行动图 · 仪器 · rover.red

背景：rover.red 的第三件核心工具“行动图”。它要解决的问题：大部分分析的死因不是错误，而是没有对应到行动者——“有人该做点什么”等于没人做。行动图按“谁”而非按“什么”组织知识，把分析翻译为行动：谁，可以在哪里，推动什么。

核心结论

“按行动者组织知识”有坚实的心理学与制度经济学基础。 责任扩散（diffusion of responsibility）研究表明，未被指名的责任等于没有责任——这与行动图的核心诊断“有人该做点什么 = 没人做”在机制上完全一致；实施意图（implementation intentions）研究则表明，行动之所以发生，是因为“谁、何时、何地、如何”被具体化，而非因为分析更正确。Darley & Latané 1968、Gollwitzer 1999
该领域已有两条成熟的知识谱系可对接：系统干预传统（Meadows 杠杆点 → 因果回路图 → Theory of Change）回答“在哪里推动”；集体行动与优先级传统（Olson → Ostrom → ITN 框架）回答“谁来推动、先推哪里”。行动图的创新点在于把两条谱系以“行动者”为索引缝合起来。
最大的风险不是方法错误，而是三类系统性偏差：可测量性偏见（只标注可量化的行动）、杠杆点排序的简化误用（把“高杠杆”当“该做”）、以及“推荐谁做什么”天然携带的政治性与责任。行动图需要把“边界与反方意见”设计成条目的一等公民，而非免责声明。

一、知识谱系

1.1 Meadows 的 12 杠杆点：干预点的分层排序

Donella Meadows 在《Leverage Points: Places to Intervene in a System》中提出 12 个系统干预点，按效力从低到高排序：

1. 常数与参数（补贴、税收、标准数值）
1. 缓冲器大小
1. 物质存量与流量的结构
1. 时滞长度
1. 负反馈回路强度
1. 正反馈回路增益
1. 信息流结构（谁能看到什么）
1. 系统规则（激励、惩罚、约束）
1. 自组织能力
1. 系统目标
1. 范式/心智模式
1. 超越范式的能力

排序逻辑：越靠近底层（参数），干预越容易、抵抗越小，但改变越浅；越靠近顶层（范式、目标），杠杆越大，但系统抵抗越强、越难施力。 Meadows 本人强调此排序是“试探性的、滑动的”（tentative and slithery），例外随时存在。Donella Meadows Project 原文、Wikipedia: Twelve leverage points

对行动图的直接意义：杠杆点提供了“在哪里推动”的标准化坐标轴——每个行动条目可以标注它作用在哪个层级（参数/规则/信息流/目标），从而天然携带“这个动作是浅杠杆还是深杠杆”的信息。

后续学术化工作中，Abson et al. (2017) 把 12 点压缩为四层：参数（parameters）、反馈（feedbacks）、设计（design）、意图（intent），并指出可持续性实践大多停留在“浅杠杆”（参数与反馈），而真正变革性的行动在设计与意图层。Abson et al. 2017, Ambio

1.2 Theory of Change 传统：把因果链显式化

Theory of Change（ToC）于 1990 年代从项目评估领域兴起。Carol Weiss 在 1995 年为 Aspen Institute 撰写的论文中普及了这一概念：复杂项目之所以常常“无效果”，是因为其背后的因果假设从未被说清。ToC 要求干预者显式画出从活动到长期结果之间的每一个“小步骤”（mini-steps）及其因果假设，使评估与问责成为可能。Theory of Change Community: TOC Origins、Wikipedia: Theory of change

对行动图的意义：行动条目不能只写“X 可以做 Y”，而要附带微缩 ToC——“做 Y 之所以有效，是因为假设 A、B、C 成立”。这让读者能自己检验分析，而不是接受结论。

