只有結(jié)構(gòu)知識在AI時代能夠被稱之為“學(xué)科”

言一社（推特博主）：當(dāng)你想拿某個大牛教授的論文為你背書，或者反駁某觀點時：你需要審視下，這個論文的基礎(chǔ)，甚至這個學(xué)科，是否真的還立的住。為你背書的是教授的權(quán)威，還是教授的理論本身？ 舉個例子，經(jīng)濟學(xué)（大家都懂點），這門學(xué)科的根基在70年前（西蒙的有限理性）就開始逐漸松動，并不是AI到來才發(fā)生。經(jīng)濟學(xué)本質(zhì)是研究稀缺性的，建立在很多基本假設(shè)之上（比如理性人假設(shè)），發(fā)展出一些實用的模型比如微觀經(jīng)濟學(xué)的供需關(guān)系，效用，機會成本，宏觀經(jīng)濟學(xué)的周期等等。AI幾乎重構(gòu)（說摧毀有點夸張）了經(jīng)濟學(xué)理論的基本假設(shè)（自行LLM解碼）。經(jīng)濟學(xué)自己是立不住的，只能向靠山政治學(xué)（政治經(jīng)濟學(xué)）靠攏。如果經(jīng)濟學(xué)立不住，那衍生學(xué)科（比如金融）如何立得住。你拿個金融學(xué)（詐騙學(xué)）頂級期刊的高引用論文，看起來很牛逼，但有沒有用 你感受下。

什么是結(jié)構(gòu)知識：只有結(jié)構(gòu)知識在AI時代能夠被稱之為“學(xué)科”

言一社這篇帖子我收藏在書簽里很久了，反復(fù)想了好幾次，今天終于還是決定寫一篇聲援支持的回應(yīng)。說實話，也許會得罪不少人，但到了這個年紀(jì)，真沒那么在乎了。如果連自己真心認(rèn)同的話都不敢講，那當(dāng)初跑來中文推特追求“言論自由”是為了什么？

如果你在15到20年前在海淀的985待過，你一定記得，那時計算機還沒成為“黃金專業(yè)”。經(jīng)管類、人文社科類才是熱門，尤其是在985體系里，學(xué)生水平普遍很高，畢業(yè)后大多準(zhǔn)備出國深造，MBA、國際貿(mào)易之類是常見出路。這些年來，我身邊做經(jīng)管方向高校教師的朋友也不少。說我是門外漢實在是不了解情況，那你不妨先看看我后面推文的論證再下結(jié)論。

旁氏學(xué)科，學(xué)科內(nèi)耗型循環(huán)

關(guān)鍵是，這些高校教師（尤其是男性，已經(jīng)有人生的沉淀了）自己心里其實也清楚，很多所謂的“專業(yè)知識”早就已經(jīng)進入事實上的“旁氏循環(huán)”——理論空轉(zhuǎn)（不再面向真實問題、現(xiàn)實需求或跨系統(tǒng)遷移，而是聚焦“理論內(nèi)部爭議”。）、模型無用（評價內(nèi)化：學(xué)科內(nèi)的“被引用數(shù)”“會議地位”“理論優(yōu)雅度”成了評判標(biāo)準(zhǔn)，而不是可執(zhí)行性或反饋力。），只靠彼此引用（引用循環(huán)：A 教授引用 B 教授、B 引用 C、C 再引用 A；論文引用率高但現(xiàn)實影響力低。）維持表面熱度。只是他們身在其中，全家的飯碗系于此身，不敢說、不便說。而我們這些沒有教職、沒有依附系統(tǒng)的小蝦米，沒什么好怕的。看到問題，說出來，就是我的自由。

這些所謂“專業(yè)”，其實已經(jīng)變成了典型的旁氏學(xué)科，陷入嚴(yán)重的結(jié)構(gòu)內(nèi)耗型循環(huán)：理論只在學(xué)科內(nèi)部互相引用、彼此自洽，卻無法被調(diào)度、無法被驗證，更無力回應(yīng)真實世界的問題結(jié)構(gòu)。講得越來越多，能做的越來越少——那還算哪門子的知識體系呢？

自從有了AI之后，很多人可能注意到我?guī)缀跏莂ll in了這個領(lǐng)域，過去幾年和模型的交互時間累計已經(jīng)上萬小時。我可以很負(fù)責(zé)任地說：我們完全有能力把“哪些學(xué)科結(jié)構(gòu)還站得住”這件事推演清楚。為了公平起見，我不會一棒子打死所有學(xué)科，而是會逐一剖析它們的結(jié)構(gòu)機制。雖然我們這些小蝦米人微言輕，但好在，我們不是第一個提出這些問題的人。很多前輩、學(xué)術(shù)大牛早就發(fā)過聲、寫過書、指出問題。你需要做的不是盲信誰，而是認(rèn)真聽聽有沒有道理，然后自己做判斷。如果你聽完仍覺得我在胡扯，那就祝你繼續(xù)享受那些經(jīng)管專業(yè)和人文社科的“專業(yè)教育”，并努力去找一份好工作。

• 管理學(xué)：敘事型學(xué)科

我們從“首當(dāng)其沖”的管理學(xué)說起。管理學(xué)是結(jié)構(gòu)失效風(fēng)險最高的學(xué)科之一。首先，它的大量理論是典型的事后歸納，比如藍海戰(zhàn)略、五種領(lǐng)導(dǎo)風(fēng)格、戰(zhàn)略金字塔等等，都是圍繞成功企業(yè)“復(fù)盤”出來的總結(jié)，不具備任何結(jié)構(gòu)預(yù)測力。其次，幾乎沒有嚴(yán)格的驗證機制：一套模型放到不同企業(yè)里，結(jié)果差異巨大，實驗難以復(fù)現(xiàn)。更嚴(yán)重的是，許多所謂的“結(jié)構(gòu)”在圖解上看似完整，但實際根本不可遷移，不可調(diào)度，不可觸發(fā)行為，只能做“咨詢裝飾品”或者MBA課堂的教學(xué)工具。SWOT分析、波士頓矩陣、流程飛輪等廣泛傳播的“管理工具”本質(zhì)上更像是認(rèn)知記憶裝置，而不是壓縮性的結(jié)構(gòu)路徑模型——也就是說，講得漂亮，但干不了活。

斯坦福的管理學(xué)教授 Henry Mintzberg 在《Managers Not MBAs》中早已提出尖銳批評：傳統(tǒng)MBA教育教的是假設(shè)世界，而不是系統(tǒng)結(jié)構(gòu)；教的是圖而不是路徑。正如他所說：“Conventional MBA programs train the wrong people in the wrong ways with the wrong consequences。” 整個管理學(xué)體系最根本的結(jié)構(gòu)困境。

當(dāng)然，管理學(xué)也不是全無可用之處，真正進入系統(tǒng)流程、完成結(jié)構(gòu)閉環(huán)的部分是有的，比如豐田系的“精益生產(chǎn)（Lean）”，在多個國家、多個產(chǎn)業(yè)中反復(fù)驗證成功；再比如OKR/KPI體系，它們具備目標(biāo)壓縮、行為路徑與反饋回路，已被不少企業(yè)長期使用；行為經(jīng)濟學(xué)和管理實驗室引入了AB測試、數(shù)據(jù)反饋和實驗結(jié)構(gòu)；供應(yīng)鏈建模、庫存控制等更是與運籌學(xué)和系統(tǒng)工程緊密連接，有成熟的建模和演化機制。

