这个项目否决了什么，每一次否决付出了什么代价。

项目章程约束的是工程师必须怎样写，并非负责人必须懂什么：用平实的语言解释取舍，边做边讲。交给负责人的每一个选项，不靠术语也要读得懂，否则回来的裁定只是给一句没人看懂的话盖章；所以这条规则针对写的人执行，一个基于没读懂的句子做出的决定，正是它要防止的失败。

CLAUDE.md

每一个请求决定的问题，都放在回复末尾一个固定的区块里，区块之外的一概不算：没写进这个区块的请求，视为没有提出。

docs/redteam-protocol.md

每个悬而未决的问题都带一个默认选项，没人回答时就按它执行；默认选项受约束，并非随意挑选：默认必须是可撤销的选择，永远不能是单向门（定价、数据结构、删除一律没有默认，必须由负责人回答）。因此，沉默只可能产生可以撤销的选项。

docs/redteam-protocol.md

这个项目遵循的护栏，并非对简单的偏好。它被写成一项成本：复杂是成本，并非价值；任何一方都可以引用这一条提出反对。

restructuring_decision_memo_2026-07-11.md

工作按能单独证明的最小增量来审查，理由写进了协议：自我审查的诚实程度，与被审查的沉没工作量成反比。

docs/slice-protocol.md

推论（INFERENCE）：工程师的看法，并非记录在案的裁定

两套协议针对同一个弱点：审查的对象是自己做的东西，问题出在这里，与能力无关。审查者对自己建的东西会手软，所以规则缩小每次审查的范围，并把请求逼到一个埋不掉的位置。

docs/slice-protocol.md · CLAUDE.md

曾有两份文档描述一道几个月前就已废除的质量关卡，好像它还欠着没做。由此定下的规则，着眼于真假，并非整洁：一道没人再执行的关卡，被写成还要做的事，就是代码仓库里的一句假话。

src/content/retired-gates.test.ts

修复的对象并非那两句话。只改那两句，同类的问题仍然敞着，所以这条规则变成一个测试，每次运行都扫描每一份文档，并从正反两个方向证明过；一个从来只返回干净结果的守卫，没人知道它到底查了什么。

src/content/retired-gates.test.ts

同一条规则现在也约束本站发布的关于自身的文件。这些文件在一项测试早已增加到 16 段录音之后，仍写着 8 段，所以数量改为从上线的题库推算，不再重打：改了题库却没改句子，测试就会失败，并说出两个数字。

src/content/published-text.test.ts

诚实规则被写成对输出的约束，并非一种期许：不给出数据撑不起的分数、百分位或论断。

restructuring_decision_memo_2026-07-11.md

一个估计量在被托付真实作答之前，先用已知模型生成的模拟作答来跑，并且必须复原出已知的参数。由此换来的说法刻意克制：在投入使用之前，我用参数复原（parameter recovery）验证过这个估计量。

docs/artifact-pivot-2026-08-07.md

任何模拟的数据都不许冒充观测所得，在任何可能被看到的地方都一样：应用里、图表里、报告里、代码仓库里。这个标记并非小字附注。正因为有它，分析页面才得以在还没有一个人做过测试之前就存在。

