中医竟是AI Harness祖师爷？

背景：

最近一直在看中医/喝中药补身体，医生每2周去看一次，诊脉看舌苔问诊后再微调中药配比和成分。感觉这个流程很有意思。 今天在学习 AI Harness：《 Why The Harness Matters More Than The Model | YC Paper Club》 突然灵光乍现，感觉这两者有点交集，便问了 AI 好几个问题。以下是 AI 自己根据它自己的回答总结的技术文章。 背景完。

一句话总结：undefined传统软件工程处理的是可规定、可复现、可验证的确定性逻辑；现代 AI 处理的是从数据中归纳出来的概率性泛化。中医辨证论治，与 AI 有结构上的相似：知识不是明文规则，而是隐式经验模式；输出不是逻辑必然，而是条件分布下的高概率选择。AI Harness 最该学的，不是让模型变确定，而是用确定性外壳包住概率内核，把方差和尾部风险压到可接受范围。

0. 摘要

本文整理一次关于“AI 与传统软件工程最大区别”的讨论，并延伸到中医与 AI Harness 的类比。

核心脉络如下：

1. AI 与传统软件工程的最大区别：传统软件追求规格、代码、执行、验证的确定性闭环；AI 是数据、训练、权重、概率生成。
2. 中医是“概率性泛化”的典型传统体系：辨证论治、方证相应、针灸配穴，都是从大量经验样本中归纳隐式模式，再对新情境做情境化判断。
3. 中医用一套经验工程控制风险：强先验、辨证纲领、四诊合参、安全禁忌、三因制宜、复诊反馈、师承会诊、药材炮制、制度监管、现代循证。
4. 这些手段几乎可以一一映射到 AI Harness：版本化政策包、任务路由、规则引擎、RAG、多源证据、沙箱、审批、回滚、监控、拒答转人工、案例回流。
5. 成熟度不均：提示、路由、RAG、护栏、微调、监控、转人工已较广泛；但版本化与 eval 门禁联动、风险分层硬约束、多源证据仲裁、工具事务回滚、OOD 校准拒答、在线闭环案例回流仍不成熟。
6. 后续优先级：先压尾部风险，再提上限。优先做版本化 + eval 门禁、风险路由 + 硬规则、工具沙箱 + 审批 + 回滚、证据分级 + 冲突仲裁 + 校准、OOD 拒答 + 转人工 + 案例回流。

1. 起点：AI 与传统软件工程的最大区别

传统软件工程的核心链路是：

规格 → 代码 → 执行 → 验证

你写下规则，系统按规则运行。相同输入、相同状态，原则上应得到相同输出。Bug 可以被定位到某一行代码、某个状态、某个依赖；正确性可以用单元测试、契约、形式化验证来逼近“布尔式”的保证。

现代 AI，尤其是大模型，核心链路是：

数据 → 训练 → 权重 → 概率生成

它没有把“如果 A 则 B”的规则显式写出来，而是把统计规律压进参数里。它的输出不是逻辑推导的结果，而是对“最可能合适答案”的采样。

因此：

• 同一问题换个说法，答案可能变；
• 同一输入，因采样设置不同，输出可能变；
• 错误不是“某一行写错了”，而可能是数据偏差、分布偏移、提示敏感、幻觉；
• 正确性很难用“满足/不满足规格”判断，只能用评估集、指标、人类反馈、线上监控来统计性判断。

所以，最大区别不是“AI 会不会犯错”，而是“正确性是否可以被确定性地规定和复现”。

传统软件工程追求的是：在明确边界内，行为可预测、可审计、可验证。

AI 工程追求的是：在开放分布中，行为统计上可用、可评估、可对齐、可监控。

工程方法也因此不同：

传统软件更像“造一台按图纸运行的机器”；现代 AI 更像“训练一个在统计意义上表现良好的专家系统”。

2. 中医：另一种“从数据中归纳出来的概率性泛化”

