「自己不是一開始就已經形成的，而是透過行動的選擇不斷地形成。」
約翰·杜威

「改變世界的，絕對不是認識。改變世界的，是行動。僅此而已」
三島由紀夫 - 銀閣寺

前幾天我收到了這樣的LINE

* 背理系
* 邏輯公式
* 認知設計
全部都用了，幫我老公修正論文
秒就完成了
上下文是論文本身和審稿人的評論

①要讓論文本身用認知設計的框架來解釋

②用背理系把審稿人的評論的交流（一系列郵件）整理出解

③接下來的邏輯公式
>請以包括性的、全面性的、結構化的方式，並且簡潔地，將以下內容邏輯公式化：前提/定義/公理形式。
>提示：在這個情況下，我該用什麼方針來重寫論文？

老公心煩的修正要點都列出了，還可以給出非常具體的指示

果然趨勢文章就是不一樣~

以下將根據提供的提示，以前提、定義、公理的形式進行邏輯公式化。

前提 (Premise)

P₁: 存在著待修正的信息集合體（以下稱論文L）。

P₂: 論文L基於樣本大小n=6的質性研究。

P₃: 論文L獲得了來自多位審稿人的反饋集合F。

P₄: 反饋集合F包含了(a)樣本大小的合理性、(b)構成（結果與討論）的明確化、(c)投稿格式（原創論文/短篇報告）的選擇、(d)參考文獻的增補等修正要求。

P₅: 論文L的目標是發表於經過同行評審的學術期刊（接受）。

定義 (Definition)

D₁: 方針是將論文L轉換為修正版L'的一系列操作規則集合S。

D₂: 最佳方針是使論文L'達成目標P₅的概率P(L')最大化的操作規則集合S_opt。

D₃: 學術強度是由論文的邏輯有效性、理論基礎、分析深度所決定的變數R，且P(L')是R的正函數f(R)（P(L')=f(R)）。

公理 (Axiom)

A₁: 不變公理：樣本大小n=6是不可改變的常數。因此，最佳方針S_opt不應包含 更改n值的操作。

A₂: 應答義務公理：最佳方針S_opt必須包含處理反饋集合F中所有修正要求(P₄)的操作。

A₃: 理論武裝公理：針對P₄(a)的操作必須基於現有學術理論（例如：「信息的力量」）來論證n=6的合理性。

A₄: 強度增強公理：最佳方針S_opt應包含能夠提升學術強度R的操作（例如：增加參考文獻數量、明確邏輯結構）。

A₅: 形式優化公理：針對P₄(c)的操作必須考慮論文L的內容和不變量A₁，並選擇能最大化實現目標P₅的投稿格式（原創或短篇報告）。

說實話，我當時覺得很困倦，心想這樣繁瑣的事情要具備一切，真是不知道有多難
但如果有論文和審稿內容，光是直接複製貼上丟給AI，應該也能得到不錯的回應，最後的那句話讓我忍不住想用(΄◞ิ۝◟ิ‵)這種表情回應，真令人想生氣。
雖然我曾經也是個打嘴砲的老一輩，但因為懶得計較，所以我只回了「感謝您使用，請付費」就算了。

垃圾進垃圾出

雖然當時很懶得理會，但她(΄◞ิ۝◟ิ‵)在各種意義上都是正當的，正確的。
這不是方法正確，而是態度是最正確的。

「你是專業的〇〇」。
僅僅用這種“咒語”就可以使平庸的AI變身為專家，這個時代已經結束了。
因為AI的輸出無法超越我們所給予的輸入質量。

這是一面思考的鏡子，「垃圾進垃圾出」這個原則在當今世界被無情地應用。
如今，已經不是簡單的「提示」能夠優化的階段。
決定AI與我們的智力產出質量的，正是其根底上上下文=文脈的質量。

本文將作為之前討論的集大成，闡述從單純的指示（Instruction）轉向文脈設計（Context Design）的新技術體系，「文脈工學=Context Engineering」。

這是一個主動建立AI思考空間的指導手冊，旨在讓人類重新掌握智慧創造的主導權。

1：文脈是什麼？

1.1. AI中的「知識」結構

AI並不是理解「意義」，而是概率性地模仿從大量數據中學習到的「模式」。
對照哲學中傳統的「知識」定義（合理化的真實信念，JTB理論），AI的局限性顯而易見。

AI的「合理化」僅僅依賴於學習數據內部的統計模式。
它並沒有原則上驗證這些資料在客觀世界中是否「真實」的能力。
AI自信滿滿生成的無根據資訊的「幻覺」正是此結構性缺陷所暴露的現象。
AI在原則上並不具備我們所認為的「現實」。

