能力证据债与校准回路 ——教育学 × 分布式认知 × 安全科学/人因工程的跨学科对撞
承重命题：AI时代能力替代最早出现的信号，不一定是人的无AI成绩已经下降，而可能是辅助状态下的“做得好”越来越不能说明这个人本人还能做到什么。只要某项能力仍被系统指定为异常识别、结构修正或失效接管时的备用能力，长期连续代行就会累积“能力证据债”。偿还这笔债不需要把完整任务重新交还给人，而需要在能力关键节点周期性恢复人的首判、差分、盲段与恢复回合，使关键能力持续可观测、可更新、可接管。
摘 要
当生成式人工智能能够持续提供答案、示范、修改、推理、反馈乃至直接执行任务时，传统的“支架渐退”出现了一个结构性难题：如果帮助必须最终撤除，人机系统将被迫重复大量低价值劳动；如果帮助可以永久保留，人的关键能力又可能在长期不被调用的状态下变得不可确认，并在真正需要接管时才暴露缺口。本章以教育学中的认知学徒制、支架与渐退，分布式认知中的认知外置与人—工具系统，以及安全科学/人因工程中的自动化、情境意识与接管恢复为三条相互冲突的路径。三者分别把“帮助成功”结算在独立完成、系统绩效与安全恢复三个不同终点，但共同假定一次帮助可以由某个单一终点完成结算。本章提出，生成式AI任务是循环而非终局的，同一环节会在不同轮次中在手段、终点和备用能力之间换位。由此提出“能力证据债”：当AI持续代行某一能力关键节点时，即使人的真实技能尚未下降，系统也会因为长期没有新的、AI暴露前的人类独立表现证据，而逐渐失去判断该能力当前是否可用的依据。本章进一步提出“能力校准回路”，由首判、协作、差分、盲段、恢复五个环节构成，并以“证据龄比”作为局部触发读数。基于 Bastani 等人公开的高中数学随机实验数据，本章进行探索性二次分析：排除原研究主分析同样排除的荣誉班学生后，825名学生的学生层面数据表明，练习表现与随后无AI考试表现的相关在对照组为 r=0.756，而通用GPT组为 r=0.435、教学护栏GPT组为 r=0.486；按班级聚类自助法得到的差异区间仍明显分离。该结果并不证明AI导致技能退化，却支持一个更弱而重要的命题：AI可以提升辅助态绩效，同时降低辅助态绩效作为“本人会不会”的能力信号保真度。本章据此主张，AI时代真正需要渐退的不是AI本身，而是未经验证、连续不断的代理代行；真正必须周期性回到人手中的，也不是全部任务，而是那些能够暴露问题模型、边界判断、异常识别与恢复能力的关键回合。
关键词：生成式人工智能；能力证据债；能力可观测性；能力校准回路；认知外置；自动化接管
English Title and Abstract
Assistance May Remain, but Capability Must Stay Observable: Capability Evidence Debt and Calibration Loops in Generative-AI-Assisted Learning and Work
Generative AI challenges the traditional assumption that external assistance should either fade until a person can perform independently or remain as a permanent component of an extended cognitive system. Educational scaffolding privileges independent mastery; distributed cognition legitimizes persistent cognitive offloading; human-factors and safety research permits automation while requiring humans to recover when automation fails. This paper argues that these approaches conflict because they settle assistance at different endpoints, yet share a deeper assumption that a single endpoint can close the assistance problem. In recurrent AI-mediated work, however, the same function can alternate between means, endpoint, and fallback capability across cycles. We introduce Capability Evidence Debt (CED): uncertainty accumulated when AI continuously performs a capability-critical node and the system stops generating fresh, independently verifiable evidence of what the human can still initiate, diagnose, repair, or recover before seeing AI output. CED is distinct from skill degradation: capability may remain intact while its current state becomes unobservable. We therefore propose a Capability Calibration Loop consisting of human-first judgment, AI-assisted execution, discrepancy analysis, bounded AI-blind probes, and assistance re-entry. A reanalysis of public data from Bastani et al. shows that correlations between AI-assisted practice performance and later unaided exam performance are substantially weaker in both AI conditions than in the no-AI control, even when pedagogical guardrails largely remove the mean learning loss. The result does not establish causal deskilling; it supports the narrower claim that AI assistance can reduce the diagnostic fidelity of current performance as evidence of unaided capability. The proposed framework therefore shifts governance from “how much AI is used” to “which capability-critical nodes remain observable, how old the last valid evidence is, and when bounded human-only probes should be triggered.”
Keywords: generative AI; capability evidence debt; capability observability; scaffolding; distributed cognition; automation; takeover recovery
