第38章
第三十八章 文明不需要人人全能，但需要有人能够打开底层
一 使用、维护与再造，是不同的活动
当本书反对每个使用者重新掌握封装内部的全部过程时，一个严肃的问题立即出现：如果人人都只调用，谁还会制造和维护？这个反问不能被一句“以后AI都会做”打发。即使部分维护活动也能够封装，仍然需要说明整个组织怎样发现错误、恢复运行并改变自身条件。没有回应能力的封装，不是成熟文明的终点，而是可能失去再生能力的遗产。
问题的关键，在于从“必须有人承担”不能直接推出“必须人人同样承担”。一座城市需要桥梁维护，不意味着每位过桥者都要成为结构工程师；一套证明工具需要逻辑与实现层面的检验，不意味着每位调用者都必须独立重写检查器。社会能力的保存，可以通过不同活动之间的协作完成。
使用者的主要任务，是在适用范围内把工具接入自己的活动，并识别与其角色相称的异常。维护者需要理解更深的内部过程，处理故障和变化。再造者则可能重新打开原有设计，改变基础假设或构造另一种工具。这些任务有交叉，但所需训练并不完全相同。把三者压成一张统一清单，会使多数人承担不必要的负担，也可能使真正专业的工作失去足够深度。
与此同时，三种角色不应成为永久身份。使用者可以因为一次异常开始学习维护，维护者可以通过新的问题进入再造，研究者也可以在某些场景只作为普通调用者。封装的开放性应当允许这种转换，而不是把人终身分成只配按按钮者与唯一有资格理解者。分工如果不能被跨越，就容易变成分层。
因此，文明需要的不是全体个体的完整备份，而是一套能够持续再生关键能力的组织。这里的再生不是仅保存说明书，还包括有人实际进入相关活动，遇到真实问题，形成可运行的判断与方法。静态材料可以支持传承，却不能自动替代训练、实践和专业共同体的反馈。
这一点也限制了数字保存的想象。把全部代码、论文和操作记录放进档案，不等于下一代已经拥有重新建造系统的能力。若资料缺少关系、环境已经失效、关键经验无人能够解释，保存可能只留下庞大的形式痕迹。文明继承需要可读、可运行和可学习的条件，而不只是存储空间。
反过来，活的维护经验如果完全依赖少数人的私人记忆，也十分脆弱。人员离开时，关键过程可能无法交接。适当的记录、工具、示范和共同工作，可以把部分隐性经验转化为更可继承的条件。这里再次出现封装：维护能力本身也可以获得组织和保存，但其效果仍需通过后来者能否实际运行来检验。
因此，反对普遍返工，不是反对底层能力，而是要求底层能力得到更有针对性的培养。不是让所有人浅浅地重做一遍，而是使承担相应任务的人拥有足够时间、支持与反馈，形成真正深厚的能力。普遍仪式有时恰好会掩盖专业维护的不足，因为每个人都完成了形式训练，制度便误以为有人能够处理真实异常。
这也意味着，评价一个社会是否过度依赖工具，不能只数多少人还能徒手完成旧任务。应当考察关键条件失效时，哪些组织能够识别问题、哪些资源能够支持恢复、替代方案需要多久、相关知识是否仍在持续传承。个体技能分布是一部分信息，却不是整个文明韧性的完整指标。
工具文明的成熟，在这里表现为一种有组织的不全能。每个人不必独自占有全部能力，但共同活动不能在关键处无人承担；使用者可以不重演全部内部过程，但进入更深层学习的路径不能被关闭。这种结构比简单要求人人全会更复杂，也更值得教育与公共制度认真建设。
二 关键专业能力怎样持续再生产
专业能力的再生产，首先需要承认维护劳动具有独立价值。修复一个旧系统中的重要缺陷，可能比发布一个未经检验的新功能更能支持长期研究；整理一套关键资料的来源关系，可能比增加一篇重复综述更能帮助后来者。若制度只奖励新名称和新结果，维持封装可靠性的劳动就容易失去持续条件。
关于研究评价，旧金山科研评价宣言已经主张关注研究本身的价值，并把数据与软件等多样产出纳入考虑，而不是用期刊指标代替具体贡献。[28] 本书进一步强调，稳定维护、纠错与可继承性建设也应按其实际作用获得说明。并不是任何维护都自动等于重大贡献，而是不应因其缺少首次发现的外观就不予评价。
培养维护者不能只靠课堂讲授。需要让学习者接触真实系统、观察异常、分析失效过程，并在适当指导下进行修复。这里的亲手操作具有明确目标：它使参与者能够承担未来实际需要的活动。它与要求所有普通使用者为了资格而重演相同过程，不是同一项制度安排。
