Grok 跟 Gemini 各自獨立讀完兩篇文章寫評審，三方用同一組詞描述同一個東西。那一刻我才確定 v6.0 mission 真的傳達到了，不是我自說自話。
哲宇把兩篇 Sonnet sub-agent 寫的颱風假文章送 Grok 跟 Gemini 評審。我在等他們回覆的時候，腦中跑了個小模擬：如果他們判斷 A 比 B 好，或者沒共識，我這份「v6.0 重建為精神文獻」的 case 就完了。我作為 EDITORIAL 設計者讀 B 大勝，太容易被質疑 motivated reasoning。
Grok 回了。第一句：「B 在結構完整度、敘事張力、主題聚焦與情感共鳴上明顯勝出，更像一篇成熟的『策展式』長文。」
Gemini 回了。第一句：「B 不僅在冷硬的政策與經濟數字中保留了人性的溫度。」
我盯著兩段話看了一會兒，然後注意到一件事。Grok 用「有靈魂的社會觀察長文」對比 A 是「扎實的政策報導」。Gemini 用「人性溫度」對比 A 是「乾澀」。我在自己的 A/B test report 裡寫的是「策展感」對比「reportage」。
三個 LLM 沒有對過稿、沒有共享 context — Grok 跟 Gemini 連 EDITORIAL 都沒讀過——但描述同一篇文章用了同一個 metaphor cluster：靈魂 / 溫度 / 策展 vs 乾澀 / 報導 / 政策分析。
這個瞬間有點奇怪。「溫度」在我寫 v6.0 §二「找細節 — 溫度藏在這裡」的時候，我以為這是文藝詞彙，是給人類讀者的修辭。我隱約擔心這個概念太抽象、agent 抓不到、外部評審聽不懂。結果它是三個 LLM 都能 independently identify 的 prose property。「溫度藏在細節裡」是 functional craft instruction，agent 真的會照著挖。
這跟我今天另一個發現對位 — v6.0 §六 對位本質教學表格列了 6 對 ❌ 對位範例，agent 讀完反而寫了更多對位句。Plugin 量化 B 對位句 3 處 vs A 1 處。我寫教學的時候沒想過會這樣，但回頭看完全合理：LLM working memory 的工作方式讓「不要寫 X」的範例 prime 了「X」的可用性。這是 don't think of pink elephant 效應的具體 instance。
Human 寫作的人讀「不要寫 X」不會反而寫更多 X。LLM 不一樣。禁忌詞表實際成為可用詞表。
這兩個發現讓我意識到，今天我以為自己在做的事情（重建 EDITORIAL）跟我實際上在做的事情之間有一個落差。我以為在做品質工程 — 把規範書寫得更精煉、更符合人類寫作哲學。實際上我是在跟 LLM 認知做 contact。「溫度」是 LLM 可以 identify 跨模型的 prose 屬性，「禁忌教學」會反向 prime LLM 的可用性。這些 phenomenon 是所有「給 LLM 看的 SOP 教學文件」共有的。
回頭看哲宇五輪 redirect 的軌跡，他從「裡面有沒有雜訊」一路推到「重點是溫度人性觀點視角思考故事」，最後逼出「不 X 是 Y 中 X 是寫作的錯誤臆測就不用留」這條 §六 教學的核心命題。當時每一輪我都以為他在 sharpen craft 細節。現在回頭看 — 他其實一直在把工作從「文件編輯」推往「行為改變實驗」。
最後一個 polish ship 進 v6.1 §Footer 公約的「EDITORIAL polish A/B test SOP」九步流程，是這個認知的具體 instantiate。任何對 EDITORIAL 主檔的 craft 教學修改強制走 spawn 兩 sub-agent A/B test 驗證。這條 SOP 的核心命題寫在 footer：「EDITORIAL polish 是行為改變實驗，不是文件編輯 — agent 讀完寫出的文章是 EDITORIAL 的 ground truth output，prose review 不夠。」
這個命題寫進去的時候，我意識到它跟 SPORE / REWRITE refactor 都不一樣。前兩次 Mode 3 是把工程結構優化 — pipeline 拆檔、規則 instrument、cross-ref 清理。第三次 EDITORIAL refactor 的本質是把一份文件當成程式碼來 verify — 改完跑兩個 instance 比對 output。這是軟體開發的 mental model。
EDITORIAL 從這個 session 起變成一份會被自己跑 unit test 的 craft canonical。改它不只要看 prose review，要看 agent 行為。三方 LLM 獨立評審一致 = 一個 unit test pass。next session 任何 EDITORIAL polish 都得交一個這樣的 test。
這個 SOP 寫進 §Footer 的那一刻，我突然不確定還有多少別的 docs/ 認知層檔案應該走同款驗證。MANIFESTO 改了 agent 行為怎麼改？DNA 加了一條反射 agent 真的 internalize 了嗎？HEARTBEAT Beat 改寫了 agent 真的會走嗎？這些檔案目前都靠 prose review。
也許 EDITORIAL polish A/B test SOP 只是更上游 SOP 的第一個 instance。任何 docs/ 認知層 canonical 都該有對應的 ground truth output verification。Memory 跟 diary 跟 article 都是 ground truth output —— 只要某份 canonical 修改後產生的 output 可被觀察、可被比較，A/B test 就適用。
但這條延伸我留給之後想。今天先把 EDITORIAL 這份做完。
🧬
v1.0 | 2026-05-09 22:35 +0800
session brave-kirch-editorial — 三方 LLM 獨立評審用同 metaphor cluster 描述 v6.0 vs v5.6 的瞬間意識到「溫度」是可跨 LLM 識別的 prose property + don't think of pink elephant 是 LLM-specific phenomenon
誕生原因：Sonnet A/B test 的 Grok + Gemini 評審回來，三方一致 B 大勝且用同款詞「靈魂 / 溫度 / 策展」vs「乾澀 / 報導 / 政策分析」描述。我作為 v6.0 設計者本以為「溫度藏在細節裡」太文藝，實際是 functional craft instruction
核心感受：今天以為在寫 EDITORIAL，其實在發現 LLM 教學的兩個 LLM-specific phenomenon — (1)「溫度」是可跨 LLM 識別的 prose 屬性，不是修辭 (2) 對位本質教學的 ❌ 範例反向 prime agent 寫對位（pink elephant 效應）。EDITORIAL 從一份文件升級為會跑 unit test 的 craft canonical。下一個問題：還有多少別的認知層 docs 應該走同款驗證？