如果只选一项类似，最典型的是：

中医的辨证论治体系，尤其是经方方证与针灸配穴。

2.1 为什么说它们和 AI 有结构同构

不是“中医就是 AI”，而是它们的知识形态和决策方式有结构上的相似：

中医看到一组症状、脉象、舌象、体质、节气，并不是在查一张固定表，而是在做模式识别：这组表现更像哪个“证”？这个证与哪些方、哪些穴、哪些加减法在历史上高频共现？

这很像大模型从语料中压进权重的统计关联，只不过中医的“权重”藏在师承口诀、医案类比和身体记忆里。

2.2 典型特征：同病异治、异病同治、随证治之

同一个感冒，有人用麻黄汤，有人用银翘散，有人要扶正；同一个人，夏天和冬天不同，南方和北方不同。处方不是确定性的唯一解，而是对当前情境最可能合适的方案。

针灸也一样：同一种病，取穴、补泻、时辰、得气反应都可能不同。

这非常像概率生成：输出不是逻辑必然，而是条件分布下的高概率选择。

2.3 区别也要说清

AI 靠数学优化和大规模算力；中医靠身体感官、师徒传承和文化语境。中医并不“保证”优质结果，也没有现代统计学意义上的校准。误诊、误治、药害、“坏病”始终存在。

所以，更准确的说法是：

中医是一套前现代的经验工程，用强先验、结构化辨证、安全禁忌、反馈复诊和制度监管，把概率性泛化的方差和尾部风险尽量压小。

3. 中医如何控制概率泛化的质量与风险

中医并不保证每次高分，但它试图避免最坏结果，并在反馈中不断修正。具体手段可以分十层。

3.1 强先验与经典约束：相当于基座模型加版本管理

《黄帝内经》《伤寒论》《金匮要略》《神农本草经》《本草纲目》等，构成了一套强先验。后世注疏、校勘、医案，类似不断更新的训练语料和版本修订。

尤其是“方证相应”“有是证用是方”，把很多决策压成较硬的对应关系，减少随意泛化。

3.2 辨证纲领：相当于降维、正则化和隐变量

八纲辨证、六经辨证、脏腑辨证、卫气营血、三焦辨证，把高维、嘈杂的症状映射到低维“证型”。

这既像特征工程，也像正则化：防止一两个症状就过度推断。证型不是确定规则，但它让泛化有框架、有边界。

3.3 四诊合参与置信度加权：相当于多模态融合

望闻问切、十问歌，要求多源信息互证，不能单凭一脉一舌。遇到矛盾时，有“舍脉从证”“舍证从脉”等权衡原则，类似不同模态的置信度加权。

目的是降低单点噪声导致的误判。

3.4 方证相应：相当于规则引擎与约束解码

有是证，用是方。关键动作必须满足硬规则。比如麻黄汤证要求无汗、脉浮紧，若汗出脉弱则禁用，防止误汗。

这类似输出 JSON schema、grammar、前置条件检查。

3.5 安全护栏与禁忌：相当于约束解码和拒绝采样

十八反、十九畏、妊娠禁忌、毒性药炮制、先煎久煎、剂量法度、中病即止、得下即止，都是硬约束。

大承气汤“得下即止”，类似 early stopping。这些手段不保证最优，但优先避免灾难性错误。

3.6 三因制宜：相当于条件生成

因时、因地、因人，强调同病异治。它承认输出不是全局唯一解，而是条件分布下的情境解。

这能提高个体适配度，但也要求医生对上下文有准确判断。

3.7 复诊与随证治之：相当于在线学习和反馈闭环

