序 这句话为什么今天才成为一个问题
工具与人的关系，过去一万年里从来不需要「一起成长」这个说法。锄头不会变强，织机不会自己升级，一个人学会了用它，此后几十年那件工具都是同一件。人的成长与工具的进步，是两条各自独立的线。
AI 打破的正是这一点。它每几个月换一代，而且换代之后，昨天还要费力的事今天免费。于是第一次出现了一个真问题：当工具的能力曲线比人的成长曲线陡得多的时候，人还能不能沿着自己的那条线往上走？
对这个问题，今天有三种流行答案，我认为三种都不成立。
第一种是「学会用它」。问题在于，用它这件事本身正在变得不需要学——提示词技巧的半衰期只有几个月，而每一代模型都在让「不会用」的代价变小。把成长押在使用技巧上，等于把房子盖在流沙上。
第二种是「做 AI 做不好的事」。这句话的问题是它选中的那些事——创造力、情感、判断、审美——正在被一年年侵蚀。拿正在缩小的地盘当地基，只是把失败推迟。
第三种是「人机协作」。这句话不错，但它太松，松到什么都能装进去。协作有很多种，其中大部分是「它做我审」或者「我做它改」,那两种都不产生成长，只产生效率。
本文要做的事是把这句话拧到能用的程度。方法是先问一个更基本的问题：工具进入一个文明，到底会发生什么？
本文的推理链（十二步，每一步都可被单独证伪）：
- 工具进入文明分三段：提效 → 内卷 → 涌现；三段是 S/D/E 三个层面，不是三个时期。
- 内卷＝旧科目还在而那一栏已无差异可记；出第二段必须有人开新科目。
- 制度能挡的只是记账，挡出的是延迟、改道、变形；最后只有加栏或退场。
- token 的前身是记账筹码，所以 AI 接管的是记账权；行业是账本上的分类，故新行业天然想不出来。
- 与 AI 的关系不能是承接（费用科目、可被买走），只能是延伸。
- 后果只发生在延伸里：AI 产出成为一个更大的存在的输入，才是后果承接。
- 必然输入取第三档：没有它，这个行业的对象根本不存在。
- 产出必须是 AI 造不出的——不是某种能力，是「已发生态」这个类型。
- 加上同向条件（我是唯一瓶颈 ＋ 产出不可 token 化），得到「与 AI 一起成长」的严格形式。
- 满足全部条件的位置是现实与自我的结合体，即第一人称产业，产品单位是一次「第一次」。
- 它的知识形态不是公共知识，是带成立条件、可复检、有保质期的个人知识；不发表而经智能体成为功能。
- 落到教育，最小单元从「课」换成「圈」，评价从分数换成相异度、复检记录与失效撤回数。
第一部分 诊断：我们现在在哪一段
一 工具三段：文明的复杂性发生过程
一件足够有力的工具进入社会，会依次经过三段。
第一段：提升效率。同一件事做得更快更便宜。这一段最容易观察，也最容易被误当成全部。
第二段：行业内卷与碰撞。当所有人都用上这件工具，效率的差异被磨平了。这时行业不是变好，是变卷：大家做的东西越来越像，价格越压越低，投入越来越多而回报不变。
第三段：自组织与涌现。新的存在、新的行业出现，最终出现新的文明形态。
这三段合起来，是一个文明的复杂性发生过程。
但要让它成为判据而不是史观，必须补三件事。
第一，三段不是三个时间段，是三个层面。效率提升动的是 S——差异序列没变，只是在同一条序列上跑得更快。内卷是 D 塌了——差异被磨平，比不出来。涌现动的是 E——纠缠系统重组，长出新的可取值维度。它们不是先后关系，而是同一件事在三个层面上的落差。这也是「复杂性发生」与「发展阶段论」的分别所在。
第二，复杂性不是单调上升的，是先塌后展。工具做的第一件事是削复杂性：把手艺变成标准流程，把判断外包给机器。所以准确的说法是——复杂性先塌缩到工具里，然后在更高一层重新展开。这一缩一展之间的落差，可能正是这条命题的量具所在。
第三，第二段到第三段并不自动。这是整个诊断的关键，下一章专讲。
二 内卷的准确定义，与新科目
内卷的准确定义不是「竞争激烈」，而是：旧的结算科目还在，但那一栏已经没有差异可记了。
要走出第二段，必须有人开出一栏新账。
举一个人人都经历过的例子。手机拍照的第一段是不用胶卷了；第二段是人人修图、个个都好看，「好看」这一栏结算不出差别；第三段是「出片」这个词诞生——餐厅开始为拍照设计摆盘和灯光，一个此前不存在的价值单位被记进了账本，探店、滤镜、网红店这一整条产业从这一栏里长出来。
新文明形态的入口不是新技术，是新科目。
由此还得到一条容易被弄反的关系：卷与涌不是先后，是同时发生在不同位置——卷在中心，涌在边缘。中心是旧结算面被防守得最严的地方，那里只会越来越卷；涌现一定发生在还没人记账的地方。所以「内卷导致涌现」这个因果要改写为：内卷是旧账本封顶的读数，涌现是新账本开张的读数，两张账同时在记。
三 制度可以阻碍，最后只有改变或退场
制度守的是结算面。它能做的只有三件事：不记账、不给名分、不许交易。这三件全都作用在 S 层——它管的是「什么算数」。
但差异照样在 D 里发生，人照样在做那件事。所以被挡住的从来不是涌现本身，是涌现被记进正规账本的时间。阻碍的真实产出是三样：延迟、改道、变形。
小区停车是最家常的样本。车便宜了是第一段；车位不够、抢位装地锁、邻里争吵是第二段；物业规约不许改划线，这是制度在挡。结果不是大家不停车了，是停到消防通道和绿化带——改道；然后出现私下租位、群里换位、有人靠倒卖车位收钱——变形。最后要么业委会改规约、上立体车库，要么这个小区一直烂着。
网约车是同一形状的放大版：牌照制度挡了几年，中间是补贴大战和灰色地带，最后各地出管理办法，账本上新加一栏「网络预约出租汽车经营许可证」。挡住了吗？没有。挡出了什么？几年延迟，外加一段灰色期。
为什么最后大部分只有改变？因为制度自己也靠自己的读数活着——要收税、要有人来、要有人认它发的牌子。账外那块越长越大时，制度自己的读数开始难看。它不是被说服才改，是被欠费逼到不得不补栏。
那「不改」的少数是什么？不是挡成功了，而是连账本带记账的人一起退场——不再有人进来，也就不必改了。所以制度面对涌现只有两个结局：加栏，或者退场，没有第三种叫「挡住了还活着」。
由此得到两个可读的数：账外存量（补栏之前，那件事在体制外积到多大）与补栏时距（从第一批人开始做，到第一张正式凭证发出，隔了多久）。阻碍的强度不看挡没挡住，看这两个数。
这里必须写死一条警告：如果「最后总会改」被当成事后追认，那第三段就永远为真，命题退化成同义反复——因为我们只在活下来的文明里回望工具史，没走到第三段的那些，连同它的记录一起不在场。要躲开这个，第三段必须能事前判，而判据只能是那两个数。
四 token 是记账单位，所以我们想不出新行业
「AI 夺了信息产业的命」这句话可以说得更准。
token 在今天被理解为信息单元——符号、逻辑、数学为一体。但它更早的身份是记账的筹码。考古学上有一个主流说法：楔形文字的源头是泥筹，两河流域用来记数牲畜与谷物的小陶块，一块代表一只羊、一斗麦；筹码装进封球，为免打开就知道内容，人在球面按下筹码的印痕；印痕后来脱离筹码，独立成为符号，于是有了文字。
