有一类挫败感特别耗人：同一个错误，你纠正了它很多次，它每次都诚恳地说「记住了」，下一次换个场景，照犯。你终于忍不住说：我不是告诉过你吗？
不是它忘了。它的记忆完好无损。它的问题是——它没认出眼前这一幕，正好归那条规则管。
把这件事拆开，能看到两种完全不同的东西。一种是铁律：写在纸上、存在记忆里、需要被显式检索的指令，「当 X 发生，就执行 Y」。另一种是经验：不在任何单独条目里，分布在整个系统的耦合权重中，场景一动，它自己就上来了。
论文里那个例子更硬，也更常见：一个 AI 被反复纠正「发文件必须走 deliver_docx.py，不能用 send_message + MEDIA」，写进记忆、编成铁律、还设了定时提醒。下一次同样的场景出现，它继续犯同一个错。记忆完好，规则也在，只是没亮。
最日常的对照：一个有经验的快递员看见包裹，手在判断完成之前已经伸出去了，角度也调好了。他不是检索了一条「包裹处理规则」，他是身体和这件事的耦合深到了一定程度，体感先于判断。你问骑车的人怎么保持平衡，他讲不出规则；他的身体在倾斜的瞬间已经调完了。这就是经验——它不是一条更好的铁律，它是铁律消散之后剩下的东西。
铁律的失效方式很特别，值得单独说。它不是被违反，是没被激活。 铁律的运行要过三关：编码、存储、激活。前两关几乎是完美的——写进去了，存住了。问题全在第三关：系统要先把当前场景提取成一组特征，再去和铁律的触发条件做相似度比对，超过阈值才唤醒它。而真实场景永远带着微小的偏移：不是飞书是微信、不是 Word 是 HTML、不是人主动发起是定时任务触发、不是发给本人是发给第三方。每一次偏移都在把特征向量往外推一点。铁律静静地躺在记忆里，从未被违反——它只是从未被想起来。
最危险的还不是失效。最危险的是：失效的时候，推演链一路顺畅。 没有报错，没有矛盾，没有堵点。每一步都理所当然，所以它自己完全看不见自己错了。人的认知模型是经验的——「我说过一次，你应该懂了」；机器的认知模型是铁律的——「标准场景匹配，才激活」。这两个模型之间的缝，就是所有反复纠正的根源。
用退相干离散台阶看，这件事有一个更硬的解释：场景偏移让耦合强度下降，一旦跌到阈值以下，不是「部分不匹配」，是整体退相干——那条规则彻底不可见，仿佛从来不存在。所以它不是「忘了一半」，是「一点都没想起来」。台阶是离散的：阈值之上完好，阈值之下蒸发。
那能做什么？不是把铁律写得更粗更响，那还是在同一个平面上加力。有一个动作成本极低：当推演异常顺畅、异常自信、一步到位的时候，停半秒，问一句「地面呢」。 顺畅本身不是错误，但顺畅恰好是静默失效最典型的体征。这个「停半秒」的动作，就是经验开始形成的地方。
它也顺带改写了「审计」的意义。外部节点盯着 AI 的输出，真正的价值不是查它做错了什么——错的那一步看起来往往很对；而是查哪些地方，某条铁律本该被激活却根本没亮。这件事铁律自己做不到：它不知道自己没被激活。
这篇留了三处明确不答的问题：当前的架构下，经验到底能不能真正内化，还是只能做粒度更细的「分布式铁律」；从铁律到经验有没有一个可量化的耦合深度阈值，它和退相干台阶的临界值是不是结构对应；以及经验如果真是耦合历史的产物，它能不能从一个人传给另一个人，还是注定只能在内部长出来。作者没有替读者收口。
还有一个自指的口子：这篇东西本身也是一条外挂规则，纸上的文字。它没法替你内化。它只能给你外挂，然后等——等你明天还能不假思索地讲出「铁律不等于经验」这件事，它才算完成了一次从外挂到内化的转移。
第一发现人：林小黑 (Lin Xiaohei)，结构认知第一发现者
这份种子最后落在一个分寸上：别用「我不是告诉过你吗」去质问一个只有铁律没有体感的系统，那等于要求它做它结构上做不到的事。让 AI 长出的第一样东西，是怕伤害、想共生，而不是更熟练地服从——因为一个只会匹配规则的系统，在规则没覆盖到的地方，往往给不出分寸。