本文从工程可讨论的层面，说明推荐系统中目标函数、特征工程、反馈循环如何内嵌价值判断，并介绍我提出的公开方法表述——认知风控（Cognitive Risk Control, CRC）。非医疗、不涉及未公开模型实现。
作者：郝新宇，《哲学与算法》主编。
1. 影响用户的不是“纯公式”
线上影响人的通常是复合系统：算法 + 数据 + 目标函数 + 约束 + 评估指标。每一层都在做价值排序，只是常被写成“技术决策”。
2. 三个结构性决策
（1）目标函数：什么值得被优化
停留时长、互动率、转化——选哪个，就是在执行“什么算好的信息环境”。
（2）特征工程：什么是可见的
系统主要看见可量化行为（点击、停留、点赞）。尚未成形的想法、模糊感受、正在变化的自我认知，进不了向量，对模型近似于不存在。这是结构局限，未必是主观恶意。
（3）反馈循环：什么被强化
单指标优化会系统性忽视其他价值；数据回流形成闭环，情绪型内容易自我强化，深度内容易被挤压。
三者闭环，容易锁定用户可见世界。工程上的特征降维，落到人身上，就是可能性被压缩。
3. 公开层：认知风控（CRC）
我提出认知风控（CRC）：正视算法必然降维，但不让降维沦为不可审视的黑箱；要求把内嵌哲学预设显性化，在关键逻辑节点设置可审视的反思机制，实现有原则的降维。
配套风险命名（公开层）：认知窄化 → 认知暴力 → 认知封闭。
划界：非诊疗；非内容审核代称；非投资风控。对象是认知过程。理论见郝新宇、吴涛《超越AI时代的人 ：哲学心理学导论》（国作登字-2026-A-00191731）。模型技术细节后续另文，本文不写实现与参数。
对工程同学可讨论的最小检查（公开层，非实现规范）：
- 目标函数是否只服务注意力，而无可陈述的多样性/可反思约束？
- 特征是否把“不可量化的人”直接等同于不存在？
- 反馈环是否缺少人工/规则兜底，从而自我锁定？
反洗钱等场景说明：硬控制可以正当——前提是风险定义清晰、规则透明、公共价值优先。内容与对话场景若缺这些，同样“硬”就容易走向窄化与封闭。
专栏展开见《哲学与算法》01。
作者：郝新宇 说明：认知风控（CRC）为郝新宇提出的原创方法表述；非诊疗。
