第十二章 细粒度与粗粒度：AI时代思考层级怎样上升
层级上升不是从此告别所有低层活动，而是形成更大尺度的组织，并能够对其中的关键关系负责。
12.1 局部理解与整体组织
第二章已经提出，十个知识点之间有了连线，不等于学生理解了每条线的形成条件。本章要把这个问题推进一步：当AI能够把许多局部过程封装成可调用的整体，人的思考怎样改变？变化既可能是层级上升，也可能只是细节被遮住。只有区分两者，教育才不会把看起来更大的任务自动当成更高层的能力。
所谓颗粒度，不是知识本身永远固定的大小，而是当前行动把什么当作一个可直接使用的单位。对初学者，一次分式变形可能需要逐步检查；对熟练者，它可以成为一个整体步骤。对研究者，一套经过检验的方法可以被暂时封装；当异常出现时，其中某个条件又需要重新打开。颗粒度随着任务、经验与风险改变，不能排成适合所有人的统一阶梯。
细粒度理解关注局部关系怎样成立，例如一项运算为何允许、一条证据支持到哪里；粗粒度组织关注这些关系怎样服务于更大的问题，例如选择哪种方法、比较哪些目标、何时停止当前路径。两者不是手工劳动与思想劳动的简单对应。一个局部反例可以改变整项研究，一个宏大提纲也可能只是机械套用。层级高低不能从文字规模或任务名称读出。
设想学生准备研究校园借阅等待。他可以把模型生成的统计方案作为一个整体，迅速进入资料分析；也可以逐步检查记录单位、抽样时段和平均值意义。如果他完全不懂这些局部条件，却直接作出管理建议，所谓高层决策可能只是建立在不透明封装之上。相反，若他把所有时间用在计算每个平均值，却不知道它们要回答什么问题，精细操作也未必形成有效研究。
教育需要培养的是有目的的往返。先在整体上明确需要解决什么，再在决定性位置下沉检查，获得足够依据后重新回到整体。往返不是每一步都无限追溯，而是判断哪一种局部差异可能改变总体结论。这个能力依靠领域知识，也依靠对任务后果的理解，不能仅通过一条通用提示“请批判性思考”获得。
一个日常数学例子能够使区别清楚。两段相同路程，速度分别为每小时四十和六十个单位，平均速度并不是两数的算术平均五十，而是总路程除以总时间，即四十八。若两段时间相同，算术平均又适用。表面都是两个速度的平均，条件不同，结构便不同。学生若只会让工具算平均值，却不辨认等路程还是等时间，计算越快，错误越容易进入整体判断。
这个例子中的数学并不新，新的教育问题在于封装接口怎样说明前提。一项“求平均速度”的工具，应要求或明确总路程与总时间，不能只接收两个数就返回一个看似权威的结果。学习者不必每次手算全部过程，但应理解接口为什么需要这些材料，何时不能直接调用。会使用封装，不是知道按钮在哪里，而是知道按钮所承诺的关系在当前任务中是否成立。
粗粒度组织也可以反过来帮助局部理解。学生先知道研究要比较不同等待机制，才会理解为什么记录表必须分开咨询和归还。没有整体目的，分类可能显得像教师额外增加的麻烦；看见整体问题，局部精确才获得意义。SDE中的显露、差异与纠缠因此不是从小到大的单向累积，而在不同尺度上互相生成。
一项学习安排若只强调下沉，容易使学生困在所有细节都要亲自完成的要求中；若只强调上升，又容易使他习惯宏观叙述而无法核验关键关系。成熟教育应允许局部封装，也保留重新打开的能力。思考层级的提升，不是永远离开细节，而是能够在更大的组织中决定哪些细节此刻必须重新成为问题。
12.2 封装低层过程为什么不自动带来高层能力
封装的直接作用，是把一段复杂过程变成可以较简便调用的功能。模型生成提纲、程序完成计算、检索系统返回材料，都可能减少某些操作负担。但减少操作负担与获得新的组织能力之间，没有逻辑上的自动通道。空出来的时间可以用于比较，也可以用于生成更多同类成品；被省略的过程可以成为可靠支持，也可以成为新的盲点。
可以用一个基本的映射事实说明这种风险。假设两段不同的推理历史经过压缩，得到同一句结论，而两段历史的适用条件不同。只保留结论的表示，便不能独自恢复两种条件的差别。后续使用者若没有额外材料，就无法保证对两种情况都作出恰当判断。这不是本书发现的新数学，而是信息压缩可能丢失区别的直接逻辑后果。
因此，知识封装至少要回答：哪些区别被保留为可调用条件，哪些被暂时隐藏，出现什么信号时应重新展开。一个只有最终答案的封装，与一个同时说明前提、输出范围和失效情形的封装，不是同样的教育资源。后者仍不能保证学生理解，但至少为理解和核验留下入口。封装的好坏不只在于压缩得多短，还在于重要差异有没有被不可逆地抹去。