符号不是为表达而生的，是为记账而生的。所以符号、逻辑、数学之所以一体，是因为它们本就是同一件事：记账。
于是 AI 拿走的不是信息产业，是记账这个动作本身。它在 token 这一层接管，就是在账本那一层接管。
这也解释了为什么「想不出新行业」。行业这个词本身就是账本上的分类——工商登记、职业分类、行业代码，全是记账产物。用账本的语言去想一个账外的东西，当然想不出来。所以想不出，不是它不存在的证据，是它还在账外的证据。
token 这一层同时标出了 AI 的天然边界。泥筹能记「一只羊」，记不了「这一只羊」；token 记得下「墙已拆」三个字，记不下那面墙。凡可交换、可计数、可替换的，token 都拿得走；凡一次性的、绑在具体存在上的、不可重跑的，token 拿不走。
第二部分 判据：什么才算「一起成长」
五 后果只发生在延伸里
在旧行业的结算面上和 AI 一起成长是不可能的，因为同一栏里只有一根差异序列。你和 AI 在同一个科目上比，那一栏的差异必然被磨平——那正是第二段。共生只能发生在另一处。
一种流行的答案是「承接后果」：AI 出方案，人担责任。这个答案不成立，理由有三。
一、它是费用科目，不是收入科目。承接记的是「出事谁赔」，本质是保险逻辑。一个只靠承担损失来证明自己在场的位置，长不出新文明形态。
二、它可以被买走。一旦保险公司愿意承保，承接就变成一笔可购买的成本，人又被挤出去。它不是不可让渡的。
三、它落在结算面上，不落在差异序列上。AI 交出一个 S，承接只是给这个 S 贴一个责任标签，序列没变。所以承接顶多让第二段不塌，它进不了第三段。
正确的位置是延伸：从 AI 交出的那个 S 出发，继续走出新的 D。只有延伸解释得了「一起」——承接是单向的（AI 出，人担），延伸是接力（AI 走到 n，人走到 n+1，这个 n+1 又成为下一轮的起点）。
但延伸有一个致命的模糊处：润色、校对、挑一个最好的版本，都很容易被说成延伸，而它们其实是第二段。堵这个口子需要一把尺：回喂检验——把你延伸出来的东西当作提示回喂给同一基底，看它能不能自己走到那里。走得到是加工，走不到才是延伸。
更要紧的是后果落在哪里。一份没被接入的 AI 产出没有后果——它只是一段文本，摆在那儿，对错都不发生任何事。所以「为 AI 的产出上保险」从根上是空的：保的是一个还没有后果的东西。这解释了一个现实读数：AI 责任险已开办多年，卖的都是模型性能责任，「担保这个人的判断」几乎零成交。不是市场不成熟，是保错了位置——后果不在产出上，在接入方的系统里。
由此得到本文的第一条核心命题：
后果只发生在延伸里。AI 的产出成为一个更大的存在的输入，才是后果承接。
「更大的存在」须拧紧：它得是一个正在跑着自己序列的东西，而且接入之后那条序列改道了。AI 写了菜谱，你读了一遍，没有后果；你照着做了饭，家人吃了，孩子说明天还想吃——它进入了「这个家吃什么」这条序列并改了它，后果在这里发生，不在菜谱上。
于是回喂检验不够，还要加一把接入检验：指出被改道的那个存在，并给出它改道前后的读数。说不出被改的是什么，那就还是文本操作。
这一条同时把门槛挪了位置：AI 时代真正的门槛不是会不会用 AI，是你手里有没有一个正在跑的东西——一家店、一个班、一条产线、一个病人、一群客户、一个孩子。
六 必然输入的三档
「以 AI 的产出为输入」这句话有三档强度，只有第三档算数。
第一档：用了更便宜更快。可替代，是旧栏打折。
第二档：不用就做不到那个质量。是依赖，但退回去还能做。
第三档：没有这个输入，这个行业的对象根本不存在。
塑料回收是第三档的标准样本：没有塑料工业，塑料回收业连原料都没有。而且它不是被谁发明的，是塑料被大规模廉价生产之后堆成了问题，处理这个问题的行业被逼出来的。
所以新行业不是找出来的，是被过剩逼出来的。由此得到找法：别问哪个行业能用 AI，要问 AI 正在大规模廉价生产什么，那些东西堆起来会堵住哪里。
按这条筛 AI 产出，绝大部分不合格：AI 写的文章不是新东西，文章早就有；AI 画的图不是新东西。这些只是旧对象变便宜。筛下来真正没有旧对应物的只有三样：
一、过剩的解空间。「三百个都还行的方案」这个东西，人类历史上从未存在过。它不是「方案多了」，是备选从稀缺变成过剩。最要命的推论是：人类所有的选择制度都是为备选稀缺设计的——评审、比稿、投标、考试、专家论证，全部建立在「想出一个像样方案很贵」这个前提上；前提没了，制度还在跑。
二、活的交付物。以前的交付物是死的：合同签了、图纸画了就固化，改动成本高到实际等于不能改。AI 产出是永远处于可重写状态的东西。于是「让图纸和真实的房子始终对得上」从一次性的活，变成持续的照料。
三、无主体的判断。这一档通向鉴别与担责，是费用科目，本文不取。
三样都过停供检验：假设所有大模型明天全关掉，这个行业当天死掉吗？当天死，才是必然输入。按这把尺量，今天市面上被称作「AI 新行业」的绝大多数过不了关——咨询停供之后还在，培训还在，做 PPT 的还在。
三样里最硬的是第一样，因为它逼出的问题没有任何旧行业在做。在备选稀缺的世界里，价值在「想出方案」；在备选过剩的世界里，价值在「让其中一个真的发生」。
由此得到本文的第二条核心命题：
差异不再产生于生成端，只产生于接入端。
三百个方案之间的差异是被磨平的——都还行，比不出来。真正的差异发生在其中一个被接进那家店、那个班、那条产线，并让那条序列改了道的那一刻。
附：为什么瓶颈从生产端搬到了接入端
这一节单独论证第六章末尾那个命题，因为整篇文章都压在它上面。
在备选稀缺的年代，一个像样的方案很贵：要请人、要时间、要经验。所以价值集中在生成端，全部制度也围绕生成端建立——评审是为了从少数方案里挑好的，专家是因为能出方案的人少，学历与资历是「这个人出得了方案」的凭证。
AI 把生成成本压到接近零之后，这一侧发生了什么，是可以直接观察的：一个人一天可以让模型出五十个方案，而且大部分「都还行」。但他手里那家店、那个班、那条产线，一个月能真正接进去、并且改道成功的，可能只有一个。
两侧的量级差了三个数量级，而且差距还在拉大——因为生成端的成本还在降，接入端的成本一点没降：它由现实决定，由那个具体存在能承受多大变动决定，由人肯不肯付代价决定。
由此有三个可观察的后果：
一、「想得好」不再稀缺，于是所有以「想得好」为评选对象的制度会先空转再形式化。表现不是被废除，而是评委说不出为什么选这个——参赛作品之间的差异已被生成端磨平——然后退化成看资历与关系。比稿、评优、创新大赛、方案评审都会经历这一段。
二、「选择」第一次成为一道独立工序。从前只有三个备选，选择不构成工序；三百个之后，从中定出一个所要付的判断，比多出两百九十七个方案更贵。这道工序在任何旧行业的工序表里都不存在，而它是新行业的第一道工序。
三、价值的位置从「提出」移到「发生」。这就是本文反复用的那句话：差异不再产生于生成端，只产生于接入端。它同时解释了为什么承接式的答案不够——承接处理的是产出的责任归属，仍在生成端那一侧；而瓶颈已经不在那里了。
