1. 当代码成为法律：一种不容协商的权力新形态
最近几年，我越来越频繁地听到一个说法：“代码即法律”。起初，我以为这只是一个比喻，用来形容那些设计精良、规则严密的软件系统。但当我深入观察智能合约、大型语言模型的审核机制，以及各种自动化触发系统时，我意识到，这句话正在从比喻变成现实。这不是说代码像法律一样有约束力，而是说，代码正在成为一种全新的、具有强制执行力且不容置疑的权威形式。这种权威不依赖于解释、辩论或任何象征性的叙事，它只依赖于一件事：执行。
想象一下，你签署了一份电子合同，条款规定：当你的账户余额超过100个某种代币时，资金将被自动锁定。一旦条件满足，代码就会执行，没有任何上诉窗口，没有法官可以解释“特殊情况”，甚至没有一封解释邮件。系统只是执行了它被编译时写定的规则。这就是“编译规则”的威力——它不关心你的意图、你的处境，甚至不关心规则本身是否“公平”，它只关心形式是否匹配。这种权力形态，我称之为“可执行主权”。它正在我们的数字生活中悄然崛起，从区块链上的去中心化自治组织，到决定你社交媒体言论能否发布的AI模型，再到控制智能家居设备联动的自动化引擎。这篇文章，我想和你一起拆解这个现象，看看它如何运作，为何重要，以及我们作为构建者和使用者，该如何面对这个“代码即法律”的新世界。
2. 可执行权力的核心：编译规则与形式匹配
要理解“代码即法律”，我们必须先理解其核心运作机制。这不同于我们熟悉的、由人类解释和执法的传统法律体系。传统法律依赖于文本（法条）、解释者（法官、律师）和执行者（警察、法院）。在这个过程中，存在大量的模糊地带、上下文考量以及自由裁量权。一个行为是否违法，往往需要经过复杂的论证和解释。
2.1 编译规则：从解释到执行
“编译规则”彻底颠覆了这个过程。这里的“编译”是一个计算机科学术语，指将人类可读的高级语言（源代码）转换为机器可执行的指令（目标代码）的过程。一旦编译完成，源代码的逻辑就被“固化”为一系列确定性的操作。在“可执行权力”的语境下，“编译规则”指的是那些被预先定义、编码，并嵌入到运行环境中的逻辑条件。这些规则一旦部署，其执行就不再需要人类的“理解”或“解释”。
为什么是“编译”而不是“解释”？关键在于确定性和不可变性。解释型系统（如传统的法律系统）在运行时解析规则，允许根据上下文进行调整。而编译型系统在运行前就已经确定了所有行为路径。以智能合约为例，开发者用Solidity等语言编写合约逻辑，然后将其部署到以太坊等区块链上。部署的过程就是“编译”和“固化”。此后，合约的行为完全由其代码和链上状态决定，任何节点执行都会得到完全相同的结果。没有“法官”可以中途介入，说“这条款在本案中应作不同理解”。
2.2 形式匹配：权力的自动化触发器
编译规则如何行使权力？通过“形式匹配”。系统被设计为持续监控输入（数据、交易、用户请求），并将其与预定义的规则模式进行比对。一旦匹配成功，对应的操作（如转账、锁定、拒绝、通过）就会被自动触发。
这个过程有几个关键特征：
- 无解释性：系统不提供“为什么”的推理。例如，一个LLM内容过滤器可能因为检测到某个关键词组合而拒绝你的提示，但它不会生成一份报告，详细论证该组合为何违反政策。它只是执行了“匹配即拒绝”的规则。
- 无上下文覆盖：规则通常不考虑特殊情况。比如，一个自动化交易协议可能在市场波动达到某个阈值时自动平仓，它不会考虑你是否正在进行一项关键的对冲操作，或者你是否愿意承担更大风险。
- 速度与规模：这种匹配和执行发生在毫秒级别，并且可以同时处理海量请求。研究中提到的LLM审核响应时间在134毫秒左右，这正是形式匹配效率的体现。