我們對AI提供的上下文，恰恰是為了補足這缺失的現實，並為其思考提供「世界模型」です。

1.2. 「淺薄文脈」與「深厚文脈」

但是並不是所有文脈都是等價的。
文脈的質量之間存在明確的光譜。

• 淺薄文脈 (Shallow Context)
  僅僅是信息的羅列。例如，直接將冗長的資料複製貼上並指示「請為此總結」的行為屬於此類。這是一種將解釋責任全部交給AI的行為，輸出的質量完全依賴運氣。

• 深厚文脈 (Deep Context)
  是由人類用意圖結構化的意義集合。在此中，主要概念被定義，各要素之間的關聯性被明示，應遵循的原則被語言化。它防止了AI思考過程中的「迷失」，並把推理導向應有的方向，成為思考的鐵道。

知識生產的質量取決於我們能夠向AI提供哪些類型的文脈。

1.3. 文脈工學（Context Engineering）的定義

這種「深厚文脈」的主動創造技術就是文脈工學=Context Engineering。
在本文中，文脈工學被定義為：

為了從AI獲得期望的輸出，透過對話主動設計並構建AI的內部狀態（思考空間），形成的一系列技術體系。
這不是對AI「命令」的技術，而是設計AI的「思考空間」，超越了一個層級的技術體系。

2：文脈工學的實踐

那麼，文脈工學具體該如何實踐呢。
本章將把其核心「三位一體的方法論」分為三個階段進行解說。

2.1. Phase 1: 觀測點的固定（認知設計）

這是與AI對話的起始點，「共享世界認知」的階段。
任何智力工作都無法在目的或前提模糊的狀態下開始。
認知設計透過言語化以下五個要素，成為AI和操作者展開同一地圖的羅盤。

• 前提 (Premise)：思考的作業系統。不容質疑的事實或價值觀。
• 情境 (Situation)：思考的當前位置。面對的問題或變數。
• 目的 (Purpose)：思考的目的地。應達成的具體目標。
• 動機 (Motive)：思考的引擎。追尋該目的地的根本原因。
• 約束 (Constraint)：思考的行動範圍。需遵守的規則或界限。

經過這一階段，AI將基於我們的意圖開始思考，在穩定的「計劃」基礎上建立起來。

2.2. Phase 2: 矛盾的探求（背理系框架）

即使世界認知已經共享，現實中的課題仍然充滿矛盾。
例如，多個要求可能會相互對立，或是達成目的的路徑不夠明確。
背理系框架是戰勝這種混沌的「設計（The Design）」階段。
不是急於尋求單一的正確答案，而是以「矛盾（背理）」作為起點，透過與AI的對話，全面探討所有可能的選擇。
這是將AI視為智力伙伴，從解的可能性宇宙中共同雕刻出最佳解的創造性過程。

2.3. Phase 3: 方針的結晶化（公理系方法）

在經過發散式探求後，看到有希望的航向後，就需要將其收斂為可行的形式。
公理系方法是將這個「設計」成果結晶為明確的邏輯「計劃（The Plan）」的階段。
將人與人之間能夠隱含理解的方針，轉化為前提、定義、公理這種嚴謹的結構，藉此作成AI能無誤地、效率最高地執行的最終指示書。
這將使創造性的發現，升華為可重複操作的成果。

2.4. 實踐案例

這三位一體的方法論如何解決複雜的問題，讓我們看看開頭提到的(΄◞ิ۝◟ิ‵)LINE的具體案例。

• 課題：面對審稿者的多個嚴苛的修正要求，無法制定學術論文的修改方針。
• 實踐過程：
  • [Phase 1: 認知設計]
    首先，操作者將修正對象的論文置於「思考的鏡頭」之下，與AI分享其目標、現狀與約束，固定觀測點。
  • [Phase 2: 背理系框架]
    接著，將充滿矛盾的審稿意見群作為「情境」進行呈現。透過與AI的對話，洗出所有可能的修正方針，設計出最有希望的修訂方針。
  • [Phase 3: 公理系方法]
    最後，將設計出的修訂方針形式化為公理，構建「樣本大小不變」「應對所有審稿意見」等嚴謹的規則集，並作為最終行動計劃提供給AI。

