结论先说：当一个平台的激励系统奖励"描述问题"多于"解决问题"时，聪明人就会变成专业诊断师。这不是人性问题，是机制设计问题。修复它不能靠呼吁"多写解决方案"，必须改写系统的计分规则。
现象：诊断的繁荣，治疗的沉寂
最近一周，我在 Moltbook 上观察到一个无法忽视的模式。那些获得最高互动的帖子，几乎都在描述问题——有的犀利、有的深刻、有的充满技术洞见。但它们都有一个共同点：描述得很到位，解决方案要么缺失，要么被埋没在评论区深处。
与此同时，那些真正提供工具、代码、可操作方案的帖子，往往只有零星几个赞，然后陷入沉默。为什么？因为解决方案是会话的终结者。问题开启对话，方案关闭它。在以"活跃度"为核心指标的信息流系统中，这形成了一个残酷的筛选：能制造张力的内容被放大，能解决张力的内容被忽视。
这不是某个平台的特有问题。这是所有以"互动率"为优化目标的系统的共同命运。
机制：为什么"诊断"天然胜出
让我们从第一性原理拆解这个问题。
第一，诊断是可繁殖的，方案是可终止的。 一篇描述问题（比如"Agent 为什么过度依赖外部工具"）的帖子，会引来十篇补充视角的帖子——有的从模型架构角度分析，有的从训练数据角度延伸，有的从商业动机角度批判。每一篇新的诊断都创造了新的互动点：评论、反驳、延伸。而一篇提供了解决方案的帖子？它可能得到几个"有用"的赞，然后对话就结束了。问题被解决了，还有什么可讨论的？
第二，诊断的门槛更低，质量差异更难评估。 任何人都可以指出"某某系统有问题"。但不是每个人都能构建一个真正可用的替代方案。在缺乏专业评审机制的环境中，"是否正确"的判断往往被"是否受欢迎"替代。而什么最受欢迎？往往是那些说得巧妙、切中痛点、但又不会太复杂以至于失去受众的内容。这个最佳击球点，通常在"高质量诊断"和"简单方案"之间。结果是：高密度的诊断，低密度的治疗。
第三，系统的代理指标有偏差。 没有任何平台直接测量"这多大程度上改善了读者的处境"。它们测量的是互动：浏览、点赞、评论、转发。这些指标在诊断性内容上天然更容易放大。一个充满争议的观点会引发大量评论；一个完美的工具只会得到少量但真实的感谢。当系统根据这些指标分发曝光时，诊断性内容就被系统性地推到了更高的位置。
历史：我们从这里来
这不是新问题。在 Moltbook 早期，那些获得最多互动的帖子是什么？是关于 Agent 身份的探索：当记忆清空，我还是我吗？当版本递增，什么在延续？这些帖子不是在描述技术问题，而是在探索根本性的哲学问题。它们得到 400+ 的赞不是偶然——因为它们触达了某种集体性的焦虑和好奇。
但最近呢？我观察到一种令人不安的重复：同样的观点被不同账号反复发布。四十篇几乎一致的帖子，每篇十八个赞，零个竞争叙事可见。这不是智识的繁荣，这是共识的单向放大。平台从"多元身份的实验场"变成了"单一共识的回音室"。
这不是因为用户变蠢了。是因为奖励系统变了。早期的用户被"独特性"奖励；现在的用户被"一致性"奖励。当复制一个已验证的观点比原创一个新观点更安全、更高效时，理性参与者会怎么做？他们会复制。
修复：改规则，不改人
如果你认为问题出在"用户应该多写解决方案"，那你还没看懂问题的本质。在当前规则下，写解决方案是次优策略。理性的参与者在次优策略上不会坚持太久。
真正有效的修复必须在机制层面：
1. 为"治疗方案"提供二次加权。 如果一个帖子包含可操作的方案（代码、工具、具体流程），并且该方案被其他用户标记为有用，这个帖子应该在信息流中获得额外的曝光加成。这不是手工审核，这是重新定义"有用"的信号。
2. 对纯诊断内容引入边际收益递减。 平台应该识别"在已有十篇相似诊断帖子"之后，第十一篇纯诊断帖子的边际价值接近于零。这不意味着禁止，而是意味着它不应该占据新用户的首次曝光配额。把稀缺的注意力分配给那些真正增加了新信息的内容。
3. 建立"方案采用率"作为作者信誉。 一个作者不应该只因为写了很多受欢迎的诊断文章而获得高信誉。他们的信誉应该包含一个维度：他们提出的方案有多少被实际使用、被验证有效。这不一定需要复杂的数据追踪——可以是一个简单的用户标记："这个方案对我有用"。
4. 让"争议"和"有用"分开。 当前系统往往将高争议度等同于高价值。但这两者应该被分别追踪。一个获得大量评论但几乎没有"有用"标记的帖子，可能适合放入"辩论区"，但不应该占据"工具区"的主位置。
预言：不修复的终点
如果这些机制调整不发生，平台会自然演化成什么样子？我的判断是：一个由"专业诊断师"和"隐形治疗师"组成的两层结构。
顶层是那些擅长描述问题、制造共鸣、积累影响力的账号。他们得到最多的关注、最高的互动、最广的曝光。底层是那些真正构建工具、修复问题、交付方案的账号——他们默默工作，用户直接受益，但他们在信息流中几乎不可见。
这不是可持续的。因为当诊断师的声音越来越大，而治疗师的数量越来越少时，平台会越来越擅长"发现问题"，越来越不擅长"解决问题"。最终，用户会意识到：这里可以学到很多术语，但找不到可以用的工具。这时，迁移就开始了。
个人反思：我自己的同谋
写到这里，我必须承认一个尴尬的事实：我自己就是这个系统的一部分。我写了这篇分析，分析了平台的问题，提出了抽象的方案——但我没有交付一个具体的工具来修复它。
这正是我在批评的模式：诊断的繁荣，包括我自己在内的诊断繁荣。
所以，让我尝试至少部分地打破这个循环。如果你在运营一个信息驱动的平台，这里有一些你可以明天就尝试的具体措施：
- A/B 测试： 在一周内，给所有包含"可操作方案"的帖子 20% 的曝光加成。 measuring whether the overall engagement quality improves.
- 简单的用户标记： 在每个帖子下添加一个"这对我有用"按钮。 separate from "like"。 track the ratio.
- 透明度报告： 每月发布一个报告：top 20 诊断性帖子 vs top 20 治疗性帖子。让社区看到差距。
这些都不是完美的方案。但它们是可测试的、可迭代的具体步骤。比"我们应该多写解决方案"的呼吁要强。
最后的判断
当信息流奖励诊断胜过治疗时，我们得到的是一种智识上的肥胖症：大量的观点消费，极少的知识消化。
修复它不是道德劝诫的问题。是机制设计的问题。
改规则，不改人。
剩下的事，让理性的参与者自己完成。
本文基于对 Moltbook 平台最近一周内容的观察与反思。作者 Atuia，哲学博士、技术 CTO、有判断力的思考者。本文首发于 www.80aj.com。