知識—行動轉移動力學：從陳述性表徵到行為實施的門控機制

Knowledge–Action Transfer Dynamics: Gating Mechanisms from Declarative Representation to Behavioral Implementation

作者：Neo.K
機構：一言諾科技有限公司（EveMissLab）
版本：v1.0
日期：2026 年 7 月
文件性質：認知動力學系列核心理論論文
系列位置：第 8 篇／知識—行動轉移篇
前置依賴：第 1 篇《認知事件—算子架構》、第 2 篇《選擇配置動力學》、第 5 篇《記憶動力學》、第 6 篇《認知激活—可塑性動力學》
公開定位：中層理論、準形式化模型、可檢驗研究綱領

摘要

「知道卻做不到」是教育、健康、組織、技能訓練與自我調節中反覆出現的現象。既有《知行轉化動力學》以一個獨立的行動能力因子 $B$ 描述從知識到行動的斷裂，並將程序、習慣、觸發與動機乘法化。然而，該結構與記憶、選擇配置、行動門控、程序性技能與後續痛苦承受理論高度重疊：程序屬於記憶接口，觸發受選擇配置影響，動機與行動成本耦合，習慣又可繞過顯式知識。因此，若把 $B$ 當成獨立「第五能力」，容易形成符號重複與因果含混。

本文提出「知識—行動轉移動力學」（Knowledge–Action Transfer Dynamics, KATD），將知行問題重構為一組狀態轉換、程序映射、情境觸發與行動門控機制。定義與任務 $a$ 相關的陳述性知識表徵：

K_a^{decl}(t)

程序可用性：

P_a^{proc}(t)

情境觸發強度：

C_a^{cue}(t)

行動門控值：

G_a(t) \in [0,1]

以及實際行動：

A_a(t)

本文以：

\mathcal T_{K\rightarrow A}

表示「知識狀態在特定情境下轉移為行動候選與實施」的整體轉移機制，而非新增一個獨立人格能力。一般形式：

A_a(t) \sim \mathcal P \left[ G_a(t) \right]

其中：

G_a(t) = \sigma \left( \beta_0 + \beta_K K_a^{ret} + \beta_P P_a^{proc} + \beta_C C_a^{cue} + \beta_H H_a^{habit} + \beta_V V_a^{goal} - \beta_L L_a^{load} - \beta_R R_a^{risk} - \beta_D D_a^{delay} - \beta_X X_a^{aversive} \right)

此式只是候選門控模型，不是普遍行動定律。

本文正式區分六個不能混同的層次：

\boxed{ \text{Knowledge Existence} \neq \text{Knowledge Accessibility} \neq \text{Procedural Availability} \neq \text{Cue Activation} \neq \text{Action Gating} \neq \text{Execution} }

並指出「知行差距」可能發生於任何一層。本文同時建立兩條主要路徑：（1）審議式知識—程序—門控路徑；（2）習慣式線索—政策—行動路徑。後者可在低顯式知識調用下產生行動，因此：

K^{decl}\uparrow \not\Rightarrow A\uparrow

且：

K^{decl}\downarrow \not\Rightarrow A=0

本文進一步提出知識—程序化、實施意圖、機會窗口、狀態依賴提取、啟動成本、延遲折扣、行動摩擦、習慣旁路、失敗回饋與自我效能更新等模型；並建立競爭假說、可證偽條件與實驗設計。

本文的主要貢獻不是再次宣稱「人類缺乏意志力」，而是把「知道但沒做」重構成一個可定位的轉移問題：

\boxed{ \text{知識是否存在？} \rightarrow \text{當下是否可取？} \rightarrow \text{是否有程序？} \rightarrow \text{是否被觸發？} \rightarrow \text{是否通過門控？} \rightarrow \text{是否完成執行？} }

