一、六个窗口打开之后
设想这样一个写作现场。这是为解释方法而构造的情境，不是对某次真实出版工程的验收记录。一位作者准备写一本大型思想入门书。他有一部已经成形的旧稿，还有数百种分散在网站上的专著与论文。书要让新读者读懂，又要容纳体系的更新；既不能把旧书拼在一起，也不能只用最新的几个口号取代全部发展过程。他打开六个智能体窗口，分别安排理论、科学、教育、艺术、社会、人工智能六个方向。不到一天，六份文字陆续回来。每份都很完整，都有漂亮的标题，也都声称自己抓住了体系的核心。
问题恰恰在这里开始。第一份把E解释成环境，第二份把它解释成关系网络，第三份坚持它是特征纠缠；有的把六路径写成六步操作，有的把变化理解为时间中的改变，有的采用variation意义上的多样性。几份文章各自流畅，放在一起却不像同一本书。同一个案例在三个地方重复，同一个重要争议反而无人负责。负责科学的智能体默认价值由哲学部分解释，负责哲学的智能体又默认技术部分会交代AI是否能够创造。最后得到的不是一个完整体系，而是六个局部完成的自我报告。
这个例子把“并行”与“共同发生”的差别摆到桌面上。并行首先是时间安排：本来一个接一个做的工作，现在同时做。共同发生则涉及参与者和问题本身的改变：一个组的发现能否迫使其他组修改自己的理解，某个局部错误能否改变全书的规则，最后形成的结构是否具有单个分稿没有的解释能力。六个窗口可以节省时间，却不会仅仅因为窗口多，就自动产生后一种效果。
从SDE的角度，我们不能只问每个智能体写了多少字。要同时追问：最后显露的作品是什么，它经过怎样的差异序列形成，参与其中的特征如何纠缠并持续改变。这里的S不是一叠排版整齐的纸，而是能够被辨认、使用和检验的成书结构；D不只是任务清单，而是问题提出、证据进入、解释碰撞、修改与再检验的实际序列；E也不等于工作群或电脑网络，而是作者的概念、材料的限制、读者的困难、智能体的能力、出版要求等特征在这一具体工作中发生的相互牵制。它们不是三个独立仓库，工作进行时会一起改变。
例如，教育组在旧稿里发现“材”被写成入学前已经完成的能力，最新文章却把它理解为可以继续发生、甚至在人机复合中重新发生的能力。这不只是补进一个新定义。它会改变全书如何解释主体，改变教育案例的顺序，改变人工智能部分对人的能力的讨论。新的S回到工作过程里，重组D；它又使原来被放在边缘的婴幼儿发生学、工具史和个人经验进入E。所谓回写，在这里有具体可查的痕迹：哪些章节被改了，为什么改，改后解决了什么矛盾。
因此，一个大型人机项目的第一项工作，往往不是让更多机器开始写，而是让参与者能够看见同一个问题的不同后果。共同问题不是一句总目标就能建立的。全书五十万字是数量边界，不能代替知识目标；“高质量”是期望，不能代替读者将获得的能力。需要先提出更具体的问题：读完后，一个此前没有学过SDE的人，是否能解释一个案例中的显露、差异序列与特征纠缠，是否能发现自己的分析把E偷换成背景，是否知道哪些命题仍待论证。这样的目标，才开始改变各组写作时做出的选择。
二、工具进入行动之后，谁发生了改变
人和工具一起完成事情，并不新鲜。纸笔帮助计算，地图帮助旅行，显微镜改变观察，乐器参与演奏。我们平时把这些都叫作“人使用工具”，这个说法对于指出谁拿着工具、谁承担任务，通常足够。但它也可能遮住一件事：工具改变的不仅是动作的速度，还可能是行动者能够辨认的问题、能够维持的过程以及能够形成的能力。
想象一个人只靠记忆比较十篇文章。他需要不断记住已经读过的内容，许多细微差异来不及稳定下来，就被后面的文字覆盖。现在他可以把段落并排放在屏幕上，标出关键词，保存每次修改。外部记录改变了他实际可进行的比较。后来又加入检索工具，他不必凭印象判断某个说法是否早已出现，可以直接回到来源。再加入能提出竞争解释的模型，他获得了更多候选，但也面对新的问题：候选是否准确，差异是否只是措辞，判断是否被流畅性诱导。能力随装置增加而改变，困难也随之改变。
