装置/原型惊讶 8 · 具体 9 · 可行 8

1950 年代，程序员没有显示器，只有纸笔——但流程图模板（flowcharting template）本身就是一个编程语言：塑料模板上刻着标准符号（矩形=处理、菱形=判断、平行四边形=输入），任何人用它画的图在语义上等价、可执行。这是世上第一个”无歧义可视化编程语言”——比任何 GUI 编程环境早 30 年。生态学里，科学家用标准化的野外记录表（样方法格子、植被类型符号）记录生态调查——两者本质都是”用受限的图形符号集表达复杂过程”。手绘约束在这里揭示：约束符号集反而是这两种工作的共同起点——模板不是限制，是语义接口。

如果要做找一块 1950 年代流程图模板的复制品（或 3D 打印一个），用它手绘一个现代编译器的完整流程图，对比”现代 IDE 的 AST 可视化”——输出”1950 年流程图模板 × 2026 年编译器”对照图

同构惊讶 8 · 具体 9 · 可行 8

arXiv:1510.04440 “Modelling the Evolution of Programming Languages”发现：编程语言的进化不是随机变异+选择，而是遵循生物进化的完整框架——共同进化（Python 和数据科学一起崛起）、适应辐射（函数式语言在多核时代爆发）、生态位 construction（旧语言通过 FFI/C FFI 改造自身环境）。The Next 7000 Programming Languages（Springer，Imperial College）明确提出这个类比：“xerophytes 适应沙漠 = functional languages 适应递归数据结构”。手绘约束的问题：如果不用电子设备，如何追踪一门语言的”生态位”？答案是：给它画一张生态位地图——x 轴=问题域，y 轴=计算模型，每个语言占据一块区域，边界就是它的类型系统限制。这等于把生物地理学的手绘地图方法借用到 PL 生态学。

如果要做收集 10 种编程语言的”生态位地图”（用 FOGA 数据 + GitHub 生态数据），用手绘图方式画出来，标出每种语言的出现时间、消失时间和”生态位边界”——对照同年份的生物地理地图

文化隐喻惊讶 7 · 具体 8 · 可行 7

生物分类学（Linnaeus 1735）的层级是：Kingdom→Phylum→Class→Order→Family→Genus→Species。类型系统（type theory）的层级是：Type→Class→Interface→Trait→Concrete。两者都是”通过共性归纳对无穷多个体建立有限认知结构”——这在认知上完全等价。差异在于：生物分类学是描述性的（林奈在给上帝的造物编目），类型系统是规定性的（类型系统在约束程序员的意图）。手绘约束让这个差异变得更清晰：画 Linnaeus 的分类树需要在一张大纸上画 7 层嵌套圆环；画类型层级需要画 7 层嵌套的虚线框——两者都是”用层次结构驯服无限”的手绘画法。

如果要做找一张 Linnaeus 原版 Systema Naturae 的插图（或者手绘复刻版），把它改写成一张类型系统的层级图——每种生物门类标注一个对应的类型构造器，写一篇”类型系统的 Linnaeus 时刻”

同构惊讶 7 · 具体 8 · 可行 7

在电子计算机出现之前，数值分析科学家用座标纸（graph paper）手绘”优化景观”（optimization landscape）——在纸上画函数的等高线，找梯度下降方向，然后”顺着坡走”手动迭代。编译器优化的本质是同一件事：在”程序性能景观”里找全局最优 flag 组合。FOGA（arXiv:2105.07202）把这件事形式化为遗传算法，但手绘约束问的是：如果没有遗传算法，只有座标纸和铅笔，怎么做编译器优化？答案是：生态学家的”适应度景观”（fitness landscape）方法论——先画景观的粗糙拓扑（哪些 region 是”死胡同”，哪些是”峰”），然后聚焦最有望的区域。两者在”在无限空间里用手头有限信息找到满意解”这一点上完全同构。

