> For the complete documentation index, see [llms.txt](https://babyyoung.gitbook.io/english-level-up-tips/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://babyyoung.gitbook.io/english-level-up-tips/di-san-bu-jie-gong-ju-fang-da-neng-li/5-evidence-and-transfer.md).

# 证据篇：变化要如何被看见

建立从基线、即时表现、延迟保持到真实迁移的证据链，判断学习、AI 协作和人生行动是否真的改变。

人很容易把熟悉感当成能力，把完成打卡当成进步，把一段顺利的对话当成已经学会。真正困难的不是收集更多数字，而是知道哪些痕迹足以回答眼前的问题。需要把一次任务完整记录下来时，可以直接使用[证据链模板](/english-level-up-tips/gong-ju-xiang/evidence-chain.md)。

我写“证据”，不是想把生活改造成一张冷冰冰的仪表盘。相反，证据让我们少一点自我欺骗，也少一点无根据的自责：它告诉我们哪里确实变好了，哪里只是暂时顺手，哪里需要换一种方法，哪里应该停止继续投入。

## 本章速览

* 证据必须回到具体任务、条件和时间，而不是脱离场景的分数；
* 用基线、即时表现、延迟保持和迁移样本组成一条证据链；
* 把 AI 辅助下的表现与独立表现分开，记录交接时谁承担判断；
* 失败、返工和不适用的条件同样是证据；
* 生活中的变化不能都量化，但可以用更诚实的观察和边界来记录；
* 每七天只复查一个主问题，避免用更多记录代替真正的行动。

## 1. 证据不是成绩单

成绩单回答的是“在某一套规则下得了多少分”。证据回答的是“在什么条件下，我完成了什么，别人能否复查，下一次能否重做”。两者有时重叠，但从来不是一回事。

收藏了十篇文章，不能证明你能解释其中一个概念；和 AI 共同写出一段代码，不能证明你能在没有聊天记录时维护它；连续早起七天，也不能自动证明你的生活更有秩序。它们最多是线索，必须被放回任务中检查。

一个有用的证据至少要能回答四个问题：

| 问题    | 需要写清什么            | 缺少时会发生什么     |
| ----- | ----------------- | ------------ |
| 能追溯吗？ | 样本、来源、版本和日期在哪里    | 结果只能靠记忆复述    |
| 有条件吗？ | 主题、听众、时间、工具和限制是什么 | 不同条件被误当成同一水平 |
| 能比较吗？ | 前后两次是否保留了相近任务     | 变化无法归因或复核    |
| 能迁移吗？ | 换主题、对象或场景后还能完成吗   | 熟练只停留在练习原题   |

证据不是为了把人排队，而是为了让下一次选择少一点盲目。

## 2. 保存四个时间点

同一个任务，最好保存四种状态。它们不要求每次都很长，却要明确区分“谁在什么时候提供了什么帮助”。

| 时间点      | 目的                       | 示例              |
| -------- | ------------------------ | --------------- |
| **基线**   | 在集中训练或工具介入前，知道自己真正能做什么   | 不查稿解释一个熟悉工作流程   |
| **即时表现** | 在练习或反馈刚结束后，观察当前能否完成      | 看过示范并修订后重新录音    |
| **延迟保持** | 隔一段时间、没有刚刚的提示时再做一次       | 七天后换一段材料重做同类任务  |
| **迁移样本** | 改变主题、听众、媒介或约束，检查能力是否离开原题 | 把内部说明改成给客户的简短说明 |

如果只保存即时表现，最容易高估自己；如果只保存最终成品，又会忘记自己如何从不会走到会。四个时间点放在一起，才更接近一条可解释的变化轨迹。

## 3. 三种结果不要混为一谈

学习中常见三类结果：**做得出来**、**过几天还记得**、**换个地方仍然能用**。它们彼此相关，却需要不同的检查。

* **表现**：今天能否完成任务？看清楚错误、时间和外部帮助；
* **保持**：一段时间后还能否完成？去掉刚刚的提示，保留相近难度；
* **迁移**：任务换了外壳还能否完成？改变主题、对象、顺序或压力条件。

例如，你在 AI 帮助下写出一封英文邮件，说明即时表现可能不错；隔天不看原稿独立写一封相近邮件，才能观察保持；真正面对一位语气不同的客户仍能澄清问题，才开始接近迁移。不要用第一种结果替第二种和第三种盖章。

## 4. AI 介入时，记录人工门

AI 会改变速度，也会改变任务的性质。使用工具时，不要只记录“用了什么模型”，还要记录哪些判断仍由人完成：

| 条件      | 人需要完成什么            | 证据重点           |
| ------- | ------------------ | -------------- |
| **独立版** | 不看 AI，先完成自己的第一版    | 基线、错误和卡住的位置    |
| **辅助版** | 允许 AI 提问、解释、比较或反馈  | 提示、来源、修改理由和返工  |
| **交接版** | 关闭聊天后向别人解释、维护或继续完成 | 关键决定、权限、测试和责任人 |

如果 AI 直接产出最终答案，你应该额外做一次“撤掉工具后的复测”。不会解释的正确答案，不能算作已经拥有的能力；不能交接的自动化，也不能算作可以放心运行的系统。

这也是为什么本书反复要求保存[AI 任务简报](/english-level-up-tips/gong-ju-xiang/ai-task-brief.md)、[作品简报与交付卡](/english-level-up-tips/gong-ju-xiang/artifact-brief.md)和[学习状态](/english-level-up-tips/gong-ju-xiang/learning-state.md)：它们不是文书工作，而是把人工门和责任边界留在记录里。