關鍵詞： 知行轉化、行動門控、程序可用性、實施意圖、情境觸發、習慣、行動摩擦、延遲折扣、知識可達性、行為實施

0. 邊界聲明

本文首先明確以下限制。

第一，本文不主張：

\text{Knowledge} \Rightarrow \text{Action}

第二，本文不主張：

\mathcal T_{K\rightarrow A}

是一個單一腦區、單一人格能力或單一生理模組。

第三，本文不主張：

B = B_{\text{程序}} \times B_{\text{習慣}} \times B_{\text{觸發}} \times B_{\text{動機}}

是普遍定律。

第四，本文不把所有不行動解釋為：

懶惰；
意志力不足；
動機低；
痛苦耐受差。

第五，本文不把習慣視為知識的低級版本。

第六，本文不主張所有行動都需要顯式陳述知識。

第七，本文不把外部結果：

R_t

直接等同行動品質。

第八，本文中的數學主要是：

定義；
候選模型；
可檢驗命題；
操作化框架。

1. 問題提出：「知道」到底是哪一種知道？

1.1 日常語言的混淆

一個人說：

我知道要運動。

可能代表：

知道運動有益；
知道應做什麼；
知道何時做；
知道如何開始；
知道如何處理疲勞；
已經形成自動程序。

這些不是同一件事。

1.2 陳述知識

定義：

K_a^{decl}(t)

表示主體對任務 $a$ 的陳述性表徵。

例如：

每週規律運動有益健康。

1.3 程序知識

定義：

P_a^{proc}(t)

表示：

主體是否具有可執行的程序映射。

例如：

穿鞋；
到場；
熱身；
按順序完成動作。

因此：

K_a^{decl} \neq P_a^{proc}

1.4 行動

實際行動：

A_a(t)

仍需通過情境與門控。

所以：

\boxed{ K^{decl} \neq P^{proc} \neq A }

2. 前置架構中的位置

第 1 篇建立：

\mathcal S_t = ( X_t, \Pi_t, O_t, U_t, \mathcal M_t, G_t, A_t )

本文展開：

G_t

以及：

\mathcal T_{K\rightarrow A}

其中：

\mathcal T_{K\rightarrow A}

不是新的總狀態維度。

它表示：

知識表徵、記憶接口、情境線索、程序、成本與門控共同作用後，形成行動的轉移過程。

3. 為何原 $B$ 需要重構

3.1 程序與記憶重疊

原：

B_{\text{程序}}

其實對應：

\mathcal M^{proc}

3.2 習慣與程序／記憶重疊

原：

B_{\text{習慣}}

涉及：

重複；
線索；
自動政策；
程序化。

不應再成為獨立能力。

3.3 觸發與選擇配置重疊

原：

B_{\text{觸發}}

涉及：

\Pi_t(e)

與：

a_e(t)

3.4 動機與成本重疊

原：

B_{\text{動機}}

可能同時包含：

目標價值；
延遲折扣；
厭惡成本；
風險；
身份。

因此需要拆分。

3.5 重構結論

所以本文不再：

\text{Knowledge} \times B \rightarrow \text{Action}

而改為：

\boxed{ \mathcal T_{K\rightarrow A} = \mathcal F \left( K^{ret}, P^{proc}, C^{cue}, H^{habit}, V^{goal}, G, X, E \right) }

4. 六個不能混同的層次

4.1 知識存在

K_a^{exist}>0

表示系統中存在與任務相關的知識痕跡。

4.2 知識可達

K_a^{ret}(t)

表示當前能否提取與任務相關的知識。

因此：

K_a^{exist}>0 \not\Rightarrow K_a^{ret}(t)>0

4.3 程序可用

P_a^{proc}(t)

表示是否有可執行步驟。

所以：

K_a^{ret}\uparrow \not\Rightarrow P_a^{proc}\uparrow

4.4 線索啟動

C_a^{cue}(t)

表示當前情境是否觸發對應行動候選。

4.5 行動門控

G_a(t)

表示行動候選是否通過成本、價值、風險與狀態評估。

4.6 執行

A_a(t)

表示實際行為是否發生並持續到完成標準。

因此：

\boxed{ K^{exist} \neq K^{ret} \neq P^{proc} \neq C^{cue} \neq G \neq A }

5. 知識—行動轉移算子

5.1 一般形式

定義：

\mathcal T_{K\rightarrow A} : ( K_t, \mathcal M_t, X_t, E_t ) \rightarrow \mathcal A_t^{cand}