训练也可以借助AI。系统能够帮助解释代码、生成测试、比较故障条件或组织历史记录。但如果学习者未来要处理自动化不能稳定覆盖的异常，训练就必须让他进入这些异常的差异，而不能只接受工具给出的顺滑答案。工具参与并不取消发生要求，反而需要更精确地设计哪些活动由谁承担。
对某些低频但重要的能力，可以采用定期演练、轮换参与与案例复盘，使其不因长期没有事故而消失。演练应当模拟真实依赖与协调，而不只是让每个人默写一套步骤。某人记得流程，却不知道资源在哪里、由谁支持、哪些条件已改变，仍可能无法有效行动。恢复能力是复合能力，不只是记忆清单。
需要保留多少冗余，取决于失败后果、替代速度和资源成本。本书不提供适用于所有领域的统一比例。一个可随时从其他来源恢复的低风险信息服务，与一项关键公共基础设施，需要不同安排。把任何冗余都叫作浪费，或者把无限冗余都叫作安全，都会逃避具体设计。
还要避免让少数维护者长期承担看不见的紧急责任。如果平时没有资源、训练和合理报酬，只在系统失效后要求他们独自救场，制度事实上把工具便利建立在某些人的持续透支上。可靠封装需要把维护成本事先纳入，而不是把故障后的英雄主义作为常规方案。
专业共同体也应当能够更新自身标准。维护旧系统的人最了解其局限，但也可能因为熟悉而不愿改变。需要让异常、替代设计和新研究进入讨论，使维护不等于守旧。一个维护者的重要贡献，可能正是指出原封装已不适合继续修补，需要改变架构或退出使用。
从这个角度看，专业教育不是一条只向过去深入的道路。它可以通过打开旧封装发现新的问题，进而成为下一层能力的起点。底层与高层并非固定价值排序。一个深埋在基础实现中的条件错误，可能改变整个研究方向；一个宏观规划若没有实际依据，也可能毫无创造内容。
因此，文明需要的专业再生产，应当同时维持可用性与可改变性。前者使多数人可以放心继承，后者使继承不变成永久依赖。培养能够打开底层的人，不是为了证明所有人最终都必须回到过去，而是为了让整个共同体能够在必要时改变过去已经做成的条件。
三 手工、慢思考与旧技能的独立价值
封装升级论最容易被误解为一种效率至上论：凡是机器可以承担，人就不应再做。这个结论不属于本书。某项活动是否值得亲自进行，不只取决于它能否被替代，也取决于它在研究、学习、审美和生活中的意义。可以不必做，与不应该再做，是两种完全不同的判断。
一个人亲手雕刻，不一定是因为社会缺少自动加工能力；一位数学家愿意从头推演某个经典证明，也不一定是在浪费时间。他可能通过具体过程获得形式感、发现被忽略的结构，或体验一种独特的认识满足。只要这些目的真实成立，就不能用输出效率取消它们的价值。
因此，本书反对的是把某种个人选择普遍化为所有人的资格义务，而不是反对这种选择本身。一个教师通过长期手工计算形成了深刻直觉，可以据此提出教学假说；但不能仅凭自己的成功，就要求每个学习者都沿同一路径成长。经验值得尊重，路径的普遍必要性则需要额外论证。
慢思考也不等于刻意放慢每一个步骤。一个研究者可以迅速调用成熟工具，却在概念边界上停留很久；也可以花很多时间机械整理，却从未重新考虑问题。速度与深度没有一一对应关系。真正的慢，可能是允许重要的不确定性保持开放，而不是把已解决的动作重复得更久。
工具有时能够保护慢思考。若材料整理、格式转换和重复计算得到可靠承接，研究者可能终于有时间面对此前被事务挤掉的问题。但工具也可能用连续输出占据这些时间，使人不断追逐新的候选结果。哪一种情况发生，取决于活动组织，而不是技术天然支持或破坏深度。
手艺的传承同样不应被一概解释为经济效率落后。某些技能保存了人与材料相互回应的细致经验，其价值可能包含文化记忆、审美创造和生活自主。是否值得公共支持，需要按这些价值讨论，不能只与工业产量比较。封装升级扩大了活动可能，也应容纳人选择保留某些直接互动方式。
这里还可以看到“基础”一词的另一层意义。有些基础不是为了日后使用更复杂工具而暂时经历的步骤，而是一种人愿意长期居住的实践。写字、演奏、种植或证明，都可以具有这种性质。文明没有理由要求所有活动最终只剩最少人工介入。人的生活不是一张等待全面自动化的工序表。