在借阅项目中，系统可以把资料整理、分类和平均计算一并封装，返回“建议增加一个窗口”。若学生只看到建议，就很难知道它依靠何种等待分类、是否把不同时间段混在一起。一个更可用的输出，应让他看到关键假设、比较范围与尚未处理的情况。学生不必重做所有计算，但应能够定位可能改变建议的条件。
封装可能提高任务规模，却不提高判断规模。学生过去写五百字，现在能够组织一万字材料；若他仍只根据语言流畅度选择，实际判断尺度并没有随文本扩张。相反，文字规模可能使核验更困难。大任务需要更强的组织能力，而不是因为工具能够完成大任务，使用者就自然获得同等层级。教育必须为这种差距安排专门学习。
同样，执行者变成选择者，不一定就是升维。一个学生从亲手画图变成选择生成图，可能形成重要的形式判断，也可能只是按第一印象挑选。关键在于选择是否能够说明并改变主题、结构与后续生成。选择本身不是低级，但它也不会因为处在流程末端就自动高级。真正的层级变化来自所处理关系的变化，而非操作位置的变化。
过早封装尤其容易隐藏学习的关键。某个步骤对熟练者只是重复，对初学者却正是理解发生的地方。如果统一把它交给工具，教师可能看到全班流畅完成，却不知道谁已经能够检查其中条件。反过来，对已经掌握者仍要求逐项展开，也可能消耗必要的思考空间。是否封装应与当前能力和课程目标相称，而不是由一种工具政策对所有人统一决定。
本书提出“可打开的封装”作为设计方向。它不是要求系统永久显示全部内部过程，而是为使用者提供与任务相关的展开层级：先看结论与范围，需要时查看关键理由，再在异常处进入原始材料。展开必须有实际内容，不能只是另一段更长的生成解释。若所谓解释无法回到可核验来源或推理，透明外观仍可能掩盖不确定。
封装因此既是生产能力，也是教育安排。它决定哪些活动被学生看见，哪些判断仍需由他完成，以及他在哪些位置可以提出异议。一个把低层过程封装得很好的系统，仍可能需要新的课程来培养高层组织能力。技术提供可能性，教育则要使这种可能性进入人的发展，二者之间不能省略发生过程。
12.3 从步骤判断到结构、方向与目的判断
在较小尺度上，学生判断某一步是否正确；在更大尺度上，他需要判断一组步骤是否回答了真正问题。前一种能力重要，但不能自动推出后一种。例如，所有平均数都算对了，仍可能比较了不适合合并的对象；所有引用都真实，仍可能没有支持文章的中心命题。步骤正确与研究适当之间，还需要结构判断。
结构判断关注部分之间的组织：哪些前提支撑哪些结论，哪些环节相互依赖，哪一处变化会使整条路径改向。借阅项目中，分类、记录、比较和建议之间要形成对应。如果记录的是排队总时长，结论却针对工作人员个人效率，结构便存在缺口。AI可以帮助画出候选关系，但学生需要理解连接为何成立，而不是只欣赏完整流程图。
方向判断进一步询问，现在应沿哪条路径继续。材料不足时，是增加样本、改进分类，还是暂停原问题？两个方法都可执行时，哪一个更能减少当前不确定？这种判断不必永远选择最复杂路径，而要考虑信息价值与成本。生成式工具使候选容易获得，反而可能使选择下一步变得更重要，因为并非每个可做的工作都值得做。
目的判断则触及为什么要解决这个问题。研究等待，是为了提高窗口吞吐量，还是为了使学生更便利地使用图书？两者可能一致，也可能冲突。若只优化前者，可能把咨询赶到另一个没有服务的位置。目的判断不是在所有步骤完成后写一段意义，而应进入方案形成之前，决定哪些结果值得看见、哪些代价必须被纳入。
这几个尺度并不是固定的四级阶梯。一个小学生在分配共同材料时，也可能处理目的与公平；一个研究生在复杂项目中，也可能只机械执行步骤。教育不应按年龄或职位自动给判断层级贴标签。真正需要观察的是，他在当前任务中承担了什么区别，以及这种区别是否有足够知识支撑。
更大尺度也不意味着更有价值。一个决定性计算错误，可能使全部宏大讨论失去依据；一个被精确定位的局部条件，可能打开新的研究方向。层级之间需要相互检查，而不是由高层单向命令低层。SDE的整体立场在此要求，显露出来的整体不能脱离形成它的差异与条件，局部也不能脱离它正在参与的整体任务。