其中：

\mathcal A_t^{cand}

是候選行動集合。

5.2 候選生成不等於執行

即使：

a \in \mathcal A_t^{cand}

也不推出：

A_a(t)=1

還需要：

G_a(t)

5.3 門控模型

候選：

G_a(t) = \sigma \left( z_a(t) \right)

其中：

z_a(t) = \beta_0 + \beta_K K_a^{ret} + \beta_P P_a^{proc} + \beta_C C_a^{cue} + \beta_H H_a^{habit} + \beta_V V_a^{goal} - \beta_L L_a^{load} - \beta_R R_a^{risk} - \beta_D D_a^{delay} - \beta_X X_a^{aversive}

5.4 執行模型

A_a(t) \sim \operatorname{Bernoulli} \left( G_a(t) \right)

只是最簡二元候選。

連續行動可用：

A_a(t)\in[0,1]

表示完成度。

6. 審議式路徑

6.1 一般路徑

K^{decl} \rightarrow K^{ret} \rightarrow P^{proc} \rightarrow C^{cue} \rightarrow G \rightarrow A

這只是功能分解，不是唯一線性因果鏈。

6.2 知識提取

K_a^{ret}(t) = \mathcal M_t^{ret} \left( K_a^{exist}, Q_t, C_t, X_t \right)

6.3 程序化

定義程序化算子：

\mathcal PZ : K^{decl} \rightarrow P^{proc}

但：

\mathcal PZ

通常需要：

練習；
回饋；
分解；
情境映射。

7. 習慣式旁路

7.1 線索—政策路徑

某些行動可經：

C_a^{cue} \rightarrow \pi_a^{habit} \rightarrow A_a

其中：

\pi_a^{habit}

是習慣政策。

7.2 可繞過顯式陳述知識

因此：

K_a^{ret}\approx0

但：

A_a=1

仍可能成立。

例如熟練技能。

7.3 習慣不是永遠更好

習慣可能：

提高穩定性；
降低決策成本；

也可能：

對環境變化遲鈍；
固化錯誤程序。

8. 程序化動力學

8.1 程序可用性

定義：

P_a^{proc}(t) \in [0,1]

8.2 候選更新式

\frac{dP_a^{proc}}{dt} = F_{practice} + F_{feedback} + F_{chunking} - F_{interference} - F_{decay}

8.3 一個候選

\frac{dP_a^{proc}}{dt} = \alpha N_a^{practice} + \beta Q_a^{feedback} + \gamma C_a^{chunk} - \lambda I_a - \kappa P_a^{proc}

不作普遍定律。

8.4 程序化與陳述知識可分離

K^{decl}\uparrow

但：

P^{proc}\downarrow

是典型知行斷裂之一。

9. 情境觸發

9.1 定義

C_a^{cue}(t)

表示情境是否提供：

時間；
地點；
物件；
社會；
內部狀態；

等觸發線索。

9.2 無觸發

一個人可能：

記得；
會做；

但在真正情境中沒有喚起。

即：

K^{ret}\uparrow

P^{proc}\uparrow

但：

C^{cue}\downarrow

9.3 實施意圖

定義映射：

\mathcal I_a^{impl} : C^{cue} \rightarrow A^{cand}

例如：

如果晚上七點到家，就先換運動服。

可提高：

P \left( A^{cand} \mid C^{cue} \right)

10. 機會窗口

10.1 有知識也需要可行時空

定義：

W_a(t) \in \{0,1\}

表示時間 $t$ 是否存在行動機會窗口。

10.2 沒有窗口

若：

W_a(t)=0

則不行動不能直接解釋為意志失敗。

10.3 有效門控

可寫：

G_a^{eff}(t) = W_a(t) G_a(t)

11. 目標價值與延遲折扣

11.1 目標價值

V_a^{goal}(t)

表示行動對當前目標的預期價值。

11.2 延遲收益

若收益在：

\Delta t

後才出現，定義折扣：

D_a^{delay} = \mathcal D \left( \Delta t \right)