結(jié)構(gòu)型知識

你會發(fā)現(xiàn)，那些仍然“活著”的管理理論有兩個共同特征：第一，它們是結(jié)構(gòu)化的執(zhí)行路徑，而不是故事總結(jié)；第二，它們具有閉環(huán)反饋機制，可以調(diào)優(yōu)、可以遷移。而絕大多數(shù)管理學(xué)內(nèi)容，只不過是以“成功企業(yè)總結(jié)”之名包裝出的“偽結(jié)構(gòu)”，活在教材里、PPT里。這就是所謂“事后諸葛亮，講故事專用”的學(xué)科宿命。結(jié)構(gòu)，必須能干活，才配叫知識。

當(dāng)然，財務(wù)會計類知識也是值得學(xué)的。其實你已經(jīng)發(fā)現(xiàn)了，值得學(xué)的知識，很多“市場在買單”。很多學(xué)管理的人最后轉(zhuǎn)財務(wù)了。市場雖不是萬能的，但是起碼給了一些反饋信號。

• 金融學(xué)：有這個腦子學(xué)金融數(shù)學(xué)的全部給我去學(xué)計算機，不信你去問梁文峰

金融學(xué)是典型的“數(shù)學(xué)感極強、結(jié)構(gòu)穩(wěn)定感極弱”的學(xué)科，結(jié)構(gòu)失效風(fēng)險非常高。乍一看，金融學(xué)充滿了公式、模型、定理，仿佛是數(shù)理邏輯的高地；但深入一看，它的整個學(xué)科體系高度依賴一系列理想化假設(shè)：比如“理性人”“信息對稱”“市場均衡”“風(fēng)險可測”等等。從有效市場假說（EMH）到資本資產(chǎn)定價模型（CAPM），這些經(jīng)典理論幾乎都建立在“世界是有序的”“人是冷靜的”“概率是可知的”前提上。問題是，現(xiàn)實中的市場不僅高噪聲、非理性，還時常被算法操控、疊加非線性博弈，一不小心就成了金融黑天鵝的孵化場。

很多金融模型在事后看似解釋力十足，但事前預(yù)測幾乎毫無作用。2008年金融危機之前，大部分宏觀與風(fēng)險模型都“安然無恙”；直到系統(tǒng)崩潰，大家才開始爭相解釋。這種無法閉環(huán)驗證的結(jié)構(gòu)模型，本質(zhì)上不是系統(tǒng)模型，而是統(tǒng)計幻覺。一旦極端事件發(fā)生，理論結(jié)構(gòu)完全無法應(yīng)對或修復(fù)，只能甩鍋給“外部沖擊”，而不是承認(rèn)是結(jié)構(gòu)錯誤。

從結(jié)構(gòu)六維角度來看，金融學(xué)的問題相當(dāng)系統(tǒng)化：

* 在目標(biāo)層面，它常以“解釋經(jīng)濟現(xiàn)象”為目標(biāo)，卻在關(guān)鍵節(jié)點無法預(yù)測；

*在調(diào)度層面，許多主流模型（如DSGE）在真實政策或企業(yè)操作中無法直接部署；

*在閉環(huán)層面，結(jié)構(gòu)缺乏真實反饋修正機制，常陷入“解釋-失效-再解釋”的內(nèi)循環(huán)。

最有代表性的批判者是 Nassim Nicholas Taleb。他在《黑天鵝》《反脆弱》等作品中反復(fù)指出，金融學(xué)所依賴的正態(tài)分布、風(fēng)險可控等假設(shè)在現(xiàn)實中根本不成立。極端事件遠比理論允許的頻率高得多，而這些理論卻不斷將復(fù)雜市場壓縮成線性、均衡、穩(wěn)定的錯覺。他最著名的一句話就是：

“We replaced ‘truth’ with ‘predictability’.”（我們用“可預(yù)測性”替代了“真實”。）

Taleb的批評并不是要一棒子打死整個金融學(xué)，而是提醒我們：真正的結(jié)構(gòu)必須能承受現(xiàn)實的不確定性與極端性，具備演化與修復(fù)機制。而金融學(xué)如今的很多理論結(jié)構(gòu)，不過是帶著數(shù)學(xué)外殼的玻璃模型，碰不得、摔不起。

這也正是言一社所指出的核心問題之一：高度結(jié)構(gòu)化的學(xué)科如果無法閉環(huán)、無法應(yīng)對現(xiàn)實演化，只會變成學(xué)術(shù)的內(nèi)循環(huán)系統(tǒng)。金融學(xué)，就是這類“結(jié)構(gòu)幻覺”最典型的代表之一。

• 教育學(xué)、社會學(xué)、傳播學(xué)等一系列人文學(xué)科

剩下的教育學(xué)、社會學(xué)、傳播學(xué)等一系列人文學(xué)科，其實問題更普遍也更隱蔽。這些領(lǐng)域通常不乏理論框架、話語體系與引用數(shù)量，但它們的核心結(jié)構(gòu)往往脫離實踐、不可驗證、不可調(diào)度，更像是在自身話語體系內(nèi)不斷“精修自洽”，而不是與真實系統(tǒng)形成反饋閉環(huán)。

教育學(xué)的問題由 John Hattie 的工作揭示得最為清晰。他在代表作《Visible Learning》中系統(tǒng)性地量化了上千種教育干預(yù)措施的真實教學(xué)效果，結(jié)果發(fā)現(xiàn)：許多在教育界流行甚廣的理論（例如“學(xué)習(xí)風(fēng)格”、“翻轉(zhuǎn)課堂”）不僅效果微弱，甚至在部分場景中為負(fù)。也就是說，大量“理論-實踐對照表”上寫得頭頭是道的干預(yù)方法，在真實課堂中幾乎無效。教育學(xué)的結(jié)構(gòu)性問題在于：目標(biāo)模糊、路徑不清、反饋機制缺失，理論與教學(xué)行為之間存在巨大鴻溝。

行為經(jīng)濟學(xué)之父 Daniel Kahneman 在晚年也公開承認(rèn)，自己一手推動的諸多非理性行為實驗在現(xiàn)實場景中的重復(fù)性很低，模型遷移能力弱，結(jié)構(gòu)調(diào)度性不足。他意識到：即便揭示出認(rèn)知偏差，也不意味著你能轉(zhuǎn)化為可操作的行為干預(yù)模型。這正是很多社會心理類研究的致命缺陷：洞察多，機制少；解釋多，結(jié)構(gòu)弱。

更激烈的批評來自已故的倫敦政治經(jīng)濟學(xué)院教授 David Graeber。他在《Bullshit Jobs》和《債的簡史》中指出：大量人文學(xué)科中構(gòu)建出來的“專業(yè)結(jié)構(gòu)”其實只是維持精英體系自我合法性的幻象。這些學(xué)術(shù)結(jié)構(gòu)往往脫離實際生產(chǎn)力、脫離真實社會結(jié)構(gòu)，僅在論文、課堂和政策敘事中“流通”。它們維持著一種職業(yè)化幻覺：你在其中看似學(xué)習(xí)了一種“高級理解”，但走出象牙塔就發(fā)現(xiàn)，無法調(diào)度、無法遷移、無法執(zhí)行——甚至無法說清到底要干什么。

