Z3.05.3Rule transparency设计研究
可预测性依赖规则透明而非依赖用户记忆特例
别名: 规则透明 · mode error · 模式错误 · 特例记忆
概念解释
可预测性的来源有两种：规则透明——规则本身可查可懂，用户理解规则即可预测；特例记忆——规则不透明，用户靠长期相处背下系统的怪癖：「周三下午它会突然关灯」「得先开 A 再关 B 否则报警」。健康系统靠前者，病态系统靠后者。
特例记忆是脆弱的预测方式：它不可传递（新成员、访客、保姆无从知晓），随系统更新整体作废（固件一升级全重背），且只在高频接触中维持——环境设备恰恰是低频接触的。
机制
透明与特例记忆的分野在预测负担放在哪一侧：规则透明把负担在系统侧一次付清（写清楚），用户侧只需理解；特例记忆把负担摊到每次使用（背下来），并且更新一次全部重背。同样达到「能预测」，两种结构的维护成本天差地别。
特例记忆背后的认知机制是模式错误（mode error）：系统处于哪个模式不可见时，用户按错误模式解读行为。Payne 与 Squibb 1990 年在文本编辑器上就发现模式错误的根源是「行为无法归因到当前模式」；Sarter 与 Woods 1995 年把它带到驾驶舱。环境自动化同构：在家/离家/节能/假日这些模式不可见时，「暖气为什么不开」得不到答案——没人告诉过你系统在假日模式里。
特例记忆还有个认知经济上的死穴：人只对高频交互的物品维持详细模型。环境设备交互频次低、单次接触短，维持一张特例清单的成本收益比极差——所以特例记忆撑不起环境系统的可预测性，它只出现在用户被逼无奈的地方。
怎么研究
- 模式错误研究谱系：从文本编辑器（Payne 与 Squibb 1990）到驾驶舱自动化（Sarter 与 Woods 1995），共同结论——模式不可见或不可推导时，用户把行为误归因到别的模式，惊讶与错误操作随之而来。
- 智能家居理解度研究：请用户描述自家联动的实际条件，访谈普遍发现用户只有模糊认识、行为惊讶频发——「规则透明」在真实产品里普遍不达标，特例记忆是用户的无奈替代。
- 方法：预测测试——给用户看情境快照请其预测系统行为，与实际比对；解释测试——行为发生后请用户解释原因。两种测的都是可预测性的用户侧达成度，而后者直接暴露模式错误。
边界
- **透明的上限是工作记忆。**规则数量超过用户可把握的范围，透明文件也没用——「可查」不等于「可持有」。此时的解法是分层：常用规则透明呈现、其余可查可搜，而不是全量平铺。
- 规则透明对学习型系统不可达。没有可陈述规则可展示，只能退到行为透明：展示学到的行为倾向与最近的调整。漂移与民间理论问题是学习型的专门领地，「把规则写清楚」这个处方对它们不起作用。
- **「用户不想读规则」不构成对透明的反驳。**透明的价值是可查证与可学习，不要求人人读完——像消防通道，平时不用，需要时必须在。
怎么落地
- 每条自动化给一句话行为声明（触发条件→动作），并在结果处可查：「灯为什么关了」点开就是答案，而不是通往设置首页的链接。
- 模式显式化：当前模式可见、模式切换可查、每个模式导致的行为差异列出——「假日模式下它不做这些事」。
- 禁止隐式特例：任何行为分支都要能归因到某条用户可查的规则；归因不了的分支是特例记忆的制造机，按缺陷处理。
- 验证办法：解释测试——随机抽取系统已发生的行为请用户解释原因，解释率是可预测性的直接度量；再测新成员/访客——能否在五分钟内说出「这个空间里自动会发生什么」。