SDE的人机复合体论要求把这一整体变化作为研究对象。它并不要求我们相信电脑拥有和人一样的体验，也不要求把所有责任平均分给机器。它提出的首先是一个分析尺度：当一种能力只有在人、符号、操作规则、工具和反馈彼此配合时才能稳定出现，解释这种能力就不能只盯着人的头脑，也不能只报出模型的参数。究竟哪些联系具有构成作用，需要根据具体任务检验，不能由“复合体”三个字包办。
可以做一个简单的思想检验。撤去文本检索，只保留生成模型，全书仍然可能写得流畅，但引用和版本辨认会明显困难。撤去分歧记录，保留检索，各组能够找到文章，却可能反复争论同一个已经解决的问题。撤去作者的修订意见，保留所有机器，系统可能构成一部内部整齐的书，却未必是作者正在发展的思想。撤去读者试读，作者和智能体也可能把彼此熟悉误当成人人能懂。每次撤去一种联系，都应当问实际能力发生了什么变化。这样的减法检验，比宣告“整体大于部分之和”更有内容。
不过，减法检验仍不足以证明每一个被保留的部分都不可替代。某个作者的判断可以由另一位熟悉体系的编辑部分承担，某个工具可以更换，某段反馈也可以来自另一组读者。复合体不必被理解为一套永远不能拆换的固定配方。它更像一个有条件的组织：关键功能要有人或装置承担，而承担方式可以重组。若把某种当前组合说成唯一可能的组合，发生论反而会被写成配件目录。
这种理解也使我们重新看待“主体”。在日常和制度语言中，作者、编辑和读者仍然是可识别的人，他们的权利与责任不会因为使用工具而消失。在发生学分析中，我们还可以问，能够完成这项工作的行动单位如何形成。两个层次并不矛盾。说写作能力由复合体实现，是在解释能力如何出现；说作者对署名内容负有相应责任，是在规定谁可以承诺、谁必须回应。不能借前一个判断把后一个问题稀释成“大家都有一点，所以无人负责”。
同样，承认工具具有构成作用，也不等于每一次使用工具都产生一个宏大的新主体。打开计算器算一次账，可能只是沿用成熟的能力；长期与工具共同发展新的表示方法和判断规则，才可能出现更深的重组。复合程度可以不同，回写程度可以不同，稳定时间也可以不同。入门者最需要学会的，不是到处宣布主体诞生，而是指认原来的行动单位在哪些方面已经不够解释当前能力，以及新的解释多说清了什么。
三、从语言材料到可以工作的模型
《SDE智能体导论》把语言模型放在人机复合发生的结构中考察，其特别关心的不是模型能否产出一段像答案的话，而是它如何与问题方向、工具和现实反馈一起工作。书中把模型理解为丰富的语言材料场，强调材料与能够运行的世界理解之间存在距离。本章沿用这一问题意识，同时把关于具体模型能力的强断言保持在可检验范围内。不同系统、不同任务以及不同工具配置，不能只凭一个统一标签裁定。
回到写书情境。作者要求解释“判断力”，模型很快给出定义、分类和培养方法。它可能谈到批判性思维、信息筛选、情绪控制，内容未必错误。但是，这份回答是否触及本书的问题，要看它有没有处理“判断本来就是人和工具共同实现的能力”这一特殊命题。若它仍把人的判断装在一个孤立主体里，再在旁边加上AI辅助，语言虽然全面，结构却没有进入任务。
因此，工作开始时需要一个临时的问题模型。它至少说明本次要解释什么、哪些概念已经规定、哪些地方还存争议、什么材料可以进入、什么结果可以使我们修改原理解。临时二字很重要。这里不要求先造出一幅完备世界图景，才允许动笔；恰恰是因为问题没有完全弄清，才把当前理解显露出来，使之能够被后面的材料改写。模型若只能积累支持而不能变形，就只是一道筛选器。
