第五层第二篇——整套知识库的收官。01–17 是知识、18 是核查工具，19 是驱动前 18 篇全部成立的"那条 学习态度"：所有断言都得被证据支撑，包括（特别是）我自己的断言；错了就保留更正轨迹，不删不抹。 docs 2026-05-19 那条"不对吧，人家是实实际际在做且拿到结果赚到利润的"用户挑战，是本项目最珍贵的史料 ——它是我把"残差 = footprint" 这条核心方法论从一次错读中拔出来的支点。本篇把那次更正从单点事件 抽象为一套可复用的学习纪律。沿用 01–18 的村庄画面。结构见 README.md §1。

0. 一句话本质

Evidence-first = 把"我相信"和"我验证过"在脑子里做严格区分，默认前者为 0， 每一条非平凡断言都得有可被独立复算的证据支撑。代价是慢 5×、需要公开承认错误**、 不能靠权威拍胸口；回报是真知——那种你 5 年后回头看仍站得住的判断。 这套纪律最难的不是对外坚持，是对自己坚持:看到自己分析错了，能不能不删不抹、 把更正轨迹完整留下来作为"未来不再犯"的物证。docs 2026-05-19 的那次自我更正就是 项目里 evidence-first 在自我身上跑通的样板。**

1. 怎么产生的:它解决什么问题

01–18 全部建立在"被验证过的事实"之上。19 是这条态度的显性化:

  1. 你前 18 篇说的每个数字（487,252 / 897,176 / 0.00105 ETH / 33 链）从哪来？ ⇒ 都是真测过 / 真核查过的。从来不是 "差不多"、"我记得是"、"网上说"。
    • gas 数字 = forge test 实跑输出
    • 链上地址 = 跨多 explorer 现场核查
    • LayerZero / Aave / Uni V2 / Chainlink 配置 = 主网 storage 读出
    • 这就是 evidence-first 在项目数据层的体现:每一句都可被独立重跑。
  2. 如果某个事实写错了怎么办？ ⇒ 我们的 docs/学习路径方案.md 已经发生过一次:2026-05-19 我把"残差 ≈ 0"读为 "没机会"——错。修法:不删旧文字、加新日期、写明更正理由 + 用户挑战原文。 这样未来读这份归档的人能看到"曾经犯过这个错"——这是反复犯同类错误的最好预防。
  3. 为什么不直接编辑掉错的部分？干净不更好？ ⇒ 因为错误是数据:
    • 别人能从你的错误轨迹判断"你哪类问题容易栽"
    • 未来的你看到旧错能避免重蹈
    • 抹掉错误的人 = 在堆"我从来不错"的假象，反而更危险
    • 这就是为什么本 KB 每篇都有"Q&A / 更正记录区"且严格按日期追加。
  4. evidence-first 是不是太慢了？普通人哪有时间凡事都测？ ⇒ 不是凡事。只对 load-bearing claim 做——你的判断/决策依赖它的那些断言。 比如:"USDC 用 6 decimals" 是 load-bearing（影响所有金额计算）→ 必须测。 "Vitalik 喜欢吃什么" 不是 → 不用测。
    • 关键技能是识别哪些断言是 load-bearing——这是经验积累的能力。
  5. 如果数据/逻辑互相矛盾我怎么办？ ⇒ 数据赢。从无例外。这是 17 §6 跨链残差案的实践:
    • 我的逻辑:"价差 < 桥成本 → 没机会"
    • 用户提示的数据:"0x65A8 实实在在赚钱"
    • 我的更正:重新解释逻辑——残差 = footprint——让逻辑符合数据
    • 不让数据屈服于逻辑，永远是反过来:逻辑屈服于数据。
  6. 谁能挑战我的判断？非专业人士能吗？ ⇒ 任何人。evidence 不分故事来源:
    • 朋友 / 用户 / 不懂技术的家人 / 看起来"显然错"的小白挑战 → 都是数据
    • 我的反应只能是:1) 听清楚他在说什么 2) 验证他的事实 3) 调整自己（或反证）
    • 不能反应:"你不懂"、"专家是这么说的"、"你这种人懂个屁"
    • docs 2026-05-19 那次挑战来自用户，他用的就是常识 + 朴素疑问，不是技术分析。 朴素疑问把我专业分析里的反向因果错误拍出来——这是 evidence-first 最美的瞬间。
  7. 如何在团队/合作里推 evidence-first？ ⇒ 不强推。自己跑通 + 公开错误 + 拿数据说服——这套自然有传染性。 强推会激发对抗，"我从来不错"会增加。
    • 这是为什么 19 篇放在 KB 末尾——它不是入门门票，是走完全程后的回望整理。