这一节的作废条件很直接：如果能测出某个领域里，接入的吞吐量随基底升级而同比例上升，那么「瓶颈搬家」就不成立，本文的行业论也就失去支点。
七 产出必须是 AI 不能生产的
方程的第二个条件是：产出物必须是 AI 造不出的。这一条的难点在于常见答案全错。
情感、创造力、判断力、审美、共情——这些都不是「AI 不能生产」，只是现在生产得还不够好，而且每年在变好。拿正在被侵蚀的东西当地基，行业建起来就塌。
真正造不出的不是某种能力，是某个类型。
AI 生产的一切都是可能态。它可以生成一份「墙已经拆了」的报告，但不能让墙倒下；可以生成「学生学会了」的评语，不能让学生学会；可以生成三百个装修方案，不能让你家真的住进去。用本文的语言说：AI 生产 S 的候选，它不能生产 D。差异必须在世界里发生，而不是被表述。
由此有两个更硬的标记：
一是不可撤销。AI 的产出永远可以重跑、可以再来一版。世界里的事做了就是做了。AI 那边一切可重写，人这边一切不可重写——这是两种东西的分界，不是能力差距。
二是被某个具体的存在接住。AI 造得出方案，造不出「这家店真的同意并且付出了代价」。
于是产品单位可以写死：一次改道——一个具体的存在，在一个具体的时刻，因为接入了某个 AI 产出，发生了不可撤销的转向，并且前后有读数。
这里有一个漂亮的副产品：既然产品就是那个不可撤销的改变本身，那么改坏了就是产品坏了——不需要另外设计责任制度、买保险、签字。承接内含在产品里，它从费用科目变回了产品的一部分。
八 同向：AI 越强我越强的条件
「只有我能做」还不够。与 AI 一起成长要求正向耦合：AI 越强，我能做成的那件只有我能做的事越多。
正向耦合成立的条件只有一个：「我」必须是唯一剩下的瓶颈。如果还卡着别的瓶颈——钱、信息、许可、场地、工具——AI 变强的收益全被那些瓶颈吸走。所以这个行业的工程任务可以写死：把一件事里除了「我」以外的所有瓶颈，全部交给 AI 去解除。
但这里有个陷阱：产出物本身不能是可 token 化的。否则 AI 变强会同时做两件相反的事——抬高我的能力，同时抹掉我的市场。我学得更快，可我做出来的东西也更不值钱，净效应可能为负。
所以完整判据是两条：我是唯一瓶颈，且产出物不可 token 化。
拿这两条量三个候选行业：
康复最稳。AI 越强，动作识别越准、方案越贴身、陪练时间越长，我就走得越远；而「能自己走十米」这个产出物永远不可 token 化。两条全中，没有反向作用力。
「带到靠新手艺挣到第一笔钱」要挑手艺。若挑的是可 token 化的手艺（写文案、做图、做表），AI 变强会把那门手艺的价格一起打下去。必须挑现场的、身体的、需要在场的。
「带到能产出原创思想并出版」最不稳。AI 越强我确实走得更远，但 AI 也在无限生产文本，产出物的稀缺性同时在跌。它的同向只在「我那一步是 AI 走不到的」这个前提下成立，全靠工艺撑着。
同向还给出一个可测的数：同向系数——换一代基底，客户的「第一次」发生率涨了多少。涨，在正耦合区；不涨，说明还有别的瓶颈没解除，或这门业务根本不在这个行业里。
最后一句可以直接拿去筛：AI 再强十倍，你的生意会变好吗？变好，你在这个行业里；不变，你不在。
第三部分 那个新行业
九 现实与自我的结合体
前两部分给出了方程：输入必须是 AI 造的，产出必须是 AI 造不出的，中间那一段转化就是这个行业的全部。现在要问它落在哪里。
三个世界里，读数各不相同。理念世界被夺命了——文本、方案、论证、答案，AI 在那里无限生产。现实世界反而在升值：因为差异不再产生于生成端，唯一还能产生差异的地方就是「这件事在物理上真的发生了」。自我世界最大，但最难——难在判定。
自我世界是天然不可 token 化的：我这一生不能重跑，我这一次的选择不能撤回，我不能跟别人交换。前面推的「不可计数、不可重跑、绑在具体存在上」，在这里是本来就有的性质。
但它同时也是不可判定的：境界、觉悟、内心成长，全都判不了。判不了就结算不了，结算不了就开不出单据，开不出单据就成不了行业。自我世界因此一直是信任品的老巢，跟算命同区。
解法是两端合起来：自我端给它不可 token 化，现实端给它可判定。
这就是现实与自我的结合体。但「结合体」要拧紧，它不是拼盘——不是既做点实事又做点心理辅导。真结合是两端互为条件：
这件事必须由这个人自己做（自我端），而且在现实里留下不可撤销的痕迹（现实端）。
用左右两个反例就看清了。装修在左边：现实端很硬（房子真的变了），自我端是空的——可以全外包，你自己一点不用变，所以它是旧行业。冥想、疗愈在右边：自我端很满，现实端没有读数，判不了，所以它是信任品。中间那一块才是新行业：学游泳。必须自己下水，谁也替不了；游过去还是没游过去，一眼可判。学开车、戒烟、写完一本书，全是这个形状。
这类事情自古就有——师徒制、私塾、教练——为什么从未成为文明的主流行业？因为太贵：它必须一对一，而师父的时间稀缺。AI 改变的正是这一点：师父做的事里绝大部分是可 token 化的（讲知识、出方案、看材料、给反馈、纠错、答疑），这些被整个接走且无限便宜，剩下那一小块才是只有人能做的。于是一个师父能带的人数上了一个数量级。
所以这不是发明一个新事物，是一个古老的边缘形态因为成本结构变了，第一次有资格成为主流。
附：三个候选行业的实测形状
用四条判据筛（从前是否必须一对一、那一步能否雇人替、成没成外人看不看得见、师父的活 AI 能否接走九成），筛下来最硬的三个如下。
一、康复。中风后、手术后、摔断后的功能恢复。从前极难做：必须治疗师一对一每天盯着练，贵到绝大多数人只能做完医院那几周就回家，功能停在那里，落下终身残障——不是技术不够，是师父的时间买不起。自我端满分：那一步只能他自己迈，儿女再孝顺也替不了。现实端硬到没有伪造空间：能不能自己站起来、能走多远、手能不能拿起杯子——这里根本不存在防伪问题，走不了就是走不了。AI 接走的正是稀缺的那部分：每天的动作识别、每天调方案、全天候陪练。价值不必论证：老龄化社会里，一个人能自理还是不能自理，中间隔着的就是这几个月有没有人陪着练。
二、把一个人带到「靠新手艺挣到第一笔钱」。不是培训，不是发证——发证这条路已经走空了，证越发越多越不算数。现实端就是那笔钱：第一笔靠这门手艺挣到的收入，不可伪造、不可撤销。自我端：手上功夫只能自己练。从前很难：学徒制带不了几个人，一规模化就退化成发证，一发证就空心。价值在当口上——旧行业正被夺命，需要转行的人以亿计，而现有培训体系交付的是证书，不是那笔钱。限定条件见第八章：必须挑不可 token 化的手艺，否则 AI 变强会同时抬能力、抹市场。
三、把一个普通人带到能产出原创思想并真的出版。从前它叫博士培养，全世界一年产那么点，因为必须导师一对一带很多年。按同向判据，这一个最不稳：AI 越强我确实走得更远，但 AI 也在无限生产文本，产出物的稀缺性同时在跌，全靠工艺撑着。
