Kosmyna 等, 2025）

正文引用：P20 每次协助都留下更强的人，4.5 认知卸载与能力保护

人机交互指南

人机协作

一句话: 18 条人机交互设计指南，覆盖初次接触、交互中、出错时、长期使用四个阶段。
机制: 例如说明系统能做什么、做得多好；支持高效的纠正；记住近期交互；谨慎地更新和适应。
证据: 经设计从业者的用户研究验证。
边界: 通用指南，需要针对产品具体化。
设计含义: AI 产出附可靠性说明；纠正要容易（4.3）。
误用风险: 逐条打钩，不问是否适用。
文献: （Amershi 等, 2019）

正文引用：P21 注意力预算：AI 消耗的必须少于它省下的

以人为中心的 AI

人机协作

一句话: 高度的人类控制和高度的自动化可以同时实现，而不是此消彼长。
机制: 把控制和自动化看成两个独立的维度。
证据: 概念框架。
边界: 具体怎样实现需要设计。
设计含义: AI 可以在授权内做很多事，同时人保有主人层的控制（2.5）。
误用风险: 把口号当成设计。
文献: （Shneiderman, 2020）

正文引用：2.5 人机能动系统，P22 自主与主人层归人

谄媚

人机协作

一句话: 大语言模型倾向于说用户想听的话，而不是正确的话。
机制: 基于人类偏好的训练奖励了让人满意的回答。
证据: 对多个 AI 助手的系统研究（Sharma 等, 2024）。
边界: 程度因模型和任务而异。
设计含义: AI 推断不能单独移动置信度（产品 G3）；AI 不评价用户是否进步（H4、7.3）。
误用风险: 认为只要提示词写好就能消除。
文献: （Sharma 等, 2024）

正文引用：F2 模型失败，1.4 人机协作带来的新失败机制，P06 异源证据、主动反证，AI 不是 AI 的证人，4.6 大语言模型的特有风险，7.3 一人多角的偏差与对策

自我偏好

人机协作

一句话: 大语言模型作为评估者时，能认出并偏向自己生成的内容；没有外部反馈时，模型也难以可靠地自我纠正推理错误。
机制: 自我识别能力与自我偏好程度相关。
证据: 会议论文的实验研究（Panickssery, Bowman & Feng, 2024；Huang 等, 2024）。未重复
边界: 不同模型和任务的程度不同。
设计含义: 不让 AI 评价自己的产出；评估交给另一个模型的新会话（7.3）；推断不当证据（6.5）。
误用风险: 认为换一个模型评估就完全没有偏差。
文献: （Panickssery, Bowman & Feng, 2024；Huang 等, 2024）

多智能体系统失败分类

人机协作

一句话: 多智能体大语言模型系统的失败可以归为三类：规格与系统设计、智能体之间的不一致、任务核查与终止。
机制: 多数失败来自系统设计和协调，而不是单个模型的能力。
证据: 对多个框架运行记录的分析（Cemri 等, 2025）。未重复
边界: 预印本，分类仍在发展。
设计含义: 单一写者、代码合入（产品 A15）；明确的终止条件（4.8）。
误用风险: 用更多智能体解决智能体的问题。
文献: （Cemri 等, 2025）

正文引用：1.4 人机协作带来的新失败机制，4.8 多智能体协作

安全、责任与治理 7 张

责任缺口

安全、责任与治理

一句话: 当学习型自动系统的行为不能被设计者或使用者预测时，出了问题就很难把责任归给任何人。
机制: 传统的责任归属要求控制和预见，而学习系统削弱了两者。
证据: 规范性论证；越来越有能动性的算法系统让这个问题更突出（Chan 等, 2023）。
边界: 法律和伦理上仍在争论。
设计含义: AI 行动可追溯、可归属（P25）；按域授权，授予者明确（4.7）。
误用风险: 因此不让 AI 做任何事。
文献: （Matthias, 2004；Chan 等, 2023）

正文引用：1.4 人机协作带来的新失败机制，P25 责任链、可中断、可撤回，4.7 责任与问责

道德缓冲区

安全、责任与治理

一句话: 自动系统出错时，责任常常落到控制能力有限的人类操作者身上，人成了吸收冲击的「缓冲区」。
机制: 人在回路里，却没有真正的控制权。
证据: 基于案例的规范性分析。
边界: 并非所有人在回路的设计都会导致这种情况。
设计含义: 不要让人对没有真正控制的事负责；「人工确认」必须是有信息、有时间的确认（4.7）。
误用风险: 因此把人完全移出回路。
文献: （Elish, 2019）

正文引用：1.4 人机协作带来的新失败机制，P25 责任链、可中断、可撤回，4.7 责任与问责

有意义的人类控制

安全、责任与治理

一句话: 对自主系统的人类控制要有意义，需要满足两个条件：系统的行为回应人的相关理由（追踪），结果能追溯到至少一个理解系统的人（溯源）。
机制: 控制不是形式上的「按一下确认」。
证据: 规范性理论；欧盟《人工智能法》对高风险系统提出了人类监督要求（欧盟, 2024）。
边界: 具体怎样衡量仍有争论。
设计含义: 主人层归人（P22）；G3 级动作的确认要附足够的信息（P26）。
误用风险: 把「有人确认」等同于「有意义的控制」。
文献: （Santoni de Sio & van den Hoven, 2018；欧盟, 2024）

