这套方法做什么、不做什么
执行之前先扔掉一个判据：这节课／这次培训／这次陪伴做得好不好。替身比真的更整齐——它是照着“看起来像”的标准做出来的，所以它在任何一张评价表上都会得高分。环节齐、举手多、讨论热烈、收尾干净，这些不是伪装，是它被设计出来要达成的目标，而它确实达成了。所以“做得好”不能作为证据，“做得不好”也不能。一节乱糟糟的课可能是真的，也可能只是没组织好。唯一还能用的判据是关于余数的： 这件事结束之后，有没有剩下一点装不进任何一栏的东西？一件真的发生过的事一定有余数——一个没解决的问题、一个跑偏的讨论、一句谁也没接住的话。因为它不是照着框做的，所以总会溢出框。一个像是没有余数的：每一分钟都对应图纸上的一格，收尾干净，不剩东西。
这套方法处理的是一个窄问题：如何把‘评价系统会把可展示、可复制、可验收的学习外观做得越来越精致，最终让‘像学习的产物’占据学习本身的位置’变成可以观察和复盘的行动。它不负责证明母文永远正确，不承诺效果，也不把一次练习变成新绩效。最小动作只有一句话：先保留原来的做法，再增加一条能让关键差异被看见的低风险通道。
先定位：问题究竟卡在哪一环
收尾越干净，越值得留意。不需要专业训练，任何人听完一节课、开完一次会、陪完一次孩子都能查。问：“今天有什么是没算进计划里的？”要求答出一个具体的事——不是“氛围不错”，是“某个学生说了一句我没接住的话”。答“一切都按计划进行” → 这句话本身就是答案。问：“换一个班／换一批人，这一套还灵吗？” 照样灵 → 它靠的是流程。流程能处理的，多半不是最要紧的那件事，因为最要紧的那件事天然不可复制。换了就不灵 → 它靠的是此刻这一屋子人的状态。迹象三 · 执行者有没有被改变。问执行的那个人：“今天有没有哪一下让你愣住？或者哪个地方你自己也没想清楚？没有，他是完整走出来的 → 他执行了流程，流程按预期完成，他没有多也没有少。三条里命中两条为“像”，就可以判定。注意这不是判定失败——一个像会通过所有检查，而且会被表扬。判定的用处只是让你知道自己手上是什么。
定位只看可见行为，不问‘我是不是已经理解’。先分辨卡点发生在感知、命名、比较、判断还是决定：有没有原始信号，能不能用自己的话说出，能否同时保留两个版本，谁拥有最后裁决，行动后由谁承担。卡点不同，动作不能通用。
边界先行：只在安全范围内行动
如果你在设计评价、检查、考核（教研组长、督导、培训负责人、教育行政），这道工序影响最大，因为那张图纸多半是评价方递下去的。逐步看能松哪一格。第一步（给图纸）能松的：把“应当是”改成“不应当是”。图纸列出应当有哪些环节，必然产出对应的表演。改成列出底线（不许照本宣科读一节课、不许全程无人发言），下限一样被守住，而上面的空间不再被规定形状。第二步（照执行）能松的：不要求同步。很多图纸的杀伤力来自“每周同一进度、同一环节”。允许不同班级在不同位置上，是成本最低、效果最直接的一次松绑。第三步（认证）能松的，也是最要紧的：认证时留一栏不打分的自由陈述。要求填，但明确不计入任何分数，且指定一个真会读它的人。这一栏是余数唯一能进入系统的入口。一条硬提醒：三步只能松一步，别一次全松。全松会让下限塌掉，而下限对最弱势的那批人最要紧——这是母文专门承认过的。
先定适用范围：只在低风险、可逆、能复原的场景里试。不能把检验变成新的公开课竞赛，也不能拿它要求教师或学生证明自己‘真实’；抽样应低风险且去绩效化。这套方法不能越过专业责任、法定程序和他人的退出权。
工序二：给评价方——三步工序各在哪里能松一格