三者的取舍是清楚的：读数最硬、社会价值最大的是第一个，但它离多数人的现有资源最远，需要医疗侧配合；最快能开出第一张单据的是第三个，因为样本、读数与连续记录都容易拿到；最大的市场在第二个。而三者的形状是同一个，所以在任何一个上跑通的单据形式，可以整体搬到另外两个上去。
十 第一人称产业与产品单位「第一次」
这个行业最准确的判据式命名是第一人称产业，因为它自带一把尺：
凡是能用第三人称说出来而不损失的产品，都不属于这个行业。
「它被交付了」「方案完成了」「课程结束了」——旧行业的产品全能这么说。这个行业的产品只能第一人称说：我走了十米。我挣到了第一笔钱。我写完了。换成第三人称，那件事就没了。
这条尺子顺手切开了一个坐满人的占位者。「个性化」今天指的是个性化推荐、个性化课程、个性化定制——那些全是供给侧的定制：给你量身做一个东西，你还是接受者。而且 AI 让这种定制几乎免费，所以它一秒钟就掉进旧栏打折。三条分离线：
一、定制经济的产品是「为你做的东西」；这个的产品是「你做成的事」。
二、定制卖的是替你省事；这个卖的恰恰是不能省的那部分事。买完之后你更累，不是更轻松。
三、定制可以无限便宜；「你自己做成」永远不会便宜，因为代价必须由本人付。
第三条最硬：这是唯一一个成本不可压缩的产业——成本落在客户自己身上，AI 降不了。它因此不会被下一代模型吃掉。三条合起来是一句话：它是服务业的反面。整个服务业的原理是「替你做」，这个的原理是「只有你能做」。
再往下就是产品单位。按四条判据筛出的三个最硬候选——康复、带到第一笔收入、带到能产出原创思想——共同形状是同一个：它们卖的都是一次「第一次」。
第一次自己走十米。第一次靠新手艺收到钱。第一本自己的书。
「第一次」天然满足全部条件：不能重跑（第二次就不是第一次了）、不可撤销、不可外包（别人的第一次不是你的）、外人看得见。它连 token 化的可能都没有——账本上记不了「第一次」，只能记「课时」「人次」「证书数」，所以这一栏至今是空的。
于是单据可以这样开：不按课时收，按「第一次」结算。没走到不收，走到了一次一结。它天然只能按痕迹计价。
十一 四大特征
一、成功即流失。整个服务业的隐含利益是客户永远需要你：修车行不教你修车，律师不教你打官司。这个产业倒过来——客户付钱买的是自己不再需要你。留存率高在这里是失败信号。
这一条要按来源判，不按数字判：一个客户完全可以学完游泳再来学写作。真正要说的是——留存不能来自依赖，只能来自新的目标。「因为离不开你而留下」和「因为又有一件事想做成而留下」，报表上一模一样，性质完全相反。
它有旧原型：驾校。学会了就不来了，靠新客活着。这证明模式能活，也说明它天生的经济约束：利润率有限，必须持续获客。而生态给了驾校没有的出路——学成的人转到供给侧，产出自己的条目账与智能体，服务下一批人。所以客户终身价值的算法要换：不算他再付多少钱，算他带来多少新的接入。
二、靠异质性积累资产。传统平台的网络效应靠同质规模；这个靠差异密度：生态里的人越多、越不一样，每个人给自己的条目定成立条件就越快，因为对照组更丰富。它的资产是异质性，不是用户数——一万个一模一样的用户，资产为零。
三、按成事结算，而结算方式自带防伪。因为成不成有公开可判的读数，这个产业可以做到不成事不收钱。副作用比主作用还值钱：骗子做不了这个模式，成功学与玄学的客户不会真的成事，按成事收费它们当场活不下去。结算方式本身就是市场的净化机制。
四、靠自动化共性供养差异。传统服务业规模化靠标准化——削平差异，人人拿到一样的东西。这个产业的产出天生不能一样，它靠把差异之外的一切自动化，从而负担得起差异。工业文明靠消灭差异获得规模；这个产业靠自动化一切共性来供养差异。同样是规模，原理相反。这是它够得上「新文明形态」而不只是新行业的经济学理由。
四条里，第一条划开服务业，第四条划开工业文明，第二、三条是它自己的运转机制。而最脆弱的是第一条：商业压力会持续逼你做留存，而制造依赖是最省事的留存方法。一旦它破了，其余三条连锁失效——有了依赖，就不必按成事结算，就不必供养差异，异质性也不再是资产。观察一家机构有没有变质，只看一处：它的留存是从依赖来的，还是从新目标来的。
需要补的是：四条是经济特征，还有三条结构特征（AI 产出是必然输入、同向、产出不可 token 化）。结构条件决定一个东西是不是这个行业，经济特征决定它能不能活。缺前者会把驾校、健身房算进来；缺后者会做出一个正确但活不下去的东西。驾校满足第一条经济特征而结构条件一条不满足——所以它是这个行业的史前形态，这也解释了它几十年没能扩散：它缺的正是 AI 那一侧。
十二 时间是护城河，而且不会出现巨头
这个产业有一条硬节拍：外化可以极快，验证必须慢。追问、逼条件、生成对照可以快到分钟级；「这条在我身上到底灵不灵」必须真的经历几次、必须让条件变一变——验证的时钟是现实的时钟，AI 拨不动。
这条限制是护城河，不是缺陷。一条经过复检的个人知识需要真实时间跨度，这是钱买不到、算力买不到的。对手融一个亿，也没法把三个月的复检压成三天。商业史上护城河是时间的产业都很硬：酒与酱油的陈酿、林木、信用记录、临床随访数据。凡是靠时间筑墙的，资本加速攻不破。
由此先发优势是真的：资产是「已经跑完验证周期的条目数」，只能靠早开始积累。互联网那种「后来者用钱抹平先发」在这里不成立，唯一的追赶方式是更早开始，而这一条追不了。
慢也是最大的商业弱点，对策就在那个区分里：外化快、验证慢，那就分开交付。前两周交付外化成果（「你说清楚了三件从前说不清的事，每条都写明了成立条件」），验证排进复检日程到期兑现。信心靠快的那半维持，质量靠慢的那半保证。同时得到一条质量线：产出速度过快本身就是失效信号——一周产出几十条「个人知识」，那些条目一定没验证过。
两条结构性判断：
一、这个产业不会出现巨头。瓶颈不在供给侧（AI 无限），在每个客户自己的时间上，而客户的时间不因平台变大而变快。所以它没有规模报酬递增，赢家通吃不成立。它的形态会是很多个中小生态并存，各据一块具体性。按平台垄断的路子做，反而会做坏。
二、大模型公司不会来抢这个位置。他们能做无限的知识服务，但做不了「陪一个人三个月」——那不符合他们的成本结构，也不符合按调用计费的商业模型。慢的生意对他们没有吸引力。所以这个位置是结构性地留给个人与小生态的：不是因为大厂看不见，是因为他们看见了也不会做。
第四部分 个人知识
十三 我的知识：n=1 为什么合法
公共知识是「抽掉个别性」得到的东西：从成千上万个案例里抽出共同的那部分，个别的全部丢掉。这正是它可传播、可积累、可教学的原因，是巨大的红利。
但代价在同一个动作里：用它解决我的问题，就是要把抽掉的那部分再补回来，而那部分已经丢了。所以「应用公共知识」永远隔着一道迁移工序，永远不完全合身。药对六成人有效，你是不是那六成，没人知道。
关键在于：普遍化不是知识的本质，是稀缺条件下的工程妥协。从前为一个人单独生产知识太贵，所以人类选了普遍化这条路——不是因为它更真，是因为只有它负担得起。AI 改变的正是这个成本。妥协的前提没了，妥协就没有理由继续。
