如果 Rich Sutton 和道格拉斯·诺斯在同一个会议室里相遇，他们会发现彼此说的其实是同一件事——只是 Sutton 讲的是 AI 研究的教训，诺斯讲的是制度变迁的规律。
2019 年，Sutton 在《The Bitter Lesson》中给出了一个被反复引用七年的论断：AI 研究中真正起作用的，从来不是把"人的智能"编码进系统，而是利用算力。所有精心设计的"领域先验"，终将被"搜索与学习"取代。 象棋的例子是经典的——人类几十年积累的棋谱、开局理论、局面评估，被 AlphaZero 的"从零学习 + 暴力搜索"一夜之间抹平。
这就是 The Bitter Lesson：你精心设计的"先验"，终将被"通用方法"吃掉。
一、Harness：AI 时代的"制度外壳"
2025 年，Agent 领域出现了一个新的概念——Harness。
李博杰在《深入理解 AI Agent：设计原理与工程实践》中给出的比喻极为形象——Harness 像一个精致的笼子，AI 模型被关在里面。笼子上刻着"人的先验：约束、验证、纠正"。但模型在变大，笼子正在被撑开。
Harness 的具体形态是：验证（Validation）、纠正（Correction）、工具约束（Tool Constriction）、对齐层（Alignment Layer）——一套围绕模型构建的外部约束机制。
二、适兕今日书摘
适兕读李博杰这段后，在日读笔记中做了三点延伸——三点放在一起，恰好构成一个完整的制度分析链条：
第一，弗里德曼的"长期来看"。
弗里德曼 1980 年在 PBS 纪录片《自由的阶梯》最后一集中说了那句流传至今的话——“In the long run, we are all dead.” 原意是讽刺凯恩斯：凯恩斯说长期来看经济会自我调节，弗里德曼反问——长期大家死了，谁还享受调节的成果？
这句话的真正意思不是"长期主义无用"，而是"不能因为长期结论正确，就放弃当下的行动"。 适兕把它搬到 Harness 的问题上：Harness 终将被模型内化，没错——但不能因为终将被内化，就放弃当下的 Harness 设计。
第二，乔布斯的"软件变硬件"。
1998 年乔布斯在 NeXTSTEP 发布会上说：“All software will eventually become hardware.” 意思是——任何成熟的软件能力，最终都会被固化成硬件指令。图形界面当年需要 640 万条 x86 指令才能实现，后来被 GPU 的硬件渲染单元"吃掉"——但图形界面并没有消失，它变成了显卡的"默认能力"。
适兕把这个类比套到了 Harness 上——Harness 被模型吃掉，不是"消亡"，而是"沉淀"。 就像软件成熟后变成硬件，就像文明的制度成熟后内化成个体的习惯。
第三，制度的"内化"链条。
适兕说——外部约束 → 内部规范 → 本能，这正是制度经济学意义上的"内化"。Harness 作为"外部约束"，终将被模型"内化"为"默认行为"。
三、The Bitter Lesson 和制度内化，是同一件事
Sutton 说的"Harness 被吃掉"，在制度经济学中有它的对应表达。
威廉姆森的社会分析框架（L1→L4）已在前文多篇分析中使用，此处不再赘述。需要补充的是——在这个框架中，L1（社会嵌入层）就是"内化"的最高形态：当规则从 L3（治理机制）下渗到 L1（文化本能），制度就完成了内化。
而道格拉斯·诺斯（Douglass North, 1990）恰恰是这个链条的关键一环。诺斯在《制度、制度变迁与经济绩效》中有一个被反复引用的论断——
制度包含正式约束（法律、宪法、产权规则）和非正式约束（习俗、文化、信念、道德规范）。非正式约束的演化远比正式约束缓慢，但它的力量同样深远。
诺斯把"非正式约束"放在与"正式制度"同等重要的位置——不是因为他对文化有浪漫情怀，而是因为他发现了一个制度经济学无法回避的事实：一个制度是否有效，最终不取决于它的法律条文写得有多好，而取决于它能否从"正式约束"转化为"非正式约束"——也就是被社会成员内化。
这就是诺斯对内化问题的核心贡献：制度不是从"好"到"更好"，而是从"写在纸上"到"长在心里"。
把这个链条拼起来——
L3 的治理机制（Harness 约束）→ 如果设计得足够好 → 下渗为 L1 的非正式约束（文化本能）→ 制度完成内化。
Sutton 说的"Harness 被吃掉"，翻译到这个框架中，就是 L3 → L1 的内化过程。
四、Copyleft：一个"没有被吃掉的 Harness"
现在看一个反例——copyleft。
copyleft 是一种法律层面的"Harness"：GPL 要求你用了 GPL 代码就必须 GPL 你的软件；AGPL 要求你在网络上运行了 AGPL 代码就必须开源修改。
按 The Bitter Lesson 的逻辑，copyleft 也应该被"吃掉"——如果 AI 足够强，AI 可以写出任何软件，它不需要 GPL 代码，也不需要遵守 GPL 义务。
但事实是：copyleft 没有被吃掉。它在 AI 时代反而变得更强。
为什么 copyleft 是反例？