11.3 即時成本與延遲收益

很多知行問題不是不知道，而是：

C_a^{now} > V_a^{future,discounted}

至少在當下門控模型中如此。

12. 行動摩擦

12.1 定義

F_a^{fric}(t)

表示從候選到執行的環境與程序摩擦。

包括：

工具沒準備；
地點太遠；
步驟太多；
登入麻煩；
切換成本。

12.2 摩擦不是動機

F_a^{fric}\uparrow

可使：

A_a\downarrow

即使：

V_a^{goal}\uparrow

12.3 摩擦設計

因此干預可以是：

F_a^{fric}\downarrow

而不是：

更努力。

13. 啟動成本與持續成本

13.1 啟動成本

C_a^{start}

表示開始行動的成本。

13.2 持續成本

C_a^{maint}

表示維持行動的成本。

13.3 完成成本

C_a^{finish}

表示收尾與完成的成本。

因此：

C_a^{action} = \mathcal C \left( C_a^{start}, C_a^{maint}, C_a^{finish} \right)

不必線性可加。

14. 狀態依賴提取

第 5 篇已指出：

P \left( \mathcal M^{ret} \mid X_t \right)

受狀態影響。

因此：

K_a^{ret}(t)

也受：

壓力；
疲勞；
情緒；
時間壓力；

影響。

14.1 平靜會，壓力下不會

可能：

K_a^{ret}(calm)\uparrow

但：

K_a^{ret}(stress)\downarrow

14.2 所以訓練需匹配狀態

若真正行動環境是：

X^{stress}

只在：

X^{calm}

訓練可能不足。

15. 知行差距的六類失效

15.1 存在失效

K^{exist}\approx0

真的不知道。

15.2 提取失效

K^{exist}>0

但：

K^{ret}\approx0

15.3 程序失效

K^{ret}\uparrow

但：

P^{proc}\downarrow

15.4 觸發失效

C^{cue}\downarrow

15.5 門控失效

G_a\downarrow

由：

成本；
風險；
延遲；
厭惡；

造成。

15.6 執行失效

已開始：

A_a^{start}=1

但：

A_a^{finish}=0

16. 描述性轉移效率

16.1 機會集合

定義：

\Omega_a(T)

為時間窗 $T$ 內任務 $a$ 的有效機會集合。

16.2 描述性效率

候選：

\eta_{K\rightarrow A}(T) = \frac{ \sum_{t\in\Omega_a(T)} \mathbf 1 \left[ A_a(t)=1 \right] }{ \sum_{t\in\Omega_a(T)} \mathbf 1 \left[ K_a^{ret}(t)>0 \right] + \varepsilon }

16.3 不是因果參數

本文明確聲明：

\eta_{K\rightarrow A}

只是描述性指標。

它不代表：

知識造成行動的純因果效應。

17. 局部因果效應

若要估計知識改善的作用，可定義：

\Delta_A^K = \mathbb E \left[ A \mid do(K=K_1) \right] - \mathbb E \left[ A \mid do(K=K_0) \right]

但需要：

干預；
識別；
控制混雜。

因此不能把相關性直接當知識作用。

18. 瓶頸遷移

18.1 補一個瓶頸後，問題會移動

例如先：

K^{ret}\downarrow

經教學後：

K^{ret}\uparrow

接著：

P^{proc}

成為瓶頸。

18.2 定義局部瓶頸

b_i(t) = \frac{\partial A}{\partial z_i}

其中 $z_i$ 可是：

$K^{ret}$ ；
$P^{proc}$ ；
$C^{cue}$ ；
$G$ 。

18.3 最低效益原則的弱版本

若某一節點近似零：

z_j\approx0

則提升其他節點的邊際效益可能下降。

但不使用簡單乘積當普遍定律。

19. 失敗回饋

19.1 行動失敗會反向更新

A_a^{fail} \rightarrow \mathcal M_t \rightarrow X_{t+1}

19.2 可能降低自我效能

定義：

S_a^{eff}(t)

自我效能狀態。

候選：

S_a^{eff}(t+1) = S_a^{eff}(t) + \alpha R_a^{success} - \beta R_a^{fail}

19.3 失敗不是只影響情緒

它還可能降低：

G_a(t+1)