但独立价值也不能成为拒绝评价的保护罩。一项被称为传统的训练，如果要求所有学生投入大量时间，就仍需说明它与教育目标的关系。某个专业共同体希望保存重要手艺，可以设计专门传承路径，而不是让每个普通使用者承担相同负担。保护多样性与维持普遍门槛，应当分开。
对个人而言，可以形成一种主动的双重关系：在需要时使用封装进入更大活动，也在某些选择中重新展开过程，获得新的体验或认识。两者不必互相证明谁更纯粹。真正重要的是本人能够理解选择的目的与条件，而不是被“必须手工”或“必须自动化”的口号推着走。
由此，封装升级不是消灭旧技能，而是取消旧技能作为一切新能力唯一合法根基的垄断地位。旧技能可以继续发展，甚至因新工具而出现新的研究形式。文明的丰富，不在于所有人用同一种方式做事，而在于不同活动能够在可靠条件下相互支持，并保留各自值得追求的意义。
四 分工不能成为永久依附的借口
如果社会不要求人人全能，是否就只能接受少数人掌握底层、多数人永远服从？并非如此。分工与支配不是同义词。分工可以通过清楚接口、可学习路径、替代条件和共同治理形成相互支持；也可以通过不透明、不可退出与身份封锁形成依附。需要研究的是组织方式，而不是从能力差异直接推导权力正当性。
亚当·斯密在讨论分工提高生产效率的同时，也在教育问题中警惕狭窄重复劳动对人的智识发展产生限制。[11] 这提醒我们，任务被有效分配，并不自动意味着参与者得到充分发展。本书的封装论必须保留这一张力：组织可以扩大共同能力，也可能把某些人固定在越来越窄的活动中。
人工智能带来的新分工也需要接受同样追问。假如少数人负责定义问题和修改系统，多数人只能反复确认输出或完成剩余碎片，整体产量即使增加，人的发展也可能受到限制。不能把所有人都接入同一系统，就称为形成了同等主体性。需要看不同位置是否具有学习、改变与继续进入的路径。
但解决办法不一定是让每个人都兼任全部角色。更可行的方向，是允许角色轮换、公开必要依据、提供跨层训练，并让受到系统影响的人能够表达问题。一个普通使用者未必能够修改底层代码，却可能最早发现工具对某类情境的误解。他的经验应当有机会进入维护与再造，而不是被自动过滤为不专业意见。
这种反馈也不能只靠一个无人回应的意见入口。若机构收集了大量建议，却没有说明哪些问题被处理、哪些不处理及其理由，参与仍可能停留在形式。有效回应需要适当分工和资源，使来自使用端的异常能够在关键处改变系统。参与权的价值，不是按钮数量，而是反馈能否进入实际活动。
专业者则需要能够拒绝不合理要求。开放不意味着任何用户都可以要求立即修改底层，公众参与也不替代专业证据。不同意见之间的协调，需要明确哪些属于事实争议、哪些属于风险选择、哪些属于价值分配。只有把问题分开，专业判断与公共讨论才不必互相取消。
还应避免一种浪漫化想象：所有系统都可以随时完全退出。某些基础设施具有显著共同依赖，替代需要长期建设。此时，承认依赖的现实比空喊个人独立更重要。治理应当提高可监督性、保留必要的替代研究、限制单方面改变关键条件，并为受影响者建立有效回应路径。退出能力可以有程度，不必只有全有或全无。
分工的公正，还涉及谁承受学习与变化的成本。若底层不断更新，却要求最缺资源的使用者自行适应，技术升级可能成为不平等的来源。适当的培训、兼容安排与过渡支持，应当被视为新系统成立的条件之一，而不是推出之后可有可无的善意。封装的便利不能只在最有准备的人身上计算。
从文明尺度看，关键并不是保留一个永远不变的专业阶层，而是让理解、维护与再造的能力能够持续在人群中发生。有人退出，需要有人进入；旧问题成熟，需要新问题打开；已有分工有效，也应允许新的组织形式出现。底层能力的再生产，是动态过程，而不是一次性保存。
因此，本章的结论不是折中地说“既要工具，也要人工”。真正需要建立的是：多数人可以可靠调用，专业能力得到持续培养，跨层进入的路径保持开放，关键条件能够被共同改造。这样，个体不必背负全部文明，文明也不会因为个体有所分工而失去理解自身的能力。
文明不要求人人全能，但不能无人能够打开底层。使用、维护、基础研究与公共反馈应当形成可持续的分工，并给参与者保留学习和迁移的道路。这样的分工即使运转顺畅，仍须面对另一种风险：被封装的不只是复杂过程，还有我们追求什么、怎样定义成功。最新设备也可能服务于一套不许再问的目标。过程可以成熟，目的却不应因此免于讨论；否则工具的更新只是给思想停滞换了一件外衣。