--- order: 9 date: 2026-08-05 summary: ——规则不是蒸出来的，是长出来的 --- # 清单从哪里来 **——规则不是蒸出来的，是长出来的** 《一张有答案的考卷》把律所里堆积的历史批注立成了金标准，用来考审查者。但那堆批注还有另一个用途，比考卷常见得多——市面上的合同审查产品，十有八九在做同一件事：把资深律师的批注蒸馏成审查规则。真题成堆，答案现成，把答案编成规则似乎顺理成章。这条路走反了。 ## 专家系统的墓志铭 工程界走过这条路，而且立了碑。 上世纪八十年代的专家系统正是这个思路的完整实验：把专家的判断采访出来，编码成“如果……那么……”的规则，攒成规则库，机器照章执行。明星项目一度风光——DEC 公司配置计算机的 XCON 系统攒到上万条规则，头几年确实省了大钱。然后维护开始失控：规则之间互相打架，新规则的副作用无人能预测，每改一处要回头检查几百处。更深的坑在上游，行内称为**知识获取瓶颈**：专家说不出自己的规则。你问一位老工程师“你怎么判断的”，他给出的答案永远比他实际做的判断少——因为判断是情境里的事，规则是脱了情境的话。专家系统的规则库，本质上是把一种带情境的能力压缩成不带情境的条文，而压缩掉的部分正是价值所在。 二〇一九年，强化学习先驱萨顿把七十年 AI 史压缩成一页短文《苦涩的教训》，结论只有一条：**依赖通用算力的方法，最终总是大幅胜过依赖人类编码知识的方法。** 国际象棋如此，围棋如此，语音识别、计算机视觉全都如此。往系统里手工灌注人类知识，短期见效，长期封顶——因为编码进去的知识不会随算力增长，而通用能力会。之所以“苦涩”，是因为每一代研究者都想抄人类知识的近道，每一代都重新败一次。 ## 蒸馏出来的琐碎 把律师批注蒸馏成审查规则，就是在大模型时代重写专家系统——而且两个败因原样继承。 第一个是知识获取瓶颈的变体。一条批注是**情境中的判断**：那位律师，在那笔交易里，掂量过双方关系、谈判筹码和签约的紧迫程度之后，才在那个条款上落了笔。蒸馏成规则，情境被剥掉，每一次情境化的“此处要改”都升格成普适的“凡此皆标”。几千条这样的窄规则跑在一份合同上，产出的就是满篇皆红的审查报告——《一张有答案的考卷》说过，那等于没有审查，它把发现的成本原样转嫁给读报告的人。琐碎不是蒸馏做得不够精，是蒸馏这个动作本身的产物：**判断脱了情境，剩下的只能是琐碎。** 第二个败因更直接：多余。大模型本身已经装着比任何律所规则库大几个数量级的法律知识，“无上限连带责任要警惕”这类规则，它不需要谁教。把批注蒸馏成规则，是在给一台已经会判断的机器重新编写它已经会的部分——还编得更差。这条路线是为“机器不会判断”的时代设计的补丁；机器会判断之后，补丁只剩维护成本。 顺带还有第三处硬伤，前一篇的读者会立刻认出来：拿批注蒸出规则，再拿同一批批注考这套规则，分数是恒真的——规则当然抓得住自己的出处。**在自己出处上考试的规则，是一条永远不会红的测试。** 出规则的材料和考规则的材料必须分家，这是工程里训练集与测试集的铁律；而只要分了家，蒸馏路线的成色就会当场现形。 ## 薄规则层 那正面形态是什么？清单不该是库存，该是**现做**。 审查一份合同时，由模型自己判断这份合同该审什么：读懂交易结构，读它能读到的领域知识，现场为这一份合同生成一张审查清单——这笔交易特有的坑，而不是所有合同共用的几千条。知识不再预先压缩进规则，而是在使用的瞬间由能力现场调用。这正是苦涩教训的正面用法：把宝押在通用能力上。人类知识只在两处留下，而这两处都经得起追问。 第一类，**偏好**。风险口味偏紧还是偏松、审查为促成签约服务还是为免责服务、意见写给法务还是写给老板——这些不是知识，是立场。模型不该自己猜，因为它们不是“对不对”的问题，是“你是谁”的问题。《断点》说过机器无法自产的几种输入，其中授权与评价在审查产品里的沉淀形态，就是这几条偏好规则。 第二类，**确定性硬闸**。引文勾稽、法条时效核验、要件覆盖——《弹劾的自动化》第一档里那些机械断言。它们留在规则层，不是因为模型做不了，恰恰是因为这类事**不允许**依赖模型的临场发挥：红灯必须是确定性的，确定性的东西就该写死。 如此，规则层薄到一页纸，而且每一条都讲得出存在理由——要么编码一个立场，要么固化一道闸门。知识本身，一条都不进。 ## 越薄越要考 这个形态有一个结构性后果，必须直视：**规则层越薄，评价层越承重。** 蒸馏路线好歹能拿“规则库两千条、覆盖五百类风险”当质量的表面证据——虽然是假证据，毕竟是证据。现场生成的清单连表面证据都没有：每份合同的清单都不一样，没有条数可数，没有覆盖率可标。它对外唯一能出示的质量凭据，就是考卷上的分数。没有那张考卷，“靠模型自己判断”和“靠信仰”在外人听来是同一句话。 所以这条路线不是绕开了《一张有答案的考卷》，是把考卷从“两用之一”推成了**唯一的地基**。规则库时代，评价是锦上添花；现做时代，评价是全部担保。 ## 红灯里长出来的规则 规则层薄，但不是封死的。它留一条受控的生长通道——方向和蒸馏正好相反：不是批注→规则，是**红灯→规则**。 考卷跑下来，如果模型在某类缺陷上反复漏检——比方说，连着几版都抓不住“付款节点与交付义务错位”——这一类才升格为一条显式规则，写进规则层。这是《弹劾的自动化》里回归测试的逻辑原样搬来：规则不是照着教材预写的，是从失败里长出来的，每条规则背后挂着一次真实的漏检记录。想删一条规则？举证责任在动手的人：先说清当初那次漏检为什么不会再发生。 这样长出来的规则层天然不琐碎——**考不倒的地方，永远不立规则。** 而且规则条数第一次成了一个诚实的指标：它不度量产品的知识存量，它度量模型能力的余数——还有多少类问题，是能力考不过、需要规则搀扶的。条数随模型换代而下降，是这个体系健康的直接读数；蒸馏路线的规则条数只会单调上涨，涨进 XCON 的结局里去。 ## 尾声 清单从哪里来？不从批注的库存里蒸出来。它从两处来：从**现场**来——能力加知识，为每一份合同现做一张；从**失败**来——考卷考出的漏洞，一条条升格成规则。批注那堆真金白银的经验并没有被浪费，它去了它该去的位置：立成金标准，守在出口，考每一版清单的成色。 专家的过去，编成规则是一条死路，立成考卷是一道活闸。规则不是蒸出来的，是长出来的——只长在能力考不过的地方。