結論

把反模式抽象成規範卡、跟在自己稿件辨識該反模式的局部實例、是兩種不同認知任務。同一個作者可以清楚寫下「『看 X 如何 Y』是抽象斷言反模式」、同一個 batch 內已寫的 5 篇章節仍能有 11 處該句型未被察覺。

兩個任務對比：

兩者用相似概念詞、走不同神經路徑。立規範時注意力放在「為什麼這 pattern 是反模式」、自審時注意力要放在「我這句話符不符合該 pattern」。前一個動作完成、不會自動觸發後一個動作。

為什麼立規範後仍會犯

三個認知機制讓兩者解耦：

1. 抽象化耗用認知頻寬：寫下「N+1 query 反模式」這個概念時、作者的工作記憶被 pattern 的本質、對比、邊界佔滿、不會同時掃描自己已寫過的稿件
2. 規範化視角是 outside-in：規範化把 N 個實例抽象成 1 個模式、看的是「共同特徵」；自審視角是 inside-out、從自己具體句子往外比對、看的是「這句屬不屬於這個 pattern」
3. 同 batch 主題語意 attractor（見 #122 Cadence 同質化是模板的隱形維度）：規範化之前寫的稿件、受同主題 / 同 constraint 拉到相似句型；規範化動作本身不會 retroactive 修這些句型、需要主動 sweep

這三個機制累積起來、「我剛寫完反模式定義」不等於「我能在自己稿件抓出該反模式的所有實例」。

Case

backend 模組 5 篇章節（5.9 / 0.18 / 0.19 / 9.13 / 1.13）的修正過程：

1. Round 1 reviewer audit 抓出 1.13 章節案例引用 mis-cite、修正後寫成 #146 案例庫不對齊章節主題時用反向追問 卡片。#146 明確列出「抽象斷言訊號：『看 X 如何 Y』這類無具體斷言的句型是反模式」、並作為「判讀徵兆」的四訊號之一。
2. #146 卡寫完當下、作者同 batch 已寫的 5 篇章節 case 段內仍有 11 處「看 X 如何 Y」句型未被察覺、未被修正。
3. Round 2 reviewer 用 cadence frame 跑 grep（直接拿 #146 描述的反模式當 keyword）、抓出全部 11 處、Round 2 修正後用具體事實 / 數字 / 機制斷言取代。

這個案例的諷刺感正是本卡的核心：作者剛寫完規範、自審能力卻沒同步提升。中間缺的是「規範化 → grep 自審」這條主動觸發路徑。Round 2 reviewer 補上的就是這條路徑、但理想上規範作者自己當下就該做。

修法

三種觸發機制可以接在規範化動作後：

1. 立規範後立刻跑 keyword grep（含同義變體）

把新立的規範轉成 rg 可掃的 pattern、對所有同 batch（甚至既有）稿件跑一次 grep：

1# 例：#146 立下後的 keyword grep
2rg "看 .{1,20}如何|看 .{1,20}的決|看 .{1,30}的策略|看 .{1,30}的差異" content/<scope>/
3
4# 但同義變體 grep 同樣重要 — Round 3-A 抓出的盲區
5rg "展示 .{1,30}效應|展示 .{1,30}邏輯|本案展示|案例展示" content/<scope>/

第一輪 grep pattern 受作者當下視野侷限、通常只涵蓋規範化時用的字面例子、漏掉同義變體。「規範化第一次落地不可能 catch 所有同義變體」是這條機制的天然限制 — 需要 Round N 持續擴張 keyword bank、跟 #114 multi-pass review 的 frame 顆粒度盲點 同源。實證：本卡 Round 2 修「看 X 如何 Y」字面層、Round 3-A 仍能 catch 出「展示 X 效應」「展示 X 邏輯」同義變體、證明 path 需要疊代而非一次性動作。

2. 結構句型 cadence sweep（補字面 grep 不抓的維度）

字面 keyword grep 抓詞、抓不到結構骨架。常見漏抓的結構句型：

• 「先 X、再 Y、最後 Z」三段平行
• 「N 個案例可分別對應…」枚舉式收尾
• 「對應本章 X 段」反覆出現、構成段末 cadence

這類結構違反字面層查不到、要靠 reviewer 跨稿件對讀才能 catch。修法是擴張 #122 cadence 同質化的 grep target、加入「結構骨架」維度：sweep「先看 .{1,30}、(再|接著)」「N 個 .* 分別」「對應本章「.*」段」這類 pattern。