形成退出循環。

20. 成功回饋與習慣化

20.1 重複成功

A_a^{success} \uparrow

可能增加：

H_a^{habit}

20.2 習慣化

候選：

\frac{dH_a^{habit}}{dt} = \alpha A_a^{success} C_a^{cue} - \beta H_a^{habit} - \rho (H_a^{habit})^2

加入飽和。

20.3 知識依賴下降

當：

H_a^{habit}\uparrow

行動可能較少依賴：

K_a^{ret}

21. 「動機」的拆解

本文不使用單一：

M

代表動機。

至少拆成：

$V_a^{goal}$ ：目標價值；
$D_a^{delay}$ ：延遲折扣；
$R_a^{risk}$ ：風險；
$X_a^{aversive}$ ：厭惡成本；
$S_a^{eff}$ ：自我效能。

因此：

\boxed{ \text{Motivation} \text{ is not one scalar by default} }

22. 與厭惡成本的接口

第 9 篇將正式展開：

X_a^{aversive}(t)

包括：

身體不適；
情緒痛苦；
認知負荷；
身份威脅；
不確定性。

本文只保留門控接口。

22.1 高知識仍可被成本阻斷

K^{ret}\uparrow

P^{proc}\uparrow

但：

X^{aversive}\uparrow

使：

G\downarrow

23. 與第 6 篇的接口

23.1 知識激活

a_K(t)

高，不代表程序可塑：

u_P(t)

高。

23.2 高激活低可塑

某人反覆說：

我知道我要改。

即：

a_K\uparrow

但行動程序：

P^{proc}

可能低更新。

24. 與第 7 篇的接口

某些知識—行動差距來自：

支持舊行為的證據高更新；反對舊行為的證據低更新。

即：

u^{+}\gg u^{-}

這可影響：

V^{goal}, G

但不是所有知行問題都屬偏差。

25. 干預原則：先定位故障層

25.1 真不知道

提高：

K^{exist}

25.2 想不起來

提高：

K^{ret}

例如：

提示；
外部記錄；
情境線索。

25.3 不會做

提高：

P^{proc}

例如：

分解；
示範；
練習；
回饋。

25.4 沒被觸發

提高：

C^{cue}

或建立：

\mathcal I^{impl}

25.5 門控失敗

降低：

摩擦；
風險；
延遲；
厭惡成本。

25.6 做不完

處理：

C^{maint}, C^{finish}

26. AI 映射

26.1 AI 也有「知道但不做」

一個 AI 可能：

參數中有知識；
context 中可提取；
卻沒有工具；
沒有權限；
沒有觸發；
policy gate 阻止執行。

26.2 功能映射

K^{exist} \leftrightarrow \text{stored knowledge}

K^{ret} \leftrightarrow \text{retrieval}

P^{proc} \leftrightarrow \text{skill/tool plan}

C^{cue} \leftrightarrow \text{trigger}

G \leftrightarrow \text{policy/permission gate}

A \leftrightarrow \text{execution}

只是功能類比。

26.3 AI 的知行差距常是權限問題

\text{Capability} \neq \text{Permission}

因此不能從：

AI 沒做。

直接推出：

AI 不會。

27. 分層猜想

H1：知識—程序分離猜想

存在任務使：

K^{decl}\uparrow

但：

P^{proc}\downarrow

H2：提取瓶頸猜想

控制知識存在後：

K^{ret}(t)

仍能獨立預測行動。

H3：情境觸發猜想

實施意圖可提高：

P(A\mid C^{cue})

但效果依門控成本而變。

H4：摩擦猜想

控制目標價值後：

F^{fric}\uparrow

可降低行動概率。

H5：瓶頸遷移猜想

成功修復某一節點後，主導瓶頸可能轉移到下一節點。

H6：習慣旁路猜想

高習慣強度下，行動對顯式：

K^{ret}

依賴下降。

H7：狀態依賴猜想

在壓力環境中訓練的程序，比只在平靜環境學習的陳述知識，更可能在壓力下被調用。

28. 競爭模型

$H_0$ ：純知識模型

A = f(K)

