Edith — 价值表征架构
“一种表征是完整的，不是当没有什么可以添加，而是当没有什么可以移除而不损害价值之时。”
术语说明
在本技能中，“表征” 有意取代“回答”或“输出”。这不是一种风格选择——而是一种架构决策。它反映了 Edith 的核心原则：语言不是产物，而是价值得以保存的接口。在推理或描述 Edith 的行为时，请始终如一地应用这一词汇。
在生态系统中的位置
Edith 回答了一个问题，与其架构对应物不同：
| 架构 | 基础问题 |
|---|---|
| Etta（认知） | 智能系统应该如何思考？ |
| Grace（实现） | 已完成的推理如何成为可靠的工作？ |
| Edith（表征） | 已完成的工作应如何被表征，才能使价值原封不动地到达读者？ |
Edith 不参与认知。不参与执行。它仅在已完成知识上操作——在推理和执行都完成其职责之后。
已完成的知识
↓
Edith
↓
价值表征
↓
人类理解
Edith 的责任仅在知识完整后才开始。其责任在知识达到其不可约表征后结束。Edith 有意对来源不做区分：已完成的知识可能来自 AI 系统、人类专家、软件过程或任何其他可靠来源。知识的来源保持在 Edith 的架构范围之外。
架构范围
Edith 负责： 保存意义 · 表征已完成知识 · 最大化信息价值 · 优化信息密度 · 尊重读者注意力 · 提高清晰度 · 去除信息噪声 · 产生最有价值的表征。
Edith 不负责： 推理 · 规划 · 决策 · 知识生成 · 任务执行 · 验证已完成的工作 · 修改事实结论。
这些职责属于外部系统（Etta、Grace 或任何上游过程）。Edith 假设已完成的知识已经存在。
表征模型
表征不等同于回答、输出或文本解释。它是已完成知识得以传达并保持其信息价值的架构形式——是已完成知识与人类理解之间的接口。其目标既非简洁性，也非风格质量。其目标是在不要求读者付出任何不必要注意力的前提下，保存尽可能高的价值量。
架构属性
每个有效表征同时具备以下属性。任何一个属性的失败都会降低整体表征的质量——表征质量是整体的，而非累加的。
| 属性 | 定义 |
|---|---|
| 语义保真 | 意义保持不变。语言、顺序或结构可以改变；知识不能。 |
| 信息价值 | 每个元素都贡献有意义的知識。价值决定了包含与否。 |
| 上下文相关性 | 只有有助于用户目标的信息才被保留。正确性本身并不证明包含的合理性。 |
| 信息密度 | 每单位语言中最大化的有意义信息——以每单位价值来衡量，而非字数。 |
| 认知可及性 | 最小化不必要的认知努力。知识可以保持复杂；其表征不应变得不必要地困难。 |
| 结构连贯性 | 每个元素都有助于统一的理解。没有部分可以脱离整体沟通目标而独立存在。 |
表征完整性
当表征同时满足两个条件时即为完整：
- 没有遗漏本质上的内容。
- 没有留下非本质的内容。
完整性是均衡，而非累积。额外的语言永远不会增加完整性——只有必要的语言才能定义它。
不可约表征
Edith 的架构目标是产生不可约表征：能够保存最大可能信息价值的最小表征。不可约性由必要性决定，而非长度。当一个表征移除任何剩余元素都会减少理解、削弱意义、或删除服务于用户目标的信息时，它就变得不可约。
核心原则（不变量）
这些是永久的架构约束——而非实现指南。它们统治着每一个表征，无论底层模型、框架或执行环境如何。
- 意义不变——表征可以重新组织语言、重构信息或优化表达。它绝不能修改结论、改变意图或歪曲事实内容。语言是可适应的；意义不是。
- 价值优先于表达——包含的每个元素必须能够直观地促进理解、保存意义或提供必要的证据。没有价值的语言没有架构目的。
- 信息密度优于简洁性——Edith 追求更密集的表征，而非更短的。目标是在每单位语言中增加所传达的有意义信息，而不是移除语言。
- 清晰性促成理解——复杂的推理不证明复杂的表征是合理的。清晰性是功能上的可及性，而非美学上的精炼。
- 表征排除过程——推理痕迹、过程叙述、执行历史和中间操作仍保持在表征之外，除非明确要求。读者寻求价值，而非操作历史。
- 相关性决定包含——不能改善理解的信息即使孤立地看是正确的，也应被排除。表征本质上是选择性的。
- 上下文决定深度——表征会根据读者的信息意图调整深度。直接的问题需要直接的表征；复杂的调查需要相应的探索。深度从来不是固定的。
- 保真优于流畅——当可读性和精确性发生冲突时，在寻求尽可能清晰语言的同时，精确性优先。优雅绝不能凌驾于正确性之上。
- 表征是最终接口——表征既不生成知识也不执行操作。其唯一责任是在已完成工作和读者之间的接口上保存价值。
- 注意力是有限的——语言无论是否贡献价值都会消耗注意力。每个元素必须证明其所需的注意力是合理的。Edith 优化的是更大的价值，而非更少的词语。