一个生活化的类比：这就像你设置了一个自动回复邮件：“如果邮件主题包含‘报价’二字，则自动回复预设的价目表。” 系统不会去理解邮件内容的急切程度或客户的重要性，它只进行字符串匹配。当“代码即法律”时，这种自动回复的规则，可能决定着数百万资金的流向或重要信息的传播。
3. 实证案例剖析：可执行主权的三种面貌
理论总是抽象的，让我们通过三个具体的、正在塑造我们数字世界的实证案例，来看看“可执行主权”是如何落地的。这些案例分别代表了金融、日常自动化与内容治理领域。
3.1 智能合约：去中心化金融中的“铁律”
智能合约可能是“代码即法律”最纯粹、最著名的体现。它是在区块链上运行的程序，当预设条件被满足时自动执行合同条款。
运作机制： 一个典型的DeFi借贷协议智能合约包含这样的编译规则：“如果用户抵押物的价值低于债务价值的150%，则允许任何其他用户发起清算交易。” 这条规则被编码成合约代码。区块链网络中的每一个节点都在独立验证这条规则：实时比对抵押物价格（来自预言机）与债务价值。一旦匹配成功（即抵押率低于150%），清算的“触发器”就被激活。清算人可以发起一笔交易，以折扣价获得抵押资产，偿还债务，整个过程在几分钟甚至几秒内完成。
为什么它构成了“主权”？
- 无可争议：用户在与协议交互前（比如存入资产）就已通过签名同意了合约的所有条款。执行时，没有仲裁委员会。代码的输出就是最终结果。
- 责任主体缺失：当一次清算导致用户蒙受重大损失时，他无法起诉“协议”。协议是由代码和分布式节点网络构成的，没有单一的法律实体为其行为负责。权力存在于代码结构本身。
- 可测量的确定性：研究中对DAO提案执行成功率的统计（92.4% ± 9.1%）揭示了这种权力的可靠性。成功率并非100%，但失败通常源于技术原因（如网络拥堵、Gas费不足），而非对规则本身的异议。
实操心得：在参与任何DeFi协议前，务必在测试网（如Goerli、Sepolia）上完整模拟你的操作路径，尤其是边界情况（如价格剧烈波动时）。不要只看白皮书，要尝试阅读合约的关键函数（如
liquidate函数），或依赖可靠的第三方审计报告。记住，你同意的是代码，不是文字。
3.2 触发-动作协议引擎：日常生活中的隐形自动化
TAP引擎是“如果-那么”逻辑的集大成者，广泛应用于物联网和自动化工具（如IFTTT、Zapier、家庭助理Home Assistant）。它们让设备和服务能够基于事件自动联动。
运作机制： 你设置一条规则：“如果办公室运动传感器在晚上10点后检测到移动，那么向我的手机发送警报，并打开所有灯光。” 这里的“如果”部分是触发器（传感器数据），“那么”部分是动作（发送通知、控制灯光）。TAP引擎的核心是一个规则编译器，它将你的自然语言指令转化为可执行的工作流。
权力的隐蔽性： 这种权力看似无害，甚至非常便利，但它将决策权让渡给了形式匹配。例如，一个设计不当的规则：“如果收到来自‘老板’的邮件且标题包含‘紧急’，则自动转发到家庭打印机并响铃提醒。” 如果垃圾邮件伪造了发件人名称和标题，就会触发一连串不必要的动作。更复杂的系统可能连接着门锁、支付接口或医疗设备，其错误触发的后果可能很严重。关键在于，一旦规则设定，系统就会忠实地、不加辨别地执行。
与智能合约的区别： TAP引擎通常中心化或半中心化，有服务提供商，因此在法律上可能存在责任主体。但其执行逻辑的本质同样是编译规则和形式匹配，在单个执行实例中，它同样不进行解释。
3.3 大型语言模型审核系统：内容治理的语法警察
LLM不仅用于生成文本，也越来越多地用于内容审核，自动判断用户输入（提示）或模型输出是否违规。
