标题承诺了数据没测量的份额：一次内容审核复盘

一位持续发布 LLM 遥测笔记的作者，在一次读者改进计划中收到了一批新标题建议。其中一条读起来更顺，却被作者拒绝了——因为标题里的一个词，文章正文根本没有数据支撑。这件事最终催生了一条内容契约规则。

一次面向多个界面的审核

改进计划为三篇已发布的笔记提出了新的标题和摘要。在使用任何一个之前，作者把每篇笔记向读者展示的每一个界面都比对了一遍：HTML title、h1、Open Graph 标题、meta description、列表卡片上的摘要、页顶摘要框，以及正文。

对每个界面，问题都是一样的：它是否承诺了正文没有兑现的东西？

三篇中有一篇的各界面已经与正文吻合，另外两篇成了这次复盘的起因。

Open Graph（OG）是一套由 Facebook 提出、后被广泛采用的元数据协议，通过在网页 <head> 中插入 og:title、og:description、og:image 等标签，控制链接在社交平台、聊天软件和聚合器中被分享时的呈现效果。对内容作者而言，关键之处在于：OG 标题与 HTML <title>、页面 h1 是彼此独立的字段，可以各不相同。这意味着同一篇文章在浏览器标签页、搜索结果、社交分享卡片和站内列表上，可能同时存在四到五种不同的"标题"。任何一个界面的措辞都不受其他界面自动约束，因此承诺是否兑现必须在每个界面单独核对，而不能只检查正文顶部的那个标题。

meta description 常被误解为"会被搜索引擎原样展示的摘要"。实际上它只是给抓取方的一条建议，搜索引擎会视查询词与上下文决定是否采用，或自行截取正文片段生成摘要。但它在站内列表卡片、RSS 阅读器和部分社交预览中往往被直接复用，因此其措辞仍需与正文承诺保持一致。正是这种"可能被原样展示、也可能被替换"的不确定性，使得把语义审核前移到写作时刻，比事后依赖某个界面的展示结果更可靠。

"Most"是一个测量结果

被拒的第一条针对那篇关于遥测的笔记。该文讲的是一份周报，在作者的无人值守工作迁移到一个其数据摄入从不读取的工具之后，这份周报的健康检查依然持续通过。

正文有一个特别谨慎的地方：它说路由变更把一部分工作完全移出了表格，而且"表格里没有任何一列可以用来表示那部分份额有多大"。

候选标题"It No Longer Saw Most of the Work"恰好填上了那一列。它断言了一个多数、一个超过某个总量一半的份额——而文章从未测量过这个份额。这不是文字风格上的修改，而是在一篇正文明确拒绝做出该断言的文字表面，新增了一个量化声明。

说个细节，改进计划本身并不粗心。它的说明里写道，只有在核对过原始观测中的时间周期和分母之后，才应该使用"most"。审核照做了，而分母并不存在。

一种诱人的做法是用文章里确实打印出来的数字重建一个分母：正文有每周各工具的转录文件计数，其中一列 dwindles 到几乎为零。但文章明确指出那些是文件、不是会话，两列作为工作量并不可比。一列下降只说明工作离开了某处，并不说明它占全部工作的多大比例。把任何一列当作分母，都会在标题上放一个正文特别警告过的数字。

分母是量化断言的成立前提，却常常在传播中被省略。说"大部分工作已经迁移"，隐含了一个比例：迁移量除以迁移前的总工作量。问题在于，"总工作量"必须先被定义为一个可加总的量——是按会话数、请求数、token 数还是工时？如果统计口径中的两个数值分别来自不同单位或不同集合，它们就不能相除得到一个有意义的比例。

这与统计中"可比性"的要求相通：只有当两组数据共享同一测量尺度和同一分母总体时，比较才成立。文章里文件计数与会话计数不可比，正是因为它们衡量的是不同实体，一列下降只能说明工作流出了该列的覆盖范围，不能推出它在全体中的占比。因此，任何倍数、百分比或"most/all/never"式量词，都需要在正文中能找到一句话，明确给出与标题相同的分母和相同的数值；找不到这句话，断言就只是修辞。

把第一步当成答案的标题

第二条拒绝更微妙。针对《子代理指标与主线程指标不可比》一文，计划给出了"Keep Main and Sub-Agent Metrics Separate"。

这听起来像是一个忠实的总结，但它省略了"分开"之后的东西。正文展示了：一旦把每个模型所承担的角色组合考虑进去，模型的汇总排名可能发生反转；随后文章直说，分层只是第一步，不是答案——指标在每个分层里可能有不同含义，而且角色差异不是一个可以通过调整消除的常数。

一个告诉读者"把指标分开"的标题，承诺的是"分开"能解决一个正文说它只是刚刚开始触及的问题。

那篇文章里有抢眼的数字，包括高达 135 倍的角色差异，以及跨模型从 1.5% 到 71.4% 不等的主线程占比。它们能做出更抓眼的标题。但没有一个支持"把它们分开"就是答案，也没有一个说明有多少工作迁移到了哪里。

Simpson 悖论（辛普森悖论）指这样一种现象：在把数据按某个分组变量拆开时，各组内都呈现某种趋势，而合并后整体却呈现相反趋势，或者排名的方向发生反转。它的成因是分组变量本身与结果相关，使得合并统计把组间构成差异混入了比较。

文章提到的"角色差异"正是这类分组变量：不同模型承担的主线程与子代理工作比例不同，如果直接汇总排名，就可能把角色构成的影响误读为模型能力差异。分层之所以只是第一步而非答案，是因为分层之后每个层级内的指标含义仍可能不同——同一指标在主线程和子代理语境下未必测量同一件事，而且角色配比不是可以通过归一化消除的常数。因此在讨论这类指标时，标题若宣称"把指标分开"即可解决问题，就跳过了分层之后仍需回答的口径一致性问题。

新加的规则

把草稿变成已发布笔记的流水线有一份书面内容契约，写作步骤和校验步骤都遵循它。作者往里面加了一条规则。

标题、描述、Open Graph 标题或跨平台标题上的任何量词（像 most、all、never 这类词、倍数和百分比），都需要正文中有一句话以相同的分母支撑相同的数值。对修复、时间节省或比率的承诺，需要正文包含实际的修复流程或测量。校验者必须引用支撑性的正文句子，或者写明该声明没有支撑。

这是由写作者或校验者对正文进行的语义审核，不是解析数字的机器检查，作者也不声称它能抓住每一次越界。它把问题前移到界面被写下的时刻，并强制答案以引用句子的形式出现，而不是一种感觉。

一个相邻细节出于同样的理由也很重要：草稿 front matter 里的描述会原样复制到列表卡片上，没有截断步骤。所以描述必须是一句完整的话，保持与标题相同的承诺，因为那正是读者在卡片上看到的。

变了什么，没变什么

没有任何既有标题、卡片或已发布文章被改动。这条规则只适用于从今往后写的笔记。

作者没有测量过更强或更弱的标题是否改变点击率或读者量，本文也不声称它们会。如果以后要测量，也不会靠在同一天改标题、摘要和社交卡片，然后把不管什么变化归功于其中一个——多个界面同时变化无法隔离单个元素的效果。

这篇笔记自己的标题说，候选标题承诺了一个数据没有测量的份额。承载它的是遥测笔记里被引用的那句话：它的表格没有表示迁移份额大小的列，而候选标题却断言那个份额是多数。

这个案例的价值不在于标题写得好不好，而在于一条更普遍的内容原则：当正文明确拒绝做出某个量化断言时，标题层面就不该悄悄把它加回来。