1.3 Olson：集体行动的逻辑（问题侧）

Mancur Olson 在《集体行动的逻辑》（1965）中论证：理性自利的个体不会自发为集体利益行动，即使他们共享该利益——因为公共品不可排他，搭便车总是占优策略。且群体越大，个体贡献的可感知影响越小、组织成本越高，集体行动越难。大集团通常需要强制或“选择性激励”（仅参与者可得的私人收益）才能组织起来。Wikipedia: The Logic of Collective Action、Stanford Encyclopedia: Free Rider Problem

对行动图的意义：这是“有人该做点什么 = 没人做”的理论原型。行动图按“谁”组织知识，本质上是在对抗 Olson 问题——把无主的责任分解为具体的、可指名的、小规模可执行的单元。

1.4 Ostrom：治理公地的设计原则（解法侧）

Elinor Ostrom 在《Governing the Commons》（1990）中提出成功集体行动的八项设计原则：清晰边界、规则与本地条件匹配、参与式规则修改、可问责的监督、分级制裁、低成本冲突解决、外部对自组织权的最低承认、嵌套式治理。后续元分析（112 项研究）表明这些原则作为相互关联的“簇”而非孤立条件起作用，且高度依赖具体社会-生态情境。Ostrom Workshop, Indiana University、Cox et al. 元分析

对行动图的意义：Ostrom 给出了“行动者组织起来需要什么条件”的清单。行动图中涉及“需要多人协同”的条目，可以用八原则作为可行性体检表——一个缺监督、缺制裁机制的集体行动条目，应在条目里就标明其脆弱点。

二、深层机制

2.1 为什么“按行动者组织”比“按主题组织”更能产生行动

责任扩散的逆向工程。 Darley & Latané 的经典旁观者实验表明：在场人越多，个体感受到的责任越被稀释，每个人都假设别人会行动。而当求助被明确指向某一个人时，责任无法转嫁，行动概率显著上升。Darley & Latané 1968、旁观者效应元分析。按主题组织的分析（“关于 AI 安全，我们知道……”）在结构上等于对一屋子人喊话；按行动者组织（“如果你是 X 领域的工程师/政策者/投资人，你可以……”）等于拍肩膀点名。
具体性触发行动。 Gollwitzer 的实施意图研究表明，“如果情境 S 出现，我就做 R”式的 if-then 计划能把意图转化为行动，效应量中到大（d ≈ 0.65），机制是把行为控制权“委托”给情境线索、自动化反应启动。Gollwitzer 1999、成分机制检验。行动条目越接近“谁+在哪+做什么”的完整格式，越接近实施意图的有效形态。
信息架构的用户中心转向。 UX 领域已有平行实践：按用户任务/角色（persona、jobs-to-be-done）组织内容，比按机构内部结构或主题分类更能支持用户达成目标。NN/g: Personas vs. Jobs-to-Be-Done。行动图是把这一原则从“网站导航”推到“知识本身”的组织方式。

2.2 协调失败：为什么价值被留在桌上

协调失败指各自理性行动的独立行动者，因缺乏对齐而无法达成互利结果——典型形态是多极陷阱（multipolar trap）与逐底竞争（race to the bottom）：每个人都不得不竞争，集体却损失了价值。Coordination failure (economics), Wikipedia、Farnam Street: Coordination Problems。多重均衡的存在意味着更好的均衡可能“就在那里”，只是没人能单方面跳过去。

对行动图的意义：协调失败的领域正是“被留下的巨大价值”所在，也恰是分析最容易失效的地方——因为缺的不是知识，而是“谁先去哪一步”的公共信号。行动图可以充当低成本协调装置：把“哪些行动者在等别人先动、第一步是什么”显式写出来。这与知识经纪文献中“最后一公里”问题的诊断一致：证据与行动之间的断裂，往往不是证据不足，而是没有人负责把证据递到能行动的人手里并按其决策情境裁剪。Knowledge Brokering: the missing link (PubMed)

2.3 边际贡献递减与被忽视领域的机会

ITN 框架中的“被忽视度”（neglectedness）基于边际收益递减假设：资源拥挤的领域，新增一单位资源的边际贡献低；被忽视的领域，最便宜的机会还没被摘走。80,000 Hours: Neglectedness and impact

