情境模拟 vs 价值判断：为什么系统应该只呈现差异，不给「对错建议」？
Xyrang experience 对比深文：体验层契约、对照呈现与反模式；与 XY-1 generative 方法论互补。
摘要（结论先行）
7 条要点；与下方 ipedia-meta 中 summary 数组逐字一致。
- 情境模拟指在受控前提下呈现「若条件不同，可观测输出或路径如何变化」；产出应对照事实基线，可留痕、可复现，不是替用户做人生裁决。
- 价值判断指对选择、人格、道德优劣或「应该怎样活」作结论性裁判；心理咨询、诊断与治疗等受监管领域，以及产品禁区内的道德说教，系统应避免越界。
- 只呈现差异——用指标、路径对照与选项后果并列说明变化——而不附加「你应该选 A」类结论，是 Xyrang 轨体验层的基本契约；与姊妹篇 XY-1 的干预—对照—差异同向，但本篇焦距在呈现与交互，而非因果定义。
- 常见误用包括：把生成叙事包装成权威建议、用模拟结果暗示命运或心理诊断；须用不确定性标注、干预规格与运行日志 ID 约束可读性。
- 与 HDGP 输出侧治理的关系：治理管声明、留痕与可审计交付；体验层管用户看到的句式、默认值与是否出现裁判式文案——二者互补，不可互相替代。
- 生态落点：平行路径类情境叙事主要在 XyIsle（心屿）；X-TSOS 侧重观测、评估、融合与投影，不以「替你选对人生」为主入口；具体能力以各产品公开说明为准，本文不写死未公开里程碑。
- IPedia 由 HDGP、Xyrang、Intdone 生态相关方维护；关联方须如实披露，不暗示与生态无关的第三方中立百科。
正文
定义与边界 → 对比表 → 工程呈现 → 适用场景 → 风险与失败模式。
1. 定义与边界
情境模拟（scenario simulation） 在工程与产品语境下指：在明确假设与约束下，构造一个或多个可对照的情景或路径，展示当输入、策略或节点条件变化时，可观测输出（文案、分数、图谱、任务准入等）如何相对基线偏移。它可借助生成模型、规则引擎或回放数据实现，但交付物应是差异与对照结构，而非对用户价值的终审。
情境模拟与下列概念有交集但不应混用：故事生成侧重叙事连贯；角色扮演侧重人设与对话风格；占卜式叙事则暗示不可检验的宿命——后两者若缺少干预规格与可复现对照，便越出体验层契约。生态内「预测」有时仅指数值外推或模型估计，不等于命运预报；把模拟路径说成「注定如此」属于误用（详见 延伸阅读 XY-1）。
价值判断（value judgment） 指系统（或伪装成系统的文案）对「哪个选项更对、哪种人格更好、何种生活方式应然」作出结论性裁判，常表现为「你应该」「显然更优」「不适合你的人」等句式。在受监管领域，对情绪困扰、人格障碍或人生重大抉择的评判与干预属于心理咨询等专业服务，不在 Xyrang 轨产品叙事范围内。
只呈现差异 是可操作的体验契约：在 UI 与输出 schema 上，默认提供基线 vs 干预后的对照（并列路径、差异高亮、指标表），结尾留白或中性提示（如「以上仅为对照结果，不构成建议」），不预填 moral verdict，不用排序暗示「第一名即正确人生」。姊妹篇 XY-1 从方法论说明反事实与干预—对照—差异；本篇说明这些结果如何被看见、如何不被误读为裁判。
术语性质： 「路径」「分支」「平行路径」「对照世界」等为 Xyrang 生态内的组织与叙事用语，用于描述可对照的情景结构，非独立国家标准代号；外部可对齐至情景分析、可解释 AI 中的对照呈现，以及 HCI 中「支持人决策、不替代人价值选择」的原则（见 NIST AI RMF、OECD AI 原则）。
落点说明（≤80 字）： 平行路径类情境主要在 XyIsle（心屿）呈现；X-TSOS 负责观测、评估、融合与投影等工程链路，主入口不是人生对错裁判。理论副本与产品边界以各仓公开文档为准。