如果要做用座标纸手绘一个简单程序的”flag 优化景观”（用 GCC 的 -O0/-O1/-O2/-O3 四条等高线），比较”手绘等高线”和”遗传算法搜索轨迹”——两者是否收敛到同一个区域？

同构惊讶 8 · 具体 9 · 可行 8

加密协议的核心结构是：公开算法（protocol） + 保密密钥（key） = 安全通信。城市道路网格的核心结构完全对应：道路规划是公开算法（任何人可读、可步行、可导航），建筑是保密密钥（从外面看不出内部结构、入口位置、安全措施）。arXiv:2010.09887 “Quantifying Urban Road Network Vulnerability”证明：攻击者只需要移除少数关键节点（桥梁、立交桥）就能让整个网络瘫痪——这等价于密码学里的”密钥泄露攻击”：攻击者不需要破解 AES 算法，只需要拿到密钥。0元开源约束在这里的洞见：商业地图（Google Maps/TomTom）是”安全通过模糊”（security through obscurity）的城市版；开放街道地图是”透明即安全”的街道版。

如果要做找一张开放街道地图（OSM），选取一个城市的关键基础设施节点（桥梁、立交桥），对比”攻击前后的平均路径长度”——用 OSMnx 库做网络拓扑分析，输出”街道密钥泄露”图示

方法论惊讶 8 · 具体 8 · 可行 8

Transportmetrica（2025）的研究发现：针对基于 TCPS 的城市交通系统的信息欺骗攻击（disinformation attacks）“leave the physical topology unchanged, impacting only the cyber layer”——攻击者不需要封锁道路，只需要在信息层注入假数据让导航算法重新路由车辆。密码学里这叫”中间人攻击”（man-in-the-middle）：攻击者不破译加密，只是不让消息到达。这与 2019 年深圳港的”幽灵集装箱”攻击、2021 年 Colonial Pipeline 的勒索软件攻击是同一个模式——攻击信息层而非物理层。0元开源约束的洞见：要防御这类攻击，答案不是买更贵的专有系统，而是开源交通协议让所有人都能审计——就像开源密码学靠公开算法来建立信任，而不是靠保密实现。

如果要做复现 Transportmetrica 的 TCPS 信息欺骗实验——用 OSM 数据模拟一个城市网络，注入假 GPS 数据观察拥堵重路由，用 Python 输出”信息层攻击 vs 物理层结果”对照图

文化隐喻惊讶 7 · 具体 8 · 可行 8

开源密码学（OpenSSL → OpenSSH → libsodium）的核心逻辑：把算法公开，让全世界程序员审计，漏洞在公开讨论中被发现——“透明性即安全性”。OpenStreetMap（OSM，2004 年启动）把这个逻辑用到城市规划：任何人不需许可就能编辑街道、人行道、自行车道、公共设施数据——这是城市规划史上前所未有的透明度。OSM 的逻辑等价于密码学里的”Shannon 原则”：安全系统应该被设计成即使敌方完全了解系统也能保持安全（Kerckhoffs’s principle）。0元约束把这件事变成必然：没有预算买 TomTom/Google Maps 的城市，只能靠 OSM——这是”穷人的密码学”，也是事实上最安全的版本，因为有最多的眼睛在看。

如果要做选一个发展中国家城市（e.g., 非洲某城市），对比 OSM 数据完整度和商业地图数据覆盖率，输出”开源地图透明度报告”——回答：哪个城市的基础设施数据更可信？

装置/原型惊讶 7 · 具体 8 · 可行 7

伊朗、朝鲜等长期受制裁国家无法采购商业城市管理工具（Oracle、SAP、ESRI）、商业地图（TomTom/HERE），被迫完全基于开源工具（PostGIS、OSM、QGIS）和自研系统构建智慧城市基础设施。密码学里，制裁国家（伊朗、朝鲜、俄罗斯）在无法采购商业加密产品（RSA 专利、AES 硬件加速器）后，被迫使用开源密码学（GnuPG、开源 ECC、后量子算法原型）。两者的结果有意外的相似性：自建系统往往更透明、更可审计、更抗制裁——因为不依赖单一供应商。“0元预算”这个约束在密码学史上催生了最强大的算法（AES 的公开遴选过程本身就是在开源竞争下产生的），同样可能在城市规划里催生最具韧性的自下而上设计。