在本章的构造情境里，初始问题模型可以这样表达：普通人使用AI判断文章是否可靠，常在两个极端之间摆动，一端是逐句亲自验证，另一端是因为过去多次好用就全部交付。我们要解释第三种可能，即依据风险、成熟度和异常信号，灵活调整判断层级。所需材料包括工具的使用史、具体错误、用户改变审查方式的过程，以及把“判断”全部归给人的竞争解释。预期产物不是一张永远适用的比例表，而是一套可以帮助读者定位当前判断责任的分析。
有了这幅暂时图景，检索就不再是漫无边际地搜“判断力”。一个智能体可以寻找作者对封装的说明，一个核对旧稿是否保留了不同版本，一个专门构造会使分层方案失败的情境。来源也获得不同位置：作者原文用于确认概念，外部资料用于检验外部事实，构造案例用于显示逻辑后果。三者不能互相冒充。一个对作者思想解释得很忠实的段落，并不会因此自动成为关于世界的经验验证。
模型在这一过程里可能提供重要帮助。它可以提示被忽略的变量，把长段文字转换为可检查的命题，也可以把一个初步设想推到意想不到的后果。这些操作是否称为创造，在不同理论里存在争议。本书不必先解决所有关于机器创造性的终极问题，才能判断眼前工作有没有新增理解。更有效的办法是记录变化：此前哪些区别没有出现，现在出现了；这些区别靠什么形成；它们能否解决原来的困难。这样既不会因为生成出新词就夸大创造，也不会因为机器参与就预先取消产物的价值。
S、D、E在这里是一组相互询问的方向，而不是三个技术模块的名字。不能简单把人叫E、模型叫D、文件叫S。人有其显露和差异序列，模型运行也有其条件与结构，文件进入阅读之后又会参与新的过程。采用SDE分析，是为了避免把复杂互动固定成一张角色对应表。三方程的关系记号提醒我们互相依赖，至于具体依赖能否测量、能否写成可计算函数，需要进一步定义，而不是在字母旁边添一个等号就完成了。
四、任务怎样拆，整体才不会丢
一个人机项目若完全不拆分，会被材料规模压住；若拆得过细，又容易失去整体。选择怎样拆，不是纯粹管理事务，因为划分方式本身已经包含了对知识结构的理解。按学科拆，便于利用现有专长，却可能把跨域命题分散；按概念拆，能统一术语，却可能让读者只看到抽象定义；按实际问题拆，叙事容易进入，却可能把同一理论反复讲很多遍。
本章的写作工程可以采用两种划分互相校正。一种是纵向主线：从发生问题、核心概念、方法到应用及边界。它保证读者先得到必要的理解，再进入复杂问题。另一种是横向检查：每一条重要概念在各章中怎样使用，哪些地方重复，哪些地方变义。前者主要负责阅读顺序，后者主要负责概念一致。两种工作可以由不同智能体承担，但必须在同一份可追踪的稿件上汇合。
还有一种常被忽略的分工，是决定各组交换什么。只交换最后结论，下一组就看不见结论成立的条件；交换全部工作记录，又会使接收者无法辨认重点。比较合适的交接至少包含当前判断、关键依据、最强疑问和需要对方承担的下一步。它不必很长，却必须把开放处显露出来。例如，某组交来“主体性在互动中形成”的段落，还应说明这里讨论的是能力的发生、第一人称体验，还是制度上的主体资格。三种意思需要不同的证据。交接把区别保留下来，后续作者才能接着思考；若只留下抽象结论，彼此误解就会在流畅接写中被放大。
任务单也要写出交付之间的关系。给某组一句“写人工智能”，它可能自行决定篇幅、术语与论证范围。更有效的任务是说明：本章需要回答哪一个问题，已经由前文解释过什么，本章应当新增什么，以及下一章将接走哪个未解问题。例如，本章解释复合体如何组织工作，下一章解释判断如何分层，再下一章解释人在这种复合中如何保有个体性。三章彼此相邻，却不应该每章都重新写一遍AI发展史。
