关于 Trigpoint

一、Trigpoint 做什么

Trigpoint 是一个独立出版的知识库。
工作是把各学科经过验证的研究，整理为可检验的知识节点；在自身工作流实测过的，挂「Lab 实测」章。

以人因研究为例：由 1948 年至今，这个领域已经把「人与自动化如何协作」查得相当清楚。
当 AI 进入每个人的工作流，同一批结论被整批遗忘，同一批错误被整批重犯。
Trigpoint 的立场是：先读前人，站上巨人的肩膀，再谈创新。

出处：Bernard of Chartres 语，见 John of Salisbury《Metalogicon》卷三第四章（1159）

使命

Trigpoint 是一座跨学科理论库的对外开放面。
库里每一条理论都来自公认文献，经同一套核实工序，压缩成能直接使用的形态。
我们把散落在各学科文献里的可靠知识，排成可以直接走的路径。
新书架分批于月度更新日开架，理论层当日对所有读者公开；订阅可于开架前七日先读全架，并解锁完整节点的验证细节、失效边界与案例判读。
交付的，是可以查证的收藏，也是用它下判断的能力。

愿景

Trigpoint 的愿景，是在 AI 时代建立一座可检验的判断力基建。
每个主题的导读都会公开，转载须署名连回。
完整节点走同一套验证：未经一手核实的数据，不会出现在图表上。
错误公开修正，并向指出错误的读者致谢。

二、为什么可信

多数时候，你自己开一个 AI 对话就够了。
免费、即时，多数题目答得够好。
Trigpoint 不是为那些时刻存在的。
它服务另一种时刻：模型错得流畅、错得自信，而你没有办法察觉。

语言模型的知识，收敛于训练语料的众数。
凡是共识偏离事实的地方：教科书漂移、名言错归、以讹传讹的统计，模型会错得很有说服力。
一个逐条核实的知识库，储存的正是语料共识与已验事实之间的残差。
这一项，模型难以从自身权重再生：它需要的是核对，不是回忆。

而且这个残差可能还在扩大。
凭空捏造的内容持续进入公开网路。一条不存在于原始报告的「25% 成功率」统计，正在外部网站之间扩散，这是我们核实过的实例。
无人核对的话，未来的训练语料可能离事实更远。
这是我们的工作假设：模型越流畅，核对过的残差越值钱。
假设可被推翻：若模型能自行分辨语料共识与已验事实，本库的价值就该重估。

我们知道你无法验证我们的品质。
正确的引用和错误的引用，读起来一模一样，除非你已经知道答案。
所以 Trigpoint 不保证答案一定对。
我们承诺的是流程：每条重要陈述回到一手文献，核验状态逐页明标，错误公开修正。
你不需要信任我们的结论。你可以检查我们的工序。

验证有成本，所以按错误代价分级投入。
高风险主张跨模型交叉验证，一般引用一手核实，定义性内容诚实标示不验。
引用在场，不等于可信。引用被误用的风险，我们同样管理，这也是我们库里的理论。

给每个主张，一个站得住的基准点。

三、内容形态

四、治理与支持

内容生产受五条前置规则约束，包括公开修正制度：错误经指出并核实后，修正记录留在页上，并向指出的读者致谢。
理论层开放转载，署名并连回原页即可。
案例判读库属 Trigpoint Pass 订阅内容；订阅支持 Trigpoint 的独立运作。
对任何内容的异议与经验，欢迎在相关节点页底提交，毋须注册；编辑处理后列于讨论与回应纪录。
勘误、撤回提交或私隐查询，请电邮 hello@trigpoint.pub。

五、人机分工声明

Trigpoint 的内容生产采用人机协作，分工按〈自动化等级〉的四阶段配权原则执行；完整档位与理由，公开于配权表实测案例。

资讯搜集与初稿分析由 AI 承担：来源扫描、文献线索整理、草稿与数据预填。
选题、判读、文献溯源的最后确认、以及每一页的发布决定，由主理人负责。

读者在书架读到的监控极限、注意力机制与配权纪律，先在我们自己的生产流程中使用、失效、修正。
这是 Trigpoint 与转述式内容的分别。

六、主理人

Ansel

主理 · 选题 · 实测 · 溯源 · 发布把关

日常工作是把 AI 从一次性指令，改造为可治理、可复用的工作流。
Trigpoint 记录的，是这件事实际做起来的样子：哪些理论用得上，应用时在哪里失效，失效之后如何修正。

本页不列头衔与机构。
依前置规则，可信的依据在验证，不在名衔。