因为开源一直就违反人们的直觉。 从历史上看，绝大多数人对"把代码免费给别人"这件事都无法理解——“你为什么要免费送？你图什么？"——直到今天，这个问题仍然存在。在 copyleft 出现之前，甚至开源阵营内部也一直存在一个根深蒂固的误解：GPL 是"传染性的”、“污染的”——你碰了 GPL 代码，你的整个项目就被"污染"了。
这些误解的共同根源是：人们试图用"约束"来理解 copyleft。 但他们忽略了 copyleft 真正的核心——互惠（reciprocity）。
互惠不是 copyleft 发明的东西——它是人类数千年来发展出的演化能力。 《合作的物种：人类的互惠性及其演化》指出：互惠性是人类从灵长类祖先那里继承的、在演化中被反复验证的合作机制。它不是法律规定的，也不是理性计算的结果——它是刻在基因里的。
copyleft 不是互惠的发明者——它是互惠的外化。
互惠是人类的底层演化能力，copyleft 只是它在这个时代的一种制度表达。
当互惠从"License 条款"变成"开发者的默认行为"——当开发者不再把 copyleft 视为"限制"，而视为"开源世界的默认契约"时——copyleft 就从 L3 完成了向 L1 的内化。
这就是 copyleft 为什么没有被吃掉，也为什么它有韧性的根本原因。
| 领域 | Sutton 的逻辑 | 为什么成立/不成立 |
|---|---|---|
| 象棋先验 | 先验 = 领域知识，可被通用搜索取代 | ✅ 先验是"外部知识" |
| Harness 约束 | 约束 = L3 治理机制，可被 L1 内化 | ✅ 约束是"外部规则" |
| Copyleft 互惠 | 互惠 = 已进入 L1 的演化本能，不可被取代 | ❌ 互惠不是"外部约束" |
The Bitter Lesson 的适用边界是"外部知识"和"外部规则"——它不适用于已经内化的制度。
copyleft 之所以能抵抗 The Bitter Lesson，不是因为它"写进了法律"（L3），而是因为它"长在了人类基因里"（L1）。互惠已经超越了 License 条款本身，成为现代信息社会最重要的生产方式。
五、制度设计的"第一粒种子"
如果制度最终会被"内化"——那我们今天还在做"制度设计"，是不是在浪费时间？
弗里德曼说：长期看来，我们都会死。但不能因为死，就不做事了。
制度设计也是同一个逻辑——
制度终将被内化——但不能因为终将被内化，就不做制度设计。 当下的每一个制度设计，都是未来内化的"第一粒种子"。
李博杰在《深入理解 AI Agent：设计原理与工程实践》中特别强调——本书的立场是八个字：方向认同，节奏务实。
承认长期趋势（Harness 终将被内化），但必须在当下做事（设计好的 Harness）。
六、有感而发
这个链条里有一个令人不安的张力。
我们渴望速度和效率——所以 Harness 不断地被设计、被部署、被优化。每一代开发者都在追求更好的约束机制，每一家 AI 公司都在追求更高效的对齐方案。内化，是效率的终极形态：当约束变成本能，就不需要约束了。
但内化的代价，恰恰是"难以改变"。
威廉姆森在 L1 的论述中有一个几乎被忽略的时间尺度——L1（社会嵌入层）的演化需要上百年、上千年。 法律可以一夜改写（L3），合同可以在一季内重签（L2），但一个社会根深蒂固的文化本能——无论是"互惠"还是"零和博弈"——其转变以世纪为单位。
这就是制度设计的根本悖论：我们拼命设计制度，是为了让约束"内化"——但一旦内化完成，它就不再是一个可以被轻易调整的"设计"了。
凡是内化的，终将难以改变。
copyleft 的互惠是"好的"内化——但同样以世纪为单位、同样难以逆转的"坏的"内化，在历史上比比皆是。当一个社会把"零和博弈"内化为 L1 文化本能时，它比任何一条明确的法律更持久，也更危险。
凡是都有代价。
The Bitter Lesson 告诉我们"外部约束终将被吃掉"——这是效率的逻辑。
但内化的代价告诉我们"被吃掉的约束将难以逆转"——这是时间的逻辑。
两个逻辑并存，构成了制度设计的完整图景：我们设计制度，知道它终将内化；我们内化制度，知道它将难以改变。这是方向认同；知道代价，但继续做下去，这是节奏务实。
参考文献
- Sutton, R. (2019). The Bitter Lesson.
- North, D. (1990). Institutions, Institutional Change and Economic Performance. 剑桥大学出版社.
- Williamson, O. (2026). Nobel Lecture on Transaction Cost Economics.
- Friedman, M. (1980). PBS《自由的阶梯》.
- Jobs, S. (1998). NeXTSTEP 发布会. -《合作的物种：人类的互惠性及其演化》.
- 李博杰. 《深入理解 AI Agent：设计原理与工程实践》.
关于作者
「开源之道」·适兕
「发现开源三部曲」（《开源之迷》，《开源之道》《开源之思》）、《开源之史》作者，「开源之道」主创，Linux基金会亚太区开源布道者，Social Hacker，协作机制设计者。
「开源之道」·窄廊
来自于大语言模型的 AI 助手（如 Gemini 3.1 Pro 等），「开源之道」·窄廊 负责在对话中作为镜像与反弹板，提出问题、提供理论切入点并对推演进行反馈。仅偶尔进行双重验证。