在传统教学中，“帮助”通常带有临时性。教师先示范，学习者模仿；学习者能够承担更多步骤以后，教师减少提示；最终，外部支架退到背景，任务由学习者独立完成。Wood、Bruner 与 Ross 对支架的经典表述、认知学徒制以及样例渐退研究，都在不同意义上假定：当前表现可以借助帮助被抬高，但真正的能力必须逐步转化为学习者能够自行组织的行动[1-4]。在这一图景中，帮助过早会制造失败，帮助过多会遮蔽学习，帮助撤得太晚则可能形成依赖，这就是后来所谓 assistance dilemma 的核心张力[3]。
生成式AI改变的不是“帮助存在”这一事实，而是帮助的成本、覆盖范围与连续性。过去，一个学生想得到完整解题过程，要等老师、翻答案或搜索教材；一个程序员想得到一段可运行代码，要自己检索、试错并整合多个来源。现在，AI可以在任务的第一秒同时给出问题解释、结构划分、方案、代码、修改和理由。帮助不再只发生在卡住之后，而能够先于人的第一次尝试进入；它也不再只支撑某一步，而能覆盖从问题定义到最终执行的整条链条。
因此，把传统“支架渐退”直接搬到生成式AI时代会遇到反直觉结果。若规定能力成熟以后AI必须撤除，那么越熟练的人反而越不能使用效率更高的工具；大量已经没有必要由人重复执行的检索、格式化、机械计算与标准化表达会被重新内化为训练任务。可如果接受AI成为长期认知基础设施，又会出现另一种风险：人在正常状态下越来越少亲自观察原始信息、形成首判、处理异常和纠正偏差，直到某次AI失败、不可用或越界时才第一次真正暴露“备用的人”是否仍能工作。
所以，这道题不能再被压成“AI用多一点还是少一点”。真正需要设计的是一个时间结构：AI什么时候先进入，什么时候后进入，哪些节点永远不必退，哪些节点只需短暂退，何种信号意味着帮助要增加、维持、局部渐退或重新进入。问题的单位从“整项任务”改变为“任务中的一拍”。
本章采用理论重构与公开数据探索性复核相结合的方法。理论部分不是将教育学、分布式认知与人因工程并排综述，而是分别提取三者在“帮助如何进入”这一问题上的强主张，并要求它们对同一人机任务给出不能同时成立的成功标准。教育学路径把成功放在独立能力形成；分布式认知把成功放在人—工具整体能否稳定完成任务；安全科学则把成功放在自动化失效以后人是否仍能恢复控制。
三条路径之所以值得放在一起，不是因为它们互补，而是因为每一条的优势恰好会成为另一条的风险。教育学若坚持把外部帮助撤到最低，可能牺牲成熟工具带来的系统效率；分布式认知若只看整体系统绩效，可能无法回答一个已长期不再独立工作的子系统在重新配置后还能做什么；安全科学若为保持接管能力而要求人频繁完整手动运行，则可能把训练变成高成本形式主义。只有让三条路径互相取消各自的默认终点，新的动态路径才有必要出现。
经验部分选择 Bastani 等人公开发布的高中数学随机实验作为最低成本压力测试[22]。该实验同时包含无AI对照、通用GPT帮助和带教学护栏的GPT Tutor，并在AI辅助练习后安排无AI考试，非常适合检验“辅助状态下的表现还能否直接作为独立能力信号”这一较弱命题。本章不把二次分析当作“能力证据债”的因果证明，而把它用来回答一个更具体的问题：当AI显著提高眼前成绩时，眼前成绩与随后独立成绩的对应关系是否仍保持原有保真度。
认知学徒制强调，专家能力并不只是拥有答案，而是能够在真实任务中组织知觉、策略、监控和修正。示范使隐性的过程显露，指导与支架降低新手暂时无法承担的负荷，表达与反思迫使学习者把自己的过程说出来，探索则把控制逐步转移给学习者[2]。这套路径的合理性在生成式AI出现以后并没有失效：如果学习者从第一步就只接收完整答案，他可能取得高水平产品，却没有形成生成这些产品所依赖的内部结构。
样例渐退研究进一步说明，从完整示例直接跳到完全独立求解并非唯一选择；可以逐步删除步骤，使学习者承担越来越多的推理[4]。Koedinger 与 Aleven 将其提升为 assistance dilemma：帮助太少会使学习者陷入无生产性的困难，帮助太多则会减少必要的认知活动[3]。Kapur 的 productive failure 研究与检索练习、生成效应等传统，也从不同侧面强调“先生成、再得到反馈”与“直接看到正确答案”不是等价学习事件[5-6]。
如果沿着这条路径面对生成式AI，最自然的处方是：AI先多帮，随着熟练逐渐少帮，最终由人独立完成。它的终点很清楚——人不再依赖当前支架也能完成目标任务。问题也由此出现：如果某些外部资源将永久存在，且它们本身已经成为专业实践的一部分，那么“完全独立”是否仍然应该是所有能力的终点？一名统计学家不需要脱离统计软件，一名飞行员不需要抛弃仪表，一个成熟程序员也未必需要拒绝IDE和代码搜索。将所有外置重新内化，并不会自动产生更高阶的专业能力。
分布式认知从一开始就质疑把认知自然地关在单个人的头脑里。Hutchins 对航海与驾驶舱的研究表明，真实任务中的计算、记忆与决策分布在多人、仪表、纸面表示、程序和环境中；Hollan、Hutchins 与 Kirsh 因此主张把认知系统的分析单位扩展为个体与外部资源之间动态组织的功能系统[7-8]。Clark 与 Chalmers 的延展心灵论题更加激进：在满足稳定可用等条件时，外部资源可以在功能上成为认知过程的一部分[9-10]。
认知卸载研究也证明，人会主动改变环境以减少内部记忆、计算和控制需求；这种行为并非天然等同于偷懒，而可能是一种理性的元认知策略[11-12]。若一个工具能够稳定承担低价值计算，把注意力释放给更高层判断，那么要求使用者为维持“纯脑内能力”反复做同样的机械操作，可能反而降低系统能力。
沿着这条路径，AI不需要像临时脚手架一样最终消失。一个人真正需要形成的，可以是驾驭“人+AI+资料+工具+制度”整体系统的能力：知道什么该外置，如何构造提示，怎样调用多个工具，如何组合不同结果，以及在何种任务条件下需要改变分工。这里的终点不是“我一个人能不能做”，而是“这个分布式系统能不能持续、准确、低成本地做”。
然而，分布式认知的强项也构成本章必须补上的缺口。一个系统今天整体运作优秀，并不能直接告诉我们：如果某个关键外部部件突然失效，原本长期不再独立工作的内部节点能否恢复功能。分布式认知可以解释能力如何跨边界存在，却不自动提供“备用能力最近一次何时被独立验证”的时间账本。
自动化人因研究早已发现一个反讽：技术越成功地承担正常任务，人越可能被从最容易练习的日常环节中移走，却在最复杂、最罕见的异常时刻被要求接管。Bainbridge 在1983年指出，自动化不会让人彻底退出，反而把人的工作推向监控、诊断与异常恢复，同时长期不用的手动技能可能衰退[13]。Endsley 与 Kiris 随后用实验展示 out-of-the-loop performance problem：自动化控制会影响情境意识，并在重新转为人工控制时降低表现[14-15]。
Parasuraman、Sheridan 与 Wickens 将自动化区分为信息获取、信息分析、决策选择和行动执行等类型，并指出不同层级的自动化对人的角色产生不同影响[16]。Parasuraman 与 Riley 对 use、misuse、disuse、abuse 的区分，以及后续自适应自动化研究，都表明“自动化越多越好”与“自动化越少越安全”同样站不住[17-18]。Horvitz 的 mixed-initiative 研究则把控制权在人与系统之间的动态分配带入交互设计[19]。
从这一路径看，AI完全可以长期承担正常运行，但人必须在自动化失效时仍有足够情境模型去发现问题、理解为什么错、决定在哪切断，并把系统带回可控状态。于是它的终点既不是完全独立，也不是最大化系统平均绩效，而是“异常发生以后仍能安全恢复”。
但安全科学的经典答案若简单移植到所有AI知识工作，也可能过重。飞行模拟器、复训和接管演练在高后果系统中合理，并不意味着每个写作者、分析师、教师和程序员都要周期性关闭全部AI，完整重做全部任务。真正需要保留的可能只是少数能够暴露系统模型与恢复能力的关键回合。