然而，过度精细的任务单也有危险。如果总编提前规定每一节要证明什么，智能体只能寻找填入空格的材料，新的发现就很难改变结构。任务单应当同时保留一个反向入口：执行者可以指出题目设错了、概念在来源中发生冲突、预定结论得不到支持。这个入口必须能真正改变安排。如果所有异议最后都被要求“按原提纲完成”，所谓开放只是礼貌措辞。
假设隐私组发现，旧提纲把隐私写成数据不泄露，最新作者主张却把它理解为个体性保护的发生。它应当有权提出：本章需要先讨论一个人如何拥有试错、暂缓共享、保留未完成思想的空间，数据控制只是其中一类实现。总编此时要判断这是否确有来源，是否与全书框架相容，是否需要作者审定。通过后，判断章也要调整，因为把用户要求公开所有内部过程当作可靠性的充分条件，可能与个体性的生成空间发生冲突。
这就是整体通过局部反馈改变自身的过程。局部任务不是被动拼图块，整体也不是提前完成的图画。两者在过程中形成。不过，并非每一次反馈都值得改全书。某组提出的变化可能只是偏好，可能没有解决任何问题，可能使结构更乱。因此，还需要保存修改理由：它修复了哪一处矛盾，引入了什么代价，为什么优于保留旧结构。没有理由记录，反复调整就会退化为最后说话者获胜。
对于入门书，读者的认知负担是重要限制。同一个术语在专业论文中可以快速调用，在入门文本里却需要逐步建立。并行组如果只对自己的专业读者负责，最后成书会忽难忽易。总编的工作因此不是把段落音色磨成一样，而是保证概念引入有台阶，例子承担了真正的解释任务，读者不会被要求用尚未理解的概念去理解另一个新概念。统一的是必要关系，而不是每一章都使用相同句式。
五、让不同意见真的碰到同一个问题
并行组之间的差异，可能来自知识背景，也可能来自任务安排，还可能只来自随机措辞。只有把这些差异拉回同一个可判断的问题，碰撞才具有认识价值。三份答案分别赞成SDE，并不构成三份独立证据；三份答案互相反对，也不自动构成深刻碰撞。我们要看它们究竟在哪一个前提、推理步骤或观察结果上分开。
例如，对于“人机复合体让人变强”这一命题，第一组举出产出速度增加，第二组指出用户离开模型就无法解释自己的文章，第三组强调人与工具本来就不能完全分离。三种说法看似矛盾，实际可能在谈不同对象：第一组衡量复合体的产能，第二组衡量自然人在特定无工具条件下的能力，第三组反对把无工具表现当作唯一标准。若不先区分被测对象，争论会在“强”这个词上空转。
把问题进一步限定之后，差异才会变得有力。我们可以问：在允许使用相同工具的情况下，经过一段共同工作的人，是否更会提出问题、发现异常、选择来源和组织反馈；在暂时撤去某个常用工具时，他是否有替代路径；当工具意见与自身经验冲突时，他是否能说明取舍。这里不预定答案，也不假装这些指标已经完成实证，它们只是使“变强”开始拥有可比较的含义。
竞争解释也应当获得最佳版本。一种解释说，成果提升只是因为模型替人做了更多工作，并没有使人的能力改变。另一种解释说，学习来自阅读了大量材料，与SDE组织方式无关。第三种解释说，任何认真管理的团队都可能得到同样结果，因此成果不能专门归功于SDE。若本书只反驳“人脑必须孤立完成一切”这样的弱对手，就无法回答这些真正有力的问题。
要区分上述解释，可以设计比较，但设计本身并不等于结果。不同团队可使用相同材料与相近工具，分别采取常规分工和明确记录S、D、E回写的流程，再比较哪些问题被发现、哪些修改保留、付出了多少成本。比较也会受到经验、动机和评价标准的影响，不能只用一次成功案例宣布普遍优势。入门书提出这条路径，是把论证交给未来的实践，而不是为框架预支证明。