• 結(jié)構(gòu)知識才值得你去上專業(yè)去學(xué)

那我當(dāng)然不能只打破不建構(gòu)啊。對于我這種一直癡迷結(jié)構(gòu)的人來說。老推友知道我在家里家具和園藝的亭子什么的都是我自己用木工做的，我就是一個從潛意識，在沒有AI之前就很愛結(jié)構(gòu)的人。只不過當(dāng)時我并沒有系統(tǒng)性的總結(jié)起來。我也會在AI商用之后，不眠不休好幾天，然后決定all in。

真正的結(jié)構(gòu)知識，是能從高熵信息中提取出來、具備可壓縮、可調(diào)度、可遷移、可反饋能力的可執(zhí)行認(rèn)知單元。

當(dāng)然，現(xiàn)在很多結(jié)構(gòu)知識還沒有組成“專業(yè)”。畢竟高校是一個非常臃腫，非常官僚的機構(gòu)。

能夠形成結(jié)構(gòu)知識的學(xué)科，才真正配得上被稱為“專業(yè)”。否則，它們不過是信息的陳列室、術(shù)語的展覽館，外表光鮮、內(nèi)核空轉(zhuǎn)。真正值得我們花幾年時間系統(tǒng)學(xué)習(xí)、以“專業(yè)”之名去投入的知識體系，必須具備三個核心標(biāo)準(zhǔn)：第一，它必須可壓縮，能夠?qū)?fù)雜世界抽象為核心機制與模型；第二，它必須可調(diào)度，可以被用來規(guī)劃路徑、解決問題、驅(qū)動行為；第三，它必須具備遷移性與反饋能力，能夠跨場景使用，并且在實際系統(tǒng)中被驗證、被修正、被演化。如果不具備這些條件，那學(xué)的只是話術(shù)和包裝，用起來靠感覺，講出來靠圖解，考出來靠背誦——只是精英階層一場結(jié)構(gòu)幻覺的精致泡沫。

最值得投入的，是那些結(jié)構(gòu)驅(qū)動強、閉環(huán)能力強的核心體系。比如系統(tǒng)工程與控制論，它以反饋回路為第一原理，廣泛適用于從物理系統(tǒng)到AI系統(tǒng)的各類結(jié)構(gòu)建模與控制場景；運籌學(xué)與優(yōu)化算法本身就是調(diào)度結(jié)構(gòu)的語言，廣泛服務(wù)于工業(yè)、交通、金融等領(lǐng)域的決策系統(tǒng)；人工智能（尤其是模型方向）更是當(dāng)代結(jié)構(gòu)知識的總成，貫穿從壓縮機制到生成反饋；而像編程語言、計算理論、嵌入式系統(tǒng)、數(shù)學(xué)與生物建模這些方向，天生強調(diào)結(jié)構(gòu)約束與路徑調(diào)度，是結(jié)構(gòu)閉環(huán)的典范訓(xùn)練場。

一些專業(yè)雖然不一定作為獨立“結(jié)構(gòu)核心”，但本身具備結(jié)構(gòu)組件庫的作用，也極其值得系統(tǒng)性學(xué)習(xí)。例如，計算機科學(xué)中真正值得學(xué)的不是“寫代碼”，而是數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、編譯原理，這些都是高度可遷移的結(jié)構(gòu)知識底座。產(chǎn)品工程、系統(tǒng)設(shè)計、語義網(wǎng)、知識圖譜，認(rèn)知科學(xué)和語言哲學(xué)。

還有一類學(xué)科不直接強調(diào)“單點結(jié)構(gòu)”，但具備極強的跨領(lǐng)域結(jié)構(gòu)整合能力，適合構(gòu)建“超級認(rèn)知者”所需的結(jié)構(gòu)通識力。比如信息論和壓縮理論，它是智能壓縮的數(shù)理地基；博弈論與決策科學(xué)，提供策略建模和行為調(diào)度能力；系統(tǒng)生物學(xué)、復(fù)雜系統(tǒng)科學(xué)、網(wǎng)絡(luò)科學(xué)，則訓(xùn)練你理解結(jié)構(gòu)是如何在自然與社會中涌現(xiàn)、連接、演化的。

相對地，如果一個學(xué)科只能告訴你“說法”，卻不能教會你“結(jié)構(gòu)”，那它就不值得作為獨立專業(yè)存在。像管理學(xué)、傳播學(xué)、教育學(xué)（傳統(tǒng)路徑），大多沉溺于圖解和事后總結(jié)，無法調(diào)度真實路徑，缺乏結(jié)構(gòu)反饋；人格心理學(xué)、部分社會學(xué)和文化研究，也多陷入“標(biāo)簽替代結(jié)構(gòu)”“解釋替代路徑”的敘述幻覺。

真正值得稱為“專業(yè)”的是內(nèi)含壓縮機制、具備調(diào)度能力、能在真實系統(tǒng)中完成反饋與演化的認(rèn)知體系。

這些內(nèi)容是我多年總結(jié)，多年前想用來勸退MBA和一堆文科專業(yè)研究生但是根本沒用。我一直說有這個錢，再加點，或者換個目標(biāo)，去把本科CS給學(xué)了，哪怕在國內(nèi)已經(jīng)有一個本科文憑。根本沒人聽我的，又得罪人，懶得說了。直到幾年前看到立黨，他居然成功了。因為有人真的因為他去學(xué)計算機，我覺得他挺神的。

大量高校專業(yè)的實用性和意義正在被計算機“蠶食”

