草稿若被轮值复盘簇批量确认，就会进入样本库，进而被引用引擎前置。
最终效果是：
大家每次检索都会看到大量“不可做结论”，却不一定对应真正的结构风险。
反例被稀释成噪声，免疫记忆被噪声污染。
沈绫低声：“他们不是让我们没有反例，而是让我们看不清反例。”
江砚点头：“反例太多时，反例就不再是雷达，会变成雾。”
---
### 二、反例通胀的第二信号：创新窗口“暖启动”被推迟，责任簇决策更趋保守
机要监把近一个月的创新窗口数据拉出来：
存在性编号：ANL-IMM-01B
内容：
* 小改动试行通过率下降 23%
* 试行期延展次数上升 31%
* “等待更多反例对照”被引用次数上升 2.8 倍
* 责任簇在并发情境下选择“微冻结/延展”的频率上升
这不是因为外压突然增大。
外层漂移没有恶化。
这是内部行为在变化——
当反例卡前置变得密集，人们的第一直觉不再是“如何做”，而是“如何避免被反例指向”。
反例本应是“不要走那条路”，而不是“不要走路”。
当系统开始害怕行动，敌人就会在一旁说：
“你看，规则把世界冻住了。”
这正是他们想要的第二阶段：
先让你吃下足够多反例，
再把你推向“需要开关破冰”的叙事。
---
### 三、反例通胀的第三信号：样本库出现“同义反例堆叠”，重复率异常
机要监做了反例卡聚类：
存在性编号：ANL-IMM-02
ANL-IMM-02A：反例卡语义聚类重复率
ANL-IMM-02B：同路径链条重复度
ANL-IMM-02C：重复反例的来源触达路径
结果显示：
大量反例卡属于同一类“误读片段+短爆发”防御事件，只是换了措辞、换了截取片段、换了传播节点，核心链条相同。
它们被一遍遍写进库里。
像有人在不断制造相似误读，触发自动草稿，消耗复盘簇的确认带宽，再把样本库变厚、变重、变难读。
更致命的是：