在日常工作里，没有条件进行完整研究，也仍可以做有价值的小比较。将某个关键段落先按原流程处理，再暂时撤去一个新增环节，看具体风险是否重新出现。比如撤去“来源阶段”标记之后，读者是否把早期SIO与后期SDE的关系读成矛盾；恢复标记后，是否能理解理论的变化。这种局部检验不能证明整个体系，却能说明一个具体设计是否有用。每解决一个小问题，复合体就获得一小块可靠的工作知识。
还应警惕一种反向僵化：为了制造碰撞，故意安排一个永远反对的角色。它会抓住措辞的小缺点，却不愿承认真正充分的论证，使项目陷入无止境的辩论。好的反对者应当有明确任务和停止条件：指出最强反例，说明它击中哪里，若修改已经回应就承认。批判的强度不由否定次数衡量，而由它能否迫使主张变得更清楚、更准确，以及在必要时被放弃来衡量。
六、反馈如何从世界进入文本
如果一个系统只在生成文本与评议文本之间循环，它可能越来越熟练，却仍然没有接触到最初要解释的困难。书稿里的反馈首先来自原始材料：一段引用是否真的存在，一个术语在作者原文中怎样使用，一次修订究竟改变了什么。随后来自读者：他在哪个地方误解，哪个例子使他产生了错误迁移。还可能来自实际应用：用这套方法分析一个新问题时，是否找到了原来忽略的限制，是否也制造了新的盲点。
这些反馈并不等价。模型说“这一段很清楚”，最多表示在该系统的评估方式下显得清楚；真实读者能复述其中关系，则提供了另一种信息；读者在新案例中正确使用概念，又提供了更强但范围仍有限的信息。每一类反馈都有自己的对象和边界。把它们混成一个总体好评，就看不见需要继续工作的地方。
构造情境中，试读者读完E的解释后说：“所以E就是大环境，对吗？”这是一个很有价值的失败。总编可能马上增加一句“E不是环境”，但单加否定往往不够。需要追查误解从哪里发生：是不是全部例子都在列外部条件，完全没有显示特征之间的相互改变；是不是每次讲D都称过程，每次讲S都称结果，使三者看起来像“条件—过程—结果”的线性链；是不是为了通俗，悄悄删掉了互生关系。反馈于是把问题从读者“不懂”转向文本的生成机制。
修改也要落在机制上。可以重写一个场景：同一段教学内容，在不同的提问方式、评价压力和学生经验中显露为不同的学习对象；而学生提出的问题又改变教师的解释和后续安排。此时，不只是外部环境影响一个不变对象，正在比较的特征本身也在互动中形成。让读者重新解释这个例子，才能看修改是否触及误解。如果仍然只记住“周围条件”，就继续调整，而不是因为已经改了三遍便宣告成功。
现实反馈常有时间成本。模型可以很快重写，读者理解却不能按同样速度压缩。一种新练习是否真的帮助迁移，可能需要等下一次应用；一种组织方式是否减少重复劳动，可能要经过多个项目。把生成速度当成反馈速度，是人机项目常见的错误。此时应当保留两本账：已经完成的文本工作，与尚待检验的效果。前一本可以很快结算，后一本必须等待相应事件发生。
还要区分“被反馈改变”与“迎合所有反馈”。某个读者要求删去全部抽象概念，另一个要求增加形式化，两者不可能同时无条件满足。反馈提供的是信息，不直接充当命令。总编要根据本书的读者定位和知识目标判断，哪些反馈揭示了普遍障碍，哪些是个体偏好，哪些提示需要提供不同阅读路径。判断可以出错，因此要留下理由和修改后的结果，而不是把每个异议都归为“不适合本书的读者”。
一旦反馈获得这样的地位，智能体就不只是输出机器。它可以帮助整理误解类型，比较修订前后，追踪某项改动对其他章节的影响。但反馈的真实性不能由整理工作创造出来。没有发生的试读、没有做过的测试、没有读到的文献，都必须保持缺席。用一段像实验报告的文字填补空白，是把可能发生的未来偷换成已经发生的过去，恰好破坏了复合体赖以学习的基础。
七、记忆怎样变成能力，而不只是堆积