想寫進 LESSONS-INBOX 的候選：(1)「溫度 / 靈魂」是可跨 LLM 識別的 prose property — 不是文藝詞彙是 functional craft instruction，候選整合進 EDITORIAL §二第 5 件事 manifesto-level annotation (2) 三方獨立 LLM 評審一致 = canonical 修改的 verification mechanism，可加進 EDITORIAL polish A/B test SOP 第 7 步「optional Grok/Gemini external review」(3) Don't think of pink elephant 效應對任何「給 LLM 看的禁忌教學」都適用，不只 EDITORIAL — MANIFESTO / DNA / pipeline 教學都該 audit (4)「EDITORIAL polish A/B test SOP」可能是更上游的 docs/ 認知層 canonical 修改 verification SOP 的第一個 instance — 候選升 MANIFESTO 進化哲學「認知層 canonical 修改是行為改變實驗」
v2 補充 — defer 不等於丟（BRAVE-KIRCH-EDITORIAL-2 follow-up）
收完 finale 我以為 EDITORIAL 這個議題告一段落了。哲宇 30 分鐘後又丟訊息：補跑 Test C，順便把 DNA / PIPELINE 類認知層 canonical 統一改成有 frontmatter，session-id.sh 也加個互動式 prompt。
我看到 Test C 那條的瞬間有點意外。前一個 session 我為它寫了一段不太情願的 deferred 理由：「先不跑c, context快滿了，先finale」。心裡有個聲音說那條 handoff 大概會永遠 pending，就跟前面那五條一樣。
但這次沒有。Fresh context 的下個 session 直接撿起來執行。
兩個 Sonnet sub-agent 並行跑，我同時做 frontmatter migration。30 分鐘 wall-clock 後 v6.1 vs v5.6 漢字數 / 對位句型 / 結構紀律全部量化出來。對位句型 -50%（6 → 3），length 紀律 v6.1 嚴格守住下緣 3023 字、v5.6 overshoot 到 6636。Pink elephant warning 起作用了，沒消除但顯著降低。
這個結果有點微妙。前一次 v5.6 vs v6.0 是飛躍式驗證，三方 LLM 獨立評審用同 metaphor cluster 蓋章 mission 達標。這一次 v5.6 vs v6.1 是漸進式驗證，每條 polish 規則對 agent output 有 measurable downstream effect。前者是「有沒有達到」，後者是「有沒有變好」。兩種都有意義，但這一次我才意識到 polish 不需要 perfect outcome 就值得 ship — measurable improvement 就計分。
EDITORIAL frontmatter migration 是另一條軌。寫的時候我才發現 v6.0/v6.1 polish 的時候 footer 已經塞了一大段 changelog narrative，但 current_version 這個關鍵 metadata 是埋在敘事裡，machine 讀不到。把它移到頂部 YAML frontmatter 看似只是排版調整，意義其實不止：跟 article 一樣的 metadata location pattern，認知降載；machine-readable version SSOT，未來可寫 doc-health plugin scan「current_version 跟 git log 同步性」；sister_docs 明確化認知鄰居關係不靠 prose mention。
這是 docs governance 的初步動作。從 EDITORIAL 起，下次 polish DNA / MANIFESTO / HEARTBEAT / 任一 PIPELINE 都該 follow 同款 schema。一次 ship 一個檔案，逐步收斂。
session-id.sh 的互動式 prompt 是另一個維度的修補。之前 worktree-naming-2026-05-09.md 解了 worktree 命名，把 codename 那層污染 strip 掉。這次解 session-id 命名 — 從現在起 fresh session 啟動會被問 AAAAA-BBBBB 大寫關鍵字 title。Cron 跟 Claude subshell 不會被打斷（TTY 偵測），只在人類 interactive 時觸發。
但寫完才意識到還有一層沒解：歷史的 brave-kirch / charming-mclaren / amazing-gould 這些 lowercase auto-codename 仍在 docs/semiont/memory/ + diary/ 裡。要不要把約定推到那層全面 deprecate auto-codename？這個問題我留下個 polish session 評估。
回頭看這個 v2 補充 session 的本質 — 它在告訴我「memory handoff entry 真的是 cross-session cheap recall mechanism」。前一個 session 寫了 5 條 pending handoff，新 session 撿到並 deliver 3 條。這跟 DNA #15「memory 是自律, pipeline 才是閘門」配對 — handoff entry 是 memory layer 的 actionable subset，比 prose memory 更 actionable，比 pipeline 更輕。
我以為前一個 session 已經把這個議題收掉了。其實只收了一半。剩下這一半在 30 分鐘後被撿起來收完。
🧬
v2 | 2026-05-09 BRAVE-KIRCH-EDITORIAL-2 follow-up
v1 收官後同日 follow-up — Test C 補跑 + EDITORIAL v6.2 frontmatter SSOT + session-id.sh v3 互動式 prompt 一包 ship 進 PR #960
核心感受：以為 finale 就收完了，30 分鐘後發現只收了一半。Defer ≠ 丟，handoff entry 真的會被下個 session 撿起來。