但批评者指出该假设不普适：在存在高启动成本、网络效应或干中学（learning-by-doing）的领域，回报曲线可能是递增的或 S 形的——早期投入反而产出低，此时“被忽视”不是机会信号而是陷阱信号。Is neglectedness a reliable criterion for marginal impact? (EA Forum)、Review of ITN critiques

对行动图的意义：“被忽视度”应作为条目的标注维度而非排序公理——同时标注该领域的回报曲线形态假设（递减/递增/未知），让读者看到这个判断的不确定性。

三、实践形态（已有的“行动图”先例）

3.1 Power Mapping（权力图谱，基层组织学）

社区组织（community organizing）的标准工具：在“支持度 × 影响力”二维矩阵上标注所有利益相关者，区分出“高影响+支持”（关键盟友）与“高影响+反对”（需中和的对象）；进阶做法是把首要目标放中心，画出“谁能影响他”的次级目标网络。关键纪律：权力关系是流动的，图谱必须随新信息持续更新。NEA: Power Mapping 101、Commons Library: Power Analysis Guide、Museum of Protest: Power Analysis and Stakeholder Mapping

3.2 因果回路图（CLD）与系统干预分析

系统动力学的定性工具：绘制变量间因果链与反馈回路（增强/调节），在图上识别杠杆点、设计干预（修改链接、缩短时滞、打破恶性循环），并可过渡到存量-流量模型做定量仿真。已有实证工作把 CLD 用于帮助决策者对候选干预做优先级排序（如急救医疗系统案例）。WHO: Systems Tools for Complex Health Systems (CLD 手册)、Springer: Systems thinking methods worked example、The Systems Thinker: Guidelines for Designing Systemic Interventions

3.3 知识经纪（Knowledge Brokering）与科学-政策“最后一公里”

知识经纪被定位为“证据到行动链条上缺失的一环”：不是简单推送数据，而是在研究者与政策者两个世界之间建立互动、信任与共同生产（co-production），按决策者的政治现实裁剪证据、管理不确定性。但该领域定义缺乏共识、长期政策影响的证据薄弱——这既是警示（翻译工作本身很难），也是机会（方法远未饱和）。Ward et al., Knowledge Brokering: the missing link?、Does knowledge brokering facilitate evidence-based policy? (Policy & Politics 2020 综述)

3.4 优先级框架：ITN 与成本效益分析

ITN（重要性/可解决性/被忽视度）：80,000 Hours 用于在缺乏直接成本效益数据时比较问题领域。官方自己强调这只是高层启发式（heuristics）而非精确度量，量化版本用对数量表加总，“不应按字面理解”。80,000 Hours: A framework for comparing global problems
GiveWell 式成本效益分析（CEA）：适用于证据密集、结果可量化的干预（如公共卫生）。GiveWell 自己明确：模型粗糙、依赖有限数据和主观判断；CEA 只是输入之一，必须与证据强度、机构记录并列考量；并用 25/75 百分位区间表达不确定性。GiveWell: Cost-Effectiveness、GiveWell: 处理不确定性与优化者诅咒

适用边界：当条目的影响难以量化（范式转变、制度设计、协调型行动）时，ITN/CEA 都应降级为定性参考——这正是 Abson 所说的“深杠杆”区域，也恰是行动图最有差异化价值的地方。

四、批判与边界

4.1 可测量性偏见（measurability bias）

Campbell 定律：一个量化社会指标越是被用于决策，就越容易被操纵、并扭曲它所监测的过程。Wikipedia: Campbell’s law
路灯效应（streetlight effect）：研究与管理倾向于在“容易测量的地方”寻找答案，而非在“答案所在的地方”。已在气候研究地理分布、数据驱动探索等领域被实证记录。NBER: The Streetlight Effect in Data-Driven Exploration、Wikipedia: Streetlight effect