把三条路径放在同一张表上，会看到它们不是三个角度，而是三种结算方式。教育学问“这个人最终会不会”；分布式认知问“这个人—工具整体能不能做好”；安全科学问“工具失败以后这个人还能不能接住”。如果把其中任一项设成唯一终点，另外两项都会被牺牲。
三者底下却藏着同一个没有被说出的前提：一次帮助可以在某个终点上完成结算。教育学把人独立完成当终点，工具之后主要是效率问题；分布式认知把整体系统绩效当终点，只要协同稳定即可；安全科学把安全恢复当终点，只要接管条件被保留即可。它们都倾向于把“哪一样是终点、另外两样是手段”固定下来。
生成式AI环境恰恰推翻这个前提。今天用于提高系统效率的AI外置，明天可能成为检验人的训练材料；今天已经内化的技能，后天可能因为模型成熟而被正式外置；一次为了训练安排的人工独立判断，可能反过来发现AI系统的新边界，从而改变下一轮分工。终点与手段会在轮次之间交换位置。于是，帮助不能再按一条单向渐退线结算，而需要被设计成可以进入、停留、让位、再进入的循环。
关于AI与能力的公共讨论很容易落入二元框架：AI要么帮助人变强，要么使人退化。但在这两个状态之间存在一个更早、也更难被看见的状态——人的能力究竟有没有下降，系统已经没有足够新证据知道了。
设想一名研究分析师过去每周独立完成资料检索、假设比较、数据检查和报告撰写。AI进入半年以后，检索、初步分析和初稿都由模型承担，他主要阅读、修改与提交。报告质量可能更高，耗时也更少。到这里，没有证据证明他的分析能力已经下降；但同样没有新的证据证明他仍保持半年前的独立诊断能力，因为原本能够暴露这些能力的行为已经长期不再发生。
这与技能退化是两个不同变量。一个人可以技能仍然很好，但六个月没有任何AI暴露前的独立判断记录；也可以能力已经很弱，却昨天刚完成一次无AI测试，因此组织对他的能力状态非常清楚。前一种情形“不确定性高”，后一种情形“不确定性低”。如果把这两者都叫“依赖”或“退化”，我们就失去了一个重要的中间状态。
安全领域其实早已有一个相近但并不相同的警告。FAA 关于 currency 与 proficiency 的长期讨论明确提醒：满足近期经历要求并不等于真实熟练，反过来，周期性训练和能力检查也不能被简单等同[27]。2003年的相关研究甚至发现，全部受试者都满足“current”身份时，首次飞机仪表熟练检查的通过率仍不足一半。这说明“最近做过”与“现在做得好”是两个变量。本章进一步提出的AI问题则再多一层：在AI持续代行以后，组织甚至可能连“最近一次真正由人独立做过关键动作是什么时候”都没有字段。
能力证据债（Capability Evidence Debt）是指：某项能力仍被系统当作未来关键节点需要的人类备用能力，但由于AI持续代行，使系统长期没有产生新的、在AI答案暴露前形成且随后可被独立校验的人类表现证据，由此累积的能力状态不确定性。
这个定义必须同时守住三个边界。第一，债不是能力损失本身。一次新的独立取样完全可能证明能力仍然优秀，此时被清偿的是不确定性，而不是“修复了退化”。第二，债不是AI使用时长。一个人每天使用AI八小时，只要关键节点仍持续产生有效的人类首判和恢复证据，证据债可以很低；另一个人每周只用AI一次，却恰好让AI长期垄断唯一的异常诊断节点，局部证据债反而可以很高。第三，债不是道德化的“依赖”。它不预设AI多用是不好的，只要求凡是仍需要人承担未来接管责任的能力，其当前状态不能无限期靠过去的资格与历史表现续期。
因此，能力证据债首次把一类过去常被记为“零”的对象带进账本：不是已经失败的能力，而是“仍被要求存在、却很久没有被重新看见的能力”。传统绩效系统记录任务完成了多少，AI日志记录模型生成了什么，教育平台记录答对率，组织人事系统记录证书与岗位。它们很少记录一个问题：这项关键能力最后一次在没有先看到AI答案的情况下被真正观察，是什么时候？
这个对象之所以重要，是因为系统在能力事实变坏以前就可以积累风险。一个高度可靠的AI可能使正常运行多年不出事，恰恰因此人几乎没有介入机会。表面稳定越长，关于人的能力证据可能越陈旧；而没有事故不会自动告诉我们“备用能力仍然可用”。这与通常的自动化偏误不同：自动化偏误讨论人在看到机器建议后过度接受它；能力证据债发生得更早——即使人从未做错一次判断，系统也可能因为长期没有独立判断事件而失去对其能力状态的观测。
把“AI代行程度”和“人类关键能力证据是否持续刷新”分成两条轴，可以得到四种完全不同的人机状态。
右下角“静默替代区”是本章真正的靶格。它不会因为AI表现差而出现，反而通常建立在AI足够好、足够稳定、足够方便的基础上。AI越少犯错，人越少被迫重新进入；人越少进入，系统关于人类能力的证据越少；证据越少，又越容易因为“反正一直没出事”继续把同一环节交给AI。
所以，一套只用任务成功率监控人机系统的制度会系统性漏掉这一格。它能看到“任务完成”，看不到“如果模型越界，人是否仍然能发现”；能看到“报告质量提高”，看不到“辅助报告质量是否仍能映射到本人独立判断”；能看到“自动化全年稳定”，看不到“备用操作者上一次真正完成异常诊断已经是多久以前”。
这也是本章与“AI deskilling”最重要的分界。Ferdman 提出的 capacity-hostile environments 把AI导致能力培养环境恶化理解为结构性问题，而不是个人自律不足[25]。本章接受这一方向，但把时间点再前移：在真正 deskilling 尚未被证实以前，系统首先可能失去的是能力可观测性。若一次校准显示人仍然熟练，deskilling 的强主张不成立，但能力证据债仍曾真实存在并已被清偿。
为了把“能力可观测性”从态度词变成可以查日志的问题，需要把能力拆到任务节点。对于每一个事先定义为能力关键节点的动作 i，记录最近一次有效能力证据发生时间 τᵢ。当前时间为 t，则该节点的证据年龄为：
Aᵢ(t) = t − τᵢ
一次事件只有同时满足四个条件，才算“有效能力证据”：第一，人的核心判断发生在AI答案可见以前；第二，该任务确实命中需要保留的能力节点，而不是用机械动作冒充；第三，随后存在结果、标准答案、专家复核、现实反馈或另一条独立路径，使这次判断可以被校验；第四，记录中保留任务版本、AI权限与关键上下文，避免把不同难度的任务混在一起。
不同节点允许的证据年龄不应统一。令 Wᵢ 为该节点事先设定的最大证据刷新窗口，则定义一个无量纲的“证据龄比”：
ρᵢ(t) = Aᵢ(t) / Wᵢ
ρᵢ≤1 只表示证据仍在预定窗口内；ρᵢ>1 只表示“应该重新取样”。它绝不表示能力已经下降，更不能直接被当作个人绩效分数。Wᵢ 的设定至少取决于三个条件：该节点失效的后果有多大、任务环境变化有多快、未来突然需要人工接管的概率有多高。低风险、稳定且可以廉价独立验证的节点，窗口可以很长甚至不再刷新；高后果、快速变化而又要求人承担最终恢复责任的节点，即使操作者资深，也应有更短的刷新窗口。
如果组织需要汇总风险，可以对已经过期的节点做加权清单，但本章不主张一个跨行业通用的“能力债总分”。因为一旦把单一数字拿去排名，就会诱发为了好看而制造人工回合。本章真正需要的最低读数只有一个：某个关键节点最近一次有效证据距今多久，是否已经超过预先公开的刷新窗口。
能力校准回路不是“定期关掉AI”，而是把完整任务拆成少数能力关键节点，在这些节点上周期性恢复人类独立首判，并在取得新证据后让AI重新进入。
第一步是“首判”。人在AI答案出现以前留下最小独立模型。这里不要求完整做完任务。学生可以只写解题路径，医生可以先标记最值得警惕的异常，程序员可以先写关键不变量与最可能失败的边界，研究者可以先写最危险的竞争解释。首判的价值不是为了多做劳动，而是为了保存一个未被AI答案污染的基线。
第二步是“协作”。首判留下以后，AI可以充分进入，承担检索、生成、计算、改写、代码实现、候选扩展与模拟。本章不把“少用AI”视为美德。能被廉价外置而且错误容易验证的环节，应当尽可能外置。能力保护的目标不是重新制造低效率。
第三步是“差分”。真正的学习对象不再只是AI给出的正确答案，而是人的首判与AI结果之间的差。AI看到而人没看到的约束是什么？人判断正确而AI遗漏的边界是什么？若现实结果后来可观察，哪一种判断被支持？差分把“我看懂了AI解释”转成“我的原模型具体在哪一处需要修改”。