docs/artifact-pivot-2026-08-07.md

测量有噪声时，产品必须把不确定性摆出来，不许藏在一个标签后面：报告区间，永远不报点，因为从有噪声的测量得出的点估计，是这个测量撑不起的论断。

src/engine/delicacy.ts

第五项测试：把偏好变成文字

否决的理由：N3，以及这项提议对自己算出的账

推论（INFERENCE）：工程师的看法，并非记录在案的裁定

这里的四项测试各有一个正确答案：你听不听得出的损伤、一个标签的拉力、一位评论家拉开的差距。它们都碰不到听者真正反映的那件事：他们说不出自己喜欢什么。为此曾专门设计过另一项测试：你先说出自己的偏好，再在同一段音乐的两个版本之间盲选，两个版本只有一处不同；产品就是你的话和你的耳朵出现分歧的那一刻。它获得了批准、估算了规模，然后在第一个真正算账的切片里被否决。偏好没有正确答案，所以唯一能测的，是几次盲选彼此是否一致；对一位果断的听者，每个维度要选二十八次。三个维度就是八十四对；每对六十秒，就是八十四分钟，比已上线的四项测试加起来还长。它原先估算时用的数字只有实际的四分之一，而那个数字是工程方面直接给出的，没有推导。用它自己规格里的数字一跑，它的四项发现有两项没能成立，其中就包括它存在的意义所在的那个矛盾。今后任何东西加进这个产品，条件都不会比这更宽松：一项测试要么带着自己测试时长的算术到来，要么不来。

代价。这是本页最大的一笔代价，而且它没有被接受，只是还欠着。倾听人们之后得到了两条发现：过去的收听，预测力不如现在的品味和正在形成的品味；几乎没有人能用文字描述自己的品味。这个产品服务了第一条，对第二条毫无作为，而第二条的面前站着真实的人。这项否决并没有说那项测试是个坏主意，只是说这种设计做不到任何人愿意坐完的长度，而更好的设计还没找到。别人也许能找到。

docs/rt-answers-2026-09-13.md · src/engine/preference.ts

Taste Gem：用五个切面呈现你的结果

否决的理由：防同质化条款，以及让它变得多余的那次写作校订

推论（INFERENCE）：工程师的看法，并非记录在案的裁定

一个视觉设计被搁置，要等产品的句子先经过写作者的手；规则是：句子立得住，图就只是装饰。如今已有三批句子写完、用上、上线，每个结果页都以文字收尾，并非停在一个带单位的数字上。这张图不会带来任何句子里没有的事实。它会带来的是五个切面，其中大多数对大多数人是暗的，因为读者通常只做过一项测试，并非四项；而一个留着空位等人填满的形状，不管画得多用心，都是一个完成度进度条。这个产品点名否决这类东西。

代价。这个产品永远不会有的一样东西，是一张人们不读一个字就能发出去的图。这里的每个结果都得读了才懂，这让分享循环失去了大部分传播力，而这已是第二次有意做出这种取舍：分级评语也是这样被撤下的。换来的是：结果页上没有任何东西能被理解成一个满分五分的分数。

docs/handoff-2026-09-01.md · docs/handoff-2026-09-04b.md

Taste Index：用一个数字代表一个人的品味

否决的理由：N3，以及它本会重蹈的那次关于分级的裁定

推论（INFERENCE）：工程师的看法，并非记录在案的裁定

开启这一阶段的设计，终点是五个子分数之上的一个综合分。这五个分别是：向标签靠拢的百分比、一个检出区间、一个以音分（cents）计的阈值（threshold）、分辨出的作品数，以及一个校准分，五种不同的单位测着五种不同的东西。把它们加起来，就得决定每一项值多少，而这种权重只能靠一个本产品没有的人群来论证：样本量为零。用一个无法论证的权重拼出来的数字，算不上五项测量的汇总；它是第六个论断，哪一项测量都撑不起它。Taste Index 不存在，将来也不会有。

代价。产品放弃了本可以放进分享卡片和标题里的那一样东西：一个人们可以比较、记住、转述的数字。取而代之上线的，是五个各用自身单位的读数，离开各自的语境就毫无意义，分布在五个不必按顺序访问的页面上。这样的产品更难推销，却是唯一诚实的选项；六个分级评语输掉的也是同一种取舍：放弃一个更锋利的说法，不去保留它、指望没人核查。

docs/artifact-pivot-2026-08-07.md · docs/handoff-2026-09-01.md · src/engine/delicacy.ts

细辨测试（Delicacy Trials）结果上的六个分级评语

否决的理由：N3，执行 RT-90a：报告区间，永远不报点

它们先上线了，随后本该为它们背书的测量否决了它们。问六个等级在上线时的测试长度下把人放进正确那一级的比例，答案是 30.5%。换成更粗的分法也救不回来。等级名称，就是一个披着形容词的点估计。