如果要做做一个案例研究：比较伊朗某城市（完全开源工具）和迪拜某城市（商业工具）的 OSM 数据质量/覆盖率，评估”开源城市规划工具是否事实上更可持续”

同构惊讶 9 · 具体 8 · 可行 8

天文学本质上是”远程科学”——400 年来天体只能在望远镜外观察，无法实验操纵。但有一个例外：陨石。陨石是唯一能实际触摸、分析、切割、放进实验室的太阳系物质。AMNH（美国自然历史博物馆）收藏着按矿物成分、结构和陨石球粒分类的陨石 type specimens——这些标本像生物学的 type specimens 一样，定义了各自的分类学边界。免疫学里，抗体-抗原反应是直接分子接触（结合域与表位的几何互补）——这是免疫学成为实验科学的根本。实体装置约束揭示的不对称：天文靠”标本”（稀缺）建立分类，免疫学靠”接触”（相对易得）建立分类。标本的获取方式深刻影响了两个领域的认知结构——天文学家习惯用少量标本推断整体，免疫学家习惯直接操控。

如果要做访问本地自然历史博物馆，找到陨石标本（标注为 type specimen 的），拍照记录它的分类标签——对比免疫学里对应的”抗体 type specimen”（单克隆抗体参照株），输出”两个领域的 type specimens 对照图”

同构惊讶 8 · 具体 7 · 可行 7

免疫学里，自反应偏差（self-reactivity bias）指免疫系统优先对”自身类似结构”产生反应——类风湿关节炎、多发性硬化症都是免疫系统把自身组织误认为病原体。B细胞受体的自反应性是在胸腺阴性选择中被清除的——没被清除的自反应B细胞是漏网之鱼。Hubble Deep Field（1995）是天文学最著名的”选择性观察”：它只指向天空一块看起来什么都没有的暗区——但这块区域并非随机天空，而是相对恒星密度较低的”免疫特权区”（类似胸腺的”自反应过滤”）。选择这块区域本身就有 bias：低恒星密度区不代表”典型宇宙”。两者在”通过过滤建立代表性样本”这一点上完全同构。实体装置约束揭示：天文无法做实验来消除这个 bias（无法去其他宇宙做对照），正如免疫学无法回到胸腺去重做阴性选择。

如果要做下载 Hubble Deep Field 的原始曝光数据，叠加同等曝光时长的”高密度恒星区”HDF 对比图，定量展示”选择低密度区”造成的 selection bias——对照免疫学里阴性选择的类风湿关节炎患者样本偏差，写一篇”两个领域的 bias 之 bias”

同构惊讶 7 · 具体 8 · 可行 7

流感病毒的 H3N2 亚型通过”抗原漂移”（antigenic drift）持续改变其血凝素（HA）蛋白的受体结合位点——每一次漂移都像是星系形态的”转变”：旧的分类类别不再适用，需要新的分类标准。星系形态分类（arXiv:1709.05834, arXiv:2502.09610）通过机器学习发现形态子类（merger, tidal tail, pseudobulge）——这些子类不是静态的，是星系间相互作用的瞬时快照。H3N2 的抗原漂移也是相互作用的结果：病毒与宿主免疫系统的”军备竞赛”产生了新的表位。两者在”对象本身在变化中，分类系统必须随之实时更新”这一点上完全同构。实体装置约束：免疫学可以通过疫苗设计来”加速演化方向”（用当前流行株制作疫苗），天文学做不到（不能给星系喂药）。

如果要做把 WHO 的抗原漂移数据（抗原图谱坐标）和星系形态分类数据（ArXiv 的 t-SNE 可视化）并排展示——看两条 t-SNE 轨迹是否形状相似，输出”宇宙流感 vs 宇宙星系”可视化图