从理论对象到可运行系统
母文《语感的本质》提出的不是一个现成行业标准，而是一个待验证的构念：据责对位。本篇把它翻译为技术对象、数据字段、计算口径、实施流程和最小试点。技术化的目标不是宣布理论已经被证明，而是让不相信理论的人也能按照同一规则采集材料，并有机会把它推翻。
本方案的观测对象是：一条发生了闭合动作的语言事件，而不是一个人的永久语言能力。最小分析单位是：最小编码单位是一条可独立判真伪或可独立形成关系判定的陈述。这两个口径必须在项目开始前写死。若一边采集一边改变对象，任何漂亮结果都可能只是定义随数据移动。
实施上应坚持三条原则。第一，先影子运行，指标不进入考核、不自动改变人的待遇；第二，原始事件、编码判断和管理决策三层分开保存；第三，任何合成分数都必须晚于对字段缺失、编码一致性和反例的检查。理论创新最容易在技术化时被绩效化吞掉，这三条是最低护栏。
技术应用不是把一个概念做成分数，而是把它做成一条别人能够复查、反驳和停止的程序。
最小数据模型：先记录位置，再讨论原因
建议建立独立的事件表，而不是直接在人员主表上增加标签。事件表回答“这一次发生了什么”，人员表容易滑向“这个人是什么”。字段允许未知值；未知不是零，也不能被默认成健康或异常。
建议字段
- event_id：语言事件编号与版本。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- claim：被闭合的核心关系。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- closer：实际完成闭合的主体或系统。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- evidence_holder：关键材料的持有位置。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- evidence_access：闭合者当时能否合理取得材料。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- closure_level：陈述强度：可能、倾向、确认、普遍。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- handoff：是否把补证责任转给听者。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
- revision：证据不足时是否降格、撤回或悬置。字段应保存采集来源、时间和版本；若由算法推断，必须另存置信度与人工复核状态。
数据模型还要增加三个横向字段：source_type 表示来自日志、观察、访谈还是系统推断；coder 表示谁作出编码；evidence_pointer 指向可复核的原始片段。没有这三项，台账会从“记录互动位置”退化为“记录管理者印象”。敏感数据应采用最短保留期和最小访问权，能用事件匿名码就不保存真实身份。
核心读数及其解释边界
读数至少同时报告分子、分母、缺失项和不可判定项，不能只给百分比。小样本阶段应给出事件清单而不是追求显著性；扩大后再报告置信区间、编码一致率与敏感性分析。若改变未知项的处理方式就能让方向翻转，结论必须标成不稳定。
指标解释遵循“事件—机制—后果”三层。事件层只说某种结构被观察到；机制层需要时间次序或干预证据；后果层需要独立终点。不能从一次高指标直接跳到“这个人会失败”或“这个组织有恶意”。构念的技术价值在于区分，而不是替动机审判。
建议始终保留原有业务指标作为并行对照。新读数若只是换一种方式重复旧绩效，它没有增量；若它与旧指标方向相反，应通过预注册试点检验哪一个更能预测后续，而不是凭理论偏好裁决。最有价值的靶格通常正是旧指标最好看、新读数报警的那一格。
八步实施流程