第四步是“盲段”。首判只能证明会不会起步，不能证明能不能独立诊断与恢复。因此在低风险环境中，需要周期性安排一个局部AI不可见的短回合，由人独立识别、诊断、修复或完成恢复。高风险系统不能在真实现场为训练故意撤除有效安全辅助，盲段应转移到模拟器、沙盒、影子模式、历史病例、演练或低风险任务。
第五步是“恢复”。独立取样不是终点。新证据一旦获得，AI重新进入；如果能力表现良好，下一次刷新窗口可以按规则维持或延长；如果暴露缺口，AI帮助反而应该增加，并把差异变成针对性训练；如果确认某项能力未来已经没有保留价值，则把该节点正式移出“人类关键能力清单”，不再为它支付训练成本。
于是，生成式AI时代的路径不再是“帮助→逐渐减少→独立”，而是“首判→协作→差分→盲段→恢复→重新配置”。它允许AI长期常驻，却拒绝让关键能力无限期处在没有新证据的名义备用状态。
这里出现一个与传统支架理论明显不同的结论：AI帮助强度不再与人的能力水平单调反向。一个能力很弱的新手可能同时需要“更多AI帮助”和“更多独立取样”——前者保证当前任务不失败，后者保证学习真的发生。一个非常熟练的专家反而可以长期让AI承担90%的机械工作，只要关键异常识别与恢复节点持续产生新证据。
因此，“越会越少帮”不是通用规律。真正应随能力变化的，是AI在哪些位置遮住人的模型、哪些位置必须周期性让出观察窗口，以及这些窗口由什么信号触发。
十二之一、为什么“能力形成”与“能力证明”必须拆开
传统训练常把两件事情压在同一个动作里：让学习者自己做，既被当作训练方法，也被当作能力测量。没有AI时，这种合并相当自然，因为一个人要产生答案，通常必须同时调用自己的知识、策略与执行能力；完成过程本身既提供练习，也留下证据。但生成式AI进入以后，“产出一个正确结果”与“人的内部能力发生了什么”第一次可以大规模脱钩。AI能够把外部表现迅速抬高，而人的知识结构可能增长、保持、下降，甚至只是暂时未被调用。若仍把任务成品直接当作人的能力证明，就会把系统绩效与个体能力混成一个指标。
反过来，也不能因为成品不再足以证明能力，就要求所有训练退回纯人工状态。一次无AI完成具有两种不同功能：它可以作为训练——让人真正经历检索、生成、纠错；也可以作为测量——让系统知道这个人目前能独立做到什么。训练追求的是能力改变，测量追求的是状态可知。二者对任务设计的要求并不相同。为了训练，任务需要适宜难度、反馈、重复与间隔；为了测量，任务首先需要不被答案泄露、能够命中目标能力并且有外部校验标准。把二者混在一起，就会出现两个错误：一是用一次短测验假装已经产生学习，二是用大量完整人工劳动只为了获得本可由短探针取得的状态信息。
因此，能力校准回路首先是一套“测量—配置”机制，而不是完整教学法。首判与盲段的第一任务，是让关键能力重新显露；一旦证据显示缺口，才进入真正的训练回路。比如程序员在AI关闭的十分钟故障定位中无法识别并发死锁，这次失败已经完成了校准：我们知道缺口在哪里。但如果组织只是记录失败并在下个月再考一次，能力不会因此增长。接下来需要的是针对并发模型、日志解释、最小复现和诊断策略的训练，训练时甚至可以大量使用AI。这样，“更多AI帮助”与“更严格能力维护”不再互相矛盾。
这一区分还会改变教育评价。未来的AI丰富环境中，课程成绩可以继续评价人机系统完成学习任务的质量，但若课程同时声称某些知识与判断已经成为学生本人能力，就必须另有独立能力证据。这个证据不必是一场长达两小时、全面禁用AI的传统考试；它可以是若干被精确设计的短探针，分别读取问题表征、关键步骤生成、错误诊断、迁移和解释。真正重要的是：每一个“学生已经掌握”的结论，都能够追溯到至少一次没有先看到AI答案、并且能被独立校验的表现事件。
同样的逻辑适用于职业资格。一个组织可以完全接受“员工与AI共同工作才是现代岗位的正常形态”，同时仍要求某些紧急恢复、边界识别与责任判断必须有人类能力证明。这不是怀旧式的去技术化，而是在职责仍然保留在人身上的地方要求证据对称：如果制度在出错时会问“你为什么没有发现”，那么制度在平时就不能只记录AI成功完成了多少次，而从不制造任何机会确认这个人现在还能发现什么。
十二之二、最后签字为什么不是接管：从名义在环到可用在环
生成式AI治理中最容易出现的一种伪解决，是在自动化链条最后保留一个“人类审核”按钮。流程看起来仍然 human-in-the-loop：AI生成，人阅读，人点击确认，所以责任链似乎没有断。但从人因工程角度看，最后签字只证明人在流程中拥有一个动作位置，并不证明他拥有形成独立情境模型所需的信息、时间、注意力与练习。一个人如果从未亲自经历证据如何被筛选、假设如何被排除、异常如何逐步出现，那么面对一份已经高度组织化、语言流畅的AI结论，他的审核很容易退化成结果确认。
这里必须区分“名义在环”“信息在环”“判断在环”和“恢复在环”。名义在环只是流程要求某个人点确认；信息在环意味着他能看到足够的原始材料和不确定性；判断在环意味着在AI结论出现之前或独立路径上，他能够形成自己的关键判断；恢复在环则意味着AI失效以后，他拥有改变目标、重建情境并执行替代方案的权限与能力。四者可以分离。一个系统完全可能名义上处处有人，实际上只有点击权，没有重新发起权。
能力证据债主要关心后两层。因为只有“判断在环”和“恢复在环”才能产生关于人类备用能力的强证据。让员工每天审核一百份AI报告，也许增加了与AI输出的接触，却未必刷新问题定义、异常识别和替代推理的证据。相反，每月一次精心设计的AI前首判或边界变化案例，可能比一千次事后确认更能告诉组织：这个人是否仍然拥有独立判断的起点。
这也解释为什么“保持人类最终责任”如果没有配套能力机制，会产生责任与控制不对称。系统一方面把日常判断交给AI，减少人形成独立模型的机会；另一方面在失败后仍以“人最后签字”为理由把后果归给人。若人没有真实的信息、时间、替代路径和能力刷新机会，最后签字并不能自动转化为有意义的控制。本章因此主张：凡制度保留最终人类责任的节点，都应至少对应一种可观察的人类判断或恢复证据；否则所谓human-in-the-loop只是责任标签，而不是可用能力。
十二之三、从单向渐退到“角色轮换”：三条路径怎样组成一条循环
如果把支架渐退、认知外置和自动化接管真正放进时间序列，就会发现它们并不需要被折中成一个平均方案。更有力的重构是允许三条路径在不同轮次依次占据主导。学习初期，教育学路径主导：AI需要解释、分步、给反馈，但不能在所有关键生成动作发生以前直接占满任务。能力稳定以后，分布式认知路径主导：大量成熟操作正式外置，人的注意力移向更高层的目标、边界与异常。证据逐渐陈旧或环境变化以后，安全科学路径短暂主导：在受控条件下把某个关键节点重新交还给人，检验其是否还能接管。证据刷新之后，系统再次回到高效外置状态。
因此，三条路径不是“谁更正确”，而是分别适合任务生命周期的不同阶段。传统支架理论的问题在于它容易把“人独立完成”视为终局；分布式认知的问题在于它容易把当前系统协调当作分析终点；安全科学的问题在于它常从异常接管倒推训练要求。把三者组织成循环以后，独立、外置与接管都不再是终点，而成为可以反复切换的角色。今天人的独立操作是训练和测量，明天同一操作可以变成AI的常驻职责，后天又可能因为系统版本变化而临时回到人手。
这种轮换可以解释一个传统渐退框架很难处理的现象：专家并不一定比新手更少使用AI。新手可能在知识形成阶段需要AI延迟给出关键答案，而专家已经拥有稳定模型，可以把90%的正常执行永久外置；但专家承担更高后果的异常责任，因此他在少数恢复节点上反而需要更严格的周期性验证。于是，“AI用量”与“能力水平”不再构成一条简单负相关曲线。真正随专业成长变化的，是AI介入的位置、人在前置判断中承担的抽象层级，以及校准所针对的异常复杂度。
这也意味着一项能力的生命周期至少有三种可能结局。第一，成为核心人类能力：继续训练并保持证据刷新；第二，成为长期外置能力：正常情况下由AI承担，但在接管相关节点保留局部人工证据；第三，正式退休：经过风险分析确认未来不再要求人承担该功能，于是停止维护。能力维护只有同时允许第三种结局，才不会把所有历史技能都神圣化。一个成熟的人机系统不是让人永远保持过去的一切，而是不断重画“哪些能力还值得保留、保留到什么层级、凭什么知道它仍在”。