AI支持可能使人从重复执行中转向这些组织判断，但这种转向需要练习。学生要学习比较候选方法，识别结果与问题的对应，决定何时需要补充现实材料。若课程只教如何让模型产出更完整答案，新的能力位置就可能始终被工具代办。人看起来处在指挥位置，实际上只是在接受系统替自己组织好的方向。
一个可操作的练习，是让学生面对一份所有局部计算都正确、整体推论却不成立的报告。他不需要重新算所有数，而要指出哪一条连接出了问题。另一个练习则相反：整体目标合理，但某个局部条件被忽略，要求他下沉修复。两种任务共同训练往返，避免把宏观能力误解为只会谈目的，把细节能力误解为只会重复步骤。
目的判断本身也必须受约束。学生不能因为自己有宏大愿景，就忽略材料不足和他人后果。一个值得追求的目的，不会使所有手段自动合理；一个良好意图，也不能替实际效果提供证据。层级上升应增加责任与辨别，而不是增加脱离检验的特权。越大的判断，往往需要越清楚地说明边界。
因此，思考层级的提升，不是让人从此只负责一句“我要什么”，把其余全部交给机器，而是使人能够组织从目的到结构、从结构到步骤、再从异常返回目的的联系。这样的能力不能靠一次提纲生成获得，却可以在连续任务中被培养。它也为个人知识生态平台确定方向：平台应帮助维护这些联系，而不是只不断放大产出规模。
12.4 什么时候必须重新打开封装
没有任何实际行动能够同时检查全部前提。教育必须承认合理信任、熟练调用和专业分工，否则所谓批判思考会变成永远不能完成任务的自我消耗。问题不是是否每次都打开封装，而是出现什么情况时必须打开，以及打开到什么程度足以支持当前决定。这个能力比笼统要求“凡事核验”更难，也更接近真实知识工作。
第一类触发来自条件变化。一个方法原来用于等时间比较，现在转到等路程比较；一项材料原来面对成年人，现在用于儿童；一个模型原来处理解释任务，现在进入需要精确计算的任务。只要适用条件可能改变，就应检查原封装是否仍然承诺相同关系。变化未必导致失败，但足以使原来的直接调用需要重新获得理由。
第二类触发来自内部冲突。系统给出的结论与已知事实不一致，两个步骤无法同时成立，或者引用支持的范围小于结论范围。此时，继续要求生成更流畅解释可能只会隐藏冲突。需要回到关键来源、定义或计算位置，寻找究竟哪一项关系出了问题。打开封装的目标是定位差异，不是让工具用更多话证明自己正确。
第三类触发来自后果变化。同样的不确定，在课堂练习和公开使用中可能需要不同处理。一个尚未完全核验的候选可以作为讨论材料，却不一定适合被写成确定建议。这里不是每个高后果任务都要由个人重做全部专业工作，而是需要更明确的核验、支持与放行条件。风险改变的是证据要求，不应被误解为主体性突然变多或变少。
第四类触发来自依赖结构变化。模型更新、资料库替换、提示规则改变或合作伙伴退出，都可能使原来有效的封装失去某些条件。学生不必对每次技术变化都恐慌，但应能够识别哪些功能与关系对当前任务重要。一个完整的迁移包因此应包含关键测试，而不只是文件复制。替换以后能打开，还需要确认它实际按什么方式工作。
打开的深度应与问题相称。若只是图例位置不清，不必审查全部资料来源；若核心数据含义不明，修改表面措辞则远远不够。过浅的检查没有触及生成位置，过深的检查会消耗无关劳动。教育可以通过对比案例训练这种尺度判断：哪些变化只需局部修复，哪些要求重新定义任务，哪些暂时只能报告未确定。
一个实用方式，是为封装保留三类信息：它在什么条件下使用，输出不能证明什么，出现什么情况需要重新检查。它们可以非常简短，但必须具体。比如，“本平均值适用于相同时间权重，不直接代表相同路程下的平均速度”，就比“使用时请注意准确性”更有帮助。泛泛警告无法指向行动，具体限制才能成为后续判断的入口。
同时，应当检验学生是否真正知道何时打开。有人每次都要求显示全部过程，似乎很谨慎，却不能指出哪一步重要；有人很少展开，却能在关键异常出现时准确定位。两种行为不能只按展开次数比较。真正的能力在于触发与定位，而不是在于持续保持最长的解释窗口。少量有根据的展开，可能比大量无选择的阅读更有教育价值。
有时，打开后发现个人能力不足。此时合理行动可能是寻求专业支持、缩小任务或暂停，不是强行完成独立理解。主体性包含对自己边界的判断，也包含组织帮助的能力。若教育只赞美独立修复，就可能使学生隐藏未知；若允许提出清楚的求助问题，则可以把不足变成新的学习起点。