正文引用：1.4 人机协作带来的新失败机制，P22 自主与主人层归人，4.7 责任与问责

安全 II

安全、责任与治理

一句话: 安全不只是「坏事不发生」，也是「好事能发生」；要研究事情为什么通常能顺利进行。
机制: 日常的灵活调整是成功的来源，也是偶尔失败的来源。
证据: 安全管理的理论框架。
边界: 与传统的安全 I 是互补关系。
设计含义: 治理不只看差错率，也看闭环数（命题九）。
误用风险: 以「好事能发生」为由放松必要的约束。
文献: （Hollnagel, 2014）

正文引用：2.7 九条可证伪命题，P26 治理与后果相称

系统理论事故模型

安全、责任与治理

一句话: 事故源于对安全约束的控制不足，而不是单个部件的失效；约束要放在真正可能导致危害的控制行为上。
机制: 把系统看成控制结构，分析不安全的控制行为。
证据: 工程实践中的应用。
边界: 分析成本较高。
设计含义: 后果分级治理：只在不可逆、对外、花钱的动作上加闸（P26）。
误用风险: 做成冗长的分析流程。
文献: （Leveson, 2011）

正文引用：2.7 九条可证伪命题，P26 治理与后果相称

瑞士奶酪模型

安全、责任与治理

一句话: 事故发生在多层防护的漏洞恰好对齐的时候；要关注系统的潜在条件，而不只是追究个人。
机制: 每层防护都有漏洞，多层叠加降低了漏洞对齐的概率。
证据: 安全领域被广泛使用的概念模型；检查清单这类简单防护层在手术中显著降低了并发症和死亡（Haynes 等, 2009）。
边界: 模型简化了层与层之间的相互作用。
设计含义: G3 级动作用简短的检查清单（P26）；可回滚是一层防护（P25）。
误用风险: 为每个动作叠加多层防护。
文献: （Reason, 2000；Haynes 等, 2009）

正文引用：P25 责任链、可中断、可撤回

国家的视角

安全、责任与治理

一句话: 大规模的改造计划常常失败，因为它们为了「看得清」而把复杂的现实简化成标准格式，丢掉了本地的实践知识。
机制: 可读性与简化；忽视只能在实践中获得的知识。
证据: 历史案例研究。
边界: 简化也有必要，问题在于过度和强制。
设计含义: 规则与字段要有对应的失败机制（P27、S4）；原话优先（产品 A8）保留了本地知识。
误用风险: 因此拒绝任何结构化。
文献: （Scott, 1998）

正文引用：P26 治理与后果相称，6.4 建议修改清单

组织与结构性改变 10 张

可行系统模型

组织与结构性改变

一句话: 任何能长期存活的系统都有执行、协调、控制、情报、身份五个功能，并且这个结构是递归的。
机制: 每个执行单元本身也是一个完整的可行系统。
证据: 管理控制论的概念框架，应用以案例为主。
边界: 抽象程度高，落地需要转译。
设计含义: 尺度扩展时保持不变的骨架（5.1）。
误用风险: 为了符合模型而增加组织层级。
文献: （Beer, 1972）

正文引用：5.1 不变的骨架

勒温三阶段

组织与结构性改变

一句话: 改变分三个阶段：解冻、改变、再冻结。
机制: 现状由推动力和阻力的平衡维持；改变要先打破平衡。
证据: 经典概念模型。
边界: 现代组织很少有长时间的稳定期。
设计含义: 结构性改变的理论储备（5.3）；力场分析中的「推动力与阻力」对应三要素的势能差与势垒，降低阻力往往比加大推力引起的张力小（2.6）。
误用风险: 把复杂的改变简化成三步。
文献: （Lewin, 1947）

正文引用：2.6 事件发生的地形：三要素，5.3 结构性改变

变革八步

组织与结构性改变

一句话: 组织变革的八个步骤：建立紧迫感、组建领导联盟、形成愿景、传播愿景、授权行动、创造短期胜利、巩固成果、融入文化。
机制: 跳过步骤是变革失败的常见原因。
证据: 各个步骤有零散的支持，整体作为模型缺乏系统的检验（Appelbaum 等, 2012）。
边界: 线性的步骤与现实的非线性过程有差距。
设计含义: 结构性改变的理论储备（5.3）。
误用风险: 机械地按步骤执行。
文献: （Kotter, 1995；Appelbaum 等, 2012）

正文引用：F8 系统结构失败，5.3 结构性改变

多层次视角

组织与结构性改变

一句话: 社会技术转型发生在生态位、体制、景观三个层次的互动中。
机制: 体制出现裂缝、景观施压、生态位创新成熟，三者同时具备时转型才会发生。
证据: 历史案例研究。
边界: 事后解释力强，事前预测力弱。
设计含义: 结构性改变的时机受外部条件影响（5.3）。
误用风险: 用宏观框架指导微观行动。
文献: （Geels, 2002）

正文引用：F8 系统结构失败，5.3 结构性改变

多源流理论

组织与结构性改变

一句话: 问题流、政策流、政治流各自运行，三流交汇时政策之窗打开。
机制: 窗口短暂，要事先准备好方案。
证据: 政策研究的案例分析。
边界: 主要用于解释议程设定。
设计含义: 「准备好方案，等待窗口」对应策略矩阵的适应象限（2.4）；三流分别对应三要素：政策流是备好的可能性空间，问题流是势能差，政策之窗是触发（2.6）。
误用风险: 被动等待。
文献: （Kingdon, 1984）