為認知類型設計輸出的方法論核心是：把「好輸出」拆成一層所有神經類型共用的底層，加上幾層針對特定認知特性、可以獨立開關的轉換。這個拆法解決一個具體問題——三種特性對好輸出的定義部分重疊、部分衝突，如果把規則平鋪成一張清單，衝突的規則會互相抵消，共用的規則會被重複三次。分層之後，共用的只寫一次，衝突的被隔離到可切換的層，整合就成為可能。

這篇建立在三篇分析之上：ADHD 輸出設計、自閉輸出設計、需求迴避重構。它不重述那些 skill 的規則，而是回答一個工程問題：怎麼把三套規則組成一個不自我矛盾的結構。

為了讓沒讀過前三篇的讀者也能接住後面的推導，先用三句話速寫三種特性各自要的輸出。ADHD 要降低「知道」到「做到」的啟動摩擦（壓縮、動作前置、外化狀態、讓進度可見）。自閉要消除歧義（字面直說、明確結構、標優先級、變動前預告）。需求迴避要去命令化（把命令重構成邀請、歸還控制權）。後面出現的規則簡稱都對應這三組。

共用的 base layer

三種特性對輸出的要求裡，有一組是完全一致的。把它們抽出來當作永遠開啟的底層：

去除提取成本。開場白、回顧、結尾寒暄、不帶資訊的修飾詞——這些前綴與修飾，三種特性都要求刪掉。它們不服務任何認知特性，只是佔用讀者的注意力。ADHD 讀者被它們拖慢啟動，自閉讀者被它們埋掉字面意思，需求迴避的人被過度熱情的語氣讀成施壓。刪掉它們對三者都是淨收益。

具體取代事實層的模糊。用明確的數字、名稱、條件取代「很快」「一點點」「應該可以」——這對 ADHD（模糊估計無法幫讀者決定要不要開始）和自閉（模糊逼讀者猜一個範圍）都成立。但這條有一個例外要標清楚：需求迴避讀者要的常是彈性的時間（「什麼時候順手都行」），對他們把時間點講死反而是施壓。所以「具體化」在事實與條件上是底層規則，在時間點上讓位給需求迴避 mode 的彈性。

誠實，不操弄。對錯誤與不確定用平鋪直敘的語氣，不用情緒化修辭，不製造隱形的情緒勞動，不假裝有選擇。ADHD 導向的「平鋪直敘講錯誤」、自閉導向的「對不確定誠實」、需求迴避重構的「真誠是硬底線」，是同一個原則在三個脈絡下的樣子。

外化讀者本來要自己記住或推斷的東西。把假設、優先級、狀態從讀者的腦內搬到頁面上。ADHD 外化的是「做到哪了」，自閉外化的是「你假設了什麼、哪個最重要」，兩者都在拒絕「請讀者自己記住 / 自己推斷」。ADHD 特有的「讓進度可見」不放進這一層——它服務多巴胺、對純需求迴避讀者甚至可能讀成被監看，所以留在 ADHD mode。這類成員判定（什麼服務多巴胺、什麼會被讀成監看、什麼觸發焦慮）依賴前三篇整理的認知事實；本篇 given 那些前提來推導整合結構，不在此重新論證它們。

這幾條是 base layer。放進來的門檻是三者都受益，所以它不是「三種特性規則的聯集」——像「進度可見」這種只有一種特性要、另一種可能反受其害的規則，就留在它自己的 mode、不進底層。

這一層跟 blog 既有的 compositional-writing 高度重疊——後者為「通用讀者的認知負荷與 token 成本」塑形輸出，base layer 可以看成同一組原則在「不預設特定神經類型」時的樣子。差別從第二層（mode）才開始：mode 是這套方法論在 compositional-writing 之上、針對特定認知特性加的東西。

兩層轉換：格式層與框架層

base layer 之上的差異，要先按它們作用的層次分開，否則會把「其實不衝突的」誤判成衝突。三篇分析已經指出這個區分：ADHD 與自閉導向作用在格式層——同一件要做的事，怎麼排版、怎麼措辭、怎麼標優先級；需求迴避重構作用在框架層——這件事被呈現成命令還是邀請。