• 計算機正在蠶食你曾經(jīng)認(rèn)知中那些“專業(yè)”的邊界

而這個過程，早就在發(fā)生了。最典型的例子就是金融。你以為“金融科技金融科技”是新詞嗎？其實，金融與計算機的結(jié)合至少已經(jīng)有二三十年的歷史了，從量化交易到算法，再到圈子的智能一致性與鏈上治理，推上那些活躍的幣圈推友，你當(dāng)不存在？這個趨勢背后的本質(zhì)是：計算機會成為結(jié)構(gòu)一切知識的底層基礎(chǔ)。計算機科學(xué)運行不再是“一個專業(yè)”，而是所有專業(yè)的結(jié)構(gòu)支撐，就像過去是自然數(shù)學(xué)的語言一樣，現(xiàn)在計算機，尤其是它所承載的結(jié)構(gòu)系統(tǒng)、信息模型與語言協(xié)議，正在成為所有認(rèn)知、表達、治理、行動的統(tǒng)一執(zhí)行層。 我上面已經(jīng)講過，結(jié)構(gòu)知識必須具備五個核心特征：壓縮性、調(diào)度性、反饋性、組合性、目的性。結(jié)構(gòu)，就是有目的的壓縮表達、可以被調(diào)度執(zhí)行、可組合、可反饋的認(rèn)知單元。學(xué)計算機的聲音是不是很眼熟？這不就是編程語言的定義嗎？計算機程序天生就具備全部結(jié)構(gòu)特性。看看編程語言的基本單元：每段代碼都有明確的目標(biāo)函數(shù)（函數(shù)/返回），語法結(jié)構(gòu)高度壓縮，邏輯極簡；函數(shù)、模塊、任務(wù)可以隨時被調(diào)用與調(diào)度；執(zhí)行結(jié)果立即返回，包含輸出、報錯、等，構(gòu)成天然反饋通道；更重要的是，所有函數(shù)、模塊都可以分層組合，封裝、重用、迭代，從而構(gòu)建出更大的系統(tǒng)。結(jié)構(gòu)的五個維度——目的性、壓縮性、調(diào)度性、反饋性、組合性——在Spark語言中完整展開。Smashing語言就是被語言結(jié)構(gòu)的范本。 而計算機諧振是結(jié)構(gòu)的最佳運行載體，是因為它能夠全面承載并放大結(jié)構(gòu)的全部特性。相比人類與傳統(tǒng)組織系統(tǒng)，計算機可以精確壓縮、不丟失信息；它的函數(shù)流程、接口都是天然的調(diào)度路徑；反饋實時收集并觸發(fā)結(jié)構(gòu)更新；組件之間組合代價極低，標(biāo)準(zhǔn)化程度高；目標(biāo)函數(shù)可以被寫入系統(tǒng)運行邏輯，并被持續(xù)評估和優(yōu)化。這一切，都是人類系統(tǒng)做到難以的。 人類當(dāng)然可以感知結(jié)構(gòu)、構(gòu)想結(jié)構(gòu)，甚至短暫執(zhí)行結(jié)構(gòu)，但腦人靠意志調(diào)度，陷入困境、不可重復(fù)；社會制度調(diào)度結(jié)構(gòu)，路徑多分叉、反饋周期長；知識常停留在文本中，無法被調(diào)用、遷移、組合行為；結(jié)構(gòu)受情緒與干擾干擾；人與人之間組合結(jié)構(gòu)，協(xié)作成相比之下，計算機提供的是低姿態(tài)、可調(diào)用、可組合的結(jié)構(gòu)環(huán)境。

為什么最先被計算機重構(gòu)是金融？答案太直白了：當(dāng)然是因為“離近”啊。人類在金錢面前的動力，那是不用調(diào)動就打滿的。金融科技 之所以成為“計算機化的先鋒領(lǐng)域”，不是因為它最先進、最高尚，而是因為它最現(xiàn)實、最接近激勵源。 正如我一個朋友打趣說的，“你想看哪個領(lǐng)域發(fā)展最快？別看博士多不多，忽略美女多不多。離錢最近的地方，博士可能找不到，但美女一定蜂擁而至。”你回憶一下，早年間地產(chǎn)開盤、基金推介、新幣發(fā)行，不是特別多人類嗎？是有結(jié)構(gòu)的動物，但金錢，是這個結(jié)構(gòu)系統(tǒng)里最基礎(chǔ)的燃料。金融如此迫切進入“結(jié)構(gòu)計算閉環(huán)”，是它天然具備三個樣本：反饋速度極快，數(shù)據(jù)密度極高，結(jié)果判斷極明確。你做一筆交易，幾秒鐘內(nèi)就能看到盈虧；你設(shè)計一個風(fēng)控模型，兩個周期內(nèi)就能知道有沒有效果；數(shù)據(jù)此，教育、醫(yī)療、法律就完全不一樣了：教育的評估要幾十年幾十年，醫(yī)療中的變量復(fù)雜無比，法律更是黑箱式的規(guī)則判定量，難以得出結(jié)論。所以金融天生適合“結(jié)構(gòu)-調(diào)度-反饋”閉環(huán)的行業(yè)，也是率先接近“可計算系統(tǒng)”的人類制度體系。

另外，金融行業(yè)是率先開放“結(jié)構(gòu)實驗”的場域。因為資本是流動的、可鎖定的、容錯空間高，所以它允許大量失敗和迭代——目前可以量化、止損、下一個周期再來。正因如此，金融是第一個敢于用算法做決策的領(lǐng)域，就像量化基金；首先接受機器判斷風(fēng)險支撐人類直覺的，就像反直覺系統(tǒng)；首先允許取消許可的結(jié)構(gòu)實驗，如 DeFi、閃電貸、MEV套利；也是首先建立結(jié)構(gòu)性機制的，比如礦工激勵、LP分紅、合約策略套利等。在金融里，結(jié)構(gòu)不僅可以設(shè)計，更激勵現(xiàn)，可以引入，可以自動升級。你不需要勸它采用結(jié)構(gòu)語言，它自己就會變得更快速、更小、調(diào)度更準(zhǔn)而自動擁抱結(jié)構(gòu)語言。還有一個容易被忽視的事實是：金融的復(fù)雜性不是“大眾復(fù)雜性”，而是結(jié)構(gòu)復(fù)雜性。利率、期限、流動性、對沖、杠桿、風(fēng)險承擔(dān)、收益分配，這些東西都是結(jié)構(gòu)變量，不是講道理能解決的東西。正因如此，金融行業(yè)對結(jié)構(gòu)的拆解需求很高——于是你看到了重構(gòu)基金、杠桿ETP、期權(quán)組合、合成資產(chǎn)；你看到產(chǎn)品被拆成模塊組合、路徑成路徑、設(shè)計成協(xié)議，然后通過計算系統(tǒng)執(zhí)行和定價。成為結(jié)構(gòu)文明的先鋒，是因為它是人類系統(tǒng)中離反饋最近、結(jié)構(gòu)需求最強、行為最可調(diào)度的那個測試場。它是結(jié)構(gòu)語言第一次完整打通“結(jié)構(gòu)設(shè)計→系統(tǒng)執(zhí)行→” “價值反饋”的全貨運閉環(huán)實驗場。它跑在前面，也順理成章了。其他行業(yè)，還沒有“餓到”這一步。