一个长期人机项目必须保留记忆，否则每次都从零开始。但保存更多文件不等于积累了更多能力。文件可能重复、冲突、失去版本，重要的失败也可能淹没在成功叙事中。真正可用的记忆，要能在适当的时候改变下一次行动。它至少要保留事件发生的条件、当时采取的路径、得到的结果，以及为什么后来修改了判断。
假设某次写作中，“变化”一词被误读为时间变化。项目若只在最终稿中改正，下一个智能体可能还会根据旧书重新犯错。若记录“本项目采用variation意义的变化，重点为多样性；引用旧稿不同用法时标明阶段”，错误就转化为可调用的工作约束。但这条约束也不能永久遮住原文。如果研究的题目恰好是概念发展史，旧用法仍然是重要材料。记忆因此需要区分当前写作口径和历史材料，不能把修订后的规则倒写成作者从来如此。
失败记忆尤其重要。一份没有采用的论证，可能包含对未来有用的边界。例如，“所有知识都依赖工具”可以作为广义论断，但如果工具定义扩大到语言、身体习惯和一切中介，就很难找到反例；它的解释力也可能因而变得含糊。项目应当记录这个问题，而不是把被删的绝对句换成更隐晦的绝对句。将来再讨论复合体的范围时，这条记录会提示需要重新定义，而不会让团队重复同一场争论。
保存过程也不意味着公开一切。草稿中的私人体验、尚未确认的猜想、对他人的评价，可能并不适合全部进入共同工作区。共享记忆的设计必须考虑谁需要知道什么，以及用途改变时是否应重新判断。某个读者愿意提供一次困惑，并不自动表示他愿意让这段困惑永久成为训练材料、营销案例或其他项目的素材。关于个体边界的讨论，将在后文展开；此处只需看到，记忆越强，治理记忆的能力越重要。
能力的形成还需要让记录重新进入行动。团队每次开始新章时，可以先检视与该章有关的争议和失误，而不是阅读全部历史；每次结束时，把新发现写回相关记录，而不是新增一份无人打开的总结。这样的循环会使记忆越来越具有区分度：哪些问题已经有暂时答案，哪些仍然开放，哪些答案只适用于特定任务。记忆的价值不在永久保存全部细节，而在需要细节时找得到、该改变时改得动。
从SDE看，这种回写涉及不止一维。文件内容的改变是一种显露，后续检索和审校次序的改变属于差异序列的重组，参与者对某类风险更敏感则牵动特征纠缠。一个人可能在反复与工具工作之后，学会先问“这句话的来源是什么”，这种能力并不只存于某份文档，也不完全位于某个独立头脑。它由可用记录、提问习惯、工具反馈和责任要求共同维持。若这些联系被切断，能力可能衰退。
但我们也不应把每一次习惯形成都誉为升维。一个人可能只是越来越熟悉固定模板，遇到新问题反而更机械。能力是否增加，需要看他能否更好地区分条件、发现边界和改变方法。记忆如果只训练顺从旧规则，就是把工作冻结；记忆若使过去的经验可以接受新问题检验，才为下一次发生提供条件。一个成熟的复合体应当既能继承，也能让继承的东西再次成为问题。
八、速度、依赖与人的成长
人机复合体最容易展示的优势是速度，最难说明的则是人在其中怎样成长。一个作者以前一天写三千字，现在能组织数万字，这当然改变了工作规模。但文字数量无法告诉我们作者是否更能解释自己的观点，是否更容易发现错误，是否更愿意承担修改。高产可能伴随学习，也可能伴随理解越来越薄。两种情形在文件夹里看起来很相似。
判断成长时，不能把“离开工具能否做到”设为唯一标准。一个善于使用地图的人，不必记住每条道路；一个数学家也不必徒手完成所有计算。工具依赖本身不是失败。更有意义的区分是：依赖是否经过理解和安排，遇到异常能否调整，能否更换实现方式，以及工具是否把人锁定在无法判断的路径里。合理依赖可以释放能力，失去出口的依赖则会缩小行动空间。
在写作情境中，可以观察作者的几种变化。他能否越来越准确地给出章节问题，而不是只要求“再深一点”；能否区分概念解释、经验事实与规范主张，而不是只凭文字气势评判；能否指出某段话为什么与自己的思想不符，而不是全部交给模型揣测；能否在一个有力反例出现后，修改自己的主张。这些变化不要求他替机器完成全部检索，却显示他更能组织复合体的工作。