对行动图的推论：如果条目的收录标准隐含“可测量才可收录”，行动图会系统性漏掉最深层的杠杆（范式、目标、制度设计）——而这些恰是 Meadows 排序中效力最高的。对策：条目应显式标注“可测量性等级”，并保留“重要但难以测量”的专区。

4.2 杠杆点框架的简化风险

对 Meadows 框架的学术批评集中在：原始分类源于个人经验洞察而非严格实证，缺乏形式化验证；对情境、权力动态与人类系统的关系性复杂度着墨不足；带有机械论/工具主义色彩，可能掩盖系统变革的规范性与价值负载本质。已有学者呼吁发展“更现代的杠杆理论”。Leverage Points in Systemic Change: empirical evaluation of Meadows taxonomy (ISSS 2014)、The problems with leverage points (Systemic Design)、Finding (a theory of) Leverage for Systemic Change

推论：杠杆层级应作为“问题深度”的描述性坐标，而非“该不该做”的规范性排序——参数级行动（浅）不等于不重要，范式级行动（深）不等于可行。Abson 的警告同样适用：实践中大家都在推浅杠杆，不是因为深杠杆不重要，而是因为深杠杆难。

4.3 分析瘫痪（analysis paralysis）

过度思虑与信息过载会使决策质量下降甚至瘫痪；研究表明过度内省会让人失去对初始（往往是适应性的）偏好的把握；意外的决策困难会被误读为“此事很重要”，从而投入更多时间，陷入“决策流沙”（decision quicksand）。Cleveland Clinic: Analysis Paralysis、Wilson & Schooler 1991: Thinking Too Much、Sela & Berger: Decision Quicksand

对行动图的双向含义：(a) 行动图本身是治疗分析瘫痪的设计——把无尽分析截断为有限、具体的行动选项；(b) 但行动图自己也可能诱发分析瘫痪——条目过多、排序过细会重现选择过载。对策：对每个读者角色只暴露少量（如 3-5 条）高匹配条目。

4.4 “谁可以做什么”的责任与政治性

指名行动者 = 分配责任。这本身是一种政治行为：权力图谱在基层组织学里从来都是策略工具而非中性描述。Commons Library: Power Analysis
知识经纪文献显示，“把证据递给决策者”的工作无法摆脱价值判断——裁剪什么证据、递给谁、强调什么不确定性，都是政治选择。Nature HSSC: brokers at the science-policy boundary
风险形态：条目推荐可能错配（读者实际无该行动者身份的资源）、可能过时（政治格局变化）、可能被误读为背书或指责。

五、网站落地启示（rover.red 行动图）

5.1 条目结构：行动者 × 杠杆点 × 领域

建议每个行动条目采用如下 frontmatter/数据结构（与现有 src/data/benchmarks.json 的 JSON 数据驱动模式一致）：

{
  "id": "atlas-0001",
  "actor": "机器学习工程师（个人）",
  "actorType": "individual | org | funder | policymaker | researcher",
  "domain": "AI 安全",
  "leveragePoint": 6,
  "leverageLabel": "信息流结构",
  "leverageDepth": "shallow | mid | deep",
  "action": "……（谁，可以在哪里，推动什么——一句话完整格式）",
  "microToC": "之所以有效，是因为假设 A、B、C（显式因果链，Weiss 传统）",
  "itn": { "importance": "high", "tractability": "mid", "neglectedness": "high", "returnsShape": "diminishing | increasing | unknown" },
  "measurability": "quantifiable | proxy | qualitative",
  "collectiveAction": { "requiresCoordination": true, "ostromGaps": ["monitoring", "sanctions"] },
  "counterpoints": "反方意见/失效条件（一等公民字段，非免责声明）",
  "lastVerified": "2026-06",
  "confidence": "high | mid | low"
}

