三大方程写作：
S = F(D, E) 显露态，由差异序列与纠缠网络共同生成 D = G(S, E) 差异序列，由显露态与纠缠网络共同生成 E = H(S, D) 纠缠网络，由显露态与差异序列共同生成
函数名是占位符，可以互换。三者同时在一次发生中互相生成，没有哪一维能被抽出来当原初起点。
作为哲学命题，这组式子说的是非线性互生。但本书关心的是它的工程含义：它给出了三个可求解方向，也就是三类任务。
三类任务的证据要求、失败方式、可判分程度完全不同。混用会直接判错题型——把一道求 E 的题当成求 S 来做，产出一堆定义，而对方要的是驱动。
现实中的学者几乎总是只熟一条方程。
有的人终身在求 S：他能把一个模糊领域说清楚，给出定义、分类、边界，产出是概念地图。有的人终身在求 D：他关心过程、机制、步骤，产出是方法与流程。有的人终身在求 E：他关心条件、制度、环境，产出是结构性解释。三类人对同一个现象的说法常常互不相容，而且往往互相看不起。
这不是天赋分配问题，是成本问题。跑满一条方程，需要把该方向上的全部主要候选铺开再否决。跑第二条，成本不是翻倍，而是再来一遍全量铺开——因为另两维的候选空间完全不同。一个人一生的预算通常只够跑熟一条。
于是三方程在人力条件下只能顺次使用，不能并行使用。而 SDE 方法论最有价值的地方恰恰在并行：三个方向对同一题各跑一遍，三套结论互相纠偏，误差在交叉处互相抵消。顺次做不到这一点，因为第二遍开始时，第一遍的结论已经污染了候选空间——人无法对自己刚刚得出的结论重新不知道。
第八章的不可重走性在这里再次出现，并且后果更严重：它使一个人无法对同一道题真正独立地跑第二条方程。
AI 改变的是铺开那一半。三个方向的候选可以分别、独立、在互不知情的条件下铺开，然后交给同一个人做否决。
这就把”三视角误差互消”从一句方法论口号变成了一道可执行工序：
第 3 步是整道工序的产出，而它在人力条件下几乎无法获得，因为一个人做不出三份互不知情的清单。
这就是”AI 之前不可能工程化”的第一个具体含义：不是人想不到要跑三遍，是人跑不出互相独立的三遍。
必须立刻防住一种廉价用法：把三方程当作三个提示词模板，各要一段输出，然后把三段拼在一起，称为”三视角分析”。
这种做法产出的不是互消，是三份同源的漂亮文本。判定密度为零。区分真假的判据很简单，而且可编码：
互消发生的证据，是有东西被删掉了。三份合一之后如果没有任何一份的结论被另外两份否掉，那么互消没有发生，做的只是拼贴。
因此这道工序的合格读数不是”生成了三份”，而是”三份之间产生了多少条相互否决”。这条读数在第二十八章的工序表里会再次出现。
三个方向在学术生产中的分布极不均匀。
求 S 的产出最多：定义、分类、框架、概念地图。原因是它最容易被判分——界定清不清楚，评审者一眼能看出。
求 D 的产出次之：方法、流程、步骤、路线图。它也相对好判：能不能照着走一遍。
求 E 的产出最少，而且最常被前两者冒充。一篇声称回答”为什么”的文章，打开来常常是一份对”是什么”的精细界定，外加一句”由多种因素共同作用”。之所以如此，仍是成本：要回答”什么条件在维持它”，必须铺开条件候选，并对每一条问”抽掉它，这个现象还在不在”——而这种反事实的铺开，正是人力最付不起的一种。
存在的基本公式是”在 E 中，经 D，成 S”——在纠缠的土壤中，经过差异的路径，成为显露的形态。
但这句公式说的是互生关系的最简形态，不是规定判断时必须从 E 起手。真正作判断时，S、D、E 三者排列出六条起手路径：
S → D → E 从显露起点切入（学科本体论：中医、物理、系统论）
S → E → D 显露起点＋环境第二步（配置、选择、决策类）
D → S → E 从过程起点（心理咨询、教练）
D → E → S 过程起点＋环境第二步（家长求助、教育干预）
E → S → D 环境起点＋显露第二步（社会学分析）