- 第1步：选定一个具体语料窗口，不以作者名誉代替事件抽样。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第2步：先圈出发生闭合的词：证明、必然、就是、普遍、显然以及隐含的指代完成。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第3步：列出让该闭合成立所需的最小材料，不要求理想世界的全部证据。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第4步：标记材料的真实位置与闭合者可及性，未知就记未知。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第5步：核对听者是否被迫补入没有得到的材料。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第6步：按对位、责任卸载、无据闭合、健康悬置四格编码。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第7步：由第二名编码者复核争议项，并报告一致率。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
- 第8步：只在事件层提出修改：补证、降格、移交闭合或保留未定。 每一步都应指定责任人、完成证据和停止条件；若缺一项，就不得自动进入下一步。
执行时建议采用双轨：业务照常运行，影子台账并行采集。前两周只检查字段能否稳定填写、编码者是否理解一致；不展示部门排名。第三周才比较新旧读数，第四周只选择一个低风险接口做微小改动。大规模改制应等待重复观察，而不是被一次新奇结果推动。
最小技术架构可以分四层：采集层接日志、表单或人工观察；事件层按预注册规则切分单位；分析层计算分子、分母、缺失和时间序列；治理层保存版本、审批、申诉和回滚。每层都应能独立停用。尤其不要把分析模型直接接到奖惩系统，否则被观察者会迅速学习如何制造指标，而理论要看的那件事再次消失。
一份真正能交给团队执行的操作说明
项目启动包至少包含六个文件，而不是只发一张指标定义表。第一份是对象说明，写清楚什么算事件、什么不算；第二份是字段字典，给每个值配正例、反例和未知例；第三份是编码手册，规定时间窗与去重；第四份是试点预注册，写下主终点和失败条件；第五份是伦理与权限表；第六份是回滚方案。六份缺任何一份，技术团队都可能在实现时替理论偷偷补前提。
每次数据流入要经过三个闸门。格式闸门只检查时间、来源和必填结构，不对内容作价值判断；语义闸门由受训编码者判断事件是否满足定义；治理闸门决定该记录能否进入分析、是否需要脱敏或征得额外同意。把三道闸合成一次自动判定，虽然省事，却会让采集错误直接变成人的标签。
输出也应分层。面向研究者，提供逐事件记录、缺失率、分歧与敏感性分析；面向现场团队，只提供可以改变流程的位置和对应证据；面向管理者，提供总体趋势、成本与风险，不提供个人排行榜；面向当事人，提供与自己有关的记录、解释和更正入口。不同读者看到不同的最小必要信息，才能兼顾可复查与隐私。
上线前做一次“敌意演练”：请一位不接受该理论的人按照手册编码同一批事件，并要求他主动寻找能让结论翻转的案例。如果系统只能在相信理论的人手里工作，它仍然是学派语言，不是技术。敌意演练发现的问题必须进入版本日志，不能只在会议上口头消化。
三个可落地试点
试点 1 · 科研摘要审计
设计：抽取一百条摘要结论，对照方法与样本，比较标题、摘要、正文三层的闭合强度。 先用一至两个自然周期，保留现行流程作为基线，并在开始前写下理论若错会出现什么。
观察：错位率下降且信息长度不显著增加，说明可以用责任位置而非堆字改善可信度。 除主要终点外，同时记录工作量、等待、退出与意外副作用，避免把成本转移到不在场的人。
限制：不能把跨学科审稿人的不熟悉误记为作者无证据。 若限制条件无法满足，试点应暂停，而不是通过缩小记录范围让结果变得好看。
判决方式：先看事件结构是否按预测变化，再看后续终点是否变化。只有第一层变化而后果不变，说明概念可以描述现场但机制主张过强；两层都不变，则应退回字段定义或放弃该应用。
试点 2 · 课堂反馈改造
设计：记录教师掌握评分标准、学生却被要求“自己悟”的时刻，并在反馈中公开判据位置。 先用一至两个自然周期，保留现行流程作为基线，并在开始前写下理论若错会出现什么。
观察：观察学生追问质量、返工次数与首次独立判断是否同时改善。 除主要终点外，同时记录工作量、等待、退出与意外副作用，避免把成本转移到不在场的人。
