Understanding by Making: Why Some Knowledge Only Arrives Through a Prototype
分析能说清一个东西是什么，却说不清它会怎样失败。图纸上不存在的性质，只能等它被真正组装起来才出现
一、看完了图纸，为什么还是不会做
一个反复出现的场景：规格书写得清楚，流程图没有遗漏，评审也顺利通过，等到第一次把东西真正做出来，问题却从完全没有写过的地方冒出来——两个各自合格的部件装在一起会互相干扰，某个在纸面上可以忽略的偏差在连续运行后会被放大，使用者会用设计者没设想过的方式去操作它。参与者的第一反应通常是「分析还不够细」。但这个反应很少成立：再加一轮分析，新增的仍是同一类描述，而这次缺的恰恰不是描述。
布鲁克斯在《人月神话》里以大型操作系统的经验为据，提出那个广为流传的建议：第一个系统本来就应当准备丢弃。值得注意的不是「会失败」这个预测，而是他把它写进了计划——试制不是执行阶段出了岔子之后的补救，而是认识过程本身的一个环节。如果第一版注定要扔，那它生产出来的就不是一件产品，而是一份关于「这个系统会怎样失败」的知识。
于是问题可以更准确地提出来：为什么某些知识，无论把描述写得多完备，都不会在分析阶段出现？
二、两种「懂」
「懂一个东西」至少有两层意思。第一层是能说出它是什么、由什么组成、按什么规则运行；这一层可以完全靠文本传递，也可以被完整写进规格书。第二层是能把它做出来，或者至少能预判它在具体条件下会怎样失效。前者的对象是已经存在的性质，后者的对象却包含那些尚未被实现的组合。
西蒙在《人工科学》里给出过一个有用的区分：自然科学追问事物「是如何」，而设计关心的是为了达到某个目标，事物「应当如何」。人造物之所以特别，在于它要同时服从内部的构造逻辑与外部环境施加的要求，两者相遇的那个界面才是真正的问题所在。这个框架解释了一件事：规格书通常分别写下界面两侧的要求，而界面上究竟会发生什么，必须等两侧真的被放到一起才知道。
帕佩特在《因计算机而强大》里把同一层意思搬到了学习上：理解不是在接收说明时完成的，而是在搭建一个能运行、能被别人看见和讨论的物件时形成的。这里的重点不是「动手比动脑好」这类教学法偏好，而是一个更硬的主张：有些性质只在被构造出来之后才存在。一个还没被拼起来的结构没有「受力后的变形」，一个还没运行过的程序没有「在真实输入下的行为」。对尚不存在的性质，再精确的描述也无从描述。
三、试制生产的不是验证，而是新问题
把试制理解成「验证已有想法」，会漏掉它最有价值的部分。验证假定问题已经定好，只剩答案的对错；但试制真正产出的，常常是原来根本没被列为问题的东西。
《晶体之火》记录的晶体管发明过程是一个清楚的样本。贝尔实验室的研究者并不是先把理论算完备再照图施工；点接触器件能否成立，取决于半导体表面状态、接触压力、材料纯度这些当时尚未被完全理解的细节，它们只在一次次具体的尝试中才显现为「必须处理的变量」。理论提供了方向，却没有提前交出变量的清单。
《结构：为什么东西不会倒塌》从另一侧说明同一件事：工程结构的失效往往不来自构件强度不够，而来自载荷路径被想错、连接处的局部行为没被料到。构件可以逐一验算，路径却只存在于整体之中。《追求精确》所梳理的公差史再补一层：精度从来不是「希望做到多准」的愿望，而是「能否被稳定地制造并测量」的能力；一个只写在图纸上的精度要求，在它被工艺实现之前并不构成知识。
三例指向同一个机制：分析处理的是可分解的部分，试制暴露的是部分之间的耦合。耦合项既不在任何单一部分的描述里，也不能由各部分描述相加得到。因此把分析做得更细，只会让每一部分更清楚，不会让耦合项自动出现。
四、反方：试制会反过来限制想象
对上面这套说法，最有力的反驳不是「试制太贵」，而是它会改变问题本身。
第一，一个能跑起来的原型会迅速把讨论锚定在「它已经能这样了」，于是「该不该做」「还有没有别的形态」这些原本开放的问题被悄悄关闭。布鲁克斯在同一本书里强调大型系统的概念完整性，恰好提示了另一面：早期选择会长期约束后来的所有设计。第一个可行的解，很容易被误认成最优的解。
第二，试制的成本并不均匀。软件里丢弃一版可以承受，桥梁、芯片产线、疫苗不行；在这类领域把「先做出来再说」当成通用方法，等于把不可逆的代价交给试错。更关键的是，有些失败无法诊断：当多个变量一起变化，一次失败并不能告诉你是哪一个变量造成的，这样的试制只生产噪声，不生产知识。
第三，也是这套说法最硬的边界：它对自然对象根本不成立。没有人靠「造一颗恒星」来理解恒星。构造性理解只在对象可干预、且干预结果可归因的领域有效；把它推广成普遍的认识论，就会变成一句听起来漂亮却无法执行的口号。
五、三条判据
因此值得保留的不是「多做原型」这个口号，而是一组能判断何时该试制的条件。
一，对象是否可干预。 能被拆解、组装、施加条件并观察结果的，试制有可能产生分析给不出的信息；只能观察、不能干预的，必须另走预测与证伪的路径。
二，失败是否可归因。 试制必须被设计成一次能学到东西的实验：一次只改动一个可命名的变量，或留有足够记录把结果拆开。否则失败只是一次昂贵的意外。
三，依据是否可追溯。 试制给出的结论必须连同「当时为什么这样设」一起留存。西蒙关于界面的框架在这里可以反过来用：原型之所以有价值，是因为它把内部假设与外部环境的一次具体相遇固定了下来；只留结论、不留假设，下一次环境变化时就无从判断哪部分仍然成立。
这三条同时也是对上述反方的回应：锚定效应靠保留替代形态来抑制，成本靠判据筛选场景来约束，诊断困难靠实验设计来改善。它们不是保证成功的配方，而是把「试错」与「碰运气」区分开的界线。
六、把试制放进认识流程
回到开头那个问题：为什么看完了图纸还是不会做。答案不是分析有缺陷，而是分析有自己的适用对象——它处理已经存在、可以分解、可以被描述的性质；而人造系统的关键性质，有很大一部分只在被构造、被施加条件、被观察到失效之后才出现。两者不是精度高低之别，是对象不同。
由此得到一个不算激进、却相当具体的判断：不要在「分析完成」之后才允许试制，而要把试制排进认识流程的前段，并让它有权改写问题清单，而不只是回答清单上的问题。 与之配套的是两条纪律——保留至少一个未被采用的形态，防止第一个可行解封闭讨论；记录每次试制所依据的假设，使结论能被后来的环境变化重新检验。
对于确实不可试制的领域，这套办法让位于另一条路径：明确写出预测，指定什么样的观察会推翻它，并主动去找那些观察。两条路径的共同点其实是一个更朴素的立场——把「还没看到它失败」和「它不会失败」分开。前者是知识当前的状态，后者是未经检验的断言；把两者混同，才是各类纸面方案最常犯的错误。