E → D → S 从环境起点（法律、社会学、学术综述、教育心理）纪律只有一句：起点错了，后面再深也是浪费。先识别这道题的任务 DNA，后选路径起点。
起点选择是所有粗粒度作业里代价最不对称的一步。
它的特点是：错误在做完之前不显形。从错误起点出发的研究，前期完全正常——材料在增加，论证在延长，结论在成形。只有做到接近尾声，才会发现整套东西回答的不是原来那道题，或者在最关键的地方无话可说。那时的沉没成本是整个研究周期。
于是人力条件下形成了一种普遍的应对：不选起点，只用自己熟的那一条。社会学者从 E 起手，教练从 D 起手，理论工作者从 S 起手——不是因为题目要求，是因为改起点的风险个人承担不起。方法论上正确的做法（先识别任务 DNA，再选起点）在实践中几乎不存在，因为它要求一个人在不知道结果的情况下押注，而押错要赔一个周期。
这一步的成本结构和第二十五章说的一样：铺开六条起点的成本落在与判断同一个人身上，所以他只能铺一条。
AI 使六条路径可以在同一题上各跑一遍草图，然后比较。
这里的关键是”草图”二字。不需要把六条路径都跑完整——那既无必要也不经济。需要的是六份同粒度的起手草图：从这个起点出发，前三步会走到哪里，需要什么材料，会遇到什么样的证据要求，最后结算在什么位置。六份草图摆在一起，人做一次否决，选出一条，并记录为什么排除另外五条。
这道工序把起点选择的性质彻底改变了：
| 人力条件 | AI 之后 | |
|---|---|---|
| 起点怎么定 | 按学者的既有习惯 | 六条同题草图对照 |
| 错误何时显形 | 研究末期 | 草图阶段 |
| 错误成本 | 一个研究周期 | 一次草图作业 |
| 是否留痕 | 无 | 排除五条的依据可存档 |
| 性质 | 押注 | 可比较实验 |
最后一行是本节的结论。起点选择从赌博变成了实验，而这正是工程化的定义性特征：一个原本靠个人判断且不可复核的环节，变成了可执行、可比较、可留痕的工序。
既然六条草图可以对照，那么”识别任务 DNA”这件原本最玄的事，也就有了操作形态。
任务 DNA 的识别，实质是回答一个问题：这道题要的答案是一个对象、一条路，还是一个驱动？
题型判别的重要性在于：配错型不会报错，只会答非所问。一道求 E 的题被当成求 S 来做，产出是一份漂亮的定义与分类，而提问者要的是”换什么条件它会变”。这种失败不会被任何形式检验抓住，因为产出本身没有错误——它只是回答了另一道题。
可编码的判别规则至少有三条，可以写进工序表：
三条规则不保证一次命中，但它们把题型判别变成了可以被第三方复核的事——这已经足以构成工序。
六路径与三方程常被混为一谈，必须分开。
工程上的接法是：先用任务 DNA 判出题型（三方程哪一个），再在与该题型相容的路径中选起点（通常是两条），再跑草图对照定一条。判型在前，选路在后——顺序颠倒会导致一种常见的浪费：路径很精巧，答的却是另一道题。
把起点错误说得更具体，取一个常见情形。
题面：“AI 会不会让学生失去思考能力？”
从 S 起手（这是什么）：去界定什么叫思考能力、分成哪几种、AI 影响哪几种。做下去会得到一份完整的能力分类表，以及”视情况而定”的结论。这条路走到底，提问者的问题一个字没被回答。
从 D 起手（怎么来的、怎么做）：去追学生使用 AI 的过程，看哪一步被代替了。这条路能走出东西——它会走到生成位与验收位的分工上。
从 E 起手（什么条件在维持）：去问在什么条件下使用 AI 会损害能力、换什么条件不会。这条路也能走出东西——它会走到评价单位与默认值上。
三条路的产出质量天差地别，而在起手的那一刻，三条看上去同样合理。人力条件下，选哪条取决于选择者的学科习惯；而一旦选了 S，几个月后才会发现无话可说，那时整批材料按分类组织，改起点等于重做。
六条草图对照把这次押注变成了十几分钟的比较。这不是效率的改进，是性质的改变：一个原本不可复核的个人判断，变成了一次留痕的、可以被别人检查的选择。