→ 这一篇答全部。

2. 它本质在做的"那一件事"

把"知识"从"我相信"提纯到"我测过且能给你复跑的步骤"。 这是科学方法在工程/金融/链上世界的具体化:默认怀疑、刻意验证、保留错误、欢迎挑战。 在 AI / 噪声 / KOL 营销 / 大佬喊单充斥的当代信息环境里，evidence-first 是少数能在 5 年后仍可靠的学习态度。 docs 2026-05-19 那条自我更正 + 18 §6 双案 + 14-17 wei-exact 数字网 → 全部是它的具体物质化。

→ 这是 KB 19 篇背后唯一的"那条线":前 18 篇是这条线上挂的具体知识； 拿掉这条线，KB 就只是另一份"加密入门教程"——网上几百份。

3. 类比:村庄的"实验科学家"

01–18 的村庄已经有了所有设施和方法。19 加的是一种人物:

┌── 实验科学家 vs 听信传闻者 ────────────────────────────────┐
│                                                              │
│  传闻者:                                                     │
│    朋友说"X 桥不错" → 跟 X 桥转钱 → 桥 hack → 钱没了        │
│    群里说"A 地址在套利" → 跟单 → 亏                          │
│    自己读"价差 10 bps 没机会" → 但不知道为什么 → 听天由命     │
│                                                              │
│  实验科学家:                                                 │
│    朋友说"X 桥不错" → etherscan 核查 + 看历史漏洞 + 资金量    │
│                     → 自己 5 分钟核查后才决定                │
│    群里说"A 地址在套利" → 18 §6 核查 → verdict → 永不跟单     │
│    自己读"价差 10 bps 没机会" → 用户挑战 → 我更正:           │
│                     "残差 = footprint" → 全 KB 重新校准      │
│                                                              │
│  二者区别不在能力，在态度:                                   │
│    传闻者:"我信" → 行动                                      │
│    科学家:"我信什么？凭什么？数据呢？复盘呢？错误呢？"        │
└─────────────────────────────────────────────────────────────┘

→ 这就是 evidence-first 在日常生活里的样子。技术 / 工程 / 金融 / 医学 / 创业 都一样—— 任何有真实成本的事，evidence-first 都该是默认态度。

4. 核心关键点（5 条）

  1. 四种"我知道"的可信度阶梯:

    级别 来源 可信度 例子
    1. Authority 某人说 ★ "听某 KOL 说 X 桥安全"
    2. Theory 模型推 ★★ "AMM 数学说残差应趋零"
    3. Experiment 自己测 ★★★★ "fork 测试 12/12 wei-exact 通过"
    4. Production 真世界长期跑 ★★★★★ "0x65A8 跨 33 链 ~407k 笔已确认主网行为"
    • 公共信息环境大部分卡在 1
    • 学术大部分在 2
    • 高质量工程在 3
    • 真正知识在 4
    • 本项目尽量推到 3-4——这就是为什么所有数字都是真测、所有地址都是主网现查

  2. Evidence-first 五条工作纪律:

    • Test before assert:任何 load-bearing claim 落笔前先有可复算证据
    • Wei-exact when possible:精度具体到能复现的最小单位；"大约 5%"会藏 100 倍的错
    • Failure modes documented:不只写"做对了哪些"，也写"曾经错在哪里"
    • Self-correction archived:更正按日期追加，绝不删旧文字
    • External challenge welcomed:用户/朋友/路人的挑战都是数据，听清楚 → 核查 → 调整或反证

  3. 常见的反 evidence-first 失败模式（接 18 §4.5）:

    • Reverse causality:把结果当原因（我曾犯的"残差=没机会"就是这条）
    • Survivorship:只看赢家忽视输家
    • Confirmation:只找支持已有信念的证据
    • Authority bias:权威说的优先
    • Theory-data conflation:模型说该是 X，数据是 Y → 怀疑数据；这是科学头号坏习惯
    • Over-attribution:从单一观察反推完整因果链（18 §7）
    • Stale evidence:用旧数据当现状

  4. Evidence-first 的代价 vs 回报:

    代价 回报
    慢 5×（每个 claim 都要核查 / 测试） 5 年后判断仍站得住
    需要公开承认错误 错误数据 = 反复犯错的最佳预防
    不能靠"专家说"舒适 不被任何 KOL / hype / scam 牵着走
    自我怀疑常驻 真正的"知道"取代"以为知道"
    • 这是为什么大多数人不做:短期代价具体可见，长期回报抽象
    • 但对有真实成本的事（钱 / 健康 / 关键决策），evidence-first 不可替代

