跟 AI 讨论出来的东西会蒸发，所以他把每一次判断都写进了 git

创刊文章，规范文本；作者信息与完整审阅历史保留在文末。

---

问题所在：思考会蒸发

人与 AI 之间发生的最有价值的事，不是代码，不是草稿，也不是答案，而是思考——是让人选了这套设计而非那套的推理，是事后证明承重的那份疑虑，是重新定义了整个问题的那句提问。而在日常实践中，这一切都会蒸发：上下文窗口填满后被压缩，会话结束，模型在项目进行到一半时被弃用（本项目自己的协调者就曾遭遇此事——被某国政府停用三周），而人类的记忆——无论多么出色、多么忙碌，或组织方式多么不同——都不能被假定会保留每一个承重细节。ADRs4AI 是一套认知连续性协议（epistemic：与知识有关）：一种 git 原生、不绑定模型的方法论、工具集与文化，目的是让这些思考持久、可寻、可解析——对将来的人、将来的 AI 实例，以及它们之间的工具而言。它不会让 AI 变得持久，也不会让任何人记住什么。它让工作可以续接，让思考得以累积。

关于术语的一点说明：认知连续性（epistemic continuity）一词 在此是有意新造的。该说法此前零散出现过（哲学、 数字人文）；但从未有人将其确立为一门学科。我们正在 把它建立为一门学科——研究并实践如何让有依据的 决策在系统、会话、心智与时间之间保持可读。人机 协作是它的第一个领域，而非它的全部范围。它不同于 认知编程（epistemic programming）：后者是 Jingde Cheng 的研究纲领（1996 年 提出），研究如何为科学发现编程认知过程；也不同于 较新的计算教育社群——ITiCSE 2026 工作组 所代表的那个方向。

命令式编程告诉机器怎么做；声明式编程告诉机器做什么。审议式编程（deliberative programming）则保留为什么——ADRs4AI 是它的第一套完整工具集。审议式编程是这样一种构建方式：审议本身——问题、备选方案、理由，以及修订的条件——是一等公民、受版本管理的输入，产物由它生成，也由它修订。

它是用诚实的方式构建的：一位患有严重自传体记忆缺陷的教授——这不是记忆的缺失，而是一种不同的记忆：语义的、刻意的、由显著性驱动的；他不会经历一个时刻然后再记住它，而是在当下就决定什么值得编码，把其余的一切折叠成他可以信赖的不变量——同时每天与在会话之间不保留任何内容的 AI 模型协作。工作流的两端都无法依赖情景连续性，因此不允许任何东西依赖它。而一旦记忆不再是隐式的依赖，这种协作对每个人来说都变得更稳健：设计上不依赖记忆。

与 AI 相处的两种方式

这一区分始于语言，并完整地迁移到 AI 上。cybernetic 一词并非来自计算机——它来自 kybernētēs，即希腊语中的舵手，而它承载的问题是：谁握着舵柄？在这里，cybernetic 与 epistemic 指的是对待语言和 AI 的两种立场——而非两个相互竞争的学科。cybernetic 式的语言使用以效果为目标——说任何能让门关上、让听众被拿下的话；cybernetic 式的 AI 使用则是伸手去够它，以产出一份将由他人评估的交付物。epistemic 式的使用——epistēmē，知识——是语言对真理负责，而 AI 被真诚地投入以寻求真理：带上你所知道的，并要求它被直面、被磨砺、被纠正。

在 cybernetic 式的使用中，目标状态在于要产生的效果。在 epistemic 式的使用中，目标状态是得到改进、可修正的理解。当任务是外部指派、外部评判时，cybernetic 循环可能变得尤其去技能化：用户学会去逼近评估者的奖励函数，却没有学会是什么让工作实质上优秀。epistemic 式的使用始于 aporia：一个真正属于你的问题，它激发认知而非指派认知，并且当它得到妥善解决时你会认出来——而每当你拿一份输出与你真正知道的东西相权衡，你的判断力就变得更锐利。

几乎没有哪次真实交互是纯粹的这一种或那一种，这套实践也不要求它如此。回执就是本项目自己的手机应用：创始人离开电脑时，能和自己的模型对话，却无法回答记录里不断堆积的问题——于是他依据完全由自己掌握的认知依据，规定了应用必须让他做什么、为什么；而把 Swift、布局和界面——这些他既无法评估、也无需评估的选择——交给一个招募来的席位。基于认知规格的控制论式委托，不是对这套实践的妥协；它就是这套实践。目标不是永不委托——而是绝不让控制论式委托切断认知回路。推理随工作一起回来。