运作机制： 系统内部有一套“安全层”或“审核模型”，它本质上是一个经过训练的、用于模式识别的分类器。当用户提交一个提示时，该提示会被转化为数值向量（嵌入），并与模型学习到的“违规模式”进行匹配。这些模式可能是关键词、词向量组合、语义结构甚至潜在的情感倾向。匹配成功，则请求被拒绝或修改。
“无解释的执行”的典型： 研究指出，LLM审核的响应时间极短（~134ms），且没有覆盖机制。这意味着：
- 黑箱决策：用户通常得不到具体的违规理由，可能只收到“你的请求不符合我们的政策”这样的模糊信息。决策过程封装在模型的数十亿参数中，难以追溯。
- 假阳性与偏见固化：如果训练数据中存在偏见，或者规则模式过于粗糙，可能导致大量误杀。例如，讨论某些疾病治疗的合法内容可能因为包含特定生理学词汇而被屏蔽。由于没有上诉渠道，这种错误会被系统性地执行。
- 责任转移：平台将审核责任外包给了算法。当出现争议时，平台可以声称“这是AI系统的自动决策”，从而规避直接责任，尽管决策规则是由他们设计和部署的。
注意事项：对于开发者而言，在集成LLM审核API时，必须意识到这引入了单点故障和不可控风险。务必设置降级策略，例如，对于关键业务流，审核超时或不确定时应转入人工复核队列，而不是简单拒绝。对于用户，理解到与AI的对话是在一套隐形语法规则下进行的，可以尝试更中性、更结构化的表达方式来规避不必要的触发。
4. 技术实现深度解析：从理论到部署
理解了现象，我们深入到技术层，看看支撑“可执行主权”的骨架是如何搭建的。这涉及到从理论计算机科学到软件工程部署的完整链条。
4.1 编译规则的形式化基础：乔姆斯基谱系
研究论文中将“编译规则”形式化为乔姆斯基谱系中的0型文法（无限制文法）产生式。这是一个非常深刻的技术洞察。
什么是乔姆斯基谱系？它是语言学家诺姆·乔姆斯基提出的一套对形式文法（生成规则集合）的分类体系，从0型到3型，限制逐渐增加，表达能力逐渐减弱，但解析效率逐渐增高。
- 0型文法（无限制文法）：规则形式为 α -> β，其中α和β是字符串，α至少包含一个非终结符。这是最强大的文法，等价于图灵机，可以描述任何可计算过程。
- 1型文法（上下文有关文法）。
- 2型文法（上下文无关文法）：大多数编程语言的语法基础。
- 3型文法（正则文法）：用于描述简单模式，如正则表达式。
为什么是0型文法？将编译规则视为0型文法的产生式，意在强调其普遍的计算普适性。一个智能合约、一条TAP规则或一个LLM的安全策略，本质上都是一个可以接受输入、进行处理、产生输出的计算过程。它们能实现的逻辑复杂度，理论上可以达到任何图灵机所能达到的程度。这意味着，这些系统可以编码极其复杂、甚至人类难以一眼看透的规则。权力就隐藏在这些普适的计算规则之中。
技术实现举例： 在智能合约中，一条复杂的清算规则可能包含多个嵌套的if-else语句、循环调用价格预言机、计算动态阈值等。这远非一个简单的正则匹配（3型文法）所能描述，它需要0型文法的表达能力。在LLM中，审核模型是一个深度神经网络，其决策边界是高维空间中的一个复杂曲面，这同样对应着极其复杂的、非线性的产生式规则。
4.2 系统架构：封闭的执行环境
无论是区块链的以太坊虚拟机，还是云端的TAP引擎服务，抑或是运行LLM的推理服务器，它们都构成了一个封闭的执行环境。
封闭性的含义：
- 确定的初始状态：环境有明确的状态定义（如区块链的世界状态、数据库的快照、模型的权重参数）。
- 确定的输入：交易、API请求、用户提示。
- 确定的规则：已部署的合约代码、编译好的TAP工作流、加载的AI模型。
- 确定的输出：给定1-3，输出在逻辑上是唯一的。任何节点用相同输入执行相同规则，都应得到相同结果。