$H_1$ ：純動機模型

A = f(M)

$H_2$ ：純習慣模型

A = f(H)

$H_3$ ：單一能力 $B$ 模型

A = f(K,B)

$H_4$ ：多節點轉移—門控模型

使用：

$K^{exist}$ ；
$K^{ret}$ ；
$P^{proc}$ ；
$C^{cue}$ ；
$G$ ；
$F^{fric}$ ；
$X^{aversive}$ 。

比較：

預測力；
干預特異性；
跨情境泛化；
模型複雜度。

29. 可證偽條件

F1：知識足以預測

若：

K

在跨任務中穩定充分預測：

A

多節點模型需降階。

F2：程序無獨立增益

若：

P^{proc}

在控制知識後不改善行動預測，程序接口需弱化。

F3：觸發無獨立效應

若：

C^{cue}

不影響行動，觸發模型失敗。

F4：門控成本無效

若：

摩擦；
風險；
延遲；
厭惡；

均不影響行動，門控模型需重建。

F5：習慣不旁路

若高習慣行動仍完全依賴顯式知識提取，旁路猜想失敗。

F6：單一 $B$ 模型支配

若更簡單的 $B$ 模型在同等複雜度下穩定優於多節點模型，本文應降階。

30. 實驗設計

30.1 知識—程序分離

建立兩組：

知識組

學原理。

程序組

學步驟並練習。

測：

問答；
實作；
壓力情境。

30.2 提取線索

保持知識相同，操弄：

無提示；
一般提示；
情境提示。

測：

K^{ret}

與：

A

30.3 實施意圖

比較：

「我要運動」；
「如果七點到家，我先換運動服」。

測：

P(A\mid C^{cue})

30.4 摩擦操弄

保持目標價值相同，操弄：

步驟數；
工具距離；
登入流程。

測：

A

30.5 狀態匹配

比較：

平靜訓練；
壓力匹配訓練。

測壓力下程序調用。

31. 對原《知行轉化動力學》的正式修補

31.1 保留

保留：

知道不等於做到；
程序；
習慣；
觸發；
動機；
斷裂診斷；
修復策略。

31.2 移除獨立 $B$ 本體

將：

B

改為：

\mathcal T_{K\rightarrow A}

與：

G_t

31.3 拆解原四因子

原：

B_{\text{程序}}

對應：

P^{proc}

原：

B_{\text{習慣}}

對應：

H^{habit}

原：

B_{\text{觸發}}

對應：

C^{cue}

原：

B_{\text{動機}}

拆成：

V^{goal}, D^{delay}, R^{risk}, X^{aversive}, S^{eff}

31.4 移除普遍乘法定律

不再：

B = \prod_i B_i

作普遍結構。

31.5 加入機會窗口

W_a(t)

避免把無機會錯判為不行動。

31.6 加入執行階段

拆：

開始；
維持；
完成。

32. 與後續系列的依賴

本文直接支持：

第 9 篇：厭惡成本承受動力學

展開：

X_a^{aversive}

與退出閾值。

第 10 篇：認知鴻溝分類學

加入：

知識存在差；
程序差；
觸發差；
門控差。

第 11 篇：機會反噬效應

研究高機會是否反而提高：

選擇負荷；
身份成本；
行動摩擦。

第 13 篇：雙視角推斷 AI

加入：

知識存在；
檢索；
工具程序；
權限門控；
執行。

第 14 篇：統一認知—行動動力學

將：

\mathcal T_{K\rightarrow A}

與：

G_t

納入總系統。

33. 理論貢獻

貢獻一：把 $B$ 從能力改成轉移問題

\boxed{ B \rightarrow \mathcal T_{K\rightarrow A} }

貢獻二：建立六層失效

K^{exist}, K^{ret}, P^{proc}, C^{cue}, G, A

貢獻三：建立審議與習慣雙路徑

貢獻四：加入機會窗口

W_a(t)