3. 把規範卡的「判讀徵兆」當 self-audit checklist

每張 report 卡的「判讀徵兆」段（如 #146 列的 4 訊號：抽象句型 / 句型雷同 / 維度錯位 / 配額膨脹）就是現成的 self-audit checklist。立規範當下、作者應該主動把這 checklist 套到自己同 batch 稿件 — 而非預設「我剛寫完應該不會犯」。

4. 用 reviewer 跑 in-stream sampling

如 #124 emergence-class 違規 enforcement 時機 描述、emergence-class 違規（cadence 同質、抽象斷言這類）字面 hook 抓不到、要 reviewer in-stream 才能發現。本案 Round 2 cadence reviewer 是這個機制的應用、Round 3-A 進一步抓出 Round 2 修法的同義變體盲區 — 兩輪 reviewer 用不同 frame 才能完整覆蓋。理想上規範作者自己應該先做前三層（字面 grep + 結構 sweep + checklist）、reviewer 是補位、不是替代。

四種機制按介入點分層：字面 grep 是 keyword 層、結構 sweep 是 cadence 層、checklist 是徵兆層、reviewer 是 frame 層。立規範後四層都跑一次、覆蓋率最完整。單跑字面 grep（如本卡初版只給 keyword pattern）會漏掉結構 cadence 跟同義變體、屬「規範化視角」單軸盲區、要靠後續疊代擴張。

跟其他卡的關係

• #122 Cadence 同質化是模板的隱形維度 — 解釋「為什麼同 batch 會有 systemic 違規」的成因機制（主題語意 attractor）。本卡補完：規範化動作本身無法解這個 attractor、需要主動 sweep 才能切斷。
• #124 Emergence-class 違規規則化不了、要 stage 內抽樣 — 解釋「什麼時候 enforcement 最有效」（batch 進度 10-20%）。本卡補一個更早的時機點：立規範當下立刻 sweep 同 batch、不必等 batch 進度推進。
• #114 Multi-pass review 的 frame 顆粒度盲點 — 解釋「為什麼同 reviewer 多輪抓不到不同東西」、提出 keyword bank / reader simulation / self-criticism 三機制。本卡是 #114 在「規範作者本人」這個 reviewer 角色的具體實例：作者剛寫完規範、仍需主動換 frame 才能自審。
• #125 Collapse 是隱形預設 — 「規範化耗光認知頻寬、自審視角沒上線」是 collapse 的具體機制：規範化動作把高維注意力 reduce 到單軸（pattern 共同特徵）、其他軸（同 batch 自己稿件）被預設關閉。本卡是 #125 在「規範化 surface」的子實例。
• #126 寫作 review 是多軸完整性、不是單軸深度 — 本卡揭露的「規範化 ≠ 自審」是 #126「Timing 軸」+「Granularity 軸」的具體交集：立規範當下不掃 = timing collapse、規範字面 vs 同 batch 違規 = granularity collapse。
• #146 案例庫不對齊章節主題時用反向追問取代強掛 — 本卡的 case 來源。#146 才剛立規範、同 batch 仍犯該規範、是「規範化 ≠ 自審」最直接的諷刺證據。本卡跟 #146 互為驗證關係：#146 給出規範本身、本卡解釋為什麼立完規範還需要主動 sweep。

判讀徵兆

立規範後若不主動 sweep 同 batch、會出現以下訊號：

• 諷刺對映訊號：規範卡描述的「反模式」可以一字不改貼回自己稿件、自己仍意識不到。最強訊號、出現代表 inside-out 視角完全沒啟動。
• 跨稿件 catch 訊號：該規範立下後一週內 reviewer audit 跨稿件、catch 出該規範的多處違規（≥ 3 處）。代表規範化跟自審之間斷層。
• 自審盲區訊號：自己 review 自己稿件時、卡片描述跟稿件實例之間的「相似度」感官弱（明明 textbook 案例、自己讀不出來）。代表規範化耗光認知頻寬、自審視角沒上線。
• 品質非單調訊號：同 batch 多篇文章在規範化前後寫的、品質沒有顯著差異。代表規範化未轉換成執行力。

出現任一訊號、表示「規範化 → 自審」這條路徑沒接通。立刻跑修法的三層機制（grep / checklist / reviewer）對自己稿件做 sweep。