• 一個從來沒有參與過任何企業(yè)管理的管理學(xué)教授

高校界的教授和助教里，有多少人真正參與企業(yè)管理？別說管理企業(yè)了，有些人連開家小飯館恐怕過去都經(jīng)營不下去了。早年在北京高校界還能勉強說得，大學(xué)生社會整體人均學(xué)歷不高，高校天然就帶著某種“專家光環(huán)”，靠著“教授”這塊牌子去企業(yè)講課、做點咨詢，至少還有接觸到真實組織的結(jié)構(gòu)和運作的機會。少能積累點理解了。可現(xiàn)在不同了，很多老板本身就是國外MBA回來的，接觸過全球一線的管理方法論和實操邏輯，再重新審視國內(nèi)高校管理學(xué)那一套，尤其是那種“政治正確式教學(xué)內(nèi)容”，完全不夠看。女教授可能相對輕松點，因為她們本來也不像這些鉆抽象權(quán)力游戲；反倒是一些男教授，會更執(zhí)著地去思考這些體系內(nèi)部的邏輯與虛偽。 所以我在上面說這個問題很容易“刺痛人”，也確實是一個非常現(xiàn)實也很得罪人的真相。你想想，一個從來沒有參與過真實的管理實踐、也從來沒有在企業(yè)中經(jīng)歷過組織運營、流程調(diào)度和結(jié)構(gòu)反饋的管理學(xué)教授，要怎那么給一個連社會都沒有進入、沒有工作經(jīng)驗的管理學(xué)本科生寫論文打分嗎？如果那篇論文是“如何提升激勵講機制”，請問評判標(biāo)準(zhǔn)來自哪里？不覺得很荒謬嗎？就像象牙塔里演了一個自我循環(huán)的幻覺戲碼。而現(xiàn)實中真正能夠被重構(gòu)的管理內(nèi)容，早就被企業(yè)吸入計算機系統(tǒng)交易。不能被重構(gòu)的那部分——比如空洞的“領(lǐng)導(dǎo)風(fēng)格”“組織文化話術(shù)”——尋找高校繼續(xù)內(nèi)部循環(huán)、自嗨也無妨，市場自然會用冷淡反饋來淘汰它們。就拿“績效考核”來說，這曾是傳統(tǒng)管理學(xué)最優(yōu)勢、最人治、最難流程標(biāo)準(zhǔn)化的部分。 以前的績效，無非就是年底主管模糊打分：“你今年表現(xiàn)不錯”“團隊合作也還”，打個 B+，再配幾句文案式評語走流程。一切評判依賴個人印象和溫度，關(guān)系完全缺乏結(jié)構(gòu)反饋和行為追蹤。那張績效表，年年做，誰都知道沒有實際價值。但今天，這一切都在結(jié)構(gòu)語言與計算系統(tǒng)重寫。就像AI + HR SaaS平臺的出現(xiàn)，系統(tǒng)可以將每個任務(wù)、每個項目、每個項目的工作行為——提交代碼、客戶溝通、項目推進——都綁定在結(jié)構(gòu)節(jié)點上，實時記錄、即時反饋、自動打分。上下游同事的協(xié)作反饋、客戶評價、時間響應(yīng)等維度都會被優(yōu)先進系統(tǒng)，形成可追蹤的動態(tài)結(jié)構(gòu)評分軌道。效能系統(tǒng)甚至可以自動進行“預(yù)警建議”、“路徑警報”、“行為改進任務(wù)”，整合成一個持續(xù)運行的結(jié)構(gòu)評分引擎。過去你一年才“總結(jié)一次”，現(xiàn)在系統(tǒng)每天都在緩慢運行：“記錄→反饋→優(yōu)化→再執(zhí)行”，先不要討論一套是否“人性化”，但至少很多大公司正在引入。

• 大齡人工智能最值得關(guān)注的領(lǐng)域：AI全面入侵傳統(tǒng)行業(yè)的臨界點

目前，計算機，尤其是在AI 的加持之下，已經(jīng)全面滲透并入侵了許多傳統(tǒng)學(xué)科：一旦某個領(lǐng)域達到結(jié)構(gòu)復(fù)雜度的極限，就不再依靠理念生存，而是依靠結(jié)構(gòu)語言調(diào)度。整個社會系統(tǒng)，已經(jīng)嚴(yán)重了“結(jié)構(gòu)文明的分水嶺”。不僅僅是金融，從教育、法律、治理、醫(yī)療，到企業(yè)運營等多個系統(tǒng)層面，都在爆發(fā)出類似的結(jié)構(gòu)性過載癥狀：教育整體個性化學(xué)習(xí)的需求，工具卻面臨高度滯后；法律爆炸式增長的判例與文書，卻沒有統(tǒng)一的結(jié)構(gòu)系統(tǒng)來調(diào)度；醫(yī)療正玩具多模態(tài)診斷時間，卻仍然依賴手工記錄和紙質(zhì)配送；城市治理的協(xié)作機制被復(fù)雜部門拖垮已；企業(yè)運營控制流程化，其實每個系統(tǒng)之間斷裂嚴(yán)重、良好無序。所有這些現(xiàn)象背后，有一個共同的成因：缺乏結(jié)構(gòu)語言，系統(tǒng)無法關(guān)閉。 我們就拿前幾天特朗普總統(tǒng)指出，美國的病例系統(tǒng)已經(jīng)出現(xiàn)嚴(yán)重的結(jié)構(gòu)崩潰——不同的診所之間信息不互通，患者連自己完整的病例都無法擁有。這聽起來像一個技術(shù)問題，實際上是一個結(jié)構(gòu)性危機。一個人得了病，但卻無法獲取自己的歷史數(shù)據(jù)；看了很多醫(yī)生，卻沒有任何機制能夠調(diào)出完整的診斷路徑。在關(guān)鍵時刻，沒有結(jié)構(gòu)調(diào)度，沒有數(shù)據(jù)集成，只有系統(tǒng)孤島和信息碎片。美國的醫(yī)療體系目前就是一個“非結(jié)構(gòu)型系統(tǒng)災(zāi)難”的教材：數(shù)據(jù)有、資源有、設(shè)備有，但結(jié)構(gòu)層解除。電子病歷系統(tǒng)之間協(xié)議不同、權(quán)限不同、無法對接。患者作為服務(wù)的對象，沒有“結(jié)構(gòu)調(diào)用權(quán)”——沒有一個地方能看到、調(diào)動、整合自己的完整醫(yī)療數(shù)據(jù)。從醫(yī)療結(jié)構(gòu)語言的角度看，美國的系統(tǒng)壓根無法解決結(jié)構(gòu)五個要素：壓縮、不可調(diào)度、不可組合、無評估、不以目標(biāo)為目標(biāo)。我自己就經(jīng)歷過這樣的困境。以前孩子有點小病，我們都要去實習(xí)，欣賞要交 共付，醫(yī)生也只是隨便聽聽、說句“無力”。現(xiàn)在我干脆自己建立了家庭病例系統(tǒng)。每次去醫(yī)院，都帶上筆電，里面已經(jīng)整理好每個家人的既往記錄、過敏反應(yīng)、過敏史等等。這總比口腔溝通來的快吧。而這樣類似的機會，在所有傳統(tǒng)行業(yè)里都存在——它們只要滿足“結(jié)構(gòu)已崩解、路徑未生、反饋失聯(lián)”的狀態(tài)，就具備被AI重構(gòu)結(jié)構(gòu)的巨大空間。對于有系統(tǒng)思維和目光能力的大齡工程師、結(jié)構(gòu)師、工程師來說，這是一次歷史級的重新進場機會。 認(rèn)真審視學(xué)科的領(lǐng)域，不要每天只關(guān)注代碼。

在人人都識字，義務(wù)教育服務(wù)到高中階段的當(dāng)代：什么知識符合資格成為“專業(yè)”？

那些能夠被重構(gòu)的領(lǐng)域，將在未來成為真正意義上的“新學(xué)科”，然后可調(diào)度、可驗證、可組合、可遷移的結(jié)構(gòu)執(zhí)行系統(tǒng)。它們將成為人類系統(tǒng)中的運行模塊，鑲嵌進入AI、嵌入決策、嵌入治理，成為這個文明的新基礎(chǔ)設(shè)施。而那些無法重構(gòu)的領(lǐng)域——比如文學(xué)、美學(xué)、體驗、情感沉浸——不會消失，它們會回歸到一個更本質(zhì)的流程：成為個人存在的深度體驗場。

