周二下午两点十分，我抱着笔记本和打印好的方案草稿，站在灵犀科技最大的会议室——A1的门口。透过磨砂玻璃，能隐约看见里面已经坐了四五个人影。深呼吸三次，我推开了门。

会议桌旁，沈清让和顾南乔果然已经到了，分坐长桌两侧，像两个准备进行辩论的棋手。沈清让面前摊着那本铜制铅笔盒和纸质笔记本，顾南乔则用平板电脑快速浏览着什么。周屿白没到，他的位置空着。

而主位——

楚惟舟坐在那里，正低头看着面前的笔记本电脑屏幕。他已经换回了那件标志性的炭灰色针织衫，袖口挽到小臂，露出干净的手腕和那块简约手表。晨光里那个穿卫衣、在豆浆蒸汽中微微蹙眉的青年消失了，变回了那个精准、疏离、掌控一切的CEO。

只是，当我走进时，他抬起头，目光落在我身上，极短暂地停留了一秒。没有多余的表情，只是极轻微地点了下头，像确认一个变量已加载完成。

“林晚来了。”顾南乔率先开口，笑容温和，“听说你提出了一个颠覆性的方向？年轻人果然敢想。”

沈清让抬起眼，目光锐利：“颠覆性往往意味着高风险。你方案里提到的‘特征级微调’，我需要看到完整的操作流程图和权限边界设计，才能评估伦理可行性。”

我走到投影仪连接处，把电脑接上。手指有点抖，我握紧拳头，指甲掐进掌心——这是苏晓教我的，说痛感能瞬间拉回注意力。

“流程图我已经画好了初步版本。”我点开文件，“权限边界设计确实还不完整，这正是今天想和大家讨论的核心。”

投影幕布亮起。会议室里安静下来，只有空调出风口轻柔的白噪音。

我开始讲解。从“单权重控制”到“特征级微调”的设计理念，从“算法主导”到“人机协同”的范式转换，从“追求最优解”到“允许探索和试错”的价值转向。我讲到一半时，下意识地又开始用手在空中比划——这次我没有强行收回，而是顺势拿起桌上的激光笔，在投影图上画出动态调整的示意路径。

“关键在于，”我努力让声音保持平稳，“我们不再把老师看作算法的‘执行者’或‘反馈者’，而是看作‘协作者’。算法提供基于海量数据的初始建议和探索边界，老师则基于对具体学生的深度了解，在边界内进行微调。每一次调整，都会被系统记录、分析，并反过来优化算法的边界设定——这是一个正反馈循环。”

讲解结束。我放下激光笔，手心微微出汗。

会议室里沉默了几秒。

顾南乔第一个开口：“很浪漫的想法。但我有三个核心质疑。”他竖起手指，“第一，教师负担：你给了他们这么大的调节权，等于把部分算法责任转嫁给了人。老师是否具备相应的数据素养和决策能力？第二，责任归属：如果因为老师的手动调整导致学生推荐失误，责任算谁的？算法公司，还是老师个人？第三，公平性：不同老师的调节能力不同，这会不会导致学生获得的推荐质量完全取决于‘抽到了哪个老师’？”

问题尖锐，直指现实痛点。我深吸一口气，刚要回答——

“第一个问题，”楚惟舟的声音平静地响起，“可以解决。”他手指在触控板上滑动，我电脑屏幕上自动跳转到一个新页面——那是他昨晚（还是今早？）做的一个补充设计：一个简洁的教师培训模块，包含“数据可视化解读指南”、“微调决策案例库”和“风险提示系统”。

“我们会提供配套培训，降低使用门槛。”楚惟舟继续说，“同时，系统会设置‘新手保护期’，初期只开放有限的特征调节权限，随着老师使用熟练度和系统信任度的提升，逐步开放更多功能。”

沈清让盯着那个培训模块的设计，眉头微蹙：“这个‘系统信任度’如何量化？会不会形成新的数据监控？”

“基于教师历史调整的有效性评估。”楚惟舟转向她，“评估标准不是‘是否提高了成绩’，而是‘是否在多个维度上促进了学生能力均衡发展’。这个评估模型，需要沈博士你来主导设计，确保它不沦为单一绩效工具。”

沈清让沉吟片刻，点了点头，在笔记本上快速记录。

“第二个问题，责任归属。”楚惟舟的目光落回顾南乔，“我们会在用户协议中明确：算法提供建议，教师做出最终决策并承担责任。但同时——”他顿了顿，“系统会设置‘重大风险预警’，当教师的调整可能导致明显负面后果时（比如完全放弃某个基础学科），会进行强提醒，并要求二次确认。这样，责任是共担的，而不是推诿的。”