這個區分的用處，是它決定了哪些轉換可以疊加、哪些必須擇一。

框架層和格式層在多數規則上正交，可以疊加。一份輸出可以同時是「去命令化的邀請」（框架層）和「明確結構、標好優先級」（格式層）——需求迴避重構不規定答案怎麼排版，多數格式層規則也不規定任務以什麼姿態出現，兩者不爭同一個決定。但正交不是全稱的：有一條格式層規則（自閉的「給單一路徑」）會跟框架層的「給真實選擇」爭同一個決定，下一節連同其他衝突一起處理。

衝突：一條全域開關，加幾條逐項讓步

分層真正的收益，是把衝突變成局部而且具名的——每一組衝突都被定位到「哪兩條規則、爭哪一個決定」，而不是藏在一張平鋪清單裡等人踩到。定位之後會看到：衝突不只一組，但它們需要的處理力度差很多，從「一個全域開關」到「一次逐項讓步」排成一道光譜。

需要全域開關的，只有一組：動作的措辭。ADHD 導向要求動作前置，而它在範例裡的實現形式是祈使命令（「執行 X」「改第 42 行」）；需求迴避重構要拿掉所有「你必須 / 你應該」。同一個位置不能同時是命令和去命令化的邀請，兩者爭的就是「這個動作用什麼語氣呈現」。這一組用一個全域規則解決：需求迴避 mode 開啟時，動作一律改用邀請語氣。自閉導向在這組裡中立——祈使命令和邀請都可以寫得明確。

其餘衝突用逐項讓步吸收，不需要全域開關。它們一樣是兩條規則爭同一決定，只是讓步發生在少數位置、可以就地處理：

• ADHD 的「結尾給一個少於兩分鐘的明確下一步」對上需求迴避的「不指定單一動作、不施加時間壓力」。同開時，那個收尾動作改成「一個可選的起點」、拿掉時間框——它仍然被外化出來（ADHD 要的），但不再是單一指定的收束推力（需求迴避要的）。
• 自閉的「給單一清楚的路，不給菜單」對上需求迴避的「給同等效力的真實選擇」。同開時合成成一個動作：給選項，但每個選項附一行判準——這同時滿足自閉「別讓他盲選」和需求迴避「保留選擇權」。
• ADHD 的「壓縮」對上自閉的「標明每一個建議的強度、永不讓讀者自己推斷」。同開時，預設壓縮，但在會產生歧義的關鍵點保留自閉的逐項標示——這是把自閉的「每一個」讓步成「會歧義的每一個」，是一次真實的規則收窄，只是幅度小。

逐項讓步和全域開關是同一種動作的不同幅度。差別在「這個衝突發生在多少個位置」——措辭衝突發生在每一個動作上，所以用一個全域開關一次解決最省；其餘衝突只發生在特定規則交會的少數位置，就地讓步比架一個全域開關划算。所以「只有一組需要全域開關」是個關於幅度的判斷，不是「結構上只有一組衝突」——衝突有好幾組，分層的價值是讓每一組都被看見、被指定處理方式，而不是把它們抹平。

整合的結構

有了 base layer、兩層轉換、和被定位的衝突組，整合的結構就確定了（以下把每一組可獨立開關的規則叫一個 mode）：

第一層，base layer，永遠開。去提取成本、具體化、誠實、外化。

第二層，格式 mode，可獨立開關。ADHD mode（壓縮、外化狀態、進度可見、抑制發散）、自閉 mode（消歧義、明確結構、標優先級、變動預告）。這兩個 mode 的多數規則可以同時開。它們之間的壓縮與消歧義程度張力不靠開關解決，靠逐項調節：預設壓縮，在會產生歧義的關鍵點展開。

第三層，框架 mode，可獨立開關，和格式層多數正交。需求迴避 mode（去命令化、歸還控制權、真誠邊界）。

衝突解析用三種力度（對齊 #235 整合互斥規則集 的分類：全域開關、逐項讓步、合成）。一條全域開關：需求迴避 mode 開啟時，覆蓋 ADHD 的動作直給，動作改用邀請語氣；ADHD 的外化狀態、進度可見、抑制發散照常生效，但結尾動作那條要跟著讓步（去掉時間框、改成可選起點）。其餘用逐項讓步（壓縮讓位給會歧義處的逐項標示）與合成（單一路徑與真實選擇合成成一個帶判準的選項、同時滿足雙方）處理，都只發生在規則交會的少數位置、不需要獨立的全域開關。這裡的宣稱要精確：需要全域開關的衝突分析到目前只找到措辭這一組，而逐項讓步與合成也是枚舉到目前找到的這幾組——都是搜尋的結果，不是結構上只可能有這些。