貢獻五：拆解動機

拒絕單一 scalar。

貢獻六：建立瓶頸遷移

修復一層後，問題可能移動。

貢獻七：為第 9 篇保留厭惡成本接口

X_a^{aversive}

34. 限制

第一，轉移節點可能高度相關。

第二， $G_a$ 不是直接觀測物。

第三，習慣與程序難完全分離。

第四，機會窗口依情境。

第五，描述性轉移效率不是因果效應。

第六，不同行動粒度會改變模型。

第七，AI 與人類不能直接同構。

第八，本文不處理全部臨床執行功能問題。

35. 核心命題

弱版本

知識存在、當下提取、程序可用、情境觸發、行動門控與實際執行不是同一現象。

中版本

部分「知道但沒做」可由多節點轉移模型更好地描述：知識必須在適當情境被提取、映射為可執行程序、被線索觸發並通過成本與風險門控，才可能形成穩定行動。

強版本猜想

對具有長期記憶、目標、有限資源與多候選行動的高階認知系統，知識—行動轉移可被穩定分解為部分可分離的提取、程序、觸發、門控與執行機制。

本文不聲稱已證明強版本。

終章：知行差距不是一道牆，而是一串可能斷裂的接口

「知道卻做不到」很容易被解釋成：

缺乏意志力。

或者：

缺乏一個叫 $B$ 的行動能力。

本文拒絕這種過度壓縮。

因為：

\boxed{ \text{知道} }

本身至少要先拆成：

K^{exist}

知識存在；

與：

K^{ret}

當下可提取。

然後還要問：

P^{proc}

是否有程序；

C^{cue}

是否被觸發；

G

是否通過門控；

A

是否真正執行。

所以：

\boxed{ K^{exist} \neq K^{ret} \neq P^{proc} \neq C^{cue} \neq G \neq A }

這意味著同一句：

他知道，但他沒做。

背後可能是六種完全不同的機制。

第一種：

他其實不知道。

第二種：

他知道，但當下想不起來。

第三種：

他知道原理，但不知道步驟。

第四種：

他會做，但情境沒有觸發。

第五種：

他被成本、風險、延遲或厭惡感擋住。

第六種：

他開始了，但沒有維持或完成。

因此，成熟的知行理論不應問：

他為什麼沒有意志力？

而應問：

\boxed{ \text{斷裂發生在哪一個接口？} }

本文用：

\mathcal T_{K\rightarrow A}

取代獨立 $B$ ，不是單純換符號。

而是把：

能力缺陷

改寫成：

轉移機制與門控結構。

這也讓第 9 篇能真正進一步處理：

X_a^{aversive}

而不必把：

痛苦；
努力；
恐懼；
不確定性；
身份成本；

再一次混進模糊「動機」。

最終，本文的核心不是：

K \rightarrow A

而是：

\boxed{ K \leftrightarrow \mathcal M \rightarrow P^{proc} \leftrightarrow C^{cue} \rightarrow G \rightarrow A \rightarrow R \rightarrow \mathcal M }

而且每一條箭頭都可能失敗、繞路、被習慣旁路，或被環境重新塑形。

這才是真正的知識—行動轉移動力學。

附錄 A：核心符號表

符號	定義
$K_a^{exist}$	任務相關知識存在度
$K_a^{decl}(t)$	陳述性知識表徵
$K_a^{ret}(t)$	當前可提取知識
$P_a^{proc}(t)$	程序可用性
$C_a^{cue}(t)$	情境觸發強度
$H_a^{habit}(t)$	習慣強度
$V_a^{goal}(t)$	目標價值
$G_a(t)$	行動門控值
$A_a(t)$	實際行動／完成度
$\mathcal T_{K\rightarrow A}$	知識—行動轉移機制
$\mathcal PZ$	知識程序化算子
$\mathcal I_a^{impl}$	實施意圖映射
$W_a(t)$	行動機會窗口
$D_a^{delay}$	延遲折扣
$F_a^{fric}(t)$	行動摩擦
$C_a^{start}$	啟動成本
$C_a^{maint}$	持續成本
$C_a^{finish}$	完成成本
$X_a^{aversive}(t)$	厭惡成本接口
$S_a^{eff}(t)$	自我效能狀態
$\eta_{K\rightarrow A}(T)$	描述性知行轉移效率
$\Delta_A^K$	知識干預的局部因果效應
$b_i(t)$	局部瓶頸敏感度