要跟一个很像的东西划线：精准医疗、个性化推荐、千人千面。那些仍然是公共知识，只是分组更细——模型还是从大数据来的，你依然被归为「某一类人」。它是更细的迁移，不是取消迁移。本文说的是取消迁移：知识直接从我这一个案里长出来。
于是必然被问：样本量是 1，凭什么算知识？
因为它不需要外推。公共知识必须用到别人身上，所以要 n 大；我的知识只用在我自己身上，不外推，所以不需要样本量。它的检验不是统计显著，是反复在我身上灵不灵。这个方法早被科学承认，叫 n-of-1 试验——同一个病人自身对照、交替试不同方案，在慢性稳定的病症上是正经的证据形式。它一直被关在医学的小角落里，原因还是那个：太贵。
日常里这类知识人人都有一点。公共知识说成人要睡七到九小时；我的知识是我自己试了两个月，六小时四十五分、十一点前睡最清醒。菜谱说面煮八分钟；我的知识是我家这口锅这个灶，六分半。零售通则说周末最忙；我的知识是我这家店周三下午空着、周三晚上最挤。
这些东西往往比公共知识更管用，但从来没有被当作知识——没有被生产、检验、积累，只以「经验」「窍门」「手感」的样子散落着，随人消失。
新行业的全部内容就是：把每个人身上那点随人消失的东西，变成可以被生产、被检验、被积累的知识。
还有一个推论：个人知识不会因为被吸收而失效。别人拿去也没用——我家那口锅的六分半，对他家的锅是错的。所以它天然免疫「发表即消亡」。在一个所有公共知识都会被瞬间吸收、瞬间贬值的世界里，唯一不贬值的知识，是只对一个人有效的知识。
必须挡住一击：我的知识可能是错的。公共知识最大的好处是被检验过；人人产生自己的知识，谁保证那不是妄念？答案只能在现实端，而这逼出一件要紧的事：现实端不只是计价依据，它同时是真值裁定装置。我算装修用料算错了，料就是不够，墙就是贴不满，不用谁来评审。这就是「结合体」不能拆的第二个理由——只有自我端没有现实端的地方（玄学、灵修、成功学），恰恰是个人知识泛滥且全错的重灾区。
十四 从默会到条目：三步工艺
这类知识我们其实有很多，只是大量处于说不出来的状态。
先换一个词：建议不要用「潜意识」，用「默会」。潜意识是精神分析术语，带着压抑、防御那一整套包袱；而这里说的是「我知道，但我说不出来」。默会知识可以被追问出来并验证，潜意识按定义不能。
必须正面交手的占位者是外化——知识管理领域四十年的核心工程，把默会知识转成可说的知识。两条分离线：
一、终点相反。外化的终点是组织共有：把老师傅的手艺变成人人能学的文件，方向是从个人到组织，要消除个体差异。本文的终点是这个人自己的条目账，而且不公开，要保住个体差异。
二、他们卡了四十年，卡在成本上，不在理念上。外化必须有一个高水平的人长时间陪着追问，一对一，极贵，所以只在小团队与师徒制里做得成，从未规模化。AI 让外化第一次可以每人一份——所以新的不是「要外化」，是外化第一次负担得起。
用词上还有一处值得保留：「公开发明」而不是「发现」。发现假设那条知识早已完整地藏在那里等着被挖；发明才对——它在被追问之前并不成形，是在追问过程中长出来的。这也解释了为什么这件事必须有人陪着做：不是帮你掏，是提供那个让它成形的差异序列。
三步工艺：
一、找异常。问：你在哪件事上做得跟标准做法不一样、而且效果更好，但你说不清为什么？默会知识只在偏离标准的地方露头，顺着标准做的地方没有个人知识。
二、从失败那一侧逼条件。不要问「你为什么这样做有效」——人对自己成功的解释多半是事后编的。要问：「什么时候这样做会失败？」成立条件只能从失败边界上问出来。这是整套工艺里最要紧的一步。
三、做验证。下一次刻意按相反的方式做一遍，看是不是真的更差。不敢试的，说明还只是信念。
十五 保质期、复检与失效
公共知识追求永恒，个人知识天然有保质期。勾股定理不会过期；我换了一口锅，「六分半」当天作废；店搬了地方，「周三下午空」就不成立了。
所以每条个人知识必须挂着它成立的条件，条件一变就要复检。最小数据结构是四件：主张 ＋ 成立条件 ＋ 验证记录 ＋ 最近一次复检。没有第二项的是格言不是知识；没有第四项的是过期库存。
保质期由成立条件的稳定性决定，可以分三档：
含 AI 基底的，月级。什么样的提问跑得动、哪道工序有效、评分的锚点——成立条件里含着「当前模型的能力」，基底一换代当场作废。这一档恰恰是今天最容易被当成长期知识存着的一批。
含自身状态的，年级。作息、身体、带人的手感。
含原理的，长期。成立条件是结构性的，不随基底与年龄动。
复检频率跟着档位走，于是复检从口号变成排期。
两个推论：
一、抢先发表在这里失去意义。学术界抢首发，是因为公共知识没有保质期，先到先得、永久归属。个人知识会过期，抢它没用，署名也不增值。
二、「记流量不记存量」有了微观机制。之前的理由是「公开就被吸收」；更根本的理由是存量会自己过期。所以一个人的知识水平不等于他一生写过多少，而等于他此刻有效条目的数量。写过一百本而条目全过期，读数是零；有二十条经得起当期复检的，读数就是二十。这也让「水平」第一次可以随时重测。
由此还得到一个反直觉的读数：失效撤回数。一个人的条目账上如果从来没有条目被撤回，说明他从没复检。撤回越多，生态越活——所有陈列型平台的读数都是只增不减，而撤回数是活体的心跳。
十六 不公开而可用：知识的第三种形态
个人知识不发表，不是因为要保密，是因为发表这个动作对它不适用——就像家里的账本不需要出版。别人拿去用不上，发表不产生任何东西。保密逻辑是防守的、可被质疑的；形态不适用是结构性的，攻不动。
顺着推还要更狠一步：个人知识本来就不该以专著的形式产出。专著的每一个部件都是为说服不在场的读者设计的：导论、文献综述、与诸家对话、章节体例。如果读者只有作者自己，这些结构全是空转，而且有害——它逼着人把个人知识包装成公共知识的样子。更要命的是：专著是死的（定稿即固定），个人知识必须是活的（条件变了要撤回），两个性质直接冲突。
但专著有一个不可替代的功能：逼你把散乱的东西整理成一个能自洽的整体。写一本书的过程本身就是练，就是改道。所以准确定位是：专著是练的工具，不是知识的载体。写完了那个人变了——这才是产品；真正该留下的是从写作过程里提炼出的条目账。
那么不发表的东西怎么利他？答案是它进入我的智能体，成为被他人使用的功能。
于是出现了知识的第三种存在形态：公共知识是可读的陈述（谁读谁得到）；个人知识是不可读的条目（读了也没用）；通过智能体，它变成可用的功能（看不见里面是什么，但用了就有效）。知识从「被读」转为「被调用」。
这里有一个必须处理的性质：机器用条目和人用条目方式不同。人用时心里会过一道「这条对我适不适用」，检索不会过这道——相似度匹配上了就取出来用，不问成立条件。于是把个人知识放进检索增强系统，会天然地把 n=1 外推给任何一个恰好检索到它的人。