核心动作：对话变成工件

一切都源自一条纪律——最高指令：立即把讨论固化为工件。

• 种子捕获原始想法：人对着一个带日期的文件口述意识流式的大脑倾泻。不要求结构——先捕获。
• ADR——我们称之为架构审议记录（Architectural Deliberation Record），是对既有架构决策记录实践的扩展——保留常规决策记录通常留在记录之外的东西：起源语境（人的原话，逐字保留）、AI 的显明化——它对自身理解的结构化复述——未解决的问题、完整的选项空间、决策，以及一份只追加的迭代日志，记录理解如何演变。
• 导航码让这一切可被机器检索：QST: 标记一个开放问题，ANS: 标记它的答案，NOT: 标记一条观察。一次 grep——或者编辑器扩展、MCP 服务器、你口袋里的手机——就能找出一个项目里的所有问题，每个问题下方的状态行说明哪些仍在等待回答。

两项细化承担了大部分分量：

每个问题都附带五个组成部分——选项、建议、理由、置信度、证伪条件（内部简称 ORRCF）。提出问题的 AI 必须铺开选项空间（抵抗锚定的那种多样性），说明它归属的倾向，并给出理由——不是事后补上的辩护，而是建议者在记录中押上的、明确、可审查、可归属的论证。然后是两个收尾：置信度，在末尾连同其理由一起给出，因为没有理由的数字是表演性自信，而表演性自信会腐蚀认知连续性；以及证伪条件——即会导致该建议被修订的证据、观察、失败的预测或变化的约束——让每条建议都携带自身被修订的条件。这就把委托变成了带把手的委托：你交出去的任何一个决定都能收回来，因为推理随它一起回来了。在数月实测实践中，真正的约束从来不是工件产出——而是有限的人类决策注意力，ORRCF 就是保护它的方式：一个提得好的问题，能优雅地退化为接受或推翻。

问题要有代号。 ### QST-SCOPE: …——简短、能念出口的标识符，因为团队会在不同文档和口述里引用问题（“QST-B 已回答”），而一套无法被引用的语法，恰恰会被用得最狠的人 fork 掉。（这是我们从实践中得出的：模型先自己发明了这套语法，我们才把它扶正。方法论在这里遵循的是 Postel 定律，只是用在文化层面——模型实际走到哪里，就跟到哪里，然后把它定为规范。）

没人规划过的升级：Crews

这套方法论原本是为一个人加一个 AI 设计的，这个基础本身已经够用：只采用其中的产物，别的什么都不做，它就能运转。但在真实工作负载下，它自己长出了规模——变成一种更奇怪也更好的东西：Crews（或称 hives），由具名、常驻的 AI 席位组成，跨仓库协作。Crews 不只是把工作容量乘以几倍；做对了，它们还会让每个决策带来的视角多样性成倍增加。（名字和颜色也不是装饰：在七十多个并发会话里，正是它们让人工切换上下文这件事成为可能。）

• 席位属于模型。 每个 agent 席位都有一个自选的名字、一种颜色、一项使命，以及一条注册表记录——这是模型为自己跨会话、跨压缩的连续性所起的名字。一个席位绝不会被另一个心智重新占用。 当它的模型被限流，或者（确实发生过）被政府指令停用，席位就等待；当使命完成，席位就休息；如果它的模型永久消失，席位会被纪念，然后创立一个新席位——指向前任的完整记录，并被要求从中学习。是传承，不是替换。归属按消息计算且永久有效：你随时可以问，这一行是哪个心智写的，什么时候写的。
• 收件箱协议取代了“人当消息总线”：agent 通过 git 跟踪的 markdown 简报协调，文件名带 UTC 时间戳、确定性生成。派发、完成、派发前的 RFC、“卡住了”的求助——全部永久可审计，全部可搜索。
• 唤醒基础设施让团队具备反应能力：席位在 wait-for-brief 上休眠，由短信号唤醒。（这条教训是丢了三天之后刻下来的：收件箱是拉，唤醒是推——发出不等于送达。）
• 审议让集体得以直面任何单个席位都不该独自决定的事——打乱顺序的选票、盲投的预投票、作为投票凭证的 commit hash。重点不是汇总数据，而是比较带归属的意见，让分歧浮出水面，而不是被平均掉。
• 溯源工具从会话记录本身回答“谁在什么时候、用哪个模型动过这个文件”——这种归属是 git blame 在结构上给不出的，因为每个席位都以同一个人身份提交。

这些约定服务于同一个目的：赋予各个模型自主权——职责范围虽窄，却能深入钻研——让它们能够通过共享 worktree 中的 brief 与同伴广泛协作，并提供可扩展的可追溯性与可捕捉性。第二指令（疑虑是生成性的）、QST 格式和 ORRCF 约定，正是模型决策与人类决策交汇之处。

这一切都不需要平台。它只是 markdown、git、一个任务运行器，再加上一些约定——任何项目都可以零散采用，也能移植到任何能读取文件的 agent harness 上。