  5. 本项目的 evidence 链全景（怎么从 01 走到 19 都靠 evidence）:

    • Phase 1: 3352 次 CEX 价差测量，0 正残差
    • Phase 4: 12/12 wei-exact fork tests; demo-backrun P1 = P2 字节级一致
    • Phase 5: demo-flashbots 真 relay 握手 → 1050000000000000 wei structured error 端到端证明
    • Phase 4 跨链补遗: 3 链 WETH ~10 bps 残差 + 0x65A8 / 0x6bdc 双核查
    • docs 2026-05-19 自我更正:从"残差=没机会"到"残差=footprint"的转向
    • 每个 gas 数字（306k arb / 487k 多池 / 897k 清算 / 271k revert）都是 forge 真跑出来的
    • 每个地址（USDC / WETH / Aave / Chainlink / 0x65A8 / 0x6bdc）都是主网现查的
    • 整套 19 篇 KB 没有一处"我猜想 / 大概 / 我以为"——每一条都可被独立核查

5. 必须先认识的前置名词（小词典）

名词 一句话 类比
evidence-first 默认不知道、要有证据才相信 实验科学家心态
load-bearing claim 你的决策依赖它的那种断言 房梁
wei-exact 精确到最小单位（1 wei = 10^-18 ETH） 微克级
falsifiability 一个断言能被实验证伪 "可被实验推翻"的资格
reverse causality 把结果当原因 看尸体说"葬礼会让人死"
survivorship bias 只看活下来的 只看战场上还能说话的兵
confirmation bias 只找支持已有信念的证据 戴特定颜色眼镜看世界
authority bias 权威说的优先 听爹妈的不听数据
theory-data conflation 模型与现实搞混 把地图当地形
over-attribution 从少量观察推完整因果 看 1 笔 tx 推 100 笔策略
stale evidence 用旧数据当现状 用 2008 房价指导今天买房
self-correction archive 错误轨迹的日期化保留 实验日志
external challenge 别人对你结论的质疑 同行评审
public good correction 自己改正供他人参考 共享反思
fact-anchored writing 每个事实都链接到可核查源 学术引用

6. 一个完整过程走一遍:本项目 evidence-first 的真实工作循环

走一遍完整循环——从一个断言 → 实验 → 错读 → 挑战 → 更正 → 落入 KB:

─── T0: 我做完 Phase 4 跨链补遗 ─────────────────────────────
观察:跨 3 链 WETH 价差 ≈ 10 bps（实测数据）

─── T1: 我做初步分析 ──────────────────────────────────────
跨链桥成本 ~3-15 bps + 1-15 分钟延迟
逻辑:"10 bps < 桥成本 + 风险 → 没机会"
我得出:"跨链套利对 retail 不可执行"
我写进 crosschain-observe.ts verdict

─── T2: 用户挑战 ──────────────────────────────────────────
用户:"不对吧，人家是实实际际在做且拿到结果赚到利润的，
       照你这一波分析一样都不符合啊"
+ 提供地址 0x65A8F07Bd9A8598E1b5B6C0a88F4779DBC077675

─── T3: 我的反应（evidence-first 的关键时刻）─────────────
错误反应:"用户不懂技术，我专业分析过"
正确反应:"听清楚他在说什么 → 验证他的事实"
我执行 18 §6 5-步核查 0x65A8:
  - nonce 高、~407k tx、33 链活跃
  - verdict: 真职业跨链运营
**数据胜出**:确有人在做并赚钱

─── T4: 我开始想 ───────────────────────────────────────────
"既然有人在做并赚钱、而残差 ≈ 0，那残差 ≈ 0 不能等于"没机会"
那它等于什么?"
新解读:残差 ≈ 0 = **职业玩家持续套到剩下的均衡点**
        = "footprint of profitable operators，不是 absence of opportunity"

─── T5: 我更正 ──────────────────────────────────────────────
更新 docs/学习路径方案.md:
  - 不删旧文字（"我曾读为'没机会'"保留）
  - 加新日期 2026-05-19
  - 写明更正理由 + 用户原话完整保留
更新 crosschain-observe.ts 输出 verdict
更新 code/phase4-onchain-basics/notes-crosschain-layerzero.md §2.1 / §7
后来落入 notes/15 §4.4 / 17 §6 / 18 §4.3 / 19 §6（本篇）

