我们总盯着「内容」——说了什么、播了什么，却忽视真正重塑社会的是「媒介」本身——用什么说。一种媒介带来的尺度、速度与连接方式的改变，远比它承载的任何具体信息影响深远。讯息从来不是新闻里那条新闻，而是「有了报纸」这件事本身。
每种媒介都是人某种感官或能力的延伸：文字延伸视觉，电力延伸整个神经系统。这种延伸会悄悄改变我们感知与组织世界的「比例」。报纸登了什么不重要，重要的是它让成千上万人每天在同一时刻读到同一件事——这种同步本身就锻造出了「公众」与「民族国家」。媒介的真正效应是环境性的、无形的，而恰恰因为无形，才最难被察觉、最难被抵抗——我们活在媒介里，就像鱼活在水里，最后一个发现水的就是鱼。
印刷术。它表面只是「复制书更快」，实质却重组了整个文明：标准化拼写催生了统一的民族语言，私人默读催生了「个体内心」与隐私观念，可累积、可比对的印刷知识催生了现代科学方法。没有人「打算」用印刷术做这些——它们是媒介形式本身的副产品，与印的是《圣经》还是色情小说毫无关系。形式自己改写了历史，而内容只是借口。
在 经济学 中对应「平台即规则」——你在哪个平台交易，比你交易什么更决定结果；在 神经科学 中呼应「工具重塑大脑」——读屏与读纸激活的是不同的注意与记忆模式；在 分布式系统 中是「协议决定一切」——TCP、HTTP 这类底层协议塑造了上面能长出什么应用，比任何单个应用都更根本。
作为构建 AI 工作流的技术人，最容易犯的错是只打磨「提示词内容」，却忽视「用什么媒介与 AI 协作」——是一次性对话框？是有长期记忆的 agent？还是嵌进代码库、能读写文件的工具？媒介形态决定了你能与 AI 形成什么样的协同认知，这远超任何一条 prompt 的优劣。换工具，往往比换措辞带来的改变大一个数量级。
你每天用得最多的那个工具或平台，它的「形式」在不知不觉中，正把你训练成一个什么样的人？
一个物体的意义不在它「是什么」，而在它「让你能做什么」。同一块石头，对人是椅子，对鸟是栖木，对落水者是救命的支点。可供性是环境与行动者之间的「关系」，不是物体的固有属性。于是设计的本质，从来不是设计物体，而是设计可供性。
可供性指环境直接提供给某个特定行动者的「行动可能性」：门把手「可供」拉，平板「可供」推，杯子「可供」抓握。关键在于：可供性独立于你是否注意到它而客观存在，但只有「被感知到」的可供性才能真正引导行动。于是好设计的全部功夫，就在于让正确的可供性自我显现——看一眼就知道怎么用，不需要任何说明书；而坏设计，则要么藏起了可供性，要么发出了错误的信号。
「诺曼门」——那种你总是推错方向、撞上去才发现该拉的门。问题从来不在用户笨，而在门的形态发出了错误的可供性信号：它装了个明明「可供拉」的竖把手，实际却要求你推。同一扇门，只要把竖把手换成一块平板，错误率瞬间归零——没有任何文字提示，行为就被形态本身纠正了。结论很刺人：当人反复用错，错的几乎从来不是人，而是可供性的设计。
在 进化生物学 中对应「生态位构建」——动物感知环境时，直接感知到的就是行动机会（能吃、能藏、能逃），而非客观的物理属性；在 行为经济学 中是「选择架构」——一个默认选项就是一种强可供性；在 AI 与人机交互 中，一个产品的成败往往不取决于模型多强，而取决于界面「可供」用户做什么、暗示了哪种用法。
设计 AI 工具或团队流程时，别急着写文档教人怎么用——先问：「这个界面、这套流程的形态，本身在邀请人做什么？」如果用户总是用错，结论通常不是培训不够，而是可供性设计错了。育儿同理：想让孩子读书，把书放在触手可及处、把平板锁进抽屉，远胜任何说教——你不是在劝说，而是在重塑环境的可供性。
你身边哪个反复出错的流程或工具，其实是「可供性」在悄悄引导人犯错，而你却一直在怪人不小心？