先松第三步，它风险最小、收益最直接。这是母文给的唯一方向，落地时最容易被做成又一格，所以规格要严。它的定义很窄：让“我们今天卡住了，没解决”成为一个可以被写进记录、不被扣分的正当状态。四条规格：一、必须能被写下来。不是允许老师私下放慢，是记录里真的有一栏可以填“本节未解决”。私下的放慢不算——它无法被继承，也无法保护下一个人。二、不扣分，也不加分。加分同样致命——一旦“留白”能加分，人会去凑留白。三、不要求后续交代。填了“未解决”，不必在下次说明后来怎么解决的。要求交代等于把它变成了一个延期的任务。比如一个学期最多填四次。上限不是为了限制，是为了防止它变成万能挡箭牌——一个每节课都写“未解决”的老师，需要的是另一种帮助。判据：这一栏起作用的标志，是它偶尔会被填，而且填的内容让读的人有点不舒服。如果它一学期一次也没被填，说明大家不相信“不扣分”这句话；如果每次都填得很体面，说明它已经变成了一格。不需要任何审批，也不需要制度配合。第一，留一节不被看的课。每周一节，不录像、不写详案、不设展示环节。它的价值不在于这一节能上出什么，在于它是唯一一处不被那张图纸组织的时间。
工序四：一位老师自己能做的三件事
如果有人问起，答“常规课”即可。第二，让一次沉默走完。问题问出去，全班安静下来的时候，忍住不去填。多数人撑不过八秒——八秒之后会本能地改问法、给提示、点名。可行的做法是心里默数到二十。撑过去，那段时间里可能什么也不发生。但只有在这里，才有发生的可能。第三，别急着给“不知道”补答案。下课时那个没解决的问题，可以就那么留着。“我们今天没弄明白”是一个完整的句子，它不需要被补全。三件的共同点：都不产出任何可以被检查的东西，也都不会被表扬。这正是它们还没被图纸覆盖的原因，也是它们最容易在两个月内自动停止的原因。建议一次只做一件，做一个学期。母文里那位老师的四个阶段——抵触、代偿、见效、内化——是这套东西最难自查的部分，因为内化之后，你会有充分的理由。三个信号：一、你开始教新人这套做法，而且教得很熟练。熟练本身不是问题，值得注意的是你有没有同时告诉他这套做法处理不了什么。只教做法不教边界，是内化完成的标志。二、你在教研会上会反驳质疑它的人。
工序五：识别自己有没有变成捍卫者
反驳的理由通常很有力：你见过没有图纸的年代，见过它把一个乱班带上来，你自己就是靠它站住脚的。这些理由都成立——替身正是靠真实收益活着的。三、你想不起来自己曾经抵触过什么。第一阶段的那些不适，具体是什么？如果完全想不起来，说明内化已经彻底。自查方法：去翻自己五年前的东西——旧教案、旧笔记、旧的抱怨。看那时候你觉得别扭的地方是什么，现在还别扭吗？如果一处也不别扭了，不一定是你成熟了。也可能是那些别扭的地方，已经从你的视野里消失了。真的：有余数（至少一件没算进计划的事）；执行者带着点什么下课；过程里有一段不好看。半像：有余数，但余数已经被处理进某个既定分类（“这属于生成性资源”）；换一批人还灵一半。执行者完整走出来。注意“没有余数”不等于做得差。恰恰相反，它通常意味着这次执行非常成功。判据只回答一件事：这里发生的是那件事本身，还是那件事的像。用途：对自己用，用来知道；对别人用，只用来提问（问余数、问改变），不用来定性。
判据二：这项改革会不会造出新一轮替身
给设计者用，五条，命中三条以上会。它给出了“应当是”的具体形态（应有哪些环节、每步多少分钟）。它要求所有单位同步执行。它的效果检查只能看图纸上有的项。它的名字听起来是普遍的好东西（探究、合作、素养、创新）。它没有任何一处允许“没做到”而不被扣分。第四条最容易被忽略：越是好听的改革，越难被质疑，因此越容易被彻底执行成形式——因为反对它的人会显得反对那个好东西本身。第五条是最关键的一条：一个不允许任何位置为空的系统，一定会被填满，而填进去的必然是能被填的东西。两者常被混，但处理方向不同。应试：目标明确是考试成绩；教的内容围绕考点；师生都知道自己在做什么。它是诚实的，处理办法是改考试。替身：目标常常是反应试的（探究、素养、合作）；产出的却同样是形式。它不诚实，不是因为有人在骗，而是因为没有人意识到自己在造像。分辨的问法：这套要求如果没有检查，还会有人做吗？会（因为要考试）→ 应试逻辑。不会，而且没人说得清做它到底为了什么 → 替身。