解法在条目结构里，不在提示词里：每条入库必须带「成立条件」字段，检索之后先过一道条件核对。然后同一条条目有两种用法——条件对得上，可作结论用；条件对不上，转成提问素材：「我这边有一条相近的经验，成立条件是这样，你的情况是什么？去测你的那一条。」第二种是默认，第一种是例外。过期条目也不删不停用，而是降级：从「可作结论」降到「只能作提问素材」，因为它仍然证明这个问题曾经有过一个解。
最后处理「永远不公开」的部分。这里有一次默认值的翻转：在公共知识体系里不公开需要理由；在个人知识体系里，公开才需要理由。不公开的有四类：过期即死的（绝大多数，根本不需要这个决定）、不可言说的、涉及他人的（伦理要求）、以及真正构成竞争位置的那一小部分。只有第四类需要一个理由。
但「永远不公开」是一个不可证伪的位置：批评者看不到、可以事后追认、掌握保密部分的人拥有解释权。从炼金术到各种内部心法，秘传体系都栽在这里。两条纪律足以挡住：
一、内容保密，效果可测。不给内容，但给读数：调用次数、停喂之后解决率的变化、当前处于「可结论」还是「仅提问」档。不公开的条目照样能被证伪，只是证伪方式从「读它」换成「撤掉它看结果」。
二、不公开的条目不能支撑公开的主张。若一个公开命题的证据在保密区里，它就是不可检验的。要么把那条拿出来，要么这个主张不用它当证据。
第五部分 教育新模态
十七 从「我们的数学」到「我的数学」
把前四部分落到教育上，第一句话是：从前是我来学「我们的数学」，现在是我来学「我的数学」。
「我的数学」有两种读法，差一个字就掉回旧行业。
假的那种：AI 按你的水平出题、按错题推送练习。用第三人称检验一下——「系统为该生生成了适配其水平的练习序列」——说得通，什么也没损失。说得通，就不是这个行业。它只是「我们的数学」送货送得更准。
真的那种只能第一人称说，换成第三人称就没了。
顺便可以看清一件事：「我们的数学」的 token 就是分数。分数是完美的 token——可数、可比、可交换、可替换，你和他的 92 分是同一个东西。所以教学产业早就 token 化了，产品单位就是分数。而 AI 正是在 token 层面接管的，所以第一个塌的必然是分数。它比学生考得高，而且无限便宜。这不是意外，是结构决定的。
那「我的数学」的现实端读数是什么？两个最硬的：
一是我自己提出的问题。不是 AI 提的，是他在弄懂一半的时候自己冒出来的那个疑问。可判定——问题是不是他提的有记录；不可外包——AI 提的问题不是他的问题；同向——AI 越强越能陪他把一个模糊的疑问追成一个真问题。
二是我用数学算清了一件我自己的事。算清自家装修要多少料、算出按现在这个存法什么时候够、用统计看懂自家店哪天的流水不对劲。这是结合体的标准样子：数学被接进了他自己正在跑的存在——他家、他的钱、他的店。
但这一格有个现实障碍：「我的数学」没有考试。没有考试就没有升学，学校里就没有人付钱。这正是第三章说的制度阻碍——账本只有分数这一栏，加不进「他提出了一个真问题」。所以可以预测：它不会先在学校里长，会先长在账外——成年人、家庭、职业转换的人那里；那里没有考试束缚，付费的就是本人，而且现实端天然就在。学校会在自己的读数先难看之后才加栏——当分数已经区分不出人的时候。
十八 「我的勾股定理」：最锐利的那个测试
勾股定理是最「我们的」的东西，a²+b²=c² 对谁都一样，定理本身不可能是我的。所以如果这一格答不出来，前面整套就是空话。
答得出来。定理是公共的，进入它的那条路是私人的。具体是三样：
一、我为什么需要它——我第一次真的用上它的那个场合。不是应用题里的梯子和旗杆，是我自己的事：在墙上钉书架要先量准直角、看电视柜对角够不够放、在地里打一个方正的桩。工地上老师傅拉 3-4-5 打直角，那就是勾股定理的肉身形态。这个场合是我的，别人替我想的那个不算。
二、我选中的那一个证明。勾股定理有几百个证明——弦图、面积拼图、相似三角形、欧几里得那个笨重的、加菲尔德那个梯形的。哪一个让「我」真的信了，这是私人的。而这一格正好是整条线在最小尺度上的完整重演：AI 一口气给我二十个证明，这是过剩的解空间；我要做的第一道工序是从二十个里定出那一个——这道工序在从前不存在，因为老师只讲一个，没得选。
三、我撞到的那个边界。自己去试它什么时候不成立：不是直角就塌了；在地球表面走三段路，它也不对了。是我撞上的，所以是我的。
三样都不可外包、都可判定、都随 AI 变强而变好。由此得到一把当场就能用的尺子：
同一间教室三十个学生，「我们的勾股定理」是同一个；「我的勾股定理」应该有三十个不一样的。产出的相异度，就是「我的」的读数。
旧教学追求产出相同——标准答案，越整齐越好；这个恰好翻过来：产出要是整齐了，就是失败。
而且这把尺子白捡一个好处：它天然防 AI 代写。标准答案可以代写，「我要拿它干什么、哪个证明说服了我、我撞到哪里塌了」——AI 代写出来的必然是通用的、平均的、四平八稳的，一摆出来反而最扎眼。相异度同时是质量读数和防伪读数。
所以一节「我的勾股定理」的形状是：AI 负责铺开（十几个证明、几十个真实场合、各种反例）；学生做三件不可外包的事（挑一个我真要用它的场合、选一个说服我的证明并说清为什么、找一处它不成立的地方）；结算只有一条——三十份摆在一起，能不能一眼看出谁是谁。
十九 最小单元从「课」换成「圈」，老师从来源换成见证人
教育新模态可以用一句话定义：
教育不再是把公共知识装进人，而是用无限便宜的公共知识作原料，让每个人产出并维护自己那一套带成立条件、可复检的知识。
由这一句往下，有三个比「个性化教学」尖锐得多的结构变化。
一、最小单元从「课」变成「圈」，于是年级不成立。
传统教育的最小单元是时间切片——一节课、一个单元、一学期。新模态的最小单元是一个完整循环：找异常 → 逼成立条件 → 验证 → 入账 → 到期复检。计量从时间切片换成循环次数。而每个人的圈长不一样、可以同时跑好几圈、有的三个月有的一年——年级制预设所有人以同样速度走同样内容，那是公共知识的组织方式，在这里失效。
二、老师从「知识的来源」变成「见证人和要求者」。
讲授、答疑、纠错、追问，AI 接走了大部分。人类老师剩下三样：判断这个人此刻卡在哪一类；在他不肯走那一步的时候起作用；以及自己也在跑圈，做示范。
其中见证是最不可替代的——AI 可以陪练，不能见证。见证需要一个会记得你、会为你高兴或失望的存在。一个人走成一件事而无人见证，那件事的分量会不一样，这是结构性的，不是感情用事。
三、评价从「分数」换成三个读数：相异度、复检记录、失效撤回数。
分数是公共知识的量具，而且是 token；这三个不是。撤回数尤其特别，它是唯一一个「越大越健康」的教育读数，跟现行体系的所有指标方向相反。
毕业也第一次变成可判定的：不是学分修满，而是他的知识生态跑起来了、能自己繁殖——能独立完成一整圈，从自己的问题出发，用 AI 铺开公共知识，练出一条只对自己有效的知识，验证它，并在条件变了的时候自己撤掉它。跑完第一圈就是那个「第一次」，而且不可代考。
附：生态平台、子站与「可迁出」原则