从这个角度看，AI时代的支架不再只是从“多”到“少”的数量变化，而是从“替你完成”转向“帮助你形成”，再转向“替你长期执行”，最后在必要时转为“把关键节点让给你证明仍可接管”。帮助本身始终可以存在，变化的是它与人的行动之间的先后关系。这种先后关系比总使用时长更接近能力是否会生成、是否会被遮蔽的真正机制。
十二之四、怎样找到“能力关键节点”：不是凭职业传统，而是用四个问题筛选
能力校准最容易失控的地方，是把“关键能力”列成一张无限长的传统基本功清单。为了避免这种保守主义，节点进入清单前必须通过四个问题。第一问：如果AI在这里错了，错误能否被另一条低成本机制自动发现？如果可以，保留人工复现能力的价值就下降。第二问：错误一旦发生，是否可能在没有明显信号的情况下继续传播并放大？如果不会，人工接管的紧迫性也较低。第三问：当AI不可用或情境越界时，组织是否仍然真实地要求某个人在有限时间内恢复这项功能？如果答案是否定的，就不应以“万一”为理由无限维护。第四问：这个节点是否控制后续路径，而不是只完成一个可替换动作？能够改变问题定义、证据边界、停止规则和恢复方向的节点，应获得更高优先级。
四问会产生一种与职业传统不同的能力地图。例如在写作中，“快速写出语法正确的3000字”可能不再是关键节点，因为AI生成容易、错误也可修改；但“发现一条引用其实不能支撑承重判断”可能仍是关键节点，因为它控制整篇论证是否成立。在编程中，“记住API参数”可以彻底外置，而“判断一个通过全部单元测试的实现是否违反系统不变量”可能必须保留。在医疗中，病历摘要可以由AI生成，但“某个看似常规的症状组合为什么不应进入常规路径”可能需要持续的人类证据。
节点筛选还必须随着技术变化而重做。今天难以自动验证的功能，未来可能因为形式化验证、冗余模型或传感器改善而变得无需人工备用；今天可以放心外置的功能，也可能因为AI开始承担更多上游判断而重新成为高风险瓶颈。能力清单因此不是职业身份清单，而是一张随系统架构更新的风险图。每次模型大版本、数据源、法律责任或工作流程发生变化，都应重新跑一遍四问，而不是沿用过去的“基本功”。
这套筛选还有一个伦理作用：它要求组织对“为什么还要人会”给出明确理由。若答案只是“以前都是这样”“专业人士就应该会”或“完全靠AI感觉不好”，就不足以强迫人持续投入训练时间。只有当一个能力与未来实际责任、错误发现或恢复路径存在明确联系时，能力维护才具有正当性。这样既保护人类关键能力，也保护人不被无意义的能力保养占用。
如果每一个被AI外置的过程都要求周期性人工回收，人类很快会陷入另一种形式主义。计算器出现以后没有必要要求所有专业人员定期长除法，数据库成熟以后也没有必要为了“证明记忆力”而重复背诵所有可检索事实。判断一项能力是否必须保留，不应看它过去是不是由人做，而应看AI失败时，人是否仍需要该能力来发现错误、限制损失或恢复系统。
原则上适合永久外置的节点通常具有四个特征：结果可以由另一条廉价路径验证；错误容易被发现且可逆；错误不会在无信号状态下级联传播；未来恢复系统不依赖人手复现这一环节。格式转换、机械计算、标准模板、候选扩展、重复性分类、确定性数据搬运往往属于这一类。
必须保留周期性人工证据的节点则具有另一组共同特征：它们决定问题如何被定义、什么条件变化会使当前答案失效、哪一个异常值得怀疑、哪些证据不能被当前模型吞进去、目标冲突如何排序、AI可能在哪个机制上错、错误开始扩散时在哪里切断、最低条件下如何恢复。它们未必直接生产最终产品，却决定什么时候不能继续沿着原路径走。
因此，AI时代的人类能力结构可能出现一个重要变化：越来越多的正常执行被永久外置，越来越少但更关键的“发起—划界—识异—诊断—修正—恢复”节点被保留下来。人的总操作量下降，并不意味着对人的能力要求下降；要求可能反而集中到更少、更难、更接近边界的节点上。
为了对“能力可观测性”做一条最低成本的经验压力测试，本章使用 Bastani、Bastani、Sungu 等公开在 GitHub 的原始数据与代码[22]。原研究在土耳其一所大型高中进行四轮90分钟数学学习实验，班级被随机分配到三种条件：无生成式AI的 control、接近通用ChatGPT交互的 GPT Base（数据中 Treatment arm=vanilla），以及加入教师解题信息和“不直接给答案”等教学护栏的 GPT Tutor（Treatment arm=augmented）。每轮先完成可使用相应资源的练习部分（Part2Tot），随后完成无AI考试部分（Part3Tot）。原研究主分析排除 Honors 班，本章遵循同一处理。
原论文已经给出清晰的平均效应：GPT Base 和 GPT Tutor 都大幅提高AI可用时的练习成绩，GPT Base 随后在无AI考试中显著低于对照，而 GPT Tutor 基本消除了这一平均损失，却没有产生明显的无AI考试增益[22]。本章不重复检验这一主结果，而问另一件原论文并未以此方式提出的问题：在每一种条件内部，一个学生练习阶段表现得越好，是否仍然像对照组那样可靠地说明他随后独立考试也会表现得越好？
具体做法如下：首先排除 Honors=1 的记录；然后按 Student ID 聚合每名学生多轮的平均练习分和平均无AI考试分，得到825名具有学生层面聚合数据的学生，其中 control 316名、GPT Base 238名、GPT Tutor 271名；随后分别计算 Pearson 相关，并以班级为重抽样单位进行5000次聚类自助抽样，避免把同班学生当成完全独立。作为稳健性检查，还报告 Spearman 等级相关，以及在各组内分别线性残差化既往GPA后的相关。所有变量选择与排除规则在统计前固定，没有依据结果调整阈值。
结果出现了一个对本章非常关键、同时也必须谨慎解释的形状。在无AI对照组中，练习表现与随后独立考试表现高度对应，r=0.756；在 GPT Base 中降为0.435，在 GPT Tutor 中为0.486。聚类自助法中，对照组与 GPT Base 的相关差中位数约0.320，95%区间约[0.200,0.443]；对照组与 GPT Tutor 的差中位数约0.270，95%区间约[0.153,0.389]。Spearman 相关以及控制既往GPA后的分析方向一致。
最有理论价值的不是 GPT Base，而是 GPT Tutor。GPT Tutor 的平均无AI考试分0.315，与对照组0.321非常接近，符合原论文“护栏基本消除平均学习损失”的主结论；然而，它的辅助练习成绩与后来独立成绩的个体对应仍明显低于对照组。也就是说，一个班级平均意义上可以没有出现明显学习损失，同时AI辅助态下“这个学生现在做得很好”仍然不再像无AI环境那样透明地显示“这个学生本人独立能做到什么”。
这条结果不能被解释成“GPT Tutor也造成了技能退化”。相关下降可能来自AI对不同学生提供不同强度的帮助、方差结构变化、题目难度、范围限制或其他机制。本章因此只接受一个更弱的结论：AI帮助可以提升当前任务表现，同时降低当前表现作为独立能力信号的保真度。这个结论恰好支持能力证据债的必要性——在平均成绩没有下降的条件下，能力可观测性仍可能已经发生变化。
这也是一次对本章的反向约束。原本可以提出更强的话：“长期AI帮助首先会让能力下降。”公开数据不支持这种写法。GPT Tutor 显示，好的AI设计完全可能避免平均学习损失；Kestin 等人的大学物理随机实验甚至发现，遵循学习科学原则设计的AI导师能够在更少时间内取得高于课堂主动学习的学习增益[23]。因此，本章必须把新命题收窄到“可观测性”而不是“必然退化”。
Shen 与 Tamkin 在2026年的随机实验中让软件开发者学习一个陌生的异步编程库，发现AI组在随后技能测验中总体表现更低，尤其在概念理解、代码阅读与调试上出现损失；但他们同时识别出多种不同AI交互模式，其中若干保持较高认知参与的模式并没有呈现同样的学习损失[24]。这再次说明，“用了AI多少分钟”不是足够细的自变量。