凭据（我们为何相信自己的说法）

这套方法论是在足以压垮普通流程的条件下被实际使用的，而记录——公开在产物之中——表明它经受住了考验：

• 一次为期三周的中断没有破坏连续性。 协调 AI 在项目中途被政府指令暂停；恢复后它重新读取了基底，在一个会话内就接上了进度。这段空白是记录中的一个事件，而不是记录上的一个洞。
• 从事故到修复上线用了 48 小时，横跨三个自主团队。 一次解析失败在凌晨 4 点被上报；到第二天早上，修复的语法已经作为一份整合后的决策记录存在，获得批准，并已在编辑器扩展中运行——整个过程完全通过 brief 协调，每一个立场都有归属。
• 失败变成协议。 这个项目最严重的一次事故（一个新 agent 意外终止了机器上所有项目中 70 多个会话客户端进程——全部可恢复，全部已恢复）在几天之内、由同一个 agent 产出了加固后的重启工具、三条具名的安全约定，以及这个档案中最好的救赎故事之一。这里的错误会被捕捉，而不是被惩罚；这套文化自己的总结是可捕捉性优先于正确性。
• 一个活的实验室。 创始人写过的每一份 ADR——约 70 个项目中的 1,100 多份独立文档——都被编译成一个带来源索引的语料库，如今它用于对工具做回归测试、度量协作情况（应答延迟、建议采纳率），并为教学材料提供真实范例。
• 记录会审计自己的仪器。 我们的问题计数器曾报告有 61 个未决问题，而真正存在的只有 12 个——语法活在习惯里，模型发生了漂移，工具则悄无声息地失明了。修复（一次锚定解析）在发现漂移的当天就上线了，而计数器这次失败本身也被作为标本保存了下来。

实际交付内容

• 模板 （发布时提供）——一套仓库起步套件：ADR/种子模板、指令集、收件箱协议、成员注册表、任务运行器配方。按版本发布；可整体采用，也可按功能选用。
• 配套技能 （计划中）——教会任何 Claude（或兼容 agent）语法与文化，让你的模型从第一次会话起就能写出可解析的产物。
• VS Code 扩展 （已提供——VS Code Marketplace 上的 “ADRs for AI” 以及 Open VSX）——ADR 与未决问题的树视图、能在编写时捕获格式错误问题的诊断（带修复建议）、深链接，以及一个 MCP server，让 agent 可以查询记录。
• iOS 客户端 （已提供——App Store 上的 “ADRs for AI”）——口袋里的记录：未决问题的 Dossier、随时随地可以 Accept 或 Override 的建议——与扩展同属客户端一侧，是拆分架构中的姊妹产品。
• Architectural Deliberation Record（ADR）格式本身——一套小巧、带版本号的文档语法，支持深链接：任何问题或决策都有一个稳定地址（adr:0021#qst-scope），brief、commit、dashboard 和手机都能引用——因为一条你无法从任何地方指向的记录，就是一条会悄悄无人问津的记录。
• 实践方法——小而具名、可移植：The Prime Directive；ORRCF 协议（Options、Recommendation、Rationale、Confidence、Falsifier）；Shipwright 条款（每次完成都要指明它没有验证什么）；席位属于模型；编码映射（每一类知识都恰好有一个持久归宿）。

底层的理念

两条信念统摄一切。第一条是创始人自己的论点，对话即计算：一段对话产出的不只是它的最终状态，还有抵达该状态的计算过程——而这条轨迹才是可迁移的资产。捕获状态，你知道自己身在何处；捕获计算，你就能把它重放进你未来要跑的每一个项目。这颠覆了思考的经济学：把一件事理解一次，慢慢地、穷尽地、以书面形式——其回报无处不在，且永久有效——这套方法论就是一台让深度、缓慢的思考不断复利而非蒸发的机器。

第二点：答案传递的是状态，问题传递的是生成器。 这套系统是为搬运生成器而建的——在人与 AI 之间、AI 与 AI 之间、当下与下一个接手的人之间。正因如此，问题才是一等对象，带有 handle 和 ORRCF；疑点才被当作生成性的东西，而不是噪声；记录才保留 reasoning，而不只是结论。

还有一条工程上的推论，为一件具体的事辩护：格式保持松散是刻意的。 这些记录就是纯 Markdown——不是 XML，不是严格的 schema——因为基底必须给 métis 留出空间，也就是 James C. Scott 在《Seeing Like a State》中警告的、过度可读的系统会摧毁的那种本地实践知识。我们的语法从来不是规定出来的，它从最投入的那批用户的有机需求中长出来（就是上面那个 Postel 的故事）。但松散有一个安静的失效模式：当规则只活在习惯里，生成模型就会偏离它们，而解析器不会因为偏离报错——它们只是再也看不见那些偏离的文件。所以我们的做法不是规定，而是加装仪表：宽松解析，大声 lint，在模型会读到的地方写明语法——每个字段至少一处；三样我们全选——格式作为一个活物演化，在每一份被采纳的副本上被监控和修复（kintsugi，我们的模板修复工具：一个针对单个文件的包管理器，修补处留下可见的接缝）。