• 我們已經(jīng)不需要職業(yè)“秀才”和“文人”專門“寫字”了

文學(xué)本來就不該是一門“功”能學(xué)科”，而是純粹的體驗。你有本事，初中畢業(yè)就可以自己寫文章上網(wǎng)發(fā)表語言。沒本事，乾隆都沒有成文豪啊。它是為了人類在中領(lǐng)悟，在文本中沉入意識的柔軟。在這種情況下，真的有必要讓一個高校的文學(xué)教授，滿臉道德地對著一篇文人的小說進行徹底的割去，刪去所有的“不合”適”的情節(jié)、政治不正確的草莓、會“引起不平衡”的隱喻，然后再給你一個低分，最后告訴你這個專業(yè)畢業(yè)之后出路？你真的要為了這套體系花四年時間、幾十萬金錢，然后背一身焦慮和失業(yè)？如果一個專業(yè)不能成為結(jié)構(gòu)知識、也不能提供結(jié)構(gòu)能力輸出，那它或者就不該出現(xiàn)在公共教育系統(tǒng)里，或者就放棄不差錢的富二代當(dāng)成興趣體驗。消費人不欠它的生存空間，普通人也沒有必要為它兜底人生。文學(xué)、美學(xué)、宗教體驗這些不可重構(gòu)的領(lǐng)域，并非“無價值”，但它們不再是“作為專業(yè)知識生產(chǎn)者”，而是“作為感性存在生成器”。它們之所以不可缺，是因為它們拒絕壓縮、無法調(diào)度、不適合路徑化。美感不是邏輯組合，詩意不是函數(shù)表達，情感不是輸出模型。它們是非確定輸入性的，是語境性的，是無法預(yù)測、無規(guī)則約、無法標(biāo)準(zhǔn)化體驗的深度。但正因為如此，它們才如此重要。它們是人類文明存在的背景層，是所有結(jié)構(gòu)系統(tǒng)之上的意義引擎。就像需要建筑地基，飛行器需要空氣，結(jié)構(gòu)智能需要一個“非結(jié)構(gòu)”的安裝基礎(chǔ)。不能要求一個詩轉(zhuǎn)換去優(yōu)化率，不能要求一個工件去提高效率，不能要求一個人類的系統(tǒng)情感在一個績效表上打出80分。 所以，在結(jié)構(gòu)文明中，大學(xué)應(yīng)該放棄結(jié)構(gòu)知識訓(xùn)練的學(xué)科。結(jié)構(gòu)學(xué)科應(yīng)被、被驗證、被投入系統(tǒng)運作，因為它們是社會運行的必要模塊。但文學(xué)、美學(xué)、哲思、信仰，這些本屬于人的存在的感受體驗層，不該被誤裝進“專業(yè)生產(chǎn)體系”，更不該以“就業(yè)”如果他們留在社會，像音樂、舞蹈、刺青、發(fā)呆、寫詩、發(fā)夢一樣，人們完全有自學(xué)的能力。真正有心體驗的人，根本不需要高校教授的許可，更不需要體制安排。人們又不是寵物，顧慮體驗連世界的能力都需要考試搶奪？

交叉學(xué)科以樂高的形式在我們面前展現(xiàn)

我們身邊許多傳統(tǒng)學(xué)科正在快速失效，或者悄無聲息地被計算機系統(tǒng)吞噬。但有一個方向，是我作為一個大齡程序員和技術(shù)研究者始終保持高度敏感與熱情的焦點：交叉學(xué)科的結(jié)構(gòu)重構(gòu)。它正以我?guī)啄昵巴耆珶o法想象的方式，以一種“樂高式結(jié)構(gòu)組合”的形態(tài)持續(xù)涌現(xiàn)出來，這是我?guī)啄昵盁o法想象的。

這才是真正的藍海。

回到我曾反復(fù)強調(diào)的結(jié)構(gòu)知識五要素：可壓縮、可調(diào)度、可反饋、可組合、有目的。我們在編程中使用的函數(shù)可以嵌套、復(fù)用和組合，為什么知識就不能？結(jié)構(gòu)化認(rèn)知模塊理應(yīng)具備函數(shù)式的嵌套性和遷移性。你以為 AlphaFold 只是一個生物學(xué)項目？其實它是神經(jīng)網(wǎng)絡(luò)、結(jié)構(gòu)物理、生物化學(xué)和信息壓縮邏輯的交叉涌現(xiàn)體——是一種高密度結(jié)構(gòu)語言驅(qū)動的科學(xué)躍遷。

這種模式正越來越接近很多人提到的“垂類 Agent”，也是我近來思考的核心。可惜的是，我們這一代人被舊有的知識體系深深裹挾，慣于用經(jīng)驗主義和線性路徑解釋世界，對新范式表現(xiàn)出過度的遲鈍與固執(zhí)。我們總以為世界就該如此，崗位劃分、職能邊界、技能標(biāo)簽已經(jīng)在大廠體系中釘死，程序員的模樣被 WEB 2.0 的產(chǎn)業(yè)浪潮塑造得嚴(yán)絲合縫。可這不過是一個特定時代背景下的路徑依賴。我曾跨過專業(yè)，不至于像許多人那樣一旦聽見不同聲音就急于否定、譏笑他人“外行”。真正看不清趨勢的，是那些剛畢業(yè)就進了大廠、被工位路徑固化十幾年的工程師。現(xiàn)在這個你賴以生存的范式，連你退休的那一天都未必等得到？

垂類Agent
垂類 Agent，指的是專注于特定垂直領(lǐng)域任務(wù)的智能代理系統(tǒng)。它不僅擁有該領(lǐng)域內(nèi)部的知識結(jié)構(gòu)，還掌握任務(wù)流程、行為路徑與交互邏輯，能夠獨立或協(xié)同完成復(fù)雜事務(wù)。與通用大模型相比，垂類 Agent 更像是一個結(jié)構(gòu)密度更高、路徑更聚焦、目標(biāo)更明確的專業(yè)工具型智能體。這也正是 RickyH 在上一篇評論中提到的重點方向。而我想從一個具體行業(yè)出發(fā)，談?wù)勎覍Υ诡?Agent 的理解，以及我認(rèn)為最具可行性的落地策略。

當(dāng)我認(rèn)知到“語言即世界”是 AI 時代的一條核心工作信條之后，我的注意力便自然轉(zhuǎn)向了那些具備高度“語言性”的行業(yè)。也就是說：這個行業(yè)的信息高度結(jié)構(gòu)化、文本化，與物理世界交互極少甚至接近于零，但其價值密度極高、覆蓋范圍廣泛，上可至制度制定，下可及日常決策。更重要的是：這個行業(yè)人力成本極高，而信息化技術(shù)具備極強替代動機（Motive），卻又有充分的深度空間和邊界可探索。加之，該領(lǐng)域的大量信息已公開透明，擁有成熟的案例、法規(guī)、文件和歷史記錄，可作為大模型訓(xùn)練與精調(diào)的豐沛資源。