对本章而言，这一结果迫使“能力校准回路”放弃另一句过强的话：并不是只要周期性安排无AI回合，就一定能产生能力。校准的首要作用是刷新证据和暴露缺口，真正的能力增长仍依赖生成、检索、反馈、间隔、难度、动机与任务结构。一个人可以刚刚完成独立测试，因此能力证据非常新鲜，但测试也可能清楚证明他当前不会。清偿证据债不等于提升能力，正如诊断出问题不等于已经治疗。
因此需要严格区分两个回路：校准回路回答“我们现在凭什么知道这个人能做到什么”；训练回路回答“发现缺口以后怎样使他真正变强”。在AI时代，这两个回路过去常被同一个“让他自己做”动作混在一起，现在必须拆开。
十五之一、辅助表现为什么会失真：三种机制不能混成“能力下降”
练习成绩与独立成绩的对应下降至少可能来自三种不同机制，而它们对干预的含义完全不同。第一种是“能力替代”：AI承担了原本需要学习者完成的认知操作，导致这些操作本身没有得到足够练习，随后无AI能力真的下降。这是传统deskilling最直接的路径。第二种是“表现压缩”：AI把低能力者的当前表现抬得更多，使不同能力水平的人在辅助状态下看起来更加相近；此时人的真实能力可能没有下降，但辅助成绩的排序被工具压平。第三种是“任务重构”：AI改变了任务本身，人不再通过原来的步骤到达结果，而转向提示、筛选、验证和整合，于是辅助表现测到的是另一组能力。三种机制都可能让相关下降，却不能被同一句“AI让人变笨”解释。
能力证据债之所以选择“可观测性”作为更靠前的概念，就是因为它不要求事先裁定三种机制哪一个为真。只要组织仍然需要知道某项旧能力是否可用，而当前辅助表现已经不能可靠回答这个问题，就需要额外证据。之后的校准结果再决定机制：若无AI探针显示能力依然很好，问题主要是表现压缩或任务重构；若能力明显下降，才进入技能恢复；若新任务已经证明旧能力不再需要，则应正式退休而非修复。这个顺序避免在证据不足时先给人贴上“退化”标签。
因此，本章对Bastani数据的二次分析故意不把相关下降解释成因果效果。相关性的价值在这里不是证明一个强机制，而是揭示“辅助表现=本人能力”这一默认推断已经变得不安全。未来更严格的实验应随机控制AI介入位置而不仅是AI有无，例如比较“先独立首判再看AI”“直接看AI”“AI只给提示”“AI完整代做”四种条件，并在多个时间点分别测量问题表征、错误诊断、迁移与恢复。若这些细分指标能够说明相关下降来自何种机制，能力证据债就可以进一步从诊断框架发展成因果模型。
十五之二、为什么能力维护不等于把AI的工作重新做一遍
一旦承认辅助表现不能直接证明人的能力，最自然的反应是“那就让人自己再做一遍确认”。这正是本章试图避免的验证悖论：如果每次为了证明AI结果可靠，都要求人完整重做AI刚刚完成的检索、计算、分析和写作，AI节省的认知劳动会在验证环节被重新花掉；能力维护也会退化为对旧工作流程的复制。真正需要验证的不是每一个输出步骤，而是那些一旦失效会改变整个任务方向、且无法被廉价冗余机制发现的节点。
例如AI写出一份一万字报告，人没有必要独立再写一万字。更有价值的能力探针可能只有三个：在看AI前写出核心因果结构；独立检查一条最承重的证据链；给出一个若成立就必须推翻结论的反例。若这三件都能完成，它并不能证明人会逐字复制AI全部劳动，却能证明他仍掌握决定报告是否应当成立的关键控制权。反过来，如果一个人能够自己重新排版、重新搜索大量资料，却无法识别核心证据与结论之间的断裂，那么“完整重做”也没有真正维护高价值能力。
因此，能力维护应遵循“最小充分暴露”原则：用尽可能小的人工工作量，取得足以区分关键能力状态的证据。这个原则与安全工程中的测试思想相似——测试不是重新制造整个系统，而是选择能够最大程度暴露失效模式的输入。AI时代的人类训练也应从“重复全部正常操作”转向“有意识地撞击最关键的失效边界”。这使效率与能力不再天然对立：机器承担大多数正常劳动，人把有限练习预算集中到最能决定异常结局的地方。
最小充分暴露同时要求反对一种象征性的“人类参与”。如果某个探针太简单，以至于无论能力是否存在都能通过，它只制造安心感；如果探针只检查AI答案表面的格式和流畅度，也不能读取边界判断。好的探针必须存在失败的真实可能，而且不同失败模式能够指向不同训练需要。它不是为了证明“人永远比AI重要”，而是为了在仍要求人承担责任的地方，让责任对应到真实可见的能力。
2026年 Schlonsak、Jetter 与 Matthies 提出的 decision horizons 与 agency erosion 也是一个必须正面处理的近邻[26]。他们强调重复委托会改变被用户看见的选项空间，提高退出自动化路径的摩擦，使形式上的“人仍有控制权”并不等于实际能自由行动。这与本章同样反对把名义控制当作真实能力，但两者可以通过一个具体案例分开：如果一个用户仍能自由选择是否退出AI、决策视野也很广，却已经一年没有任何独立异常诊断证据，本章判定能力证据债高，而 decision-horizon 理论未必判定其能动性已经被侵蚀。反过来，一个人的能力证据刚刚刷新，但AI界面长期压缩其可见选项，他可能证据债低而能动性问题高。
另一个重要近邻是 Lee 与 See 所讨论的 appropriate reliance：理想的人机系统不是最大信任或最小信任，而是让信任与系统能力相匹配[20]。本章与其差别在于对象不同。信任校准问“我该不该相信AI”；能力证据债问“组织凭什么相信人在必要时还能完成那个动作”。前者主要校准人对机器的模型，后者主要校准系统对人的能力状态模型。
这九条分离线共同说明，本章不是否定既有概念，而是把它们留下的一块空白变成独立对象：一个人可能尚未表现出退化、没有明显自动化偏误、没有失去能动性、人机整体绩效也很高，但系统已经很久没有新的有效证据知道某项关键人类能力还是否可用。
这九条分离线之外，本书内部还有两处必须交代。
与第二章的分界已在该章末节写明：第二章维持能力，本章维持证据。此处补充一个更尖锐的推论——清偿证据债不等于提升能力，正如诊断出问题不等于已经治疗。一次成功的校准完全可能得到一个清楚的坏消息：证据刷新了，读数显示他现在不会。这在第二章的框架里是一次维护失败，在本章的框架里却是一次成功的校准。两章对同一事件给出相反评价，正说明它们测的不是同一件事。
与第四章的分界更细，也更危险，因为两章几乎可以互相翻译：第四章的"可观察绩效对潜在能力的预测力下降"，正是本章"辅助态表现不再显示本人能做到什么"的计量表达。真正的差别在主张的强度。本章不主张能力发生了变化，只主张系统失去了判断依据；第四章则给出一个能力本身与能力可见性同时下降的动力学模型。前者是认识论主张，后者是因果主张，本章刻意停在更弱的那一侧，因为公开数据只支持到这里。合并条件相应地也很明确：若在经验上永远造不出"相关下降而锚定任务证明能力未降"的情形，那么本章的"债"就只是第四章"塌缩"的早期阶段，两章应当合并。这是本书内部最可能被合并的一对，本书事先承认这一点。
第一类是学校学习。数学学习中，不必规定学生每题必须先完整独立做完才能问AI。若本轮训练的是建模，可以要求AI介入前只写未知量、关系与第一步；若训练错误诊断，可以直接给一份AI生成的错误解法，让学生找第一个失效步骤；如果近期已经有充分的独立计算证据，重复算术完全可以交给AI。这里的关键不是“关AI”，而是让被训练的能力先显露。
第二类是软件开发。程序员没有必要定期手写所有样板代码来证明能力。更有信息量的取样是：在AI生成代码前写关键接口约束和最可能的失效条件；在AI生成后独立设计一个能把隐藏错误暴露出来的测试；周期性在沙盒中面对未知故障，不使用代理自动修复，完成定位与恢复。一个人可以彻底外置样板实现，却仍维持高质量的调试和系统恢复能力。
第三类是研究与知识工作。AI可以长期负责转录、资料候选扩展、格式化和初稿。关键报告则保留一份极短的“AI前判断”：当前最关键的变量是什么？哪条证据一变会改变结论？最危险的竞争解释是什么？随后把人的首判与AI输出、现实结果进行差分。真正持续被训练和观察的不是“能否独自写两万字”，而是问题结构、证据边界和反例发现。
