激励塑造

时机：在执行者内部。 改变的是执行者自身的倾向。

• 计算机侧：RLHF、微调、LoRA
• 社会侧：教育、文化、习惯

拆开看：7a（权重层）属于模型厂商，对应的是狭窄、重复出现的场景。7b（文本层）才是你的地盘——每一次锁拒绝都自动生成一条规则修复提案 → meta-gate（由人来批准）→ 写入 skill / CLAUDE.md，也就是把激励塑造编译进一种不贬值、可审计、跨模型的介质；这份账本本身就已经是数据集（参见 Hermes 的自我演化，只差铸币权）。修改它必须通过一道 gate——"skill 库就是策略层的宪法"。

Up: control-methods