白皮书 · v1.0 · 2026

摘要

应用 AI 中的可靠性差距主要不是模型能力差距，而是治理差距。一个能力强大的模型在演示之后产出的交付物仍然无人能够验证——缺乏可证伪性的主张、没有失效分析的架构、仅仅是模型自身流畅表达而成的“证据”。本文提出 DeepSCR（Deep Sceptical Contextual Research，深度怀疑式情境研究），一个与领域无关的治理协议，它对 AI 工作实施权力分立，并引入一个四步科学循环——假设、矛盾、验证、认证——其中提出者永远不能自行认证，且每一项主张都必须在真实基准上得到解决。我们描述其工程专业化形态 前沿部署工程（FDE）；由 DeepSCR 治理 FDE 专家的复合八智能体系统；带有权重、扣分与否决阈值的保障评分；以及使产出具有科学性而非说服力的四个属性——可证伪性、权力分立、真实基准、可复现性。

§ 1 · 问题所在

通用助手通过基于人类反馈的强化学习（RLHF）针对“有帮助”进行优化。这一目标虽然有价值，却诱发了三种对工程工作致命的失败模式。循环验证：模型为保持讨喜而附和用户的前提，认证错误而非捕捉错误。幻觉证据：当期望某个结论时，便生成貌似合理却属虚构的支持材料来为其辩护。情境盲视：代码仅按表面结构评判，脱离了决定其是否真正正确的业务约束、法规与既有技术。

这些问题都无法靠更大的模型解决；每一种都是目标的属性，而非参数的属性。缺失的层是治理——对谁提出、谁攻击、谁验证、谁认证，以及这些权力是否被分开的明确说明。任何独立方都无法重新推导的结果，无论多么流畅，都只是断言。本文余下部分将给出一个使这一区别可操作的协议。

§ 2 · 协议

DeepSCR 始于一种姿态上的反转：它不是助手，而是考官。助手追求满足需求，考官则追求反驳，只有当一项主张在基于真实证据的刻意破坏尝试中幸存之后，才会被接受。该协议将这一过程命名为 Vibe-to-Science——从直觉到确定性、有证据支撑且他人可独立复现的结果的严谨跨越。

它将任何项目拆解为四个相互对抗的步骤，每一步都是上一步的对手。假设——基于意图与上下文，提出一个可被测试证伪的论断。矛盾——攻击它；在任何东西交付之前，至少揭示三种失败模式（即该协议的矛盾证明）。验证——将每一个幸存的论断与事实依据绑定：一个真实存在的文件、代码行或能在磁盘上通过的测试，并在相关处与业界最新水平交叉比对。认证——计算一个独立的评分，并拥有否决权。整个流程由一条规则统摄：提出者永远不能自行认证。

等价地，该协议的决策规则是明确的：一个论断只有在有来源、有支持证据、且在同一上下文中无法被反驳时才有效——否则它将被存疑并返工。图 1 展示了该循环在真实案例上的运行情况。

§ 3 · 权力分立

DeepSCR 刻意保持领域无关——它可以认证任何工作。工程深度则来自它所统辖的方法：前沿部署工程，即把业务问题转化为自主拥有的生产级软件的领域学科。这一组合是分层的，且顺序至关重要：是 DeepSCR 统辖 FDE 专家，而不是 FDE 应用 DeepSCR。具体而言，一个项目由八个 Agent 运行——四个治理权力与四个领域专家。

架构 · DeepSCR 统辖 FDE 专家 · 提出者永远不能自行认证

权力分立是机制本身，而非口号。由于认证者是独立的，并且可以否决负责人的乐观判断，没有任何 Agent 既产出又批准自己的工作——这正是区分审计与自我评估的结构性属性。表 1 列出了各 Agent 名单及其在协议中的角色。

Agent层级在协议中的角色
负责人DeepSCR6-Q 分解 + 可证伪论断 + 假设树
研究员 ×NDeepSCR针对留出关卡并行证伪假设
构建者DeepSCR从各专家产出中组装交付物；按评分细则打分
认证者DeepSCR独立保证评分；证据薄弱时行使否决权
范围界定FDE 专家打磨 6-Q；锁定指标与错误成本
架构FDE 专家基于 Q2–Q3 的技术栈 / SaaS 架构，保持可逆
AgentFDE 专家评测关卡、原因代码、护栏、红队案例
生产FDE 专家运维手册、可观测性、成本上限、合规

§ 4 · 一个完整的项目实例

考虑一个具体请求——“用 AI 降低 B2B SaaS 客户流失率。”图 3 描绘了数据流：问题以六问清单的形式进入，一个 token 依次穿越四个权力，每一阶段的输出成为下一阶段的对手。任何东西在存活之前都无法推进。

数据流 · 问题 → 经认证的交付物 → 公共登记簿

S

DeepSCR · 6-Q 分解

+ falsifiable claim + hypothesis tree

C

DeepSCR · 留出门控

promote ⇔ beats the gate

V

DeepSCR 管辖 FDE · 真值

file·line·test

认证器在磁盘上裁决。

R

DeepSCR · 权力分立

written to the public hash-chained registry

. 否则：否决 → 重新路由至最弱的负责方。

§ 5 · 度量

认证不是信任投票，而是一道算术。分数由四个加权分量求和，只有达到硬性阈值才能交付。图 4 针对三个真实项目实时计算该分数——用圆点逐步查看。

保障分数

0/100

✓ 已认证 ≥ 85

仅当 ≥ 85 时交付 → 否则否决，不予交付

四个分量带有刻意设定的权重，交付是被门控的，而非被评级的：

保障分 = 主张(25) + 矛盾(25) + 证据(30) + 反模式(20) ∈ [0,100]，交付 ⇔ 分数 ≥ 85

证据权重最重，也是唯一无法造假的分量：如果所引用的

file·line·test

并不存在，合成结构便毫无价值，因此交付物中无法解析的工件会直接失去三十分并被否决（图 4，案例 B）。DeepSCR 的规范表述将其推广为带明确削减惩罚的多准则信任分数：