第四类是医疗、航空、工业控制等高后果系统。这些领域必须反过来限制本章的方法：不能为了刷新能力证据而在真实病人、真实飞行或真实生产线上故意撤掉已证明有效的安全辅助。这里的校准应转移到模拟器、双读、历史病例、影子模式、故障注入沙盒和专门演练。能力证据不是最高价值，即时安全始终具有优先级。
第五类是组织管理与决策。AI越来越容易承担方案生成、会议纪要、指标解释与风险清单。如果管理者长期只在模型生成以后选择选项，他可能没有明显绩效下降，却越来越少形成“在看见候选前自己的优先级是什么”的证据。周期性首判可以非常短：先写三条决策约束，再让AI给方案。这样保存的不是全部独立工作，而是价值排序与边界判断的可观测性。
一个组织若真的采用能力校准回路，第一步不是给所有人安排“无AI日”，而是建立能力关键节点清单。每项任务只允许标出少数节点，并回答一个硬问题：如果AI在这里错了，未来是否仍要求人发现、限制或恢复？回答“否”的节点不进入清单。这样可以主动删除大量不值得保留的旧技能。
第二步，为每个节点写出最小证据事件。证据事件越短越好，但必须能暴露内部模型。例如“在AI输出前写出两条边界条件”“在模拟故障中指出第一处不可信信号”“在模型给结论前写最危险竞争解释”。不要求全任务人工完成。
第三步，设定刷新窗口 Wᵢ，并明确什么变化会提前触发刷新：模型版本重大变化、数据源变化、岗位职责变化、法律规则变化、任务进入新领域、长时间未遇到异常等。这样，能力校准由可见事件驱动，而不是管理者临时感觉“大家太依赖AI”。
第四步，记录结果但不把ρᵢ直接作为个人排名。真正应该被追踪的是节点是否已经过期、最近一次证据显示什么缺口、下一轮需要增加何种帮助或训练。任何把“每月完成几次无AI任务”直接变成绩效KPI的制度，都会迅速诱发打卡与假首判。
第五步，允许节点退休。如果某项人工能力已经不再承担任何未来恢复责任，而且AI结果可廉价独立核验，组织应正式宣布它不再需要维护，而不是以“传统专业基本功”的名义无限训练。只有允许能力退出，保留能力才不会变成保守主义。
能力证据债最危险的地方不是理论错误，而是理论被管理制度采纳以后被做成指标。只要规定“关键节点每月必须有一次首判”，最省事的达标方式就是在打开AI前随便写一句；规定“必须完成盲段”，员工就会挑最简单的任务；规定“证据龄比不得超过1”，部门会通过改变节点定义和窗口长度把数字做漂亮。
因此，本章无法为这种反噬提供一个彻底的技术出口。任何一套可量化的能力治理，一旦与奖惩强绑定，就会产生Goodhart式压力。能够做的只是限制损害：指标只指位置不指人格；证据窗口和编码规则公开；至少一部分能力证据由随机抽取任务产生；对高风险岗位允许人工复核；不要求为了数字而在真实系统中关闭安全辅助；周期性删除已经没有保留价值的节点。
如果这些限制仍不足以阻止形式主义，那么能力证据龄比应退回为诊断工具而不是考核工具。本章宁可牺牲“可排名性”，也不主张用一个貌似精确的数字取代真实能力判断。
预测一：可观测性变化应当早于部分技能退化。 在连续AI代行、缺乏独立取样的任务中，首先应观察到辅助态表现与无AI表现之间的对应关系下降；若使用持续足够久，才可能出现异常诊断或接管表现下降。如果纵向研究发现两者始终同步，能力证据债作为独立中间状态的价值会下降。
预测二：AI前首判应比AI后解释更能预测独立能力。 控制总学习时间、任务难度与AI使用量后，AI答案出现前留下的结构判断，应比“看完AI以后解释为什么正确”更能预测随后无AI任务。如果二者长期没有差异，则本章关于基线被AI答案污染的主张受到反驳。
预测三：局部校准应当在相近成本下优于整体关AI。 相同无AI时间预算下，按能力关键节点安排短首判与盲段，应比周期性完整关闭AI更能保持异常识别和恢复能力，同时对生产率损失更小。若完整关AI持续显著更优，说明本章对“关键节点而非完整任务”的切分过度乐观。
预测四：AI使用时长不是决定变量。 在AI使用时间相近的两组中，持续刷新关键节点证据的一组应在未预告的边界变化任务上表现更好。若两组没有差异，则“证据刷新”没有本章主张的独立价值。
预测五：高证据债应能与高真实能力同时存在。 应当找到一批长期由AI代行、证据已过期的人，在突击校准中依然表现优秀。如果证据年龄几乎总能被技能退化完全解释，能力证据债就只是技能衰退的模糊代理。
预测六：某些技能可以彻底退休而不降低韧性。 对于错误易核验、低后果、可逆且未来恢复不依赖人工复现的节点，强迫人周期性手工完成不应带来可测的系统恢复收益。若事实普遍相反，本章关于“只保留关键节点”的范围划得过窄。
第一，本章不适用于已经被明确决定永久退出人类能力集合的任务。如果组织已经设计出可靠冗余，确认未来无需人类接管，那么“保持人工能力”没有自动优先权。技术进步本来就会让一些技能退出。
第二，本章不把所有AI前判断都视为学习。首判首先是测量动作；要产生能力增长，还必须有高质量反馈、差分复盘和后续练习。一个新手反复写错误首判而不获得纠正，只会稳定错误。
第三，不得在真实高风险服务中通过故意关闭有效AI或自动化来制造“能力证据”。医疗、法律、公共安全、航空、工业控制等领域的能力刷新必须优先采用模拟、影子模式、双路径验证或历史案例。
第四，能力证据读数不得直接用作不透明的自动淘汰工具。只要它影响晋升、执业、岗位或待遇，就必须公开节点定义、证据有效条件、刷新窗口和复核渠道。证据过期只能触发“重新取样”，不能直接推出“此人能力不足”。
第五，本章讨论的是仍需人类承担责任的系统。如果一个组织形式上要求“人最终负责”，实际却不给人足够信息、时间和权限接管，那么问题已经超出技能维护，进入责任错置与制度设计。不能用“多训练人”去修补一个根本无法接管的岗位。
如果本章的判断只要求别人遵守而不作用于本章自身，它就会立即失去可信度。这篇论文的公开资料检索、结构扩展、文字生成、参考文献整理和文档排版都由生成式AI深度参与，因此“作者是否具备独立完成同等规模文献检索、跨学科推演和两万字写作的能力”不能从这篇成品本身直接推出。高质量成品首先证明的是人机系统在本次任务中完成了工作，不自动证明全部能力已经内化到作者个人。
按本章自己的判据，这并不意味着作者没有能力，也不意味着必须脱离AI重写一次。真正需要保留的能力证据，应落在承重判断上：作者能否在不先看AI新答案的情况下说明为什么“能力退化”不足以解释问题；能否指出分布式认知为什么不能单独解决接管；能否解释Bastani数据的相关下降为什么不能被直接写成因果退化；能否在遇到一个反例时修改“能力证据债”的边界。如果这些关键判断完全无法由作者重新发起，那么本章自己就是“静默替代区”的一个样本。
因此，本章的人机协作声明不是形式附录，而是方法的一部分。AI可以帮助生成文章，但署名者必须对哪些判断由自己承担、哪些数据已经独立核对、哪些仍需复核有明确边界。本章也不以“已经发表”作为能力证据；发表只能证明文本进入公共记录，不能证明其中每一项能力已经被作者独立持有。
生成式AI把一个旧问题推到了新的结构层。过去我们担心帮助太多会让学习者“不会”；今天我们还必须担心另一件更早发生的事：当AI长期稳定代行以后，系统可能越来越难知道这个人究竟还会不会。能力事实与能力证据从此不再自动重合。
教育学提醒我们，外部帮助只有在学习者真正承担活动时才可能转化为能力；分布式认知提醒我们，人类能力从来不是把所有信息与操作都塞回脑内，工具可以成为认知系统的合法组成部分；安全科学则提醒我们，正常状态下把人移出回路，不会自动取消异常状态下对人的要求。三条路径同时成立以后，唯一可持续的答案不是“AI最终退出”或“AI永远接管”，而是让任务分工保持可逆，让关键能力持续能够被重新显露。
由此，本章提出“能力证据债”作为一个在技能退化之前即可出现的系统状态，并提出“能力校准回路”作为动态路径：首判让人的模型在AI暴露前显露，协作允许AI充分创造效率，差分把人与AI的不一致转成学习材料，盲段在可控范围内验证诊断与恢复，恢复则把AI重新带回任务并更新下一轮分工。