代价。结果页失去了人们能讲给朋友听的那一句话，换来一个区间：更宽，更平淡，但真实。要诚实地挣到一个分级评语，需要大约 42 到 45 个试次，也就是 21 分钟，而选定 15 个试次，正是为了避开这样长的测试。产品保留了较短的测试，放弃了更锋利的说法，没有两者都留下、再指望没人核查。

src/engine/delicacy.ts · docs/handoff-2026-08-22.md

付费训练线：整个商业模式

否决的理由：D4 修正案

原计划是免费提供评估，对训练线收费。这个计划用一句话撤回了：没有付费层级，也没有定价问题；因为在训练循环上设付费墙，会把诚实的交付物，也就是你的耳朵到底有没有进步，关在墙后面。

代价。项目放弃了唯一能证明有人愿意为此付费的手段，而当时的定位是：变现仍是目标，但作为商业可行性的证明，并非收入。它还带来了没人列进预算的维护工作：裁定六周之后，仍有三句已发布的话在承诺那个层级，两句在资料室的页面上，一句在产品提供给 AI 爬虫的文件里。把规则写下来，并不等于执行了它。

CLAUDE.md · restructuring_decision_memo_2026-07-11.md · src/content/voice.test.ts

3.99 美元的消费级产品，以及为它搭建的漏斗

否决的理由：备忘录 C1：一项记录在案的结论，并非规则

为一款 3.99 美元的冲动消费产品做病毒式分发，这条路走不通了；这是根据一个月里 29 位访客得出的结论，世界杯那扇前门一个人都没传播出去。

代价。一个测验、一条分享卡片流水线、一道付费墙和一个记账商户（Merchant-of-Record）支付适配器，在一个决定里全部成了遗留物。还有一点，最容易从这样的页面上漏掉：付费产品本身从未被测试过（付费墙只被看过 4 次）。这个结论靠的是分发方面的证据，它看起来回答了的定价问题，其实从来没有被真正问过。

restructuring_decision_memo_2026-07-11.md

对每段音频的人工试听

否决的理由：只有一个人能放行的关卡就是债务；成果转向文件第 1 节

质量控制原本是由一个人逐段试听并批准。这道关卡被废除了，产品经理从此不再评判任何一段录音；根据是负责人自己的发现：由非音乐人做的试听放行，得到的标签不稳定，也就没有价值。这道关卡并没有增加质量。它增加的是一段只有一个人能清除的延迟。

代价。替代方案有两层，而转向文件自己称为真正关卡的那一层，即从作答数据估计题目难度和区分度，从来没有运行过，因为真实作答为零。今天把关录音的只有声学这一层：响度、频谱距离、静音、削波。它能测出一次处理有多大。它察觉不到一段录音以某种没人想到要建模的方式出了问题。

docs/artifact-pivot-2026-08-07.md · docs/blueprint-vs-reality-2026-08-25.md

只在一个页面上谈论人本身

放宽的规则：D1：产品描述你做了什么，从不描述你是什么

本站的每一个读数，都是关于一次表现的陈述。这曾是一条规则，并非习惯：它作为 D1 写进了项目章程，也正因为它，一个背后没有任何测量的五次点击人格判定被撤下，没有被改进。2026-09-16，负责人放宽了它，违背了记录在案的工程建议。那张把测得的阈值变成人能用的文字的卡片，可以对读者谈论读者自己。修正案的原话是：D1 只对提示卡片暂停，别处一概不变；一周后又有第二个点名的页面，记在下面。本站每一个测试读数，仍然只说你做了什么。

换来的。这里唯一有人会保留下来的东西。测量的终点是一个以音分计的阈值，这个数字是证据，却一直站在交付物的位置上；所以一项技术上可靠的测试，用起来不愉快，看起来也没有说服力。一句只关于表现的话，成不了人们带走的东西。