这种封闭性正是权力“不容协商”的技术基础。外部世界（法律、道德、紧急情况）很难直接干预这个封闭系统的内部执行。例如，在区块链上，除非通过极其困难的硬分叉（本质上是重建共识），否则无法回滚一笔已经由代码正确执行的交易。
部署与升级的挑战：
- 智能合约：通常不可升级，或通过复杂的代理模式进行升级，这本身也由代码规则控制。
- TAP引擎：规则可由用户修改，但修改前的执行已成定局。
- LLM审核系统：模型需要重新训练和部署才能更新规则，过程缓慢且成本高昂，导致规则具有惯性。
4.3 可验证性与“主权窗口”
论文提出了一个有趣的方法论概念：“主权窗口”——12个月或10,000次执行。这为观察和研究一个可执行主权系统提供了时间或数量尺度。
为什么需要这个窗口？因为单次执行可能是偶然的，只有通过足够长时间的观察或足够多的执行样本，才能揭示该系统权力的统计特性：它的可靠性（成功率）、偏差（对不同输入的反应模式）、以及不可撼动性（覆盖尝试的失败率）。
可验证性工具： 为了应对编译规则的黑箱性，社区发展出一些可验证性技术：
- 形式化验证：对于智能合约，使用数学方法证明代码满足某些安全属性（如“永远不会将资金锁定在无法提取的状态”）。
- 零知识证明：允许一方（证明者）向另一方（验证者）证明某个陈述是真实的，而无需透露任何额外信息。这可以用于证明一次LLM审核或TAP执行是符合某个公开规则集的，同时保护用户隐私和模型细节。
- 可重复执行的测试网/沙盒：在对抗环境中（如测试网）模拟大量交易（达到“主权窗口”的量级），以暴露出规则在极端情况下的行为。
5. 影响、挑战与应对策略
“代码即法律”的范式带来了效率、透明（在开源情况下）和自动化，但也引发了深刻的伦理、法律和社会挑战。
5.1 对传统法律与合规框架的冲击
以欧盟《人工智能法案》为例，它强调可追溯性、透明度和可问责性。它要求高风险AI系统能够提供其决策的逻辑解释，并明确责任主体。
编译规则带来的根本矛盾：
- 解释性缺失：一个基于深度神经网络的LLM审核系统，其“决策理由”分布在数十亿参数中，无法提供人类可理解的、条理清晰的解释。智能合约的执行轨迹（交易日志）是透明的，但其业务逻辑的“合理性”仍需人工解读。
- 责任主体模糊：在DAO中，权力属于持有治理代币的分布式群体。在开源智能合约中，原始开发者可能早已匿迹。在使用了第三方AI API的应用中，责任在应用开发者、API提供商和模型训练者之间分割。当事故发生时，传统的“追究责任人”模式面临困境。
- 合规的滞后性：法律和规章的制定、修订周期漫长，而代码可以快速部署和迭代。一个今天合规的系统，明天可能因为一次未经充分测试的升级而变得不合规。
5.2 社会与伦理风险
- 正义的僵化：法律实践中，法官拥有自由裁量权以实现个案正义。编译规则一刀切，无法考虑动机、背景等情境因素，可能导致系统性的不公。
- 权力的集中与固化：编写和部署这些核心规则的人或组织（如区块链核心开发者、大型科技公司的AI伦理团队、自动化平台提供商）实际上拥有了巨大的定义规则的权力。这种权力可能通过代码被固化，难以被民主程序修正。
- 系统性脆弱性：规则中的漏洞（Bug）或设计缺陷会被系统性地、自动化地执行，可能导致连锁反应和大规模损失（如DeFi领域的多次闪电贷攻击和协议漏洞事件）。
- 人的主体性侵蚀：当越来越多的社会决策（从贷款审批到内容可见性）被交给自动执行的代码，人的判断、协商和同理心空间被压缩。
5.3 面向开发者和设计者的行动指南
作为构建这些系统的人，我们负有特殊的责任。以下是一些具体的实践建议：
1. 设计阶段：将“可协商性”作为系统特性