《伤寒论》讲“观其脉证，知犯何逆，随证治之”，这是典型的纠错机制。还有“效不更方，无效更方”、小剂量试服、试探性治疗、复诊调方。

中医把一次处方看作一次带反馈的干预，而不是一锤定音。

3.8 师承、医案、会诊：相当于微调、人类反馈和集成投票

师带徒是典型的默会知识传递，类似领域微调。医案记录成败，类似带标注的经验数据。会诊、病案讨论、流派互参，类似多模型集成，降低单个医生“模型”的偏差。

但医案也有发表偏倚和幸存者偏差。

3.9 道地药材与炮制规范：相当于数据治理和输入标准化

“橘生淮南则为橘，生于淮北则为枳。”产地、采收、炮制、煎服法，都会改变药性。

道地药材、如法炮制、药典规范，是在控制输入分布，减少数据漂移。没有这一层，再好的辨证也会被劣质药材拖垮。

3.10 制度与伦理：相当于监管和准入

行医资格、药肆管理、药典、师承考试、医案考核，以及“六不治”等拒治原则，都是制度性护栏。

危重症转诊、不治已病治未病，类似分诊和拒答机制。

3.11 现代补强：循证医学、RCT、真实世界研究、药物警戒、AI 辅助

传统中医的这些手段，能提高稳定性和安全性，但不能像形式化验证那样给出确定性保证。

所以现代中医必须加上随机对照试验、Meta 分析、真实世界数据、毒理与药物警戒、标准化电子病历，以及 AI 辅助决策和监控。

4. 映射到 AI Harness：确定性外壳包裹概率内核

4.1 什么是 AI Harness

本文讨论的 AI Harness 取广义：

围绕模型的运行、评估、反馈、治理脚手架：提示与策略、工具调用、状态机、护栏、评估集、监控、回滚、审计。

核心原则一句话：

用确定性外壳，包裹概率性内核。

中医的“辨证论治”是概率内核；禁忌、炮制、复诊、师承、药典、制度是确定性外壳。AI Harness 也该这么干。

4.2 一一映射表

4.3 具体架构流水线

可以做成这样一条流水线：

1. 入口层：输入规范化、脱敏、意图分类、风险评分。
2. 路由层：按任务类型和风险选模型、提示、工具、检索源。
3. 上下文层：RAG 检索、工具查询、记忆注入；每条证据带来源、时间、置信度。
4. 推理层：生成计划、多候选答案、自检；高风险任务多模型投票或辩论。
5. 约束层：schema 验证、规则引擎、权限检查、约束解码。
6. 执行层：工具沙箱、dry-run、审批、事务、幂等、超时、回滚。
7. 验证层：事实核查、引用检查、单元测试、模拟执行、输出过滤。
8. 反馈层：日志、指标、用户反馈、在线评估、案例入库、定期微调。
9. 治理层：版本管理、审计、合规、SLO、灰度、回滚、责任链。

4.4 例子：退款 Agent

• 入口：识别“退款”意图，风险中高。
• 路由：走退款专用提示和工具。
• 上下文：检索退款政策、订单历史。
• 推理：模型生成退款方案。
• 约束：规则引擎检查订单存在、金额≤原额、时间窗口、用户权限。
• 执行：沙箱 dry-run，高风险转人工审批，再真实调用支付工具。
• 验证：确认退款成功、金额正确、日志完整。
• 反馈：失败则回滚或重试；案例入 eval 集；监控退款异常率。