這個行業(yè)就是——法律。

Why not？

幾乎所有在美國生活過、留學(xué)過的人，都和法律系統(tǒng)打過交道：從簽證、合同、租房、交通糾紛到創(chuàng)業(yè)設(shè)立公司，再到打工、入籍、買房、身份轉(zhuǎn)換……法律結(jié)構(gòu)像一張無形的協(xié)議之網(wǎng)，覆蓋了現(xiàn)實的每一層“結(jié)構(gòu)接口”。更現(xiàn)實的是，很多留學(xué)生都曾在律師樓打過工、幫忙整理案卷、翻譯材料、閱讀合同、追蹤案例。這意味著什么？法律語言本身就是一種結(jié)構(gòu)語言，是天然的結(jié)構(gòu)卡語料庫。而律師的許多工作，實際上就是在調(diào)度這些結(jié)構(gòu)：判斷輸入是否適配，調(diào)用相應(yīng)規(guī)則模塊，執(zhí)行決策流程，產(chǎn)出結(jié)構(gòu)化建議或文件。這不正是垂類 Agent 最適合介入的位置嗎？

法律沒有你想象中那么”硬“，我們稍微努力可以跨過理解的門檻。

過去我們總以為法律是“硬文科”，高門檻、高門檻背后是高智力壁壘，是只有極少數(shù)人能掌握的復(fù)雜系統(tǒng)。但事實往往恰好相反：法律之所以難，不是因為它復(fù)雜到超越認(rèn)知，而是因為它長期以來被人為地壟斷結(jié)構(gòu)權(quán)力。高昂的學(xué)費、苛刻的入學(xué)要求、黑盒化的法律語言、刻意維持的專業(yè)神秘感，維持一種“精英行業(yè)”的身份壟斷。但是以我多年潛伏高校圈觀察足夠多真實案例就會發(fā)現(xiàn)——很少有人是因為法學(xué)院課業(yè)太難而中途退學(xué)的，沒畢業(yè)的都不是因為難，而是因為沒錢了，學(xué)費交不起。相反，文科商科轉(zhuǎn)碼的成功者才是極少的。也就是說，法律更像是一套結(jié)構(gòu)明確但對外封閉的語言系統(tǒng)，而非真正認(rèn)知難度極高的系統(tǒng)。

而真正的理工科博士，最后再轉(zhuǎn)向法律工作的時候，比如做專利律師等職位，才是真正”屈才”了，為了現(xiàn)實暫時折服在五斗米之下。Ph.D們只要有這個心，沒見有人失敗的。

這也正是為什么我認(rèn)為法律是構(gòu)建垂類 Agent 的理想起點：它表面看似“文科難”，實則是“結(jié)構(gòu)清晰+文書密集+輸入輸出明確”的標(biāo)準(zhǔn)可壓縮系統(tǒng)。只要掌握了語言協(xié)議、規(guī)則結(jié)構(gòu)與路徑調(diào)度，AI 就能比人類更快、更穩(wěn)、更無偏見地在大量文檔與條款中建立起結(jié)構(gòu)響應(yīng)能力。從這一點看，“法律智能體”不是對律師的替代，而是對過去“結(jié)構(gòu)壟斷”的解構(gòu)。未來不會是沒有律師，而是每個人都可以調(diào)度自己的法律 Agent，在結(jié)構(gòu)協(xié)議中協(xié)商權(quán)利。

說說我現(xiàn)在觀察到的一些形勢

如果你現(xiàn)在的目標(biāo)只是開發(fā)一個律師助理，或者一個處理法律文檔的 CoPilot，再或者是一個服務(wù)于某項工作流的工具，那么你想的小了 You think too small。《Cracking the Code: Rulemaking for Humans and Machines》這份由 OECD 發(fā)布的開創(chuàng)性報告，提出了“Rules as Code（RaC）”這一概念，徹底改變了我們理解法律制定與執(zhí)行的方式。它主張：在政府起草法規(guī)時，應(yīng)當(dāng)同時生成自然語言版本與機器可執(zhí)行的規(guī)則結(jié)構(gòu)，使法律從一開始就具備被自動執(zhí)行、測試與復(fù)用的能力。（https://oecd.org/en/publications/2020/10/dechiffrer-le-code_d56cab77.html）

這份報告背后的制度動因非常明確：一方面，傳統(tǒng)立法與實際執(zhí)行之間存在嚴(yán)重脫節(jié)。現(xiàn)行法規(guī)通常以自然語言編寫，依賴人工解釋與判斷，這不僅效率低下，也帶來極高的合規(guī)成本。另一方面，數(shù)字時代的治理需求日益提升，公民與企業(yè)期望獲取更加透明、智能、低摩擦的制度服務(wù)；政府也急需在政策尚未立法前，就能模擬其社會影響與邊際效應(yīng)。RaC 正是在這一背景下，作為一種制度范式的“結(jié)構(gòu)升級”方案被提出，它將法律從“語言資產(chǎn)”重構(gòu)為“結(jié)構(gòu)資產(chǎn)”。

在核心論點上，報告提出了以下四點高度概括性的主張：

首先，RaC 是一種制度設(shè)計思維，而非單一技術(shù)工具。規(guī)則結(jié)構(gòu)應(yīng)當(dāng)在起草階段就被建立，而非事后再翻譯成代碼。這種“同步生成”的理念使得法律從根本上具備了可調(diào)用性、可驗證性和可嵌入性。

其次，RaC 能從源頭提升法律的質(zhì)量與透明度。當(dāng)規(guī)則被編寫為結(jié)構(gòu)語言后，其模糊空間大大壓縮，邏輯路徑明確化，開發(fā)團隊可以快速編寫測試案例，從而形成法律的“結(jié)構(gòu)閉環(huán)”。

第三，報告也明確指出：RaC 并不等于法律的自動化替代。它不意味著取消人類的解釋權(quán)與裁量空間。RaC 所做的，是將那些具有高度確定性的規(guī)則部分抽象為結(jié)構(gòu)，而把不確定性的灰區(qū)保留給人類判斷。它強調(diào)“增強判斷”，而非“替代人類”。

最后，RaC 已經(jīng)具備可推廣的制度路徑。新西蘭、法國、加拿大等國家已通過實踐驗證了其有效性：將結(jié)構(gòu)規(guī)則嵌入政府政策流程、合規(guī)審批、社會福利計算、公共API發(fā)布，取得了顯著成果。

在政策建議層面，報告呼吁各國應(yīng)從立法源頭開始，將 RaC 作為正式的法規(guī)流程嵌入政府制度，并重點資助 Blawx、OpenFisca 等開源規(guī)則引擎的發(fā)展。同時，應(yīng)通過 G7、OECD 等多邊機制，推動規(guī)則結(jié)構(gòu)的互操作性標(biāo)準(zhǔn)建設(shè)，防止各國出現(xiàn)“代碼孤島”。此外，報告強調(diào)必須設(shè)立相應(yīng)的監(jiān)督機制，防止將結(jié)構(gòu)規(guī)則誤用于自動裁決，破壞法律應(yīng)有的人文判斷力。

這份報告之所以具有里程碑意義，是因為它第一次系統(tǒng)性地提出并梳理了“結(jié)構(gòu)型法律”理念的邏輯閉環(huán)、現(xiàn)實路徑與技術(shù)邊界，將散落于各國政府實驗室的 RaC 實踐，上升為一個具有全球治理潛力的通用模型。它不僅提醒我們不要將 RaC 簡化為某個自動化工具，更重要的是，它為法律如何在 AI 時代重獲可控性與結(jié)構(gòu)透明性提供了方向。換句話說：RaC 不是一個功能，它是一種語言協(xié)議，一種結(jié)構(gòu)文明的底層設(shè)施。