限制：公开判据不等于泄露答案，必须保留需要学生生成的那一段。 若限制条件无法满足，试点应暂停，而不是通过缩小记录范围让结果变得好看。
判决方式：先看事件结构是否按预测变化，再看后续终点是否变化。只有第一层变化而后果不变，说明概念可以描述现场但机制主张过强；两层都不变，则应退回字段定义或放弃该应用。
试点 3 · AI回答门控
设计：让模型在输出前声明证据来自检索、用户材料、计算还是模型记忆，并据此限制闭合级别。 先用一至两个自然周期，保留现行流程作为基线，并在开始前写下理论若错会出现什么。
观察：监测高置信错误、无来源肯定句和人工复核成本。 除主要终点外，同时记录工作量、等待、退出与意外副作用，避免把成本转移到不在场的人。
限制：不得把“模型说不确定”本身当作安全证明。 若限制条件无法满足，试点应暂停，而不是通过缩小记录范围让结果变得好看。
判决方式：先看事件结构是否按预测变化，再看后续终点是否变化。只有第一层变化而后果不变，说明概念可以描述现场但机制主张过强；两层都不变，则应退回字段定义或放弃该应用。
质量控制、反例与证伪
每个试点至少安排百分之十到二十的双人独立编码。争议不能只靠开会统一口径，应保留原始分歧并计算一致率。若一致率持续偏低，说明构念还没有达到技术化程度；此时最诚实的成果不是一个分数，而是一张“哪些事件无法判定”的清单。
证伪优先于扩张。事前写下三类失败：第一，核心字段无法由不了解理论的人稳定编码；第二，新读数不能区分母文声称不同的两类事件；第三，调整新读数后，预言的后续差异不出现。出现任何一类，都要按事先规则降格：从因果机制退为描述分类，或从通用理论退为局部现象。
还要主动寻找反向案例：指标很高但系统后续健康，或指标很低但后续失败。不要把它们叫噪声；逐例检查是否暴露第三变量、错误时间窗、错误分母或适用域。真正成熟的技术规范往往由这些失败案例写成，而不是由成功案例写成。
治理与伦理红线
- 不得用该读数判定个人品格或给学生贴标签。
- 医疗、法律、金融结论必须由专业规范优先，台账只是附加审计。
- 未知位置必须保留为未知，不得为了得到漂亮比率强行编码。
- 不能把所有语言改造成冗长报告，表达成本也是系统成本。
- 闭合责任的最终归属必须由真实组织权限确认，不能由算法擅自指定。
在治理上，建议设立“不可自动化决定清单”：哪些新读数只能用于研究、哪些可以触发人工复核、哪些在独立验证前绝不能改变资源与权利。任何被指标影响的人都应能知道记录了什么、为什么这样编码、如何请求更正。技术团队不能因为模型准确率高就取得本来属于教育、医疗、法律或组织治理者的决定权。
隐私遵循目的限制。只为验证事件结构，就不要顺手收集完整身份、聊天历史和心理画像；只需汇总，就不要保存原始内容。数据删除、访问日志和安全事件响应应先于正式采集上线。涉及儿童、患者、员工等权力不对等群体时，必须增加独立伦理审查。
四周最小落地计划
第一周：定义。确定对象、单位、观察窗、字段、未知值和三条失败条件；选择十至三十个历史事件做盲编码，不改任何流程。目标是发现定义漏洞，不是得到分数。
第二周：影子采集。在真实运行中并行记录，培训两名编码者，检查漏记、时间戳和一致率。向现场人员说明指标不进入考核，允许退出非必要观察。
第三周：微干预。只改变一个低风险位置，例如后置模板、增加一次重算、开放一个自留区或保留一个中间体。其余条件尽量不变，并记录成本转移。
第四周：裁决。按预注册终点复盘支持、不支持和不可判定三类结果；公开不利结果，决定继续、改窄或停止。若继续，下一阶段才讨论自动采集与系统集成。
结语：应用的终点不是上线一个分数
据责对位一旦进入系统，就会反过来改变人们的行为。最危险的情形，是组织开始追求漂亮的新指标，结果把理论原本要揭示的互动再次格式化。因此，成功标准不是“全员使用”，而是三件更朴素的事：以前混在一起的两类事件能被稳定分开；分开后出现可检验的不同后果；指标被用坏时有明确的停用、申诉和回滚路径。
这套方案可以直接支持小规模试点，但仍然是研究与设计框架，不是经过多机构验证的行业标准。它应当和母文的证据边界一起被引用。任何超出边界的应用，都必须重新建立自己的文献、伦理和实证基础。