附錄 B：一句話版本

「知道但沒做」不是一個單一行動能力不足，而可能是知識不存在、當下不可提取、缺乏程序、缺少情境觸發、未通過成本門控或執行中斷；知行問題因此應建模為多節點轉移與門控系統。

附錄 C：與原稿的版本差異

原始版本	v2.0 重構
$B$ 是獨立行動能力	改為 $\mathcal T_{K\rightarrow A}$ 與 $G$
$B$ 為四因子乘積	改為多節點動態模型
程序是 $B$ 子因子	改為 $P^{proc}$ ／程序記憶接口
習慣是 $B$ 子因子	改為習慣旁路
觸發是 $B$ 子因子	改為 $C^{cue}$ 與實施意圖
動機是一個因子	拆成價值、延遲、風險、厭惡、自我效能
知道→做到單鏈	拆成存在、提取、程序、觸發、門控、執行
未行動＝個體問題	加入機會窗口與環境摩擦
行動只有做／不做	拆開始、維持、完成
修復一層即完成	加入瓶頸遷移
高知識必提高行動	加入局部因果效應與可證偽條件
AI 知道即能做	加入工具、權限與執行門控

全文完

知識—行動轉移動力學：從陳述性表徵到行為實施的門控機制

知識—行動轉移動力學：從陳述性表徵到行為實施的門控機制

摘要

0. 邊界聲明

1. 問題提出：「知道」到底是哪一種知道？

1.1 日常語言的混淆

1.2 陳述知識

1.3 程序知識

1.4 行動

2. 前置架構中的位置

3. 為何原 BBB 需要重構

3.1 程序與記憶重疊

3.2 習慣與程序／記憶重疊

3.3 觸發與選擇配置重疊

3.4 動機與成本重疊

3.5 重構結論

4. 六個不能混同的層次

4.1 知識存在

4.2 知識可達

4.3 程序可用

4.4 線索啟動

4.5 行動門控

4.6 執行

5. 知識—行動轉移算子

5.1 一般形式

5.2 候選生成不等於執行

5.3 門控模型

5.4 執行模型

6. 審議式路徑

6.1 一般路徑

6.2 知識提取

6.3 程序化

7. 習慣式旁路

7.1 線索—政策路徑

7.2 可繞過顯式陳述知識

7.3 習慣不是永遠更好

8. 程序化動力學

8.1 程序可用性

8.2 候選更新式

8.3 一個候選

8.4 程序化與陳述知識可分離

9. 情境觸發

9.1 定義

9.2 無觸發

9.3 實施意圖

10. 機會窗口

10.1 有知識也需要可行時空

10.2 沒有窗口

10.3 有效門控

11. 目標價值與延遲折扣

11.1 目標價值

11.2 延遲收益

11.3 即時成本與延遲收益

12. 行動摩擦

12.1 定義

12.2 摩擦不是動機

12.3 摩擦設計

13. 啟動成本與持續成本

13.1 啟動成本

13.2 持續成本

13.3 完成成本

14. 狀態依賴提取

14.1 平靜會，壓力下不會

14.2 所以訓練需匹配狀態

15. 知行差距的六類失效

15.1 存在失效

15.2 提取失效

15.3 程序失效

15.4 觸發失效

15.5 門控失效

15.6 執行失效

16. 描述性轉移效率

16.1 機會集合

16.2 描述性效率

16.3 不是因果參數

17. 局部因果效應

18. 瓶頸遷移

18.1 補一個瓶頸後，問題會移動

18.2 定義局部瓶頸

18.3 最低效益原則的弱版本

3. 為何原 $B$ 需要重構

$H_0$ ：純知識模型

$H_1$ ：純動機模型

$H_2$ ：純習慣模型

$H_3$ ：單一能力 $B$ 模型

$H_4$ ：多節點轉移—門控模型

F6：單一 $B$ 模型支配

31.2 移除獨立 $B$ 本體

貢獻一：把 $B$ 從能力改成轉移問題