重读《认知机器》：约束不是可选项，是必选项

第一次读 Alan Walker 的《认知机器》，我把它当成"AI 时代设计系统的生存指南"来读。P2 "规则可编码即在射程内"让我确信：设计规范可以写成 YAML，进入 AI 的射程。P4 "模型是发动机，Harness 是变速箱"让我确信：把设计规范写成代码格式（Schema-As-Code）就是界面层的 Harness，在模型和界面之间做转换。四步判断循环（找场景→识别位置→推命运→给框架）对应我的四个环节（看组件→找原因→写规矩→做测试）。

当时我觉得读懂了。但现在回头看，我只读到了第一层。

1. 认知跃迁：两件事

第一件事，是我对 LLM 漂移的理解变了。

以前我觉得，AI 把"Critical"写成"严重"、把删除按钮做成蓝色，是 prompt 没写好，是工程问题，可以优化。后来我花了两个月扫了八类 AI 界面生成工具，诊断了 ChatGPT、Perplexity、Claude 和国内产品的具体症状，才发现：这不是某个工具的 bug，是 LLM 的内禀属性。

概率采样机制决定了 AI 天生就会"变着花样说"——同一个 prompt，今天给红色，明天可能给蓝色，后天觉得"严重"和"Critical"差不多。这不是工程缺陷，是生成机制的底色。就像重力，你不能消除它，只能设计能容忍它的系统。

第二件事，是阶段二的思考。

阶段一的模式库（Semantic Pattern Library）解决的是"认知问题"——让人知道"这是什么问题"。但知道了 ERR-001 是"错误状态后果差异未分级"，前端可能还是不知道"删除按钮必须是红色空心"。从"知识"到"行动"，需要一个"约束"机制。

约束的本质是：不需要理解为什么，只需要遵守规则。约束是知识转化为行动的最小闭环。没有约束，模式库只是"好看的文档"。有了约束，模式库变成了"可执行的系统"。

这两件事合起来，让我经历了第二次认知跃迁：从"把设计规范写成代码格式（Schema-As-Code） 是一个工具"到"Constraint as Code 是一种约束哲学"。

2. 现在怎么读《认知机器》

规则可编码 → 约束即代码

原来我读到的第一层： "规则可编码即在射程内"意味着设计规范可以写成 YAML，被 AI 消费。设计意图进入了 AI 的射程，可以被生成、被转换、被实现。

现在理解更深的一层： "可编码"只是可能性，"约束即代码"是强制性。一旦规则被写成代码格式的契约，AI 不是"可以参考"，而是"必须遵守，不遵守就阻断"。

区别在哪？

• 把设计规范写成代码格式（Schema-As-Code）（第一层）：把设计规范写成 YAML，让 AI"知道"规则。
• 约束即代码（Constraint as Code）（第二层）：把设计规范写成 YAML，让机器"执行"规则——语法推演保结构、语义推演保意图、安全推演保边界、美感推演保体验。不满足就阻断，不进入用户视野。

第一层是"知识传递"，第二层是"行动控制"。

Harness 做转换 → 约束基建做控制

原来我读到的第一层： "模型是发动机，Harness 是变速箱"。把设计规范写成代码格式（Schema-As-Code） 是界面层的 Harness，在模型（发动机）和界面（轮子）之间做转换——把设计意图翻译成代码、把语义令牌映射成视觉样式。

现在理解更深的一层：约束即代码（Constraint as Code） 不是做转换，是做控制。不是"让模型生成的界面更好看"，而是"让模型生成的界面不能越过语义边界"。

Harness 是变速箱，控制的是"速度"和"方向"。约束基建是刹车+油门限制，控制的是"不能越过红线"。

• Harness（第一层）：模型生成一个删除按钮，Harness 把它转成红色、加上圆角、匹配组件库。
• 约束基建（第二层）：模型生成一个删除按钮，先过四级推演——如果是高危操作，必须是红色空心、必须有二次确认、文案必须说"不可恢复"。不满足，阻断，不渲染。

第一层是"怎么生成"，第二层是"什么不能生成"。

生产权和评价权分开 → 机器评价权

原来我读到的第一层： "生产权和评价权必须分开"讲的是组织层面的分工——设计师生产界面，走查人员评价界面，不能既是运动员又是裁判员。

现在理解更深的一层： 四层推演引擎（语法/语义/安全/美感）就是"机器评价权"。

人不再既是生产者又是评价者。人专注于定义约束规则（写 YAML），机器负责执行评价（跑推演）。

• 人的生产权：定义"错误状态必须分四级""高危操作必须二次确认"
• 机器的评价权：自动检查 AI 生成的界面是否符合约束——语法结构完整吗？语义令牌匹配吗？安全边界突破了吗？美感体验合规吗？

不满足就阻断，不需要人眼走查。一个产品 500 个页面，人工走查 100 个就累了，机器走查 500 个，覆盖率 100%。

第一层是"人分工"，第二层是"机器接管评价"。

3. 结论

Alan Walker 讲的是"怎么判断 AI 时代的命运"（四步判断循环）。

我讲的是"怎么在 AI 时代守住边界"（Constraint as Code）。

两者合起来：判断命运 + 守住边界 = 完整的 AI 治理。

原来我读《认知机器》，是为了找理论背书。现在重读，是为了给 Constraint as Code 找认知锚点。

约束不是可选项，是必选项——因为 LLM 的漂移是它的内禀属性，不是 bug。