这其实就是中医的“辨证—方证—禁忌—复诊”结构。

5. 成熟度盘点：哪些已经用了，哪些没有

以下按头部生产系统与一般团队的成熟度判断。很多手段是“有，但很浅”。

5.1 已经广泛应用或部分广泛应用的

一句话：“提示、路由、RAG、护栏、微调、监控、转人工”已经广泛；但把它们串成严格闭环和门禁的很少。

5.2 还没有广泛应用或很不成熟的

1. 版本化政策包 + eval 门禁联动：很多团队改 prompt、换模型、换知识库不上回归测试，也不强制灰度回滚。
2. 风险分层路由 + 硬规则全覆盖：有意图分类，但高风险任务没有强制走慢路径、规则引擎和人工审批。
3. 多源证据的权威分级、时效加权、冲突仲裁、置信度校准：RAG 有引用，但来源谁更权威、冲突时听谁、置信度是否校准，普遍弱。
4. 工具组合安全、dry-run、事务回滚：单工具权限有，多工具组合风险、预执行、幂等、回滚不系统。
5. OOD 检测与校准驱动的拒答转人工：拒答有，但很多靠关键词或阈值，不是校准后的分布外检测。
6. 在线闭环自动诊断、策略切换、案例回流：监控有，自动定位失败、换策略、回滚、把失败案例回流到 eval/训练集，少。
7. 多模型集成/辩论/仲裁用于高风险：研究多，生产少。
8. 数据漂移、嵌入模型版本、输入分布监控：数据治理有，但漂移监控和版本联动不普遍。
9. 因果评估、真实世界研究、药物警戒式线上安全监控：A/B 有，因果推断和长期安全信号少。
10. 责任链、审计、模型卡/数据卡标准化：大厂有，行业不统一。
11. 关键路径形式化验证：几乎只在金融、航天等少数领域。

6. 后续优先级：先压尾部风险，再提上限

按“先压尾部风险，再提上限”的顺序，建议如下。

P0，立刻做

1. 版本化政策包 + eval 门禁undefined所有 prompt、工具 schema、安全策略、知识库、模型版本全部版本化；变更必须过离线 eval、红队、回归测试，可灰度、可回滚。undefined对应中医“经典先验 + 药典 + 版本注疏”。
2. 风险分层路由 + 硬约束undefined先判风险等级和领域，再选模型、提示、工具、流程。关键动作用传统代码、规则引擎、约束解码兜底。undefined对应“辨证纲领 + 方证相应 + 禁忌”。
3. 工具沙箱 + 审批 + 回滚undefined最小权限、dry-run、事务、幂等、超时、最大步数、kill switch；高风险动作转人工。undefined对应“十八反 + 复诊 + 中病即止”。

P1，紧接着做

1. 多源证据权威分级 + 冲突仲裁 + 置信度校准undefined来源分级、时效加权、强制引用、投票/仲裁、校准。undefined对应“四诊合参”。
2. OOD 检测 + 拒答转人工 + 在线监控undefined低置信、分布外、高风险、超能力时转人工；监控告警。undefined对应“六不治 + 复诊”。
3. 案例回流 + 定期更新undefined失败案例入 eval 集，专家标注，更新 few-shot、RAG、微调。undefined对应“师承 + 医案”。

P2，中期做

1. 多模型集成/辩论/仲裁用于高风险。对应“会诊”。
2. 数据漂移与嵌入模型版本监控。对应“道地药材 + 炮制”。
3. 审计责任链、模型卡、数据卡、合规。对应“药典 + 行医资格”。
4. 关键路径形式化验证、因果评估、真实世界研究。对应“现代补强”。

如果只做五件事

1. 版本化 + eval 门禁；
2. 风险路由 + 硬规则；
3. 工具沙箱 + 审批 + 回滚；
4. 证据分级 + 冲突仲裁 + 校准；
5. OOD 拒答 + 转人工 + 案例回流。

这五个，正好对应中医的“经典先验、辨证、方证、禁忌、四诊合参、六不治、复诊”。

7. 结语

AI Harness 不能让模型变确定，但可以把概率泛化的方差和尾部风险压到可接受范围。

中医的经验工程，是一套前现代版本的概率系统治理：

强先验、分型路由、多证据、硬禁忌、反馈复诊、师承集成、数据治理、制度护栏。

AI Harness 最该学的，不是玄学化中医，而是把这套思路转译成现代工程语言：

确定性外壳 + 概率内核 + 反馈闭环 + 治理审计。

传统软件像按图纸运行的机器；现代 AI 像训练出来的专家系统。

而 AI Harness 的任务，就是让这个概率性专家系统在真实世界里：

少犯大错，可被监控，可被纠正，可被追责，可被回滚。

📚参考链接

Why The Harness Matters More Than The Model | YC Paper Club