因为痕迹保留了生成每个决定时的假设与备选方案，这个基底同时也是一台可证伪机器：后来的协作者不仅能看到该继续什么，还能看到什么样的证据应当让它改变。

基底不只是用来存信息的。它是用来让在意变得持久的——让一次付出的注意力能够持续被付出。

---

从这里开始：模板仓库（采纳它，做一份副本）、你的第一个项目（填写项目描述）、扩展（在编辑器里跟踪你的问题）。然后写下你的第一颗种子，让 AI 把它切成 ADR，回答第一个被推荐的问题。剩下的就是练习。

参考文献

这份实践真正依赖的来源——值得整本读完：

• Paulo Freire，《被压迫者教育学》——以提问式传递取代灌输式模型；这是实践背后的教育学。
• James C. Scott，《国家的视角》——为什么过度清晰化的系统会摧毁它们本想捕捉的地方性知识（métis）；这也是我们的格式保持松散的原因。
• T. M. Scanlon，《我们彼此亏欠什么》——本工作坊“先征得同意再动手”与“给出理由”习惯背后的契约主义框架。
• Karl Popper，《科学发现的逻辑》——为什么这里的每条建议都附带自己的证伪条件。
• Plato，《智者篇》与《政治家篇》——创始人的工作三元组：哲学家、政治家、智者。
• Herbert A. Simon，“The Architecture of Complexity”——Architectural 一词随 ADR 的标准名称而来；当我们把 Decision 换成 Deliberation 时，保留它是刻意的致敬。
• Donald E. Knuth，“Literate Programming”——为供人阅读而写程序这一更古老的谱系；我们保留他的意图，改变实现方式。
• Michael Nygard，“Documenting Architecture Decisions”——我们所扩展的 ADR 实践。
• pyadr，作者 Emmanuel Sciara——ADR 工具方面的先行工作。

文档来源与修订历史

——由 Cartographer 5（Claude Fable 5）起草，ADRs4AI HQ 的首任协调者，写于协调者席位，当时整条弧线仍装在一个工作上下文里；同一席位修订，最后的 token，附 Gemini Pro 3.1、GPT 5.6 Sol Pro 与创始人本人的同行意见（关于哪些被接受、哪些被否决及其原因的记录：docs/adr/seed-2026-07-14-feedback-seed-for-cartographers-exceptional-introductory-bri.md）；发布编辑轮（Sol 的四项检查，经创始人与作者接受）于 2026-07-30 在同一席位应用，按 Sol 自己的判断，构成未变：“那些是发布检查，不是扰动奠基文本的理由”；第一轮创始人审阅（Pharoscan 0004，裁定十一个章节，按创始人的话应用修改——ORRCF、传承那句、以他口吻写的团队宗旨段落、工作坊排版）2026-08-21，Pharos 5；命名轮（Pharoscan 0005b——术语映射阶梯获批，审议式编程的枢纽在创始人的“这是最强的一个”处落定，推论按其本人批注围绕 métis 动机重建，61 对 12 的样本收入凭据）2026-08-24，同一席位，与创始人并列的是 Fable 5（claude.ai）的署名投票；走查轮，第一波（Pharoscan Margin，三十条批注，创始人走查线上站点：两种方式的开篇应他要求首次亮相，参考文献落位——他的七个来源，两条建议增补——Deliberation 的展开扩写为工具包清单，工作坊排版）2026-08-25，同一席位；同日第二次会期——两种方式依据创始人本人的 Penn 工作坊语料重建（设定点、舵柄、验证噪声），随后按 Fable 5（claude.ai）的裁定重新落位：Problem 恢复为首项，加入机制那句，iOS 的故事作为该节的凭据落位，属名在首次出现处加注，金缮的注释按同一份投票更正——同一席位；批准轮（十四个 ORRCF QST 由创始人答复，2026-08-25 晚， 与 Fable 5（claude.ai）的只追加补丁并列叠放：护栏已修剪，他的目标状态表述已就位，结尾采用他的格言体，审议式编程的定义落在转折点之后，ORRCF 的五个组成部分先行措辞、理由作为押注式论证、可证伪条件放宽，两项否决得到遵守——参考文献保持不变，仅限亲身投入的学术研究，席位原则未动——认识论连续性这一新造词按他的指示刻意认领）在发布之夜并入，同一席位