## 5. 把失败和返工写进证据

只展示顺利的版本，会让方法看起来比现实简单。失败至少提供三种信息：哪个条件没有成立，哪个假设被推翻，下一次应该减少哪一种风险。

记录失败时，不要只写“没做好”。可以写成：

```markdown
任务与条件：
我原本以为：
实际发生了：
最早出现的错误：
返工花了什么成本：
下一次只改变哪一个变量：
什么结果会让我停止继续投入：
```

返工次数本身不是能力指标。一次及时的返工可能保护了用户和关系；反复修理一个不值得做的任务，则可能是在逃避更重要的决定。证据的价值不在于让记录看起来漂亮，而在于让代价能够参与下一次选择。

## 6. 不把生活做成仪表盘

有些变化适合计数：完成了几次交付、延迟复测的正确率、一个测试是否通过。有些变化不适合被压成单一分数：是否更敢求助、是否减少了对别人的伤害、是否终于能在疲惫时停下来。

对后者，可以记录更接近事实的观察：

* 我在什么场景下比以前更早发现自己已经超载？
* 我是否向受影响的人说明了边界，而不是突然消失？
* 一次冲突之后，我做了什么修复，结果如何？
* 我是否因为保留休息而减少了一次高风险决定？
* 哪些变化只有自己知道，哪些变化已经被别人观察到？

这些问题没有统一答案，也不要求把关系和身体变成 KPI。它们只是帮助我们把“我好像变了”拆成可以尊重隐私、承认不确定性的叙述。

## 7. 用证据决定下一步，而不是决定自己的价值

证据可以说明一项方法在某个条件下是否有效，不能说明一个人值不值得被爱、是否有资格重新开始。一次失败的录音、一项没有通过的测试或一周没有完成计划，都不能成为人格判决。

每周复查时，按这个顺序问：

1. 事实是什么？只写看得见、听得见、能回到文件或来源的部分；
2. 哪个解释最有用？同时保留至少一个可能的反例；
3. 下一次要改变哪一个变量？不要同时更换材料、工具、时间和目标；
4. 需要什么支持或边界？包括同伴、专业人士、授权和暂停条件；
5. 什么时候复测？让日期、场景和完成标准先于情绪决定。

如果证据不够，不要急着给自己打分。缩小问题、保存更好的基线，往往比制造一个精确但虚假的结论更诚实。

## 8. 一页证据链

可以把一次学习或生活行动压缩成下面这一页：

```markdown
# Evidence Chain — YYYY-MM-DD

主问题：
真实场景与受影响的人：
完成标准：

基线样本（条件 / 位置 / 日期）：
即时表现（做了什么 / 得到什么帮助）：
延迟保持（何时 / 去掉什么提示）：
迁移样本（改变了什么条件）：

最重要的错误或失败：
证据支持的结论：
仍然只是推测的部分：
隐私、权限、健康或关系边界：
下一次只改变的变量：
复测日期与停止条件：
```

这一页可以链接到[每周复盘模板](/english-level-up-tips/gong-ju-xiang/weekly-review.md)和[九十日行动总表](/english-level-up-tips/gong-ju-xiang/90-day-cycle.md)。当周期结束时，把它与最初的样本并排放置；不要只保留总结句，也保留曾经做错的版本。

## 9. 七天证据审计

接下来七天，每天只检查一件事：

1. **第 1 天**：保存一个未经 AI 帮助的基线；
2. **第 2 天**：写清任务条件和完成标准；
3. **第 3 天**：完成一次辅助练习，记录 AI 的具体作用；
4. **第 4 天**：关闭工具，独立重做同一任务的一小部分；
5. **第 5 天**：找一个真实的人、测试或来源提出反例；
6. **第 6 天**：换一个主题或听众，做一次迁移尝试；
7. **第 7 天**：比较四个时间点，只决定下一周期改变的一个变量。

七天之后，你可能发现自己没有“进步很多”，但会更清楚进步发生在哪里、还没有发生在哪里。这种清楚本身就是一种能力，因为它让下一步不必依赖兴奋或羞耻。

证据不是终点，而是下一项责任的入口。准备把方法带进技术与企业交付时，进入[AI 开发与资源层创业](/english-level-up-tips/di-san-bu-jie-gong-ju-fang-da-neng-li/2-ai-development-and-resource-layer.md)，让结果接受用户、成本、故障和交接检验；准备把一项能力交给完整周期时，进入[行动篇：九十天，把生活交还给自己](/english-level-up-tips/di-wu-bu-xing-dong-yu-chang-qi-gai-bian/90-day-plan.md)；如果某个概念仍然含混，先回到[术语与方法索引](/english-level-up-tips/kai-shi/glossary.md)，不要带着不清楚的定义继续加码。

## 结语：让变化能够被诚实地看见

人生里有许多重要的变化没有掌声：一次没有发出的伤人消息，一次及时的求助，一段终于完成的道歉，一份在疲惫中仍然保留了边界的交付。它们未必适合做成图表，却值得被记住。

我希望证据最终带来的，不是对自己的监控，而是一种温和的可信度：我知道自己曾经在哪里，我知道今天做到了什么，也知道哪些结论还不能急着写下。拥有这份可信度之后，我们既不需要把偶然的顺利夸大成天赋，也不必把一次失败扩大成命运。

变化不是因为被记录才发生。记录只是让我们在变化发生之后，有机会认出它，并把它带到下一段生活里。