机械门告诉你 agent 是否执行了规则。神经门问你：规则真的改变了模型的"想法"——还是只改变了措辞？
机械门的盲区
前两篇讲了 Prose Barrier 和机械门。简单说：用文件时间戳、正则、exit code 来验证 agent 的输出——绕过它的自然语言，只查文件系统事实。
这套方案有效。违规率从 55.9% 降到了 0.7%。
但它有一个盲区。
机械门检查的是输出：文件存不存在、时间戳对不对、正则匹不匹配。它不关心 agent 在生成这些输出时内部发生了什么。
一个 agent 可以完美通过所有机械门检查——同时完全没理解规则的意思。它只是学会了"要生成能被正则匹配到的文本"。格式对了。内容对了。但规则有没有真的改变它的推理路径？机械门不知道。
换个思路：不听它说什么，看它在想什么
AI agent 不像人类——它的"思考过程"是可以被测量的。
当你给 agent 一个约束（比如"每次改完代码要更新文档"），这个约束会在 token 生成过程中留下痕迹。具体来说：
在决策令牌（decision token）附近，约束条件会改变 logprob 分布。
什么意思？举个例子。agent 改完了一段代码，接下来它要决定：继续写下一段，还是去更新文档？
在"收工"vs"更新文档"这个分叉点，logprob 会告诉你 agent 的"倾向"。如果约束真的穿透了——你会在对应 token 的概率分布上看到系统性偏移。
这就是神经门做的事：不是在输出端检查"文档更新了没"（那是机械门的活），而是在内部检查"约束有没有改变模型的概率分布"。
实测数据
我跑了 40 次对照实验。
实验设计：同一个约束，两种格式——三段论格式（IF-THEN-THEREFORE）vs 命令式格式（MUST DO）。测量决策令牌处的 logprob 差异。
结果：三段论格式在决策令牌处产生了显著不同于命令式的概率分布。d = +0.578，贝叶斯因子 = 282,399。
翻译成人话：格式改变了模型内部处理约束的方式。 不是微小的差异。是"几乎肯定是真的"级别的统计证据。
为什么这很重要
机械门告诉我们："约束被执行了。" 神经门告诉我们："约束被理解了。"
两者加在一起，你才真正知道你的规则系统在做什么。
一个 agent 可以 100% 通过所有机械门，同时完全没内化任何约束——它只是学会了对正则表达式的条件反射。格式工程（prose vs code）之所以有显著效应（d=0.605），正是因为格式影响的是理解深度，不是输出表面。
三层架构
把这前两篇和这篇放在一起，就是完整的验证三层：
| 层 | 问题 | 方法 | 状态 |
|---|---|---|---|
| L1 机械门 | "信息到了吗？" | 文件系统检查 + 正则 + exit code | ✅ 已部署 |
| L2 神经门 | "信息穿透了吗？" | 决策令牌 logprob 差异检测 | 🔬 实验验证中 |
| L3 因果编码 | "格式决定走哪条路？" | 格式 × 推理深度的因果效应 | 📊 数据收集中 |
L1 是底线——没有机械验证，agent 的自我报告不可信。 L2 是深度——告诉你约束是"被执行了"还是"被理解了"。 L3 是优化——在不同场景下，选择最有效的规则格式。
诚实的局限
神经门还在实验阶段。40 次实验、单个模型（DeepSeek V4 Pro）、单人操作。logprob 测量对 prompt 措辞敏感——换一个约束、换一个模型，效应大小可能会变。
我发这篇文章不是因为它已经"成熟了"。是因为我觉得这是个对的方向，如果你也在做 agent 验证，值得一起探索。
👋 林宇浩 — FAFU 空间信息大三。实验数据 + 代码: github.com/YuhaoLin200…
📖 上一篇：我让 AI 跑了 150 个任务来证明它会守规矩。结论是：会——但有个前提。 — 机械门实验数据