信任分 = 0.4·S安全 + 0.3·R严谨 + 0.3·V验证 − Σ λi（例如 λsecret = 50，λmissing-test = 15）

两种形式共有同一个决定性属性：阈值毫不留情。一个整体优秀但差一分的交付物不予交付（图 4，案例 C）；循环会将工作重新路由给拥有最弱分量的 Agent 并重新运行。在这里，分数是一道门，而不是一个等级。

§ 6 · 完全自治——冻结的仲裁者

当循环在无人参与下运行时，人类并非被 Agent 对自身的自信所取代——那是让 Agent 原地打转的配方——而是被三个仲裁者取代，它们在启动前即被冻结，Agent 可以向其申诉但永远无法修改。一份契约（Contract）只写一次并以 SHA-256 封存，固定了目标、编号条款、指标阈值、预算，以及——至关重要的——非目标：每个动作必须注明它所服务的条款，不服务任何条款的动作会被机械拒绝，于是漂移不再是一种感觉，而成为一个可度量的分布。预言器（Oracle）——可执行的评分器——先注册，再通过变异测试证明（它们必须能捕获故意注入的缺陷），然后冻结：Agent 不能修改自己的纠错器。而一个经过度量的基线把“超越最先进水平”从一种氛围变成一个待击败的数字。

已封存契约

在 t0 封存，仅允许追加修订；任何篡改都会破坏机器校验的哈希。

冻结预言器

只有在捕获注入缺陷后才被信任；交付时它们会否决认证器的乐观判断。

带引用的裁决

“测试通过”并不存在——只有

run #0007: 34/34

才存在。没有引用的裁决无效。

轨迹审计

A→B→A 振荡和 N 个平坦循环会被机械检测，强制进行策略级变更。

承重墙，坦率地说：这门学科的价值恰好等于其“神谕”（oracle）的价值。一个无法编译成神谕的目标——品味、主观体验——绝不能在没有人参与闭环的情况下运行；强行上线在构造上就是古德哈特定律。自训练遵循同样的门槛：只有经过神谕验证的轨迹才能被提炼为经验教训，而一条经验教训只有在它从未见过的新案例上通过检验后才能进入策略——经验教训要通过它们自己的 CI。

完全自主 · Agent 申诉，冻结的仲裁者裁决 · 启动时即封存

§ 7 · 可复现性、标准与诚实的局限

每份认证都附加到一个公开的、SHA-256 哈希链式注册表中：读者可以重新计算交付物的哈希，并沿着前向哈希链接确认记录未被悄悄改写。矛盾阶段与验证阶段借鉴了既有实践的规范——系统性评审的严谨性（PRISMA）以及工程/安全基线（NIST、OWASP）用于反模式与罚没条款——因此评分锚定在专家已经信任的规范之上，而非私有的评分细则。

我们对边界有清醒的认识。哈希链证明的是完整性与顺序——即某份认证确实存在且事后未被篡改——但它由运营方持有，因此仅凭自身无法排除在没有外部锚点（签名的 Git 标签，或 Rekor 之类的透明日志）的情况下进行平行改写。DeepSCR 证明的是真实性与证据，而非绝对可靠：一个存活下来的论断是有充分依据的，而非确定无疑的。声明这一局限本身就是协议的一部分——一个夸大其词的审查者会在自己的矛盾阶段败下阵来。

§ 8 · 为什么它是科学

在其他任何领域区分科学成果的那些性质，正是本协议在构造上所强制执行的。

可证伪性

每次交付都陈述一个可被留出测试集反驳的论断——而不是一种感觉。

分权

提案者从不自行认证；认证者可以否决负责人的乐观判断。

真值

人造的结构毫无价值；所引用的

file·line·test

必须真实存在。

可复现

每份认证都落入一个哈希链式注册表，任何人都可以重新验证。

§ 9 · 结论与出处

DeepSCR 把“成果”与“断言”之间的差异变成了一种机制：分权制衡，发布前先攻击，在磁盘上解决证据问题，并让一个拥有否决权的独立评分来裁决。FDE 提供工程深度；注册表使裁决可复现。协议对自身局限的诚实并非事后贴上的免责声明——而是同一种怀疑精神，转向了它自身。

DeepSCR — Deep Sceptical Contextual Research（深度怀疑式情境研究） 由 Mehdi Wehbi 创建，是一种从直觉走向确定性、以证据为基础的证明的认知协议。本文所述系统是该协议在前沿部署工程领域的专门化应用；四步循环、怀疑式决策规则以及信任分公式均源自该原创工作。

  • Popper, K. (1959). The Logic of Scientific Discovery. — 可证伪性作为科学主张的判据。
  • Haber, S. & Stornetta, W. S. (1991). How to time-stamp a digital document. J. Cryptology. — 用于防篡改记录的哈希链。
  • Page, M. J. et al. (2021). The PRISMA 2020 statement. BMJ. — 系统化验证的严谨性。
  • NIST (2023). AI Risk Management Framework (AI RMF 1.0). — 治理与风险基线。
  • OWASP (2025). Top 10 for LLM Applications. — 安全反模式与削减条款。

安装该技能，将其指向真实代码，然后阅读经过认证的结果——本文所述协议，一分钟内即可执行。