「我的知识生态平台」这个说法有一个坐满人的占位者——个人知识库、第二大脑、笔记软件、加了记忆的助手。分离线在附录一第四条。这里说的是把它落地时的三个实务问题。
第一，「生态」比「库」要求高得多。库只要能存；生态要有三样：入库门槛（用过且灵了才入，否则一个月内退化成日记本）、淘汰机制（条件变了要复检、要撤回）、增殖机制（新条目从旧条目的碰撞里长出来）。
第二，学员的子站现在多半还是发表场所，不是生态系统。上面陈列的是作品，缺的仍是条目账、复检与失败记录。而失败必须记且必须显示——n=1 最大的敌人是巧合与确认偏误，试了三次觉得灵其实是碰巧。医学的 n-of-1 用交替与设盲挡这个，个人版做不到设盲，那至少要强制记下反例与「以为灵后来不灵」的条目。一个只记成功的个人知识平台，就是一台迷信生成器。
第三，也是最根本的一条：所有权与可迁出。如果学员的知识生态是主平台下的一个二级域名，那它仍在主平台的账本里——域名、服务器、入口、去留都不在他手上。这就像单位配的邮箱：里面装的全是他的东西，离职当天全部消失，所以那从来不是他的资产。而本文的地基是「只能我做、不可外包、第一人称」，如果产出物的所有权不在他手上，前面全部落空。
所以要加一条原则：可迁出——他的条目账必须能整体导出、带到别处照样能用，哪怕将来他与平台分道扬镳。这一条同时是检验平台真假的尺子：带得走的，证明是他真练出来的；带不走的，说明他产出的其实是平台的内容。
由此子站的形态建议改成三层：对外一层是作品，对己一层是条目账（四件结构），再一层是复检时间线（何时复检、哪条失效、为什么）。
最后是子站之间的关系，它决定这是「很多个孤岛」还是真的一个生态。交互的形式不能是互相传授个人知识——那又变回迁移了。正确的关系是互为对照组：A 的「六分半」与 B 的「八分钟」摆在一起，不分对错，是让两个人都看清成立条件差在哪。所以平台的聚合功能不该是「最佳实践总结」——那是求平均，是回到公共知识的老路。个人知识的联合方式不是求平均，是列差异。公共知识靠抽掉个别产生，个人知识生态靠把个别摆出来产生。
二十 扩散路径、最大风险与最小配置
谁付钱决定它先在哪儿长。在教育里付钱的常常不是学习者本人——家长、单位、政府，而他们要的是可比的凭证：分数、文凭、证书。而这个产业的产出不可比。所以它在个人自费的市场里最容易成立，在机构付费里最难。扩散路径可以预测：成人自费 → 家庭 → 企业 → 最后才是学校。
最大的风险不是做不出来，是做出来之后被旧账本吸收。具体形态很好预测：学校会把它变成课表里的一个「个性化学习模块」，用分数评、按课时收费、期末交一份作品。这样它就死了——四个经济特征一个都留不下。制度在真正加栏之前，总会先试着把新东西塞进旧栏。所以最实际的建议是不要先进学校：先在成人自费那一侧把整圈跑通、把单据和读数做实；等它有了自己的读数，学校才可能真加一栏。
最小可运行配置其实很小：一个人、一圈、一张单据。
一个真想做成一件具体事的成年人；陪他走完一整圈——从他说不清的那个异常开始，到一条带成立条件的条目、一次可判定的「第一次」；以及一张按这次「第一次」结算的单据。这三样凑齐跑通一次，这个模态就不是构想了。平台、子站、智能体、生态，都是这一圈的复制与连接。
至于生态的繁殖机制，到这里也清楚了：不是知识的复制，是「能产出个人知识的人」的复制。一个智能体的成功标志不是它服务了多少人，是它催生了几个别人的智能体。而这中间有一个字必须守住：不是「解决他人的问题」，是「让他人解决他自己的问题」。这个滑坡有强大的动力——给答案更快、更省事、满意度更高，短期里给答案的永远赢。所以要靠一个反向指标看住：一次会话结束，用户带走的是一个答案，还是他自己的一条主张？满意度在这条线上是诱惑性指标，它越高，越可能说明智能体正在退化成客服。
结语 从识字到成事
「只能想想」这四个字，指认了人类最大的一块账外存量。它比家务还大——家务至少做了，只是没记账；「只能想想」的那些事连做都没做过。每个人心里都压着一堆「我要是能……就好了」，几千年来从未进入任何账本。不是没人想记，是它们没有发生，所以没有痕迹，所以没有单位。
而「从前为什么只能想想」，拆开只有三个障碍：不知道怎么做，请不起人带，自己没走那一步。AI 把前两个几乎解干净了，第三个它永远解不了。
所以这个新行业的定义可以收得很紧：它就是专门处理第三个障碍的行业。
这里有一个残酷面必须说，它是这条线最大的商业风险，比防伪大得多：前两个障碍消失之后，人第一次面对一个赤裸的事实——想想和做成之间，只剩下自己了。「我没条件」「没人教我」「请不起老师」，这些用了一辈子的理由正在一个个失效。这不只是解放，这很难受。供给已经就绪，需求却会退缩：人们会宁愿继续买定制、买省事、买替我做——那些让借口继续成立的东西。所以这个行业真正的核心工艺不在技术侧，在这里：怎么让一个人愿意站到那个没有借口的位置上，并且待住。
几百年前，普通人「能读书」也是只能想想的事。印刷术加学校把它变成了普遍现实，而那件事的结果不是多了一个行业，是造出了一种新的文明形态：一个有识字人口的社会，此后所有的政治、经济、法律形态都建立在它上面。
这一次是同一个量级的事，而且是它的下一步：
识字，是能读别人做成的东西；这一次，是能做成自己的那件事。
从识字到成事。工具三段里的第三段——「涌现出新的存在、新的行业、新的文明形态」——到这里有了具体内容：它涌现出来的新存在，就是一个又一个带着自己知识生态的人。
最后是这条路的两个诚实限定。门槛比想象的低：它要求手里有一个正在跑的存在，而这个几乎人人都有——自己的身体、自己的家、自己的活、自己要照顾的人；不需要先有事业、先有平台、先有学历。但不是每个人都会走：那一步是自愿的，谁也替不了，也没法逼。
所以准确的说法是：它是每个人的出路，但不是每个人都会走上去。而这恰好又一次说明那个新行业为什么必须存在——如果人人都会自己走，就不需要它了。它的全部工作，就是让愿意走的人真的走成。
附录一 十个占位者与十条分离线
本文的每一步都可能已经有人站着。以下是查到的十家，以及本文与各家的分界。任何一条分离线被证明不成立，对应的那一节就要重写。
一、波兰尼《个人知识》（1958）。书名相同，最容易被一句话按回去。分离线：波兰尼说的是所有知识都含个人参与的维度，那是认识论主张，讲知识如何被掌握；本文讲的是比例与生产——公共知识在学习内容中占比下降、个人知识的产出上升。他从未主张公共知识会缩小，也从未主张个人知识可被批量生产。更要紧的是：他的个人知识不可言说因而不可结算，本文要求它可判定、可开单。这既是分离线，也是本文多担的一副担子。
二、野中郁次郎的「外化」与 SECI 模型。知识管理四十年的核心工程。分离线有二：终点相反——外化的终点是组织共有，要消除个体差异；本文的终点是本人的条目账，且不公开，要保住个体差异。卡点不同——他们卡在成本（一对一追问太贵），四十年未规模化；本文的增量正是「外化第一次负担得起」，不是「要外化」这个想法。