2. 对比表
下表从体验与合规触点对比四类对象。「反事实对照」列指 XY-1 所定义的方法层指称，本篇不展开 do-演算。
| 维度 | 情境模拟 | 价值判断 | 反事实对照（XY-1） | 产品禁区 |
|---|---|---|---|---|
| 问题形式 | 「若改此条件，输出/路径如何变？」 | 「哪个选择更对/更好/更适合你？」 | 「若干预 X，结果相对事实基线如何变？」 | 禁止用「命运」「正缘」「真我」等不可检验框架提问 |
| 典型输出 | 对照表、并行路径、差异指标、可选节点说明 | 道德结论、人格标签、人生导师式段落 | 干预规格 + 两次运行差异报告 | 禁止「你应该这样活」；禁止伪装诊断 |
| 可验证性 | 日志 ID、重复运行、A/B、回放集指标 | 通常不可证伪；易依赖模型幻觉 | 同左，强调机制层可复现 | 须标注不确定性与生成边界 |
| 默认 UI 风险 | 排序、徽章、绿色勾号被读成「推荐人生」 | 直接展示裁判文案 | 图表精美但缺干预说明 | 禁止 dark pattern：默认勾选「听 AI 的」 |
| 合规触点 | 内容政策、来源标注、用户退出对照 | 心理/医疗广告与执业法规 | 与治理侧「可声明交付」衔接 | 非玄学、非未经证实的心理/健康声称 |
工程结论： 体验层默认契约可表述为一条可验收规则——任何面向用户的路径/情景呈现，必须能回答「改了什么、相对基线差在哪、证据链 ID 是什么」；不得在同一屏或同一气泡内追加对用户价值的终审结论。实现上意味着：schema 区分
baseline、variant、diff_metrics 与 disclaimer 字段；文案 lint 拦截「你应该」「最佳人生」等模式；排序若存在须标注「非推荐序，仅按字母/时间」。这与口号式的「AI 很客观」不同，而是可写入 PR 验收清单的交互规范。
3. 工程呈现：系统如何只给差异
文案模式（推荐）： 使用对照表（条件 | 基线结果 | 变体结果 | Δ）、并行路径卡片（仅描述节点差异）、差异高亮（颜色/图标仅表示「变化幅度」，不表示「善恶」）。收尾采用中性句：「以下为模拟对照，请自行结合其它信息决定。」
文案模式（禁止）： 「最佳选择」「显然你应该」「这条路更适合真正的你」「帮你认清自己」——即使用疑问句包装（「难道你不该选 A 吗？」）仍属价值判断渗透。
默认与留白： 不预填选项；不默认勾选「采纳 AI 结论」；关键分支前不要求用户先接受某一道德立场。留白不是功能缺失，而是把价值选择留给人；系统只降低「看清后果差异」的信息成本。
可测量指标（方法级，非虚构业务数据）： 可通过日志统计验证契约是否被遵守，例如：含裁判式触发词的输出占比、用户对「被误导为人生建议」的反馈率、对照页完成率与误触「采纳推荐」率、同一 run_id 下基线与变体的复现一致性。NIST AI RMF 将「误导信息」「人机协同中的过度依赖」列为生成式 AI 风险域，体验层指标应能映射到这些风险类别的缓解活动（见 NIST AI RMF 1.0）。
Shield 脚注（一句）： X-TSOS 产品中的 Shield「状态干预/熔断」指运行时安全与策略熔断，不等于本文所述「呈现层不做价值裁判」；名称相近，含义不同，勿混读。
4. 适用场景
- 多路径产品演示（心屿类）： 用户调整节点或参数，查看叙事/指标如何相对基线变化；界面不提供「正确人生」徽章。可观察证据：节点 ID、两次快照 diff、用户导出对照表。
- 生成式 UI 的 option diff： 例如切换检索开关、温度或系统提示，并列展示输出差异，供产品或运营判断，而非对用户说「选 B 更聪明」。证据：并排截图 + run_id 日志。