最终，可打开的封装不是一项纯技术属性。系统提供入口，学生需要辨别何时使用，教师与制度需要允许必要的暂停，资料和工具还要支持实际核验。几种条件共同成立，封装才可能既提高生产能力，又不切断学习者与关键理由的关系。这正是不同颗粒度上的S、D、E相互组织，而不是简单的人机分工。
12.5 跨层往返怎样成为课程任务
课程若要培养跨层往返，不能只把这句话写在目标里。它需要提供能够观察往返是否发生的任务，并允许不同学习者获得不同支持。本节给出一组构造性设计：同一主题分为封装前、封装中和异常后三个场景。它们不是普遍适用的固定课时流程，而是帮助教师分别看到理解、使用与重构的位置。
封装前，学生先处理一个较小实例，辨认决定性条件。以平均问题为例，让学生比较等时间与等路程两种情形，说明为什么使用不同计算。目标不是要求所有人推导复杂公式，而是使他知道工具接口所代表的关系。若连这一区别都没有形成，直接进入大规模数据分析，可能只是把未理解的概念隐藏到软件后面。
封装中，学生可以使用现成程序或模型处理更多材料，但必须先选择适当的输入与解释范围。教师检查的不是他有没有重新手算，而是能否判断何种封装适用于当前问题。例如，记录总时间与总次数时，可以计算每次平均用时；若不同活动机制被混合，学生应意识到一个平均数未必足够解释差异。工具支持越强，输入与解释的组织就越需要被看见。
异常后，教师改变一个关键条件，让原封装不再直接适用。学生需要决定哪里应重新展开，哪些材料必须补充，是否需要换方法。这里不宜只设置一个明显错误让他抓出来，还应包含封装其实仍然有效的变化。否则，学生可能学会“看到变化就否定工具”，而没有形成条件判断。合理信任与合理怀疑，需要在对比中共同培养。
课程还可以设置整体正确、局部错误与局部正确、整体错误两类材料。前者训练下沉修复，后者训练上升检查。学生提交的不是长篇过程复述，而是指出影响决定的一处连接，并说明修复后什么改变、什么仍然保留。这样，往返获得具体对象，不再只是要求他“既见树木又见森林”的修辞。
对初学者，可以把候选缩到两个，提供必要概念与一部分材料；对熟练者，可以增加多个竞争解释或不完整信息。支持差异不是降低专业要求，而是改变进入关键区别的路径。一个学生需要图示，另一个需要数值实例，不应因为证据形式不同就被认定为不同等级的主体。课程要比较的是相关判断，而不是谁最像研究者偏好的表达方式。
教学评价也应允许部分成功。学生能够识别条件变化，却暂时不会重新计算，已经显示一个重要进步；能够完成计算却无法解释何时适用，显示另一种状态。两者需要不同后续支持，不宜压成一项总分以后失去区别。前者可能需要方法训练，后者可能需要条件比较。关系诊断的价值，在于使反馈落到真正需要改变的位置。
回写阶段可以只保留一张“打开条件卡”。卡片写明当前封装适用范围、一处最容易忽略的限制以及一个需要重新检查的信号。下一次任务中，学生要决定是否调用它。卡片数量不重要，重要的是它有没有改变后续选择。若人人都会写卡却无人知道何时使用，课程应减少记录，增加情境辨别，而不是要求更精美的卡片。
还应给学生安排反向压缩任务。经过充分展开以后，要求他把方法重新压缩成别人能够使用的说明，并保留必要条件。这训练的不是删字技巧，而是判断哪些区别必须留下。一个成熟的知识产品，应使使用者能够有效调用，也能在异常处找到重新打开的入口。压缩与展开因此构成同一项知识组织能力的两个方向。
这种能力最终可以扩展到研究、写作和平台设计。学生能够把成熟方法封装为工具，把关键失败变成检验案例，把长期问题组织成可接续材料，再把现实中的新冲突带回方法修订。层级上升不是从此告别所有低层活动，而是形成更大尺度的组织，并能够对其中的关键关系负责。
本章的结论不是AI替人处理细节以后，人就自然获得高级思考，而是技术封装改变了教育必须培养的连接。人需要知道怎样进入整体、何时下沉、如何重新展开，又怎样把经过理解的过程压缩为可用支持。这样的跨层往返，才能使工具的生产能力转化为主体的发生能力。
下一章将继续处理这些往返留下的结果。一次理解可以在课堂上十分清楚，下一次却仍沿旧路径行动；一项方法可以被保存得非常完整，却从未进入新的任务。差异怎样不只改变眼前答案，还改变下一次学习的条件？这就是双向回写必须承担的解释工作。