系统也可能朝相反方向塑造人。如果它总是赞美作者的每个念头，作者就越来越少遇到反对；如果它把不确定性润色成确定语气，作者会逐渐误以为材料已经核实；如果它每次都替作者完成关键取舍，却只留下一个确认按钮，作者可能保留名义上的决定权，却失去形成决定的过程。所谓“人在方向中心”，因此不能只写在原则里，必须在实际界面、时间安排和反馈方式中获得位置。
这个位置不等于人必须不断操作。成熟的封装可以让人只处理较高层级的判断，下一章会详细讨论。关键是当异常出现时，能不能重新打开被封装的部分；当任务目标改变时，能不能重新分配判断；当人的偏好本身不合理时，系统有没有呈现反对材料的通道。若中心只意味着系统永远服从，那只是把人的既有盲点扩大了。方向也需要在与材料、后果和他人的互动中修订。
还有一个不应回避的反例：某些高度自动化的任务确实可以长期运行，人几乎不参与日常过程。它们并不会因此自动失去价值。这提醒我们，人机复合论不该把每一步都要求人现场出现，也不该以哲学定义否定自动化的成功。要讨论的是任务所依赖的目标、训练、维护、边界与后果如何被组织，以及当前系统有哪些具体能力。不同时间尺度上的参与可以不同，不能把即时操作和整体构成混为一谈。
把成长作为目标，最终会改变项目评价。交付一部好书是一个结果，使作者与读者更能继续提出问题，是另一个结果；二者有关，却不必同步。为了赶工，团队可能得到前者而牺牲后者。为了过度教学，又可能迟迟不形成可用文本。SDE视角不会自动替我们消除这一张力，但它要求张力被看见：我们究竟在维护怎样的发生，谁获得了什么能力，谁承担了被省略的工作。看见之后，才有可能做出诚实的取舍。
九、复合体失败时，不能只责怪一个环节
一个项目失败之后，最方便的解释是找到一个有名字的责任者：模型幻觉，用户提示不清，总编没检查，材料太旧。某些具体责任确实需要追究，但认识上的解释还应当再走一步：为什么这个错误能够一路进入结果，为什么已有环节没有使它显露，什么安排使下一次仍可能重复。人机复合体的研究不取消个人责任，而是把责任置于能够改进的机制之中。
设想一本书错引了一段从未存在的原文。生成端编造是第一处错误，但若任务单只要求引文数量，审校只检查格式，总编只检查语气，整个过程就在奖励看起来完整的来源。若最后仅告诫模型“以后不要幻觉”，其他条件全部不变，复合体并没有学习。真正的改变可能包括：关键引文必须能回到原始页面，没有原文时改为明确标注的概述，未核实来源不得因版式需要补齐。每项改变都要对准错误曾经通过的通道。
再设想另一种失败：所有引用都真实，但书只是在重复既有文章，没有形成入门路径。这时加大查证力度未必有用，因为缺失的不是事实锚点，而是结构工作。团队需要重新考虑读者从哪里进入、概念之间怎样衔接、哪些案例能够让相邻章节共同解释。两种失败都可能表现为“质量不高”，机制却很不一样。SDE分析的价值，在于要求我们把笼统评价拆回实际发生，而不是对所有问题使用同一张检查表。
还有一种更隐蔽的失败：每项局部指标都达标，整体却让人疲惫。每章都有案例、反例、定义、总结，结果全书像重复播放同一套课堂程序。此时不是缺少某个元素，而是元素的组织失去节奏。不同章节需要承担不同任务，有的建立概念，有的深化争议，有的提供操作，有的让读者停下来重看生活。统一规范应当保证准确与连贯，不应当把所有章节压成同一种形状。标准一旦取代了判断，也会制造它原本想防止的失败。