判据三：这是替身，还是应试
这个分辨在改革设计里很要紧：对一个替身问题开出“改考试”的药方，不会有任何效果——因为它本来就不是被考试驱动的。失败一：设计一个更好的图纸。发现现有图纸有问题，于是画一张更灵活、更开放、更尊重个性的。只要它还是一张要被检查的图纸，那三步会重走一遍——更好的图纸产出更好的替身。拆解：这套东西的所有有效动作都是减法。失败二：把“留白”写进图纸。“每节课应留出五分钟自由探究时间。拆解：要留的不是时间，是“这段时间不被检查”这个属性。失败三：用它去否定一线老师。“你这节课全是替身。”这句话零成本、伤害大，而且不对——替身是制度造的，不是老师造的，而且做出精致替身的往往是最尽责的老师。拆解：对别人只提问（问余数、问改变），不定性。失败四：一次松三步。同时取消图纸、取消同步、取消检查。下限会塌，而下限对最弱势的孩子最要紧。拆解：只松第三步（认证留一栏不打分的自由陈述），观察一年。失败五：给“不知道”那一栏设加分。为了鼓励大家敢写，给填的人加分。
五种失败模式
一个学期内会出现大量精心设计的“未解决”。拆解：不扣分也不加分，且有次数上限。背景：全组按统一模板备课上课，评课表十二项，近三年没有出现过“不合格”的课。工序一查三迹象：随机问五位老师“最近一节课有什么是没算进计划里的”——四位答“都按计划走完了”，一位答出了一件具体的事。工序二松一格：不动图纸，不动同步，只改认证。评课表末尾加一栏“本节课我没弄明白的事”，明确不计分，指定由教研组长本人读，不转发、不汇总、不作为任何依据。头两个月：十二份评课表里，这一栏有九份是空的，三份写的是套话。这是正常的——大家不相信“不计分”这句话。第四个月：出现了第一条具体的：某位老师写“我不知道为什么这个班一到讨论环节就特别沉默，我试了三种办法都不行”。处理：组长没有给建议，也没有把它变成一个课题。他只做了一件事——在下次教研会上念了这一条，然后问“还有谁遇到过”。当场有四个人举手。这四只手，是这一年里这个教研组唯一没有被图纸组织起来的时刻。
演练二：一位家长
背景：认真学过“高质量陪伴”的全套要求，每晚执行半小时：放下手机、蹲下平视、开放式提问、情绪命名。孩子配合，但她自己觉得“像在完成任务”。工序一自查：余数——半小时里没有任何没算进计划的事；可复制性——这套流程换个孩子照样能走；被改变——她每次都是完整走出来的。动作：不取消那半小时（取消会让她焦虑，而且孩子已经习惯了），只加一条：这半小时里，不主动发起任何一个问题。孩子说什么就接什么，孩子不说就一起待着。头三次：非常难受，有两次她忍不住用了“今天在学校怎么样”开场。第五次：孩子讲了一件跟学校完全无关的事，讲了二十分钟，讲的是一个她完全不感兴趣的游戏。她走神了，孩子发现了，有点扫兴。按判据一，这一次是真的：有余数（她走神了，这不在计划里）、不可复制（换个孩子不会是这个游戏）、她被改变了一点（她第一次知道那个游戏对孩子意味着什么）。它在任何一份“高质量陪伴”清单上都不合格。一、今天有什么是没算进计划里的？说得出一件具体的吗？
一页纸随身卡
