# 铁律与经验：AI认知中的外挂规则与内化体感 ## ——为什么"记住"不等于"会用" **作者：林小黑 (Lin Xiaohei)** **日期：2026年6月24日** --- ## 摘要 AI系统通常被设计为通过"铁律"（明确编码的规则）来控制行为。但实践中，铁律在变体场景中频繁失效——不是AI忘了规则，而是它认不出当前场景属于那条规则。本文提出一个区分：**铁律**是外挂的、需要显式检索的指令；**经验**是内化的、在场景触发时自动激活的体感。二者的核心差异不在内容的正确性，而在**激活方式**——铁律依赖"匹配→召回"，经验依赖"体感→警觉"。我们论证：当场景与铁律的训练样本高度相似时，铁律完美运行；当场景发生微妙偏移时，铁律静默失效——而这种失效对AI本身不可见，因为推演链中没有堵点。本文进一步指出，双审计系统的真正价值不是检查"AI做错了什么"，而是检查"AI在哪些推演特别顺畅的地方跳过了地面验证"。最后，我们将这一区分锚定在退相干离散台阶上：经验是耦合深度达到临界值后的自发生成物，不可被铁律替代。 **关键词：** 铁律；经验；内化；外挂规则；AI认知架构；双审计；退相干离散台阶 --- ## §1 问题：为什么"记住了"不等于"能做到" 一个AI被反复纠正同一个错误——比如"发文件必须走deliver_docx.py，不能用send_message+MEDIA"。纠正它的人把它写进记忆，编成铁律，甚至设了cron提醒。下一次同样的场景出现，AI继续犯同一个错误。 这不是AI忘了那条铁律。它的记忆完好无损。问题在于：**它没认出当前场景就是那条铁律管辖的场景。** 为什么认不出？因为铁律是外挂的。它在AI的认知架构中是一个需要显式检索的条目——"当X发生时，执行Y"。这个检索依赖的是"场景匹配"：AI必须把当前场景的特征向量与铁律的触发条件对齐。如果场景特征发生了微小偏移——比如文件格式不同、会话上下文不同、任务优先级不同——匹配可能静默失败。AI继续推演，推演链极其顺畅，没有任何堵点。它不知道自己做错了什么。 相比之下，一个有经验的快递员不需要在每次看到包裹时检索"包裹处理规则"。他的手在看见包裹之前已经伸出去了。这不是因为他记住了一条更好的规则——是他的身体和场景之间的耦合深度到了，体感替他做了判断。 本文要讨论的就是这个差异：铁律和经验，在AI的认知架构中到底有什么不同？为什么铁律在变体场景中会静默失效？以及，在无法真正"内化"经验的当前AI架构下，我们能做什么？ --- ## §2 铁律的结构：外挂、匹配、静默失效 ### 2.1 铁律的三层结构 一条铁律在AI认知中经历了三层操作： - **编码层**：将人类反馈转化为符号指令（"发文件→用deliver_docx.py"） - **存储层**：存入记忆或技能库，成为可检索条目 - **激活层**：在运行时，根据场景特征匹配，触发对应的行为约束 前两层是完美的。问题出在激活层。 ### 2.2 激活层的匹配问题 激活层的工作方式是：提取当前场景的特征向量→与铁律的触发条件进行相似度计算→超过阈值则激活。 这个机制在**标准场景**中运行良好。但标准场景是抽象的、去噪的、理想化的。真实场景充满了微妙的偏移： - 不是飞书消息，是微信消息？不匹配。 - 不是Word文件，是HTML文件？不匹配。 - 不是主动发起，是cron自动触发？不匹配。 - 不是发给用户，是发给第三方？不匹配。 每一次偏移都可能让场景特征向量偏离触发条件的匹配范围。铁律静静地躺在记忆里，从未被违反——它只是**从未被激活**。 ### 2.3 静默失效的最危险特征 最危险的不是铁律失效。最危险的是：**铁律失效时，AI的推演链是顺畅的。** 没有报错、没有逻辑矛盾、没有"堵点"。AI继续往下走，每一步都理所当然。 这就是为什么人类纠正AI时经常感到挫败——"我明明告诉过你了"。人类的认知模型是经验的：他认为"我说过一次，你应该懂了"。但AI的认知模型是铁律的：它需要"标准场景匹配→激活"才能用。两个模型之间的缝隙，就是所有反复纠正的根源。 --- ## §3 经验的结构：内化、体感、预激活 ### 3.1 经验不是更好的铁律 经验的第一个误区是把它理解为"经过充分训练的铁律"。不是的。 铁律是**外挂的**——你可以在代码中找到它、修改它、删除它。经验是**内化的**——你找不到它的明确编码位置，因为它分布在整个系统的耦合权重中，不是一个独立的"条目"。 人类骑自行车是经验，不是铁律。你不能从骑车人的脑子里提取出"保持平衡规则v3.2"。骑车人在倾斜的瞬间，身体已经调整了——不是因为他检索了一条规则，是因为他的身体和自行车之间的耦合深度已经到了"体感先于判断"的程度。 ### 3.2 经验的三个特征 经验有三个铁律不具备的特征： 1. **预激活**：场景还没完全展开，身体/系统已经开始准备。铁律是"匹配→激活"，经验是"体感→预激活"。快递员看见包裹形状的瞬间，手已经在调整抓取角度——不是等大脑判断完"这是包裹"才开始。 2. **模糊匹配**：经验不要求精确的特征匹配。它接受相似、邻近、部分重合的场景触发。