代价。这个项目再也不能说，它展示的每一句话都关于表现。这句话曾经为真，是产品能说出的关于自己最平实的话之一，如今却是假的：例外只有一个页面宽，但它确实存在。项目章程也多了一个例外，这是它原本没有的复杂度，此后每建一个页面，都得问它落在例外的哪一边。留下来的规则更窄，也更难守：只提示，不断言。

CLAUDE.md · docs/rt-answers-2026-09-16.md

第二个谈论人本身的页面：小测验

放宽的规则：D1：产品描述你做了什么，从不描述你是什么

2026-09-23 上午，五次点击的音乐小测验被撤下，为的是让本站的两句话为真。同一天，负责人又恢复了它，理由是它承载着产品自己的论点：品味带着关于感受的线索，而一个人的品味透露的东西和这个人对自己的了解之间的落差，正是洞察所在。项目章程用一句话记下这个决定：它把 2026-09-16 的暂停扩展到另一个点名的页面。之后按这个论点做出的解读，在它也被点名之前不受覆盖。

换来的。产品里人们能乐在其中的那一部分，也是论点中测试从未触及的那一半。测试检验的是听者能否听出；小测验则是产品对听者可能正在经历的事说话的地方，形式是一个玩笑式的判定，并在自己门口就说明背后没有任何测量。

代价。那次转向已判定五次点击的小测验走不通，上面那条改判也说它正是 D1 存在的原因。如今它回来了，就在测试旁边。关于人的解读和对表现的测量之间的界线，现在只靠一个个点名页面来守，卡片自己的声明也只好从「on this site」收窄到「in the gym」。有一条线没有动：任何页面都不对创伤、虐待或心理健康作出任何断言。

CLAUDE.md

小测验再次撤下，解读成为产品本身

放宽的规则：D1 与 D3：产品描述你做了什么，名气偏差测试（Prestige Test）曾是旗舰

小测验回来几个小时之后，同在 2026-09-23，负责人将它永久撤下，并收回它对 D1 的豁免。它的问题要人们描述自己的品味，而本项目背后的访谈发现，这件事几乎没有人做得到；它的判定还是由语言模型写的。同一项裁定挪动了旗舰：名气偏差测试不再是前门。一位听者近来播放记录的解读成了前门，四项测试成为它身后的听辨部分。这项裁定还加上了解读赖以建立的规则：任何页面都不许断言一种感受。而且，任何页面都不对创伤、虐待或心理健康作出任何断言。

换来的。一扇展示项目初衷的前门：把一位听者近来的品味读成一条条文字，可以对照播放记录核对，可以反驳，可以带进提示词。而且，访客到来时，本站再也没有任何一句话由模型生成，所以每一句都是测试读得到的固定模板。

代价。小测验是产品里唯一不戴耳机也能乐在其中的部分，现在没有了。在门口取代它的解读，运行在三位示例听者身上，所以访客遇到的第一样东西，是标明为模拟的播放记录，而这里原先是对访客本人的测量。上面那条改判，如今记录的是一个持续不到一天的决定。

docs/rt-answers-2026-09-23-audit.md

2026-09-02 · 违反 N3：数据撑不起的东西一概不说

在允许复测训练线告诉任何人耳朵有了进步之前，先测了它能分辨多大的变化：这里的全部风险在于，两个有噪声的数相减，会凭空造出进步。用上线时的测试长度，模拟同一个没有变化的人做两次测试，音高梯级上的下限约为 3.5 倍：阈值要缩小一半以上，差别才能和每次运行之间的正常波动区分开。在名气偏差测试上，这个下限是量表上的 8 分。细辨测试根本撑不起复测训练线：15 对里得有 6 对易手。