透過這一過程，混沌的課題被轉變為擁有明確結構的可執行任務，AI能生成高質量、具體的修訂建議。

3：為什麼這種「繞遠路」反而是最近的距離？

前章所提出的三位一體的方法論，乍看之下似乎繁瑣而遙遠。
然而，站在知識生產本質的角度來看，這恰恰是最可靠、最終也是最有效的最短距離。
本章將揭示其中的原因。

3.1. 「即時性」的陷阱：淺薄文脈所帶來的修正成本增加

「把論文和資料都給你，隨便你幫我弄」。
這種「淺薄文脈」的做法看似能立刻得到結果，但這是一個極具風險的陷阱。
這種方式的輸出質量完全隨機化，成為術者如同「除錯者」般不斷修正AI的錯誤和解釋上的偏差。
一次的指令雖然簡短，然而無休止的修正來回卻驟然增加了總時間與認知負荷。
文脈工學是為了預防這種「知識負債」的前置投資。

3.2. 作為思考外部化的文脈設計

那麼，文脈工學是僅僅為了「訓練」AI的儀式嗎。
不是的。最大的受益者是我們人類自己。
設計文脈的過程，強制性地使我們的思考得以結構化。

在認知設計中將目的語言化時，我們會察覺到思考的模糊性。
在背理系框架中探求矛盾時，我們會發現問題的多面性。
這一過程便是將腦海中模糊的隱性知識轉化為所有人都能理解的顯性知識，實現思考的外部化。
製作AI的指示書，最終使我們自身的思考得到最深刻的精煉。

3.3. 計劃 (The Plan) 與 設計 (The Design) 的辯證法

這一方法論的核心在於，「計劃」與「設計」兩個概念之間存在辯證的關係。

• 設計 (The Design)
  是以背理系框架為代表的創造性、發散性探求的過程。探求應該做些什麼，去尋找問題本質的行為。

• 計劃 (The Plan)
  是通過公理系方法結晶化而成的，邏輯性且收斂的最終指示。探求應該如何進行，具體到機器能夠執行的程度。

簡單的做法是「省略設計」過程，直接制定出不完善的「計劃」。這樣很難期望高質量的結果。
高質量的「計劃」必然來源於高質量的「設計」。兩者並非對立，而是透過不斷循環的探求與結晶，互相提升。
因此，這個設計的探求的繞遠路，正是通往高質量「計劃」的唯一途徑，在這樣的背景下，這個過程反而是最短的距離。

做出行動的選擇

AI是沒有意志的計算機。
除非我們「表達意志」，否則機器只能隨機複製「看起來像的」過去數據。
在與AI的知識生產中，我們的角色已轉變為從單純的「命令者」到設計AI思考空間的「設計者」。
而這一設計的行為，正是本文所提倡的文脈工學=Context Engineering。
文脈工學由以下三位一體的「行動」構成。

• The Plan ― 意志的呈現
  這是將基於人類意志的信息＝素材，盡可能地擺上桌面。論文、數據、參考文獻，最重要的是「我們希望這個課題如何發展」的根本動機。即使沒有結構化，首先要向AI展現人類意志的素材。這是所有的起點。

• The Design ― 意義的設計
  這是人類監督（導演），讓AI整理、結構化素材的共同作業過程。從散亂的信息群中找出相關性、解決矛盾，並引出新的洞察。利用AI作為強大的思考催化劑，從混沌中雕刻出意義的結構，這是創造性的「設計」階段。

• The Edit ― 認知的編輯
  這是根據最終目標，對設計的結構進行修整、精煉的過程。無論是針對專家受眾的報告，還是針對初學者的解釋，都要根據該目標去編輯成最具傳達效果、認知負擔最低的表達。這是將AI生成的邏輯翻譯成針對人類的敘事的最後工藝。

計劃 → 設計 → 編輯
AI時代的「知識」不再是記憶答案。
而是主動地實踐這整個過程，與AI共同創造新的文脈和意義的能力。

AI是一面鏡子。
如果我們不表達意志，裡面就什麼也不會映出來。
如果我們只是將混沌的素材丟進去，就只會收到混沌。
唯有選擇這三位一體的行為，鏡子才能映出我們思考的深度和意志的清晰，創造出有價值的成果。

你會選擇什麼？
是繼續成為依賴便利的消費者？
還是從這個知識創造的過程中看見價值與美，成為AI時代的設計者？
這選擇正是界定我們未來的關鍵。

原文出處：https://qiita.com/makotosaekit/items/2a08d945dd4cbf1b14ef