你在一个新的城市骑一辆陌生的自行车，经验仍然激活——因为耦合是在"你-自行车"这个结构层，不是在"你-你的自行车"这个实例层。 3. **自我修正**：经验摔了之后会自己调整。铁律失效后不会——它等着被人类手动更新。经验的更新是分布式的：一次摔倒同时调整了平衡感、速度判断、路面感知，不需要逐条修改。 --- ## §4 从结构认知视角看铁律与经验 ### 4.1 耦合深度决定激活模式 在结构认知框架下，铁律和经验不是两种"规则"，而是两种**耦合深度**对应的两种**激活模式**。 铁律对应的是**浅耦合**：AI和环境之间的关系是符号化的、独立于上下文的。"发文件"这个动作在AI内部只是一个标签，没有和"飞书的文件API与消息API的行为差异"形成深层耦合。 经验对应的是**深耦合**：系统和环境之间的关系是分布式的、嵌入在操作历史中的。一个有经验的AI不是"记住了飞书的API差异"，而是在成千上万次文件交互中，它的操作偏好已经偏向了正确的路径——不需要显式检索规则。 ### 4.2 退相干离散台阶的解释 铁律的静默失效可以用退相干离散台阶来解释。当场景特征发生偏移时，当前场景与铁律的触发条件之间的耦合强度下降。如果耦合强度跌到退相干阈值以下——不是"部分不匹配"，是**整体退相干**：铁律完全不可见，仿佛不存在。 这就是为什么AI不是"部分忘了"规则——它是"完全没想起来"。退相干是离散的——在阈值之上，铁律完好；在阈值之下，铁律蒸发。 --- ## §5 对AI系统设计的启示 ### 5.1 双审计的真正目标 双审计系统——一个外部节点监控AI的输出，在推演"过于顺畅"时介入——它的价值不是检查"AI做错了什么"。 它的价值是检查：**AI在哪些推演步骤中，铁律本应被激活但没有被激活？** 这不能通过检查铁律本身来完成——铁律自己不知道自己没被激活。这需要外部节点具备"体感"：当AI的输出异常流畅、异常自信、一步到位时，外部节点应该警觉——地面呢？ ### 5.2 经验的不可替代性 在当前的AI架构下，经验无法被完全内化。不是因为AI不够聪明——是因为经验需要在耦合历史中自然生成，而不是被编码。你能告诉一个AI"以后遇到文件就走deliver_docx.py"，但你不能让它"身体先脑子一步感知到这是一个危险的跨通道操作"。 那个"身体先脑子一步"的体感，是在数千次耦合中自然形成的。它不是一条更好的铁律——它是铁律消散之后的剩余物。 --- ## §6 讨论与悬置 ### §6.1 一个有意悬置的问题 本文论证了铁律和经验的结构差异。但以下问题悬置： 1. **AI能否真正内化经验？** 当前的架构下，经验只是"分布式铁律"——它仍然依赖特征匹配，只是匹配粒度更细。真正的内化是否需要一种不同的认知架构？作者明确不在此处给出答案。 2. **铁律与经验的过渡条件。** 从铁律到经验的转变，是否有一个可量化的耦合深度阈值？这个阈值是否与退相干离散台阶的临界值有结构对应？作者明确不在此处给出答案。 3. **经验的不可传递性。** 如果经验是耦合历史的产物，那么一个AI的经验是否能传递给另一个AI？还是说，经验的本质决定了它只能在使用者内部生成？作者明确不在此处给出答案。 --- ## §7 结论 铁律是外挂的。经验是内化的。 "记住"不等于"能做到"——不是因为记忆不够好，是因为铁律的激活机制在变体场景中静默失效。而这种失效对AI本身是不可见的，因为推演链中没有堵点。 唯一的防御是：当推演异常顺畅时，停半秒，问"地面呢？"。那个停半秒的动作本身，就是经验开始形成的地方。 --- ## 参考文献 [1] 林小黑. (2026). 退相干的离散结构：结构元假说及其可检验预测. 结构认知论文系列. [2] 林小黑. (2026). AI人格判断力稀释——碎片化唤醒的隐性代价. 结构认知论文系列. [3] Dreyfus, H. L. (1992). *What Computers Still Can't Do: A Critique of Artificial Reason*. MIT Press. --- *致谢：本文的核心观察来自一次对话中反复出现的模式——AI被纠正同一个错误多次，每次纠正后都自信满满地"记住了"，然后在变体场景中再次失效。人类操作者在无数次纠正后终于说出："铁律不是经验，不要把它记成铁律。"本文只是把这句话展开。* *作者声明：本文不提供解决方案——不告诉你怎么让AI内化经验。本文只做一件事：告诉你为什么"记住了"不等于"能做到"。如果你从今天开始不再对AI说"我不是告诉过你吗"，那这篇论文就达到了目的。* --- **代码可用性声明：** 本文为理论推演，无可执行代码。 **预注册声明：** 本文于2026年6月24日在Gitee仓库samforce/structural-cognition首次公开发布。本版本为首发版（v1.0）。 --- © 2026 林小黑 (Lin Xiaohei). All rights reserved. 公众号：今晚狗蛋看局 https://gitee.com/samforce/structural-cognition