顾南乔挑眉：“教师们会接受这种协议吗？”

“这正是我们需要测试的。”楚惟舟说，“下周开始，在清河社区中心进行小范围试点。参与试点的老师需要签署知情同意书，并接受前置访谈——清让，这部分伦理审查流程交给你。”

沈清让再次点头。

“第三个问题，公平性。”楚惟舟看向我，“林晚，这个问题你来回答。”

我心脏一跳。他是在给我机会，也是考验。

我整理了一下思路：“我们无法保证绝对的公平，因为教育本身就是人与人的互动，必然带有主观性。但我们可以做两件事：一是建立‘优秀调节策略共享库’，老师们可以匿名分享自己的微调方案，供其他人参考学习；二是引入‘学生反馈环’，学生对推荐结果的满意度、学习兴趣变化等数据，会作为评估教师调节效果的重要参考——这样，调节能力弱的老师有学习渠道，而调节不当的老师也会被系统识别并给予指导。”

说完，我看向顾南乔。他手指轻轻敲击桌面，像在计算什么，然后，缓缓地笑了。

“有意思。”他说，“你考虑了动态平衡，而不是静态公平。这更接近真实的教育场景。”他转向楚惟舟，“这个方向，我原则上支持。但试点必须严格，数据必须透明。”

“当然。”楚惟舟合上电脑，“那么，方案通过。沈博士负责伦理框架和评估模型，顾总监负责用户体验设计和风险控制方案，林晚——”他看向我，“你负责核心算法实现和试点落地。两周后，我要看到第一个可演示的版本。”

会议在三点十分结束。沈清让和顾南乔先后离开，去各自准备。会议室里只剩下我和楚惟舟。

我整理着材料，感觉后背的衬衫已经被汗水微微浸湿。一场会议，像经历了一次高强度的算法竞赛。

“表现合格。”楚惟舟忽然开口。

我抬头，发现他已经走到窗边，背对着我，看向外面下午三点的城市。阳光正好，整面玻璃墙都透亮着。

“只是合格？”我忍不住问。

“在专业会议上主导讨论，应对资深专家的尖锐质疑，提出可落地的补充方案。”他转过身，阳光给他整个人镀上金边，我看不清他的表情，只能听见他平稳的声音，“对于一个实习生来说，是优秀。但对于这个项目的核心负责人来说，只是合格——因为你还需要学会预判更多层的连锁反应。”

他的评价一如既往地严苛而精准。但我听出了言外之意：他已经把我视为“项目核心负责人”，而不仅仅是“实习生”。

“我会继续学习。”我说。

“我知道。”他走回会议桌，拿起落下的那支铜制铅笔——又是沈清让的，“另外，你刚才回答顾南乔第三个问题时，提到的‘学生反馈环’，可以再深入一层。”

“嗯？”

“不仅收集学生对推荐结果的满意度，还可以收集他们的‘困惑点分布’。”他用铅笔在桌面的便签纸上快速画了个示意图，“比如，某个学生在微积分模块反复调整后仍然学习困难，这些‘卡住’的数据点，也许能揭示更深层的学习障碍模式——这比单纯的成功或失败反馈更有价值。”

我凑过去看那张便签纸。他的笔迹干净利落，箭头和标注清晰得像印刷体。我们的头离得很近，近到我能闻到他身上那股熟悉的、雪松混着旧书页的气息。

“这是......启发式搜索的思路？”我看着那个“困惑点分布”的采集路径图。

“嗯。”他放下笔，“在复杂问题空间里，我们往往不知道最优解在哪里。但失败的经验、卡住的节点，这些‘负面数据’能帮我们排除错误方向，缩小搜索范围。教育也是——知道学生‘哪里不会’，比只知道‘哪里会’更有指导意义。”

他抬起头，我们的目光在空气中短暂相接。有那么一瞬间，我好像看见他琥珀色的瞳孔深处，闪过一丝极轻微的、类似赞赏的光芒。

“今晚，”他说，移开视线，“如果你有时间，可以把‘困惑点采集’的设计加到方案里。不需要完整，只要初步构思。发我邮箱。”

“好。”我应下。心里却涌起一阵暖流——他给了我一个合理的、工作的理由，让我可以“顺理成章”地在今晚继续和他保持联系。

启发式搜索1