─── T6: 这条更正成为 KB 的"骨架"───────────────────────────
"残差 = footprint" 现在贯穿:
  - 14 §8 末（看到机会 ≠ 抢到执行权）
  - 15 §4.4（残差精确机制）
  - 17 §0 / §8（跨链场景的精确版）
  - 18 §4.3（地址是结果不是策略的根本原则）
  - 19 §0 / §1 / §6（evidence-first 的样板案例）

→ 从一次错读 → 5 篇核心 notes 的支柱原则——这就是 evidence-first 自循环的全部价值。

这一过程的可复用模板 

1. 我做出 X 断言（基于已有逻辑）
2. 外部数据 / 挑战 → 与 X 矛盾
3. **不要本能反驳**——先验证挑战的事实
4. 如果挑战事实成立 → 我的逻辑有 bug → 找 bug
5. 写新解读，**保留旧解读 + 找 bug 的过程**
6. 用新解读更新所有依赖原断言的文档
7. 把这次更正存档（19 §0 "不删不抹"）

→ 每经过一次完整循环，KB 鲁棒性 +1
→ 经过 N 次循环的 KB ≫ 没经过的"看起来完整"KB

7. 常见误区（逐条拍死）

误区 实情
"Evidence-first 太慢，赶不上节奏" 慢的是错误判断带来的代价。evidence-first 实际上更快——5 分钟核查救几个月
"凡事都测不可能" 只测 load-bearing claim。识别 load-bearing 是核心技能
"犯错就改掉，干净点" 错误是数据。删除等于堆"我从来不错"的假象
"权威说的不用核查" 越是权威越要核查——他们的错被引用得最广
"用户/外人挑战是攻击" 是数据。evidence-first 的反应只有 3 种:听清楚 / 核查 / 调整或反证
"理论说该是 X，但数据是 Y——数据肯定测错" 反了。数据永远先于理论。理论该被改
"AI 现在啥都说，evidence-first 没用" 反了。AI 时代 noise 更多，evidence-first 更稀缺
"Evidence-first 是学术象牙塔的事" 错。任何有真实成本的事都该用
"公开承认错误丢人" 不公开承认才丢人。错而不改导致反复犯同类错才是真丢人
"5 年前的判断现在还对，说明 evidence-first 不必要" survivorship。5 年前类似判断有 1000 个，对的可能是运气
"Self-correction 别人会拿来攻击我" 想攻击的人不用你的更正轨迹也能攻击。反而坦诚轨迹让你长期可信
"我已经按 evidence-first 做了" 你确定吗？看看你的最近 10 条断言每条有几条 evidence。多数人测验后发现:其实不到 30%。

8. 与本项目实践的对应

docs 2026-05-19 自我更正（项目里 evidence-first 的核心案例）

  • 详见 §6 完整复盘
  • 该条更正现在贯穿 14 §8 / 15 §4.4 / 17 §0§6§8 / 18 §4.3 / 19 §0§1§6（本篇）
  • 是整个 KB 19 篇能站在一起的最重要的脚手架

项目里的失败保留清单（不删不抹原则的物质化）

  1. publicnode mempool filter 5s 过期（05 §3.2 / 14 §8）→ 不是"我没用过专业 RPC"，是写下"为什么 publicnode 不行"
  2. predictBackrun factory mismatch（14 §8 / 18 §8）→ 不删旧 bug，写下"曾误报"
  3. 25% WETH crash 不够触发清算（11 §8）→ 不删，写下"为什么 45% 才行"
  4. viaIR Stack too deep（07 §1.5 / §8）→ 不删初始 fail，写下根因
  5. anvil_mine vs evm_mine 误用（保留在 Phase 5 调试日志）
  6. 残差 reverse causality 错读（docs 2026-05-19 / 本篇 §6）→ KB 最重要的更正
  • 这些都没被编辑掉——每一条都在某处 KB / 代码 / docs 里被找到、被注明日期、被说"我曾这么错过"

项目所有 evidence 链的全景汇总（接 §4.5）

项目阶段 Evidence 单位
Phase 1 CEX 价差测量 3352 次 / 0 正残差
Phase 4 fork tests wei-exact 12/12 通过
Phase 4 demo-backrun P1 = P2 字节级一致 = 2419.7984 USDC
Phase 5 Flashbots 真 relay 握手 structured error 1050000000000000 wei = 0.00105 ETH
跨链补遗 3 链 WETH 残差 ~10 bps + 0x65A8 / 0x6bdc 双核查
docs 自我更正 用户挑战 + 我更正 2026-05-19 完整保留
Gas 数据 forge 真跑 306k arb / 487k 受害者偏 / 897k 清算 / 271k revert 等
地址 主网现查 USDC / WETH / Pool / Oracle / Chainlink / 33 链 etc.