设计理由逐条对应研究结论：

actor 打头、完整句式：对抗责任扩散（Darley & Latané），对齐实施意图格式（Gollwitzer）。
leveragePoint + leverageDepth：接 Meadows/Abson 坐标轴，但只做描述不做排序（§4.2）。
microToC：ToC 传统的微缩版，让读者自检假设（§1.2）。
itn.returnsShape：把边际收益形态的不确定性显式化（§2.3）。
measurability：对抗可测量性偏见，为难测的深杠杆保留位置（§4.1）。
collectiveAction.ostromGaps：对需要协调的条目做八原则体检（§1.4）。
counterpoints：把政治性与责任显性化（§4.4）。

5.2 更新的可行性

Power mapping 文献的核心纪律——“权力关系是流动的，图谱必须持续更新”——对个人维护的网站是最大成本。建议：

条目宁少勿多：从 10-20 条精选条目起步，每条带 lastVerified 与 confidence，过期自动降权展示，而非追求全覆盖。
与文章联动：行动条目作为博客文章（分析）的“出口”——每篇分析文末尾挂 1-3 条相关行动条目，写作即更新。这呼应知识经纪的“裁剪证据到决策情境”。
接受陈旧作为内容的一部分：杂志风格的“观测日志”叙事允许条目带时间戳被阅读（“截至 2026 年的观测”），把更新压力转化为叙事特色。

5.3 与个人读者（而非机构）的关系

这是行动图与 power mapping 传统的关键差异：经典工具面向已有组织的运动，rover.red 的读者是无组织的个人。启示：

Olson 的推论即产品定位：大群体无强制也无选择性激励，个人读者最可能的行动是 (a) 职业/技能选择（80,000 Hours 路径），(b) 小群体自组织（Ostrom 小集群），(c) 对已有行动者的信息与注意力支援。条目应主要落在这三类“个人真实可及”的行动上，避免推荐“政策者应该……“这类读者无法执行的条目。
按读者角色过滤：入口不是主题列表而是“你是谁”——工程师/研究者/投资人/写作者/学生——这直接实现“按谁组织”的核心主张，也控制了选择过载（§4.3）。
幽默的语气边界：项目基调允许日志幽默，但行动条目涉及真实责任分配，应保持数据页式的严谨（与项目“研究/数据页保持严谨”的原则一致），尤其 counterpoints 字段不得调侃。

来源说明

保留的核心来源（均已在正文内联引用）：

Meadows 杠杆点原文与 Wikipedia 条目 —— 一手理论来源
Abson et al. 2017 (Ambio, PMC) —— 杠杆点学术化与浅/深分层
Theory of Change Community / Weiss 传统 —— ToC 谱系
Olson (Wikipedia + 原书 PDF) 与 Ostrom Workshop —— 集体行动两极
Darley & Latané 1968、Gollwitzer 1999 —— 机制层的心理学证据
80,000 Hours 问题框架 + EA Forum 的 ITN 批评综述 —— 优先级框架及其边界
GiveWell 官方 CEA 方法页 —— 成本效益分析的自我边界声明（一手）
Commons Library / NEA / Museum of Protest —— power mapping 实践
Ward et al. (PMC) 与 Policy & Politics 2020 综述 —— 知识经纪
Campbell’s law、NBER 路灯效应工作论文 —— 可测量性偏见

弃用的来源类型：SEO 内容农场（VerywellMind、Healthline 类科普改写）、Medium 个人博文、与论点重复的二手综述——仅用于初筛，未进入引用。

未能完全回答的问题（Gaps）

“按行动者组织知识”缺乏直接的实证效果研究——本简报的论证是机制拼装（旁观者效应 + 实施意图 + 信息架构），没有找到对该组织方式本身的对照实验。网站上线后可考虑做简单的读者行为观测（如条目点击率 vs 主题导航点击率）作为自有证据。
杠杆点在具体科技领域（AI、生物技术等）的映射缺乏权威案例库——条目化时需要自行判断每个行动作用在哪一层，这一判断本身有主观性，建议首批条目在 confidence 字段上保持保守。
个人读者行动效果的追踪无解且可能无解——建议在叙事上主动承认这一点，而非承诺不可验证的影响。