一致不等於證明

先數來源，再數結論

假設三個閱讀工具都寫「適合逐步積累」。把這件事記錄為「三份文字使用了相近判斷」沒有問題；寫成「三個獨立證據證明未來會如此」，就多走了幾步。它們是否使用同一輸入、同一解釋來源或相近模板？積累的對象和觀察期限是什麼？如果這些還不知道，數字三只是文本數量。

一致性有閱讀價值：它可以提示某個問題值得進一步整理。但價值不等於證明，反覆出現的詞也不會自動變成可檢驗的命題。此處不否定讀者的共鳴感，而是區分閱讀感受與證據主張。對明顯相反的結果，可另讀結論衝突的核對方法。

同一條資訊可能穿了三件外衣

共同來源可以出現在不同層面。三個工具都使用同一出生記錄，這是共享輸入；三個作者都引用同一解釋表，這是共享規則；同一個生成器用不同體系名稱輸出同一段建議，這是共享表達。三者不能混為一談，也不能憑名稱不同就宣布彼此獨立。

共享輸入不意味著所有結果必然錯誤，不同體系也可能使用不同規則；問題在於，不能未經檢查把輸出數量當成新增證據數量。若原始時間有誤，共享該輸入的結果可能一起受影響。若文字來自同一模板，它們的一致可能只說明模板穩定。

開啟原圖放大查看

BaZiFlow原創證據來源圖；箭頭僅表示來源關係，不表示某體系已獲驗證。

圖左的一源三支，與圖右各自有觀察來源的結構不同。圖右也沒有自動證明什麼：觀察是否可靠、判準是否預先定義、樣本是否足夠，都尚需檢查。圖只是讓「來自哪裡」可見，不是給獨立記錄頒發通過章。

從相似形容詞走到可分辨的主張

「有責任心但需要放鬆」可以適用於許多情境。若三個體系都如此寫，先問它能否區別當前輸入與另一組結構明顯不同的輸入。僅換姓名、干支或少量同義詞，不能建立有依據的個性化。真實差異應體現為事實選擇、推理範圍或結論重點改變，並能回指各自資料。

這與預測有效性仍是兩件事。一篇文章可以準確引用某張命盤欄位，具有個體針對性，卻仍未證明它對現實未來的推斷可靠。相反，使用大量泛化語言即使讓人覺得親切，也不能據此說它已經通過個性化核驗。評價前應先說明正在檢查哪一種品質。

NIST統計手冊的「Quantitative Techniques」把正式檢驗放在明確假設、數據與不確定性的框架中；「EDA Assumptions」說明測量過程存在需要核查的前提。這裡借用的是「結論依賴設計與前提」的方法意識，不把統計術語貼到幾段解讀上就宣布完成科學驗證，也不計算沒有數據基礎的準確率。

一個簡單的對照，比繼續找同意者有用

可以保存幾組結構不同的輸入及其完整輸出，先寫明要觀察什麼：重要結論是否引用當前欄位，建議是否無論輸入怎麼變都相同，結論是否有明確期限。比較時保留不符合的情況，不只摘取看似命中的金句。這個練習檢查的是文字區分度與證據可追蹤性，不是統計試驗的替代品。

若要主張預測有效，則還需要更嚴格的設計：事前固定可判定的結果、比較基準、觀察範圍與錯誤處理，並考慮選擇偏差和資料依賴。個人小筆記通常無法滿足這些要求；不應把幾次感到符合包裝成某個百分比，更不能把三份結論相同寫成三倍把握。

也不要為了製造差異而要求每份文案必須說相反的話。不同輸入確實可能支持部分相同事實或基礎解釋，重點是共同部分是否恰當、個別結論是否有區分證據。隨機換詞或故意唱反調，都不增加資訊。

給一致性一個準確的名字

保存時可以分別寫「術語相似」「結構主題接近」「引用同一來源」「獨立性未知」「現實結果待觀察」。這些標籤比統一寫「已證實」更能傳達目前知道的東西。後續出現反例時，不必重寫整段歷史來維持一致，而應更新對應主張的狀態。

多體系閱讀可以幫助提出不同角度的問題；只有當來源、命題和觀察條件都清楚時，才能討論這些角度究竟增加了什麼證據。接著讀有依據的個性化解讀，可把注意力放回每條結論與當前輸入的連接。

1. 1

   畫出一源三支

   把資料甲分別連接文字一、二、三，記為三份轉述。

2. 2

   檢查真正新增內容

   若第四份只引用文字二，新增的是轉述節點，不是一個新的觀察源。

3. 3

   單列獨立記錄

   若後來獲得實際觀察乙，保存取得方式與判準；它需要品質檢查，不自動判整項主張正確。