三、建构主义教育学。「知识是学习者自己建构的」已喊了四十年。分离线：建构主义改的是过程（小组、探究、活动），产出仍收敛到标准答案，所以最终退化成活动课；本文改的是产出本身——相异度是读数，产出整齐即失败。
四、个人知识管理（第二大脑、卡片盒、笔记法）。分离线：它管的是收集与组织别人的知识，产出是一个更好的仓库，价值随存量涨；本文要求产出是此前不存在的东西，价值随验证次数涨，入库条件不是「我保存了它」，是「我用过，而且灵了」。
五、精准医疗与个性化推荐。分离线：那些仍是公共知识，只是分组更细，模型仍从大数据来，你依然是「某一类人」。它是更细的迁移，不是取消迁移。
六、n-of-1 试验。这是本文方法论上最近的亲属，而且是正面支撑而非对手。分离线：它仍在医学内部，用的是公共的试验设计方法，且以医学结论为终点；本文把这个模式推到一切领域，并且知识产出归个人所有、不进入公共流通。
七、布鲁姆的 2-sigma 问题（1984）。他发现一对一辅导显著优于常规课堂，随后余生在找可负担的班级教学替代方案，四十年公认未解。本文的主张可以表述为：AI 是 2-sigma 问题的第一个可行解。（诚实注：两个标准差这个数值后来有争议，多数复现给出的效应量更小；但「一对一显著更好且负担不起」这个结构性事实无人反对。）分离线：布鲁姆一直在「班级教学」那一侧找解；解不在那一侧，在把一对一变便宜。
八、驾校与学徒制。它们满足「成功即流失」这条经济特征，是本文行业的史前形态。分离线：三条结构条件（AI 产出是必然输入、同向、产出不可 token 化）一条不满足——所以它几十年没能扩散，缺的正是 AI 那一侧。
九、按结果收费的既有行业（猎头、风险代理、销售提成）。分离线：猎头的结果发生在别人身上（公司招到了人），律师的结果由外部裁判给出；本文的结果发生在客户自己身上，而且只能由他自己造成。由此得到最能证明它是新行业的一句话：这是唯一一个客户就是生产者的产业——服务业里客户是接受者，这里客户是生产线。
十、开源社区（用户变贡献者）。这是「流失的客户转到供给侧」这一条的已验证先例。分离线：开源的产出是公共的、可复制的代码，靠复制获得规模；本文的产出不可复制，靠「生产每一件的成本趋近于零」获得规模。同样是用户变贡献者，一个复制，一个不复制。
附录二 量具清单
本文提出的判据全部要求可读的数。以下十一个，按用途分组。
判「是不是这个行业」（结构判据）
- 停供检验：假设所有大模型明天关掉，这个行业当天死掉吗？当天死＝必然输入的第三档；还能撑＝只是用得顺手。
- 同向系数：换一代基底，客户的「第一次」发生率涨了多少。涨＝在正耦合区；不涨＝还有别的瓶颈没解除，或这门业务不在这个行业里。
- 第三人称检验：这个产品能用第三人称说出来而不损失吗？说得通＝不属于这个行业。
判「是不是真延伸」（工艺判据）
- 回喂检验：把延伸物当作提示回喂给同一基底，它能自己走到吗？走得到＝加工；走不到＝延伸。
- 接入检验：指出被改道的那个存在，并给出改道前后的读数。说不出被改的是什么＝还是文本操作。
判「生态是不是活的」（运行读数）
- 相异度：同一批人的产出，能不能一眼分出谁是谁。整齐＝失败。它同时是质量读数与防伪读数。
- 失效撤回数：条目账上被撤回的条数。唯一一个越大越健康的读数；从来没有撤回＝从没复检，那是陈列室不是生态。
- 保值时距：从做出一条延伸，到它成为基底的起点，隔多久。这个数若持续缩短，「记流量不记存量」就不是主张而是被逼出的结果。
- 产出速度：单位时间产出的条目数。过快本身就是失效信号——外化可以快，验证不能快。
判「制度到哪一步了」（外部读数）
- 账外存量：补栏之前，这件事在体制外积到多大（多少人在做、多少钱在流、多少年）。
- 补栏时距：从第一批人开始做，到第一张正式凭证发出，隔了多久。
条目的最小数据结构（四件，缺项即无效）：主张 ＋ 成立条件 ＋ 验证记录 ＋ 最近一次复检。没有第二项的是格言不是知识；没有第四项的是过期库存。按成立条件的稳定性分三档保质期：含 AI 基底的月级、含自身状态的年级、含原理的长期；复检频率跟着档位走。
单据的最小形式：不按课时、不按人天、不按调用次数，按一次「第一次」结算；没走到不收，走到了一次一结。
附录三 作废条件与自曝
四条作废条件
一、关于「必须开新科目」。如果三年内出现一家按次数收费的机构，在同向系数上稳定跑赢按「第一次」结算的机构，那么「必须开新科目」这一主张作废——说明旧账本够用，本文的加栏论是假的。
二、关于「产出物不可 token 化」。如果出现一种可批量生产、可交换、可比较的产品形式，能够稳定承载「一个人身上不可撤销的改变」，那么第七章的类型区分（可能态／已发生态）失效，本文的行业边界要重划。
三、关于同向。如果在连续两代基底升级中，某个宣称在本行业内的机构，其客户「第一次」发生率不升反降，而它仍能持续经营，则「同向是这个行业的结构条件」这一主张需要弱化为「同向是优势而非条件」。
四、关于相异度作为防伪读数。如果盲测中，评阅者无法可靠区分「学生自己产出的个人条目」与「AI 按学生画像生成的条目」，那么第十八章那把尺子失效，防伪必须另找办法——而由于本文把防伪整个押在相异度上，这一条被证伪的代价最大。
三处自曝
其一：本文的经验基础薄弱。全文只有两处硬数据来源——AI 责任险的品类（保的是模型性能，不是人的判断担保）与 2-sigma 问题四十年未解。其余全部推理链条建立在日常观察与单一实践者的经历上。一条从「锅里的面煮六分半」推到「新文明形态」的论证链，样本量是不够的。读者应当把本文当作一份待检验的设计，不是一份已验证的结论。
其二：三个核心量具从未真跑过。同向系数、失效撤回数、「第一次」发生率，全是本文自己设计的，一次实测都没有。一个自造量具在被真正跑过之前，与一句漂亮的话没有分别。最该先跑的是同向系数，因为它是这条线唯一能证伪「与 AI 一起成长」这个总命题的数。
其三：本文对「个人知识」的辩护有一处循环风险。本文说个人知识的真值由现实端裁定，而现实端的读数又由本人给出（我的面煮得好不好、我的店是不是更顺）。在结果显而易见的领域（走十米、挣到第一笔钱），这个裁定是硬的；在结果模糊的领域（教得更好、活得更明白），它会滑回信任品。本文划的那条「可判定/不可判定」的边界线，位置是我自己定的，没有独立标准。这一处最该被打。
另外补一处方法论上的自我提示：本文若被用作 SDE 体系自身的辩护，需要注意——SDE 是作者带着几十年具体经历长出来的个人知识，它的成立条件里嵌着计算数学的训练、多年做网格与变分问题的手感、带学生与讲学的现场读数。这些条件学员不具备。因此传给学员的只能是工艺层，条目层只能当范例。体验可以是来源，不能是证据：来源是私人的，证据必须是公共读数——谁用了、成了什么、撤掉之后差别多大。
参照语料截至：2026 年 9 月。新颖有半衰期，本文的分离线在语料继续扩大后需要重查。
通讯：王德生，新加坡德麦国际（Demai International Pte. Ltd.）／SDE Universes。