现代社会越来越多的关键裁决——你的信用额度、能否通过简历筛选、看到哪些信息、保险费率几何——由你无法看见、更无法质询的算法做出。这些系统既「记录你的一切」（你对它完全透明），又「隐藏自身」（它对你完全黑箱）。这种可见性的不对称，正在成为一种新的权力形式。
黑箱有两层。技术层：复杂模型连构建它的工程师都难以完整解释。制度层：以「商业机密」为名，拒绝公开运作逻辑——而后者往往才是真正的问题。当决策被算法包裹，责任就被悄悄稀释：出了错，是数据的错、是模型的错、是「系统」的错，没有一个具体的人需要负责。所以不透明常常不是技术的副作用，而是一种刻意的权力安排——看不见，就无法问责。
信用评分。人们以为它客观中立，但研究反复发现：在还款能力相同的情况下，因邮编、消费类别等「代理变量」，不同群体会得到系统性不同的评分——算法把历史中的不平等学了进去，再以「数学客观」的外衣把它放大。被拒的人甚至无从知道自己为何被拒，更无从申诉。客观的外表，恰恰是它最危险的地方：它让歧视看起来像中立。
在 信息论 中，这是被推到极端的信息不对称；在 复杂系统 中对应「不可还原性」——系统行为无法从规则简单推出，但这绝不该成为免责的借口；在 神经科学 中，我们自己的大脑也是个黑箱——人会为决定编造事后理由（confabulation），这反过来提醒我们：要求「可解释」时，也要警惕被一套漂亮的假解释糊弄过去。
作为构建 AI 系统的人，你正站在黑箱的生产端。每多嵌入一个不可解释的模型决策，就多转移一分责任与权力到「系统」头上。负责任的设计，目标不该是追求完美的可解释（常常做不到），而是保留「可问责」的接口：谁能质询这个决定？谁有权推翻它？出错时，由谁负责？这三个问题有答案，黑箱才不至于变成无人负责的权力黑洞。
在你正在构建或日常依赖的系统里，哪些关键决定已经进了黑箱？如果它判错了，有谁、用什么方式，能把它纠正过来？
法律的执行曾经依赖人——警察、法官、审查员，因而总留有裁量、例外与商量的余地。算法治理把规则直接写进系统架构，让违规在物理上「不可能」，而非「会被惩罚」。「代码即法律」：真正管着你的，不再是写在纸上的条文，而是决定你能点什么、能去哪、能说什么的那行代码。
治理的逻辑从「事后惩罚」转向了「事前阻止」。传统法律下，你可以闯红灯，然后承担后果——这留有不服从的空间，也因此留有正义被申张的空间。算法治理下，系统直接锁死，让你根本无法闯。效率极高，代价却是消灭了裁量、例外与公民不服从的全部可能。更深的转移在于：规则的制定权，正从公开的、可辩论的立法过程，悄悄挪进私人公司的工程决策里——没有听证，没有投票，一次产品迭代就改写了千万人的行为边界。
内容推荐与审核。平台根本不需要「禁止」某种言论，只要把它的触达降到接近于零——也就是「降权」。你照样能发，没有任何人通知你被限制，你只是悄无声息地消失在所有人的视野里。没有明确的禁令，没有可申诉的判决，却达到了比公开审查更彻底的效果。治理在这里变得隐形而无可争辩——你甚至意识不到自己正在被治理。
在 博弈论 中，这是「改变规则本身」而非在规则内博弈——掌握架构的人握有元层（meta）权力，远高于任何参与者；在 发育生物学 中类比「发育约束」——基因不直接规定行为，而是搭建一副让某些行为根本无法发生的身体；在 管理学 中对应「用流程取代信任」——把规则硬嵌进系统看似高效，却悄悄抽走了人的判断力与担责感。
你写的每一行约束逻辑、设的每一个默认权限、卡的每一道流程关口，本质上都是在「立法」。技术人最该警惕的傲慢，是误以为自己「只是在实现需求」——事实上你正在决定哪些行为可能、哪些不可能。在系统里有意识地多留一个「人可以推翻」的出口，往往比追求一个全自动、零摩擦的整洁系统更重要，也更负责任。
你设计的系统里，有没有哪条「为了效率」而硬性锁死的规则，实际上剥夺了本该属于人的判断空间与例外权？