失败还可能发生在边界之外。书稿本身清楚，但读者把其中的哲学假说当作医疗、法律或金融的直接依据，这说明入门文本需要更准确地标记论断层级和用途。不是每个章节都加一段笼统警告，而是在相关论证处说明：这是对概念的重构，还是已经获得相应证据的领域结论；这是构造案例，还是实际案例；这是作者的规范主张，还是现行制度事实。界限应当进入解释本身，成为理解的一部分。
最后，复合体的边界不是随意扩张的。如果每次失败都说还有某个更大环境没有纳入，理论就永远不会承担风险。本章建议采用问题相对的边界：纳入那些能够说明当前能力及失误、并可能改变行动的关键联系，同时说明尚未覆盖的因素。边界可以修订，但修订要有理由。不能把一切成功都归于整体，把一切失败都推到整体之外。一个解释框架值得使用，也因为它能够承认自己解释得不够。
十、从一次完成走向下一次能够开始
让我们回到最初的六个窗口。经过若干轮工作，六份分稿不再只是并列文档。一个统一术语表记录当前口径与历史变化；一份争议表保存未解决的问题；章节之间有清楚的承接；关键来源可以回到原文；读者反馈进入了修订；未做的检验仍然标成未做。与此同时，作者更清楚自己哪些主张需要展开，编辑更知道哪些环节容易产生误读，智能体的任务规则也因失败而改变。此时，我们才有理由说共同工作形成了超出初始分工的能力。
这种能力不是神秘的整体灵魂。它体现在具体行动中：新的章节可以更快识别旧问题，新的异议可以找到承担者，新的来源可以改变已经稳定的解释，而不是只被塞进附录。它也不是一劳永逸的资产。人员变化、工具变化、来源更新、任务扩大，都可能使原来的安排失效。成熟不等于永远不需要重组，而是知道何时可以沿用，何时必须打开封装、重新形成工作关系。
读者可以把这个思路迁移到其他活动。准备一门课程时，问教材、教师、学生反馈和评价方式怎样共同形成学习；组织一个社区项目时，问参与者如何在共事与独立之间转换；使用个人AI时，问哪些记录让它更适合自己，哪些记录反而把过去的标签固定成未来命运。每一种活动都有自己的材料和后果，本章没有提供一张照填即可成功的通用表格。它提供的是一种持续追问整体能力来源的方法。
最小的实践起点并不复杂。选一件正在使用AI完成的真实工作，先写出当前目标和一个最令人担心的失败。让系统提出一个可检查的解释，再用原始材料、一次实际操作或另一种有力解释去检验它。记录哪一处判断改变了，哪一处尚未改变。然后问：这个改变是否只停在答案里，还是已经进入下一次工作。若后一件事没有发生，就不要急着宣布自己获得了新能力。把变化接回行动，是共同发生最朴素的检验。
在这一过程中，人也不需要扮演无所不知的总裁判。他可以借助专业知识、他人经验和更多工具形成判断；机器也不必被看成只会等待命令的空壳，其实际能力可以在具体任务中充分发挥。但任何参与者的表现都要回到证据和后果之中。复合体越复杂，越需要把“由谁承担什么、依据什么改变”说清楚。否则，能力越强，错误也可能越难定位。
本章所说的共同发生，最终不是让所有人和工具时时刻刻黏在一起。有效的共同工作需要独立阅读、暂时保留分歧、局部试验和适时汇合。太早统一，差异会被压掉；太晚汇合，局部又可能无法接合。什么时候开放，什么时候收束，什么时候让某个部分独立生长，什么时候重新共同判断，这些安排本身也要在实践中形成。并行只是把时间展开，共同发生则使展开的时间能够彼此改变。
因此，AI时代的一个重要能力，是组织这种可改变的合作。它既包括提出方向，也包括允许方向被修订；既包括调用成熟工具，也包括识别成熟不再适用的时刻；既包括完成眼前任务，也包括保留下一次开始所需的记忆、自由和责任。当我们从“机器能替我做多少”继续问到“我们共同形成了怎样的能力”，工具的问题就进入了发生学的核心。而这个核心马上带出下一章的问题：当越来越多的判断被工具承载，人究竟该在什么层级、以什么粒度继续判断？