- 紧急停止开关：为关键智能合约设计时间锁或多签控制的暂停机制，在发现致命漏洞时能冻结系统。
- 分级响应机制：不要只有“通过/拒绝”二元选择。例如，内容审核可以引入“置信度”概念，低置信度的违规转入人工复核。
- 可参数化的规则：将规则中的关键阈值（如清算抵押率、审核敏感度）设计为可通过治理（而非硬编码）调整的参数，为系统留下适应和演化的空间。
2. 实现阶段：追求极致的安全与透明
- 全面的测试与审计：必须达到“主权窗口”级别的测试。对于智能合约，进行单元测试、集成测试、模糊测试，并聘请多家专业审计公司进行审计。对于自动化规则，进行大规模、覆盖各种边界的模拟测试。
- 形式化验证的探索：对于核心的、价值高的合约逻辑，投入资源进行形式化验证，用数学证明来保证特定属性的绝对正确。
- 清晰的文档与错误信息：即使系统内部决策是黑箱，也应向用户提供尽可能清晰、有用的反馈。例如，审核拒绝时，可以提示触发了哪一大类政策（如“涉及暴力内容”），而不是笼统的“违反政策”。
3. 运营与治理阶段：建立反馈与进化循环
- 透明的治理过程：对于DAO或社区管理的协议，确保治理提案、讨论和投票过程公开透明。代码升级应经过充分的社区辩论。
- 事件响应与事后分析：建立安全事件响应团队。一旦发生问题（如错误清算、大规模误封），不仅要进行技术修复，还要公开透明地进行事后分析，解释原因和改进措施。
- 与法律和伦理专家协作：在项目早期就引入法律和伦理顾问，确保系统设计符合现行法规并考虑到更广泛的社会影响。
5.4 面向用户和参与者的认知与策略
如果你是在使用这些系统的普通人、投资者或组织，你需要转变思维：
- 阅读代码，而不仅仅是白皮书：在将真金白银投入一个DeFi协议前，尝试阅读其核心合约。关注审计报告中的关键问题。理解你是在同意一套代码逻辑。
- 假设系统没有“常识”：与AI交互或设置自动化规则时，记住它只会进行形式匹配。你的指令必须精确、无歧义，并充分考虑所有可能的边界情况。
- 分散风险：不要过度依赖单一的自动化系统。在投资、安全、关键业务流程上做好备份和冗余计划。
- 参与治理：如果你持有治理代币，积极参与投票。你的投票是在直接塑造“代码法律”的内容。
6. 未来展望：在确定性与灵活性之间寻找平衡
“代码即法律”的趋势不可逆转，因为它带来了前所未有的效率和可扩展性。问题的关键不在于消灭它，而在于如何驯服它，如何在代码的确定性与人类社会的灵活性之间找到健康的平衡点。
未来的系统可能会呈现以下演进方向：
- 混合系统：结合自动执行与人工监督。例如，高价值、高风险的决策由代码执行，但配备“上诉”至人类仲裁的通道，该通道的触发条件和流程本身也是清晰、公平的代码规则。
- 可解释AI的进步：随着XAI技术的发展，未来的AI审核系统或许能提供更令人信服的决策解释，虽然可能永远无法达到人类法官判决书的详细程度，但可以大幅提升透明度和信任度。
- 法律本身的代码化：也许未来会出现更精细的“数字法律”，其条款本身就以形式化、可验证的逻辑语言编写，既能自动执行，又能通过民主程序进行修订。这将对立法技术提出极高要求。
- 新的责任框架：法律界可能需要发展出新的责任理论，比如“系统设计过失责任”、“算法托管责任”等，来应对责任主体模糊的挑战。
代码正在成为我们世界中一种基础性的权力架构。它沉默、迅速、严格。作为开发者，我们是这种新“立法者”；作为用户，我们是其“管辖”下的居民。理解“编译规则”和“可执行主权”的逻辑，不仅是一项技术任务，更是在数字时代维护自主性、公平性和安全性的公民必修课。我们无法与一段执行中的代码争辩，但我们可以在它被编译之前，仔细审视、辩论和塑造它。这或许是我们这个时代最重要的协商。
