本篇目录 / Contents
AI复扫现场流：模型候选、人工纠偏与第二现场
一、AI 不是现场之外
当一部影片被 MiMo、LLM、字幕工具、抽帧程序或人工审校反复扫描时，现场并没有结束。
它换了一种方式继续。
但这里有一个必须守住的界限：
AI 可以成为第二现场。
AI 不能成为最终事实。
现场流研究中的 AI 复扫，不是把模型当裁判，而是把模型当一种新的观看条件。
它会发现东西，也会制造幻觉。
它会帮助回看，也会过度解释。
它会让现场继续，也会让现场被错误地重新组织。
二、证据层级是复扫的伦理底盘
T0：人工确信、用户纠偏、Owner Review
T1：本地可见可听事实、字幕骨架、抽帧/音频证据
T2：MiMo 或模型候选
T3：理论综合和写作判断
AI 复扫只在 T2 层工作。
它可以说：
这里可能有一个声音。
这里可能有一个动作。
这里可能是一处声画错位。
这里值得人工复核。
它不能说：
事实就是这样。
这个人一定这样想。
说话人一定是谁。
这段意义已经确定。
AI 复扫的价值，不在于替代人眼，而在于制造复核入口。
三、从档案到第二现场
传统理解会说：
档案保存过去。
现场流理解会说：
档案重新组织过去。
当一段影片进入 Wiki、字幕、MiMo 输出、人工纠偏和理论文章，它不只是被保存，而是进入第二现场。
这个第二现场有自己的参与者：
视频文件
时间码
字幕
模型输出
人工笔记
Wiki 双链
概念页
后续文章
用户纠偏
它们共同决定：
什么被重新看见。
什么被怀疑。
什么被升格为证据。
什么被降级为候选。
什么被保留为不确定。
四、AI 复扫中的组织权迁移
AI 复扫最值得警惕的地方，是组织权悄悄迁移。
原本的组织权链可能是：
影片声画
-> 人工观看
-> 时间码记录
-> 理论解释
加入 AI 后，链条变成：
影片声画
-> 模型候选
-> 人工复核
-> Wiki 写入
-> 理论解释
-> 再复扫
这条链更强，也更危险。
更强，是因为它能让人看见以前漏掉的低处材料、噪声、声画分流和归档细节。
更危险，是因为模型会把不确定变成看似确定的句子。
因此 AI 复扫现场流必须始终保留一句话：
T2 只负责提出可能，不负责决定事实。
五、AI 的条件视觉
对象视觉问：
模型看见了什么？
关系视觉问：
模型输出和人工判断哪里一致、哪里冲突？
条件视觉问：
模型为什么会以这种方式看见？
它的训练、压缩、抽帧、提示词、上下文窗口和输出格式遮蔽了什么？
AI 不是透明眼睛。
AI 是一种观看装置。
它会偏爱可描述的动作，忽略难以命名的质感；偏爱可转写的语言，弱化低处材料；偏爱完整解释，压低不确定。
所以现场流中的 AI 复扫必须反过来观看 AI 的观看条件。
六、人工纠偏不是后勤，而是共同作者
很多系统把人工纠偏理解为“修正错误”。
现场流会说：
人工纠偏是第二现场的组织权节点。
因为人工纠偏决定：
哪些模型候选被保留。
哪些被删除。
哪些被降级。
哪些进入 Wiki。
哪些成为论文证据。
人工不是模型之后的补丁。
人工是让复扫不变成幻觉生产的伦理结构。
七、复扫伦理
AI 复扫必须避免三种暴力。
1. 事实暴力
把模型猜测写成事实。
2. 感受暴力
把一个人的沉默、痛苦、空白写成模型可以占有的心理内容。
3. 理论暴力
用模型输出支撑过度漂亮的理论，把现场本来的不确定抹平。
复扫伦理的底线：
可数据化，不等于可占有。
可识别，不等于可解释完。
可复扫，不等于可替代人工确信。
八、反读
AI 复扫也可能只是技术辅助，不必每次都升格为现场流。
只有当复扫改变了事件的后续组织权，它才真正进入现场流。
例如：
模型候选触发人工复核。
人工纠偏改变 Wiki 记录。
Wiki 记录改变概念判断。
概念判断改变下一篇文章。
这时，复扫不只是工具，而是事件继续发生的条件。
九、结论
AI 复扫让现场流进入一个更复杂的阶段。
现场不只发生在拍摄时，也发生在之后的观看、切分、抽帧、标注、候选、纠偏、归档和重写中。
但现场流研究越依赖 AI，越要坚持：
模型可以打开现场。
不能替现场作证。