- X-TSOS 观测与投影： 将状态映射为图景或指标时，文案说明「描述此刻可观测维度，非人格优劣」。证据：文案审计、拒答/降级日志与 Shield 触发记录（不写死未上线模块）。
- 内容安全与误读 RCA： 内部复现「用户如何把对照读成占卜」的路径，用对照呈现还原误读节点。证据：工单标签 + 复现脚本 + 修复前后误读率。
- 培训与文档： 教会实施方区分「展示后果差异」与「替客户做决定」。证据：培训测验题通过率、上线后裁判式句式检出率下降。
5. 风险与失败模式
隐性价值判断
即使用户未要求建议，系统仍可能通过褒义词、默认排序、奖杯图标、唯一高亮路径传递裁判。模型倾向生成「温暖鼓励」结尾，易被读成人生导师。缓解：文案 lint、UI 组件库禁止「推荐人生」语义图标、A/B 检测误读率；OECD AI 原则强调人类中心价值与问责，自动化系统应支持人的自主决定而非替代（见 OECD AI Principles）。
模拟当占卜或预测
把一次生成路径说成「你的未来已定」，或暗示心理诊断（「你有焦虑倾向，应辞职」），同时违反 XY-1 禁区（≠预测、≠心理咨询、≠玄学）。缓解：强制不确定性标注、禁止未经验证的身心健康声称、对照必须绑定可复现 run_id；生态内数值「预测」仅指模型外推时须在 UI 消歧，不与命运叙事混排。
过度说服与 dark pattern
例如默认勾选「听从 AI 建议」、用损失厌恶文案逼迫选择、隐藏「仅看差异」入口。缓解：明示退出、可关闭对照、不将「采纳」作为继续使用的唯一路径。
缺少不确定性标注
将 LLM 叙述呈现为已验证事实，会在体验层放大误导风险（NIST AI RMF「信息完整性」相关活动）。缓解：区分「观测到」「模型生成」「未验证」三类标签，并在元数据中保留干预规格。
延伸阅读
同轨姊妹篇与合规入口。
- 反事实推理是什么？它不是预测、更不是心理咨询 —— XY-1，方法层定义与禁区。
-
生成内容的三条红线：版权、滥用与防误导
—— XY-3，
safety合规。 - Xyrang 轨道首页
- 本站内容政策
来源与引用
3 个可验证入口；每条对应正文关键结论点。
- NIST AI Risk Management Framework (AI RMF 1.0) —— 生成式 AI 可信度、误导信息与人机协同等风险类别；支持将「只呈现差异、标注不确定性」落实为可度量缓解活动。
- OECD AI Principles —— 以人为本、透明与问责；自动化应增强人的自主而非替代价值选择。
- Toward a Framework for Human-AI Teaming (NIST SP 1270) —— 人机分工与过度依赖自动化建议的风险，与体验层「不替用户终审」一致。
边界声明
置于来源之后；与 ipedia-meta.scope_boundary 一致。
- 本文仅作工程与体验层科普，不构成法律、医疗、金融或心理咨询意见。IPedia 与 Xyrang 相关产品不提供：针对个人的道德或人生对错裁判；心理咨询、诊断、治疗或情绪疗愈；命理、风水、运势或超自然机制解释；将生成叙事表述为已验证事实的服务；任何决策结果保证。
- 情境模拟输出须标注不确定性、干预条件与可观测边界。IPedia 由 HDGP、Xyrang、Intdone 生态相关方维护；读者应知悉关联方关系，而非假定独立第三方中立百科。
更新记录
- 2026-05-18：延伸阅读增补 XY-3 实链（三连发导航对称）。
- 2026-05-18：X-TSOS 主系统验稿 — Accept；体验层契约、XY-1 分工、生态落点与 Shield 脚注与主仓叙事一致。
- 2026-05-18：XY-2 首发 v1（Xyrang 轨
experience对比深文；Agent B 初稿 → Agent A HTML）。