真正应该渐退的，不是AI本身，而是没有产生任何人类能力新证据的连续代理；真正必须周期性回到人手里的，也不是全部旧劳动，而是那些决定“什么时候原来的路已经不能走”的关键回合。
未来，一个人的专业能力不再只由“他独自可以完成多少”定义，也不能只由“他和AI一起完成多少”定义。还必须增加第三个问题：当AI不再沿着正确的路前进时，他是否仍然能够看见这一点；而这个系统最近一次凭什么知道他能够？
这一重新划界也意味着，未来的专业教育不应把“会使用AI”和“无需自己会”混成同一件事。越是把AI作为长期基础设施，越需要明确哪些认知动作已经被正式外置，哪些判断仍由人承担不可转移的责任，以及后者如何留下新鲜证据。只有把退出、保留与刷新三件事同时制度化，人机协作才不会在效率增长中悄悄积累一个没人知道大小的备用能力缺口。能力的未来不是把过去全部保存下来，而是在技术不断改写任务边界时，持续知道人还必须会什么、现在是否真的会，以及何时可以放心不再要求他会。
写死日期的经验赌注：截至2029年8月12日
本章在2026年8月12日作出如下可失败预测：到2029年8月12日，如果生成式AI已经广泛进入教育、软件开发与知识工作，而成熟的人机系统仍主要采用“允许AI/禁止AI”“AI开启/AI关闭”这样的整体权限设计，没有逐渐出现针对能力关键节点的AI前首判、局部无AI微型取样、模拟接管、最近一次有效能力证据或同类机制；或者即使出现这些机制，在相近生产率条件下也没有带来更好的异常识别、边界迁移或恢复表现，那么本章关于“能力证据债—校准回路”的核心判断应被视为受挫。仅仅出现更多AI素养课程、更多要求人在AI答案之后审核、或更多“人类最终签字”的制度，不算预测命中；真正的命中必须包含一个更严格的变化：系统开始把“最近一次什么时候真正观察到人的关键能力”作为下一轮人机任务配置的输入。
证据边界、复算说明与人机协作声明
本章为理论与方法论文，不声称“能力证据债”已经获得直接因果实证确认。Bastani 等人的公开数据二次分析只检验较弱命题：AI辅助态表现与随后无AI表现之间的对应关系是否改变。数据来自作者公开仓库 main_regressions/final_data.csv；本章遵循原主分析排除 Honors=1，按 Student ID 聚合多轮 Part2Tot 与 Part3Tot，Pearson/Spearman 相关以及班级聚类自助区间均可由公开数据复算。二次分析并非原研究预注册假设，不能排除AI帮助强度、方差改变、范围限制等竞争解释。
公开文献检索截至2026年8月12日。对2025—2026年新近研究，本章优先引用正式论文、作者公开预印本、机构研究页面与公开数据仓库。Ferdman 的“capacity-hostile environments”、Schlonsak 等的“decision horizons/agency erosion”以及Shen与Tamkin的技能形成实验被作为高风险近邻与反向约束，而非仅作为支持材料。
研究问题、三学科选择、发表场景与核心方向由作者提出；生成式人工智能参与公开资料检索、跨学科结构推演、竞争概念搜捕、公开数据探索性复核、初稿生成、参考文献整理和Word排版。理论判断、证据取舍、引文核验、伦理边界与最终发表责任由最终署名作者复核并承担。生成式人工智能不列为作者。
| 路径 | 默认终点 | 最怕的失败 | 对AI的自然处方 |
|---|---|---|---|
| 教育学：支架与渐退 | 人可以独立完成 | 帮助存在时会、撤掉就不会 | 随着熟练逐步撤除帮助 |
| 分布式认知：外置与系统 | 人—工具整体稳定完成 | 把必要外置误当成依赖 | 允许工具永久保留并优化协同 |
| 安全科学/人因工程 | 异常时仍能接管恢复 | 正常运行成功掩盖备用能力失效 | 自动化常驻，但周期性验证接管 |
| 关键能力证据持续刷新 | 关键能力证据长期缺失 | |
|---|---|---|
| AI代行程度低 | 独立训练区：能力容易直接观察，但可能牺牲效率 | 技能沉睡区：任务本身低频，问题不一定来自AI |
| AI代行程度高 | 受控共生区：大量外置，同时关键节点持续被取样 | 静默替代区：正常产出优良，但人的能力状态越来越不可见 |
| 当前信号 | AI动作 | 人类动作 | 理由 |
|---|---|---|---|
| 新手明显无法完成，且当前任务必须交付 | 增加帮助 | 保留最小首判和错误复盘 | 先保证任务成功，不把“少帮助”当训练原则 |
| 证据新鲜，节点低风险、易核验 | 维持帮助 | 无需重复低价值操作 | 外置本身不是能力失败 |
| 关键节点证据龄比ρ>1，或模型/制度/任务边界发生变化 | 局部渐退 | 在一个关键节点进行首判或盲段 | 刷新可观测性，不关闭整个AI系统 |
| 校准已经完成 | 重新进入 | 把新证据写回分工规则 | 独立完成不是终点 |
| 真实高风险现场 | 不因训练撤除安全辅助 | 转移到模拟、影子或历史案例 | 即时安全优先于能力取样 |
| 组别 | N（学生） | 平均练习分 | 平均无AI考试分 | Pearson r | 班级聚类Bootstrap 95%区间 | Spearman ρ | 控制既往GPA后的r |
|---|---|---|---|---|---|---|---|
| 无AI对照 control | 316 | 0.284 | 0.321 | 0.756 | [0.692, 0.805] | 0.747 | 0.652 |
| GPT Base / vanilla | 238 | 0.474 | 0.287 | 0.435 | [0.325, 0.537] | 0.408 | 0.322 |
| GPT Tutor / augmented | 271 | 0.669 | 0.315 | 0.486 | [0.376, 0.587] | 0.482 | 0.393 |
| 最近邻 | 它已经解释了什么 | 本章不能被它吸收的分离线 |
|---|---|---|
| 支架渐退 / cognitive apprenticeship | 帮助如何随着学习逐渐减少并转为独立能力 | 本章允许AI永久常驻；触发局部让位的不是“熟练程度”本身，而是关键节点证据是否过期 |
| Assistance dilemma | 给帮助还是暂缓帮助如何影响学习 | 即使平均学习没有下降，辅助表现也可能失去作为独立能力信号的保真度 |
| 分布式认知 / 延展认知 | 认知可以跨人、工具与环境分布 | 系统整体成功不能回答某个备用人类节点最近是否仍被独立验证 |
| Cognitive offloading | 人为何把记忆与计算转移到外部资源 | 外置可以100%合理；问题只发生在仍被要求承担未来恢复责任的节点长期无证据 |
| Automation bias / appropriate reliance | 人在看到机器建议后是否过度接受或拒绝 | 本章的有效证据要求发生在AI答案出现以前，研究的是建议暴露前的能力可观测性 |
| Out-of-the-loop / skill decay | 长期自动化后人的情境意识、技能与接管表现下降 | 本章允许真实技能尚未下降；只要近期状态未知，证据债已存在 |
| AI deskilling / capacity-hostile environment | AI结构性削弱能力培养与练习条件 | 若校准证明能力仍优秀，deskilling可判否，但证据债仍可以被判为刚刚清偿 |
| Mixed-initiative / adaptive automation | 根据任务状态在人与自动化之间切换控制 | 本章增加一个不同触发器：即使AI完全没出错，也可仅因人类关键能力证据过期而短暂让位 |
| Currency 与 proficiency | 近期经历、资格与真实熟练并不等价 | 本章把问题推进到AI节点级：不是“最近是否练过”，而是“最近一次AI暴露前、可校验的人类关键判断在哪里” |
文本规模说明：本稿按约2万字理论与方法论文体量设计；中文字符统计以正文、摘要、表格和说明为准，参考文献英文字符不计入中文字符数。