此后。因此，大多数复测得到的回答，都明明白白地说：没有发生测试能听出的变化。这种拒绝是这项功能的常规输出，并非边缘情况；那句话用读者自己的单位说出下限，读起来是关于测试的事实，并非对读者的评判。唯一能降低下限的是再来：合并四次测试，下限降到约两倍半，这就是这个产品为回访提供的全部回报。

src/engine/arc.ts · docs/analytics/e14-arc-resolution.txt

2026-08-07 · 违反 N2：反作秀护栏

当时已有一项裁定：单独发布旗舰测试，一到两周之内，不许第二项测试挡住它。结果建出来的是第二项测试。那天写下的计划毫不掩饰：结果建出来的是细辨测试。这是 N2 所说的逃避发布的表现，记录在案。就在它上面，是诊断：没有任何事被工程卡住。所有事都卡在发布没有发生。

此后。截至本页底部的修订日期，它仍未发布。产品至今一共只有 29 位真实访客。真实作答为零，所以实验室里的每一个心理测量数字，都由已知模型生成并标为模拟；那个被称为项目专有资产的数据集并不存在。建造让人感觉在进步，而瓶颈从来都不在它。

docs/endgame-plan-2026-08-07.md · docs/blueprint-vs-reality-2026-08-25.md

2026-08-07 · 违反 N2：同一条护栏，用在回应上，并非用在行为上

推论（INFERENCE）：工程师的看法，并非记录在案的裁定

接下来发生的事更难看懂，下面的看法出自我本人，并非记录在案的裁定。同一周内，项目采纳了一个让被逃避的事变成可选的方向：简历价值不能被一次负责人没有精力去做的发布绑架；随后又写道：2026-09-15 的截止日期已不再是一项有效约束。就其自身而言，这个论证站得住。按先后顺序看，它同时也是一个项目发现自己在逃避某件事，随即取消了做这件事的要求。

此后。从记录里我分辨不出是两者中的哪一种，读者也分辨不出，所以本页照实说明，不去挑那个好听的说法。能定下结论的检验并非一番论证：它在于这些测试是否真正放到陌生人面前。在那之前，对这个项目诚实的描述是：它建成了四项能用的测试，并用模拟作答者测量过它们。

docs/artifact-pivot-2026-08-07.md · docs/endgame-plan-2026-08-07.md

一部约束工程师的章程

每次会话都从同一部成文章程开始，它的第一条常设规则针对的是工程师：每一项提议都必须注明它服务的备忘录决定（D1 至 D6）或护栏（N1 至 N3）。

CLAUDE.md

在提交 ef33160 中可见其运作

执行循环的钩子

如果一次代码提交没有带上这个切片的北极星、三条红队发现和一份自白，Git 会拒绝它。它只检查有没有，不检查诚不诚实。第二个钩子由 Claude Code 运行，是切片之间的停顿：一次 git 提交会锁上闩锁，在负责人回复之前，编辑文件的操作一律被拒绝。负责人的常设自动推进生效期间，它会让开。

.githooks/commit-msg · .claude/hooks/slice-latch.py

在提交 9523984 中可见其运作

引用自身规则的技能

三个技能在需要的时刻把一套流程载入会话。红队技能打包的是这里每次会话本来就照着文字执行的流程；收尾技能打包的是收尾规则；蓝图检查打包的是记录在案的蓝图规则。

.claude/skills/red-team-slice/SKILL.md · .claude/skills/close-session/SKILL.md · .claude/skills/blueprint-check/SKILL.md

在提交 9523984 中可见其运作

不能改代码的审查者

红队技能把一个切片暂存的改动交给第二个智能体，它最多返回三条发现，不能改代码：你负责报告，主会话负责修。它没有任何能写入的工具，因为一个本想让它保持只读的钩子经过测试，并没有拦下写入操作；一个拦不住写入的守卫，不可能是让审查者保持只读的那样东西。

.claude/agents/red-team-reviewer.md

在提交 9523984 中可见其运作

引用记录的服务器

一个小型只读服务器，用文件自己的原话回答会话关于蓝图、裁定和已放弃假设的提问，因为一个返回文件原文的工具没办法转述它。

packages/record-mcp/README.md

在提交 b8c024f 中可见其运作