• 苗頭已經(jīng)出現(xiàn)

在西方法治傳統(tǒng)中，法律長期以來以自然語言書寫作為主權(quán)表達的核心形式，法典、法規(guī)與判決皆依賴文字形式確立效力。這種自然語言范式依靠語義推理與案例解釋來維持一致性，但也因此不可避免地引入了大量模糊、歧義與裁量空間。然而，隨著社會制度與信息系統(tǒng)的日益復(fù)雜，傳統(tǒng)文本法在實踐中逐漸顯露出“不可執(zhí)行”的結(jié)構(gòu)性瓶頸——法規(guī)往往篇幅龐大、層級嵌套、部門分布復(fù)雜，使得政策執(zhí)行流程高度依賴人工解釋，導(dǎo)致效率低下、合規(guī)成本居高不下。而在自動化治理與 API 接口化時代的需求推動下，法律文本也必須完成從自然語言向結(jié)構(gòu)語言的演化。這正是 RaC 所回應(yīng)的根本哲學(xué)問題：法律不只是文字，更是一種結(jié)構(gòu)。

這一轉(zhuǎn)變的技術(shù)起點可以追溯到 2011 年法國財政部發(fā)起的 OpenFisca 項目。該項目通過開源規(guī)則引擎，將復(fù)雜的福利和稅收制度編碼為可計算的規(guī)則函數(shù)，實現(xiàn)了對公共政策的自動模擬與 API 查詢能力。OpenFisca 首次證明，法律條文可以不依賴文字解釋，而是被“寫入計算結(jié)構(gòu)”，成為機器可執(zhí)行的制度模塊。這一開創(chuàng)性的實踐迅速被其他國家借鑒，成為“規(guī)則即代碼”理念的原點。（https://github.com/openfisca/openfisca-core）

2016 至 2018 年間，新西蘭政府通過 “Better Rules Initiative” 進一步推動了 RaC 概念的系統(tǒng)化發(fā)展。這一試點項目打破了傳統(tǒng)政策流程的分工壁壘，將法律起草人、規(guī)則建模者、API 工程師與服務(wù)設(shè)計師聚集為跨學(xué)科團隊。在實踐中，他們提出了一種新的立法工作法：法律草案應(yīng)當(dāng)同步生成自然語言文本與機器可執(zhí)行結(jié)構(gòu)，并配套測試案例與對外API接口。這一方法的關(guān)鍵意義在于，它不是將文本“翻譯”為代碼，而是從源頭就把法律“寫成結(jié)構(gòu)”，將法律視為一種調(diào)度邏輯。

到了 2019 年，OECD 正式發(fā)布了《Cracking the Code: Rulemaking for Humans and Machines》報告，系統(tǒng)總結(jié)了 RaC 的技術(shù)路徑、制度意義與實施建議，并首次將“Rules as Code”作為全球公共治理的創(chuàng)新術(shù)語提出。這份報告不僅確立了 RaC 的理論話語體系，更使其從個別國家的實踐案例上升為全球政策創(chuàng)新的統(tǒng)一方向。

2020 年以來，RaC 開始在全球范圍內(nèi)形成擴散與深化的潮流。加拿大推出 Blawx 規(guī)則建模平臺，使非程序員也能參與法規(guī)編碼；澳大利亞與新加坡將 RaC 嵌入智慧政務(wù)與稅收判斷系統(tǒng)；歐盟則通過 GovTechConnect 項目將其拓展至環(huán)境法規(guī)與 AI 安全領(lǐng)域；英國與愛沙尼亞更嘗試將 RaC 融入立法機構(gòu)與司法系統(tǒng)中。這些試點共同證明，即便不具備程序能力，政策制定者也可以借助工具參與結(jié)構(gòu)法律的構(gòu)建。

• 我認(rèn)為跨學(xué)科領(lǐng)域才是具有跨學(xué)科軟技能女程序員的藍海

這些年我已經(jīng)很清楚自己擅長什么、不擅長什么了。作為一個女工，在這個行業(yè)里堅持到“大齡”，已經(jīng)是一件極其困難的事。有個前輩曾對我說，如果你能在35歲之后還和男程序員一起討論技術(shù)，那你就已經(jīng)贏了。很多時候，不下牌桌本身就是勝利。更何況，如今這個時代，連男工都在被迫離場。

那么，獨立開發(fā)者還有機會嗎？有的。前提是你要看得透這個社會的“草臺班子”屬性：公權(quán)機關(guān)往往形式大于實質(zhì)，很多所謂“項目”連程序都不用真正跑起來，系統(tǒng)是否可用從來不是考核重點。正因如此，Rule as Code（RaC）這個聽起來像“法學(xué)院博士后”才玩的領(lǐng)域，反倒給了技術(shù)人機會。放眼全球，最早一批真正推動 RaC 的人，恰恰不是政府官員，不是教授，而是個人開發(fā)者、開源社群、小團隊實驗者。所以完全可以研究切入。

首先，法律和政府流程的數(shù)字化嚴(yán)重滯后。大量法規(guī)至今還是 PDF 和 Word 文檔，政府 IT 系統(tǒng)緩慢而封閉，部門之間溝通極其低效。制度的表達速度遠遠跟不上技術(shù)的迭代。也因此，任何試圖將法律轉(zhuǎn)化為結(jié)構(gòu)化表達的努力，都具有驚人的突破潛力——無論是做一個規(guī)則可視化界面、一個法規(guī) API、一套法規(guī)模擬器、還是一門適用于立法草案的規(guī)則語言，都是極具前沿性的嘗試。

其次，主流 RaC 工具仍是開源狀態(tài)，生態(tài)仍然很小。OpenFisca、Catala、Blawx、LegalRuleML……這些工具全部接受個人貢獻，而且很多都在缺乏完善文檔、用戶界面優(yōu)化、語言國際化、測試覆蓋等方面存在大量空位。你只需要一個小 PR、一個插件、一個腳本，甚至一篇教程，就可能成為社區(qū)中的關(guān)鍵節(jié)點。可以說，RaC 現(xiàn)在的生態(tài)狀態(tài)，很像 2010 年的 React 或 2015 年的區(qū)塊鏈：一小撮人看懂了，但潛力巨大，遠未飽和。

最后，這個領(lǐng)域的一個核心結(jié)構(gòu)空隙在于：法律人的編程焦慮，正好等于技術(shù)人的機會。法學(xué)院教授說：“我不懂 Python”；程序員說：“我不懂民法”。但是你跨過去比法學(xué)院教授跨過來要容易得多。我修過美國法律課程，我們只需要看懂不需要去打官司。用一個生動比喻就是：市面上的翻譯軟件不都是稍微懂點英文的程序員做的么？

所以我認(rèn)為，比起從律所角度去研究法律智能體，從 RaC 這個方向切入，反而更干凈、更有原力、更靠近制度源頭。

先說到這里，慢慢研究以后有機會再繼續(xù)說。