→ 本 KB 没有一条数据是手画的、估的、记忆的。全部可被任何人独立复跑。

Three-Corner Closure 是 evidence-first 的工程化（接 README §4）

  • notes/:解释（知识，01-19）
  • code/:实现（测试，Phase 0-6 + watcher + Flashbots）
  • docs/:归档（结论，含 2026-05-19 自我更正 + 7 阶段诚实结论链）
  • 三者必须互相印证:有 notes 没 code 测 = 空话；有 code 没 docs 归档 = 没结论；有 docs 没 notes 解释 = 黑箱
  • evidence-first 是让这三角对齐的纪律

整个 KB 19 篇的"骨架式"回顾

层 题 evidence-first 在此层的体现
1 (01-05) 基础 类比 + 真实地址 + 主网核查、不停留在"差不多就这样"
2 (06-09) 以太坊 / EVM / 合约 / ERC-20 每个 gas 数字 + storage 槽公式都可主网现验
3 (10-13) DeFi getAmountOut wei-exact + AaveOracle mock 字节级 + 闪电贷 6 步原子原理
4 (14-17) MEV + 跨链 demo-backrun P1=P2 + demo-flashbots structured error + 0x65A8 实证 + docs 自我更正
5 (18-19) 方法论 5 分钟核查 checklist + evidence-first 五纪律

→ 19 篇连成一条单链:每一篇都依赖前面的事实、每一篇都被 evidence-first 串起。 这种结构本身就是 evidence-first 的实物。

9. 自检问题（答得出才算过）

  1. "我知道" 的四级可信度阶梯是什么？给自己最近 10 条断言归类一遍。
  2. Evidence-first 五条工作纪律是什么？最难做到的哪一条？为什么？
  3. Load-bearing claim 怎么识别？给 3 个最近你做过的判断、分类哪些是 / 哪些不是。
  4. 数据和逻辑矛盾时，evidence-first 的规则是什么？为什么这条规则反人性？
  5. "残差 = footprint" 这条 KB 核心方法论的产生过程是什么？走 §6 全 6 步。
  6. 你愿意为 evidence-first 付什么代价？这些代价对你目前生活的具体场景是怎样的？
  7. 三-角闭环（notes / code / docs）在你过去的工作里是否出现过缺角？哪角缺最多？
  8. 5 年后回看现在的判断，预先写下哪些你愿意被未来证伪、哪些不愿意？为什么后者危险？

── Q&A / 更正记录区（按日期追加）──

规范见 README.md §0。质疑/反馈/纠错按日期累积，不抹错误轨迹。

  • 2026-05-19（docs 同步追溯）：

    本篇所述的"evidence-first 五纪律"的样板案例就是这一天。

    用户原话:"不对吧，人家是实实际际在做且拿到结果赚到利润的，照你这一波分析一样都不符合啊"

    这条挑战完整保留在 docs/学习路径方案.md 2026-05-19 / 17 Q&A 区 / 18 Q&A 区 / 本篇 §6。它从一次单点错读 → 5 篇核心 notes 的支柱原则，是 KB 19 篇能站立的核心脚手架。

    没有这条挑战:KB 会以"残差 = absence"为基础写作 → 后果不堪设想（误导未来读者 + 让 docs/学习路径方案.md 7 阶段结论的第 7 条"诚实更正"无法存在）。

    这条挑战是项目里最珍贵的史料。

  • (2026-05-21 编纂为系统化笔记。19 篇 KB 至此完整。)

✦ 19 篇 KB 收官 ✦

01–05 基础 / 06–09 以太坊 / 10–13 DeFi / 14–17 MEV+跨链 / 18-19 方法论。 19 篇互相印证、字节级数据可复算、所有错误轨迹保留、所有断言可被独立核查。 这不是一份"加密入门教程"——它是一份evidence-first 学习态度跑通一整个领域的物质化样本。

看完不代表懂；自己跑通其中至少一条 evidence 链才代表懂。 项目永远欢迎任何挑战:任何你能找出的事实错 / 逻辑错 / 自我更正不彻底处，都按 Q&A 区追加。 错误是数据。