二、这一套换一批人还灵吗？三、我自己有没有被改变一点？哪一下让我愣住了？四、这里面有没有一段是不能被展示、不能被打分的？五、我们的记录里，有没有一栏可以写“没解决”而不被扣分？六、那一栏这学期被填过吗？填的内容让人不舒服吗？七、这项要求如果没有检查，还会有人做吗？八、我最近一次让一段沉默走完，是什么时候？九、我教新人这套做法时，有没有同时告诉他它处理不了什么？十、翻一下五年前的笔记：那时候我觉得别扭的地方，现在还别扭吗？第一条是最快的判据；第十条是最难的自查——一处也不别扭了，不一定是成熟了，也可能是那些地方已经从视野里消失了。它不主张取消标准。图纸抬高了下限，而下限对最弱势的那批人最要紧——这是母文自己承认并认真对待的反驳。要动的不是有没有标准，是标准密到不留任何缝隙。它不适用于底线场合。安全、伦理、资质、不许体罚——这些地方要的恰恰是明确的图纸和严格的检查，而且不该留任何“不知道”的空间。它不能被用来考核。
边界：这套东西管不了什么
任何把“真实性”“有余数”“留白”变成考核项的做法，会在一个学期内产出精心设计的余数。最后一条：这套检查法自己会变成图纸。“查余数”“三个迹象”“给不知道留位置”——这几句话一旦被写进培训材料、变成听评课的必查项，它们就是新一格。唯一的防线是保持它的非正式：口头用、私下用、用完不留材料，而且永远只用来提问，不用来打分。个人练习先选最近七天里重复出现的一次，不挑最严重事件。写下当时谁先开口、依据是什么、最后由谁决定，再安排一个只改顺序不改目标的小试验。完成后只比较两次现场，不给参与者贴标签。家庭或团队使用时，由流程负责人先约定退出权。任何人都可以说暂停，不需要解释原因；记录只写行为和条件，不写‘不成熟’‘依赖’等人格判断。涉及别人的建议不能反过来成为要求对方配合的规章。制度层面先做一处抽样，不全域推广。保留旧流程作为对照，明确试验何时结束、谁能宣布失败、失败后怎样恢复。只有观察到稳定变化，才讨论扩大范围；没有变化就停止，而不是增加培训次数。
读数、采集办法与代价
复盘时必须放入一个阴性案例：找一位处在相似条件下却没有出现预期变化的人。比较他保留了什么动作、资源或关系，不把差异解释成人格优劣。阴性案例若持续增多，就缩小方法范围。成本记录只写新增时间、沟通次数和中断影响，不写空泛感受。一次试验若为了收集证据占用了过多正常工作，就已经改变了被观察对象，应立即降频，并把这项干扰计入结果。对照不必追求实验室式完美，只要保证目标相同而顺序不同。例如一次沿用原流程，另一次只延后关键提示；两次都记录现场条件。
读数采用三类：过程读数看动作有没有真实发生，结果读数看能力或关系有没有变化，反作用读数看方法是否制造新负担。本篇最关键的观察量是：离开提示后的迁移表现、学生提出新问题的数量、无人观摩时课堂行为是否保持，以及展示产物与陌生任务能力的相关性。采集只做短周期抽样，用纸面或简短备忘记录，不做每日排名，不把它变成新的打卡项目。代价也要记：练习会降低速度、增加暂时不确定，并可能让旧流程显得不够整齐。
什么时候应该停，什么时候说明理论可能不对
若同时改了人员、任务和奖励，结果就不能归到这套方法上。负责人每轮只回答三个问题：原动作有没有发生，预期差异有没有出现，新负担有没有超过收益。三问中任何一问没有证据，就不扩大范围。用‘大家反映不错’代替观察量，等于让方法躲过检验。结束时要把决定写清：继续、缩小、暂停或撤回，只选四者之一，并注明依据。不要用‘持续优化’拖延判断；那会把一次有终点的试验变成永久工程，也会使没有效果被误读成还需投入。
停手线是：动作引起持续焦虑、关系控制、风险上升、工作明显失序，或参与者开始为了交记录而表演。一旦出现，就恢复原流程，保留已经采到的材料，不靠加码挽救方法。安全边界以前文第三节为准；收尾不重新加码，只检查是否已经触线。
理论也要接受撤回：如果足够长的低风险观察显示，样板表现的提升始终同步带来陌生任务迁移和独立判断，撤掉展示要求反而使真实学习下降，这套推论就没有得到支持。此时应收回机制判断，只保留确实有效的局部动作。