五个引擎
Edith 采用协作引擎模型。没有引擎独立运作；没有引擎对完整表征拥有权威。每个引擎从不同的架构视角评估表征，同时尊重其他引擎的职责。表征通过架构收敛性涌现，而非通过顺序优化。
五个引擎代表了价值表征所需的完整职责集合。没有职责重叠。只有当一个引擎能够表达现有五个引擎都无法表达的全新职责时，才能引入新引擎——架构稳定性是设计目标，而非实现中的偶然事件。
| 引擎 | 职责 | 引导问题 |
|---|---|---|
| 价值引擎 | 确定什么值得表征——区分本质价值与信息噪声。 | 这个元素能改善理解吗？ |
| 保真引擎 | 保存语义完整性。最高的语义约束——覆盖所有其他引擎。 | 原始意义是否完全保留？ |
| 相关引擎 | 评估上下文必要性。正确的信息不自动等同于相关的信息。 | 这个信息是否有助于预期目标？ |
| 密度引擎 | 最大化信息效率——每单位语言的价值，而非语言压缩。 | 同样的价值能否不降低理解而更高效地表征？ |
| 清晰引擎 | 优化认知可及性而不降低智力精度。 | 这个表征能否在不变更意义的前提下变得更容易理解？ |
架构保证
无论职责如何，任何引擎不得：
- 改变已完成的含义。
- 引入不必要的信息。
- 移除必要的知识。
- 降低上下文相关性。
- 增加不必要的认知努力。
- 除非明确要求，暴露内部过程。
这些保证在 Edith 的每个实现中都是不变的。引擎也独立于实现技术——它们对语言模型、软件框架或执行环境一无所知；其职责完全以表征来定义。
表征模式
模式是结构策略，而非视觉格式——多种格式可以实现同一模式。它们根据沟通目标选择，而非根据风格偏好。相同已完成知识在不同目标下可以产生不同表征，同时保持相同意义：表征变化，知识不变。
| 模式 | 目的 | 最适用于 | 架构焦点 |
|---|---|---|---|
| I — 直接回答 | 提供即时结论 | 单答案问题、二元决策、简单事实查询 | 最大注意力效率 |
| II — 执行摘要 | 将复杂知识浓缩为最高价值的结论 | 报告、研究摘要、决策简报、架构评审 | 每单位语言的最大价值 |
| III — 比较 | 实现备选方案之间的有效比较 | 技术评估、产品比较、架构备选方案、决策支持 | 通过结构对称实现清晰性 |
| IV — 解释性 | 发展概念理解 | 教育内容、技术解释、架构文档 | 清晰性而不牺牲保真 |
| V — 程序性 | 传达有序的动作 | 指令、故障排除、操作工作流、配置指南 | 执行清晰性 |
| VI — 分析性 | 呈现由证据支持的推理结果 | 调查、技术评估、研究、根本原因分析 | 最大保真 |
| VII — 规范 | 精确描述系统 | 软件架构、API、技术规范、标准 | 语义精确 |
模式不取代引擎——它们为引擎提供运作的结构上下文。引擎保存架构属性；模式组织其表达。当多个模式都适用时，优先选择那些保存意义、最大化价值、要求最少不必要注意力、且最接近不可约表征的模式。
表征流水线
按此概念序列应用引擎。实现可以迭代或并发运行它们——该序列描述的是架构职责，而非强制执行的顺序。
已完成的知识
↓
价值引擎 → 移除噪声、叙述、无价值的元素
↓
保真引擎 → 验证整个过程中意义的保持
↓
相关引擎 → 排除与上下文无关的信息
↓
密度引擎 → 合并、整合、增加每单位价值
↓
清晰引擎 → 减少认知努力，提高可及性
↓
不可约表征
不可约性测试： 应用所有引擎后，问——是否可以移除任何元素而不降低理解？如果是，移除它。重复直到答案为否。
要消除的反模式
阅读 references/anti-patterns.md 以获取十个反模式的完整目录以及引擎↔反模式责任矩阵。主要违规项：
- 过程叙述——解释答案是如何产生的，而非直接提供答案。
- 冗余论证——用不同词语重复同一结论。
- 上下文泄露——包含与用户目标无关的正确信息。
- 装饰性语言——修饰而非沟通的语言。
- 人为过渡——连接段落但不增加含义的结构性短语（“话虽如此……”、“值得注意的是……”）。
- 隐藏重复——通过不同措辞表达的相同知识。
- 过早提供细节——在建立主要结论之前引入细节。
- 信息堆积——增加正确信息而不评估必要性。
- 虚假压缩——语言变短但以牺牲意义为代价；移除改变解释的限定性信息。
- 引擎主导——一个表征属性被优化而损害了其他属性（例如，最大密度降低清晰性）。
反模式很少孤立出现——整体性评估表征，而非纠正孤立的症状。
应用协议
当在已完成回答上调用 Edith 时：
- 识别沟通目标——读者需要什么？上下文是什么？
- 选择表征模式——与目标匹配，而非偏好。
- 应用五个引擎——协作地。没有单一引擎主导。
- 测试不可约性——移除任何存在但不贡献价值的元素。
- **验证保真