這個結構直接對應到一個 skill 的樣子：一個共用的 base，加上讀者可以宣告自己是哪種組合的 profile，加上一條全域覆蓋規則和幾條逐項讓步。讀者宣告「我是 AuDHD（自閉加 ADHD）且有需求迴避」，skill 就開啟 ADHD mode、自閉 mode、需求迴避 mode，並讓需求迴避 mode 覆蓋祈使措辭。宣告「我只有 ADHD」，就只開 ADHD mode、用動作直給。

為什麼分層比選一個更好

一個看似更簡單的做法是：不整合，讓讀者各自用對應的 skill。分層整合比它好在幾個地方。

神經多樣性經常共現。AuDHD 是常見的組合，需求迴避特質也常疊加在自閉之上。對這些人來說，單一 skill 各自為政會產生矛盾的指令——ADHD skill 叫輸出下命令，PDA skill 叫輸出別下命令，而讀者同時需要兩者的其他規則。分層結構讓「同時是 A 又是 B」成為一個明確定義的狀態，而不是兩套規則的混戰。

共用底層只寫一次。base layer 的四條規則如果散在三個 skill 裡各寫一遍，維護時會漂移成三個略微不同的版本。抽成共用底層，它們只有一個真實來源。

衝突被顯性化而不是被藏起來。平鋪的規則清單會把衝突藏在兩條看起來都合理的規則裡，讀者或維護者要踩到才發現。分層結構把每一組衝突提到檯面上、逐一指定處理方式（全域開關、逐項讓步或合成），讓「當這幾種特性同時存在時該怎麼辦」有一個寫下來的答案。

整合也有代價，該一起放上秤、不假裝它是零成本的勝出。三個獨立 skill 各自維護、各自版本化更單純；只有單一 profile 的讀者，拿到的是更精實、沒有無關 mode 的規則集；整合版多了 mode 組合的測試負擔（每加一種特性，要重驗它跟既有每個 mode 的交互），也讓「此刻哪些規則生效」比較難一眼推理。淨值仍偏向整合，關鍵是神經多樣性經常共現這個事實——對 AuDHD、或自閉疊需求迴避的讀者，各自為政產生的矛盾指令是每次協作都踩的痛點，而多出的測試與推理成本是一次性的設計負擔、由寫 skill 的人吸收。取捨的方向是整合，但代價要講出來。

通往 skill

這套方法論的產出是一個整合三種特性的 skill：一層永遠開的 base、三個可組合的 mode、一條全域覆蓋規則加幾條逐項讓步。它讓讀者用一次宣告描述自己的認知組合，而不是在多個各自為政、偶爾互相矛盾的 skill 之間手動調停。這個 skill 是 neurodivergent-output，收在公開的 claude-skills 庫、可複製到自己的環境取用（取用說明見系列首頁）。

方法論本身是可搬移的：base layer 加可組合 mode 加顯性衝突解析，這個結構不限於這三種特性——把它抽離神經多樣性主題後的通用形式（整合任何互斥規則集：互斥的 lint 規則、多來源 API 契約、彼此拉扯的 stakeholder 需求）收在 #235 整合互斥規則集。

若日後要納入第四種認知特性，流程是固定的——找出它和 base layer 重疊的部分（併入底層）、判斷它作用在格式層還是框架層、逐一對照它和既有 mode 的每條規則有沒有爭同一個決定（有的話，看衝突發生在多少位置，決定用全域開關還是逐項讓步）。判斷格式層還是框架層有一個粗略的測試：把輸出裡所有「要求讀者去做某事」的部分拿掉、只留純說明，這條規則還適用嗎——適用偏格式層（管答案形狀），只在提出要求時才作用偏框架層（管任務姿態）。

這個測試是啟發、不是判準：一條動機在框架層、卻會改變答案形狀的規則會騙過它，所以真正吃力的是逐條對照規則有沒有相爭，那一步沒有機械方法、只能枚舉——本文一開始只找到一組衝突、後來發現不只，正是這一步沒枚舉徹底的例子。分層不是這三個 skill 的特例，是為認知類型設計輸出的通用方法。