第14章｜Gap Diagnosis（缺口诊断）

一、人工智能没有提到企业，不等于已经发现缺口

普通GEO（生成式引擎优化）服务常从几个表面现象开始：人工智能没有提到企业、没有引用官网、推荐了竞争者、对企业能力描述不完整。随后立即给出解决方案——改网站、写案例、发媒体、做更多页面。

这条路径跳过了真正困难的部分：现象是否稳定，用户是否真的重视该变量，企业是否真实具备能力，证据能否支持目标命题，材料是否获准公开，竞争者是否实际更适配，以及人工智能答案是否具有可比的表达机会。

一次未提及可能来自提示差异、答案容量、拒答、工具状态、实体混淆或时间变化；企业没有公开案例，可能因为缺少证据，也可能因为客户禁止公开；竞争者被推荐，可能是相对证据更强，也可能是它确实更符合用户条件。

因此，Gap Diagnosis（缺口诊断）的任务不是为内容套餐寻找理由，而是从症状出发，排除不合格解释，定位当前最先限制目标状态的层级，并明确什么证据能够削弱或推翻这一判断。

二、Gap（缺口）的工作定义

Gap（缺口）是在明确目标决策情境、实体、决策变量、原子命题、证据状态、人工智能观测条件和时间范围下，目标状态与当前状态之间具有方法论意义的差异；该差异已经通过必要前置门槛，具有可说明的Locus（所在层）、Evidence Basis（证据基础）、Alternative Explanations（替代解释）、Counterevidence（反向证据），并能被后续观察削弱、推翻或缩小。

缺口不是页面少、媒体少、没有提及、没有推荐或用户地图与人工智能地图不一致的同义词。它是一项带范围、证据和反证条件的Operational Diagnosis（操作性诊断），不是关于人工智能内部机制的确定事实。

三、七个对象必须严格分离

Symptom（症状）
≠ Descriptive Difference（描述性差异）
≠ Gap Locus（缺口所在层）
≠ Gap Classification（缺口分类）
≠ Causal Hypothesis（因果假设）
≠ Root Cause（根本原因）
≠ Intervention（干预）

“没有引用”是Symptom（症状）；用户重视而答案较少体现，是Descriptive Difference（描述性差异）；问题可能位于证据、公开信息、实体归属或答案决策功能层，是Gap Locus（缺口所在层）；G1—G5是Gap Classification（缺口分类）。

至于为什么发生、什么动作能改变，以及变化是否由动作导致，仍需分别提出假设和实验。Root Cause（根本原因）只有在更强证据下才能使用，不能由一次审计直接宣称。

四、Diagnostic Target State（诊断目标状态）

诊断之前必须定义目标。目标不是“让人工智能推荐我们”，而应至少说明：

• 目标Decision Situation（决策情境）；
• 决策主体、阶段和对象；
• 目标Decision Variable（决策变量）及其作用；
• 目标实体、资格和服务边界；
• Atomic Target Claim（原子目标命题）；
• 期望的人工智能答案行为；
• 非目标、排除边界、时间和范围；
• 谁确认目标、目标版本和退出决定。

目标遵循Decision-Appropriate Representation（决策适当呈现）：企业适配时争取Evidence-backed Inclusion（证据支持的纳入）；企业不适配、受限或风险较高时，提高Boundary Fidelity（边界忠实度），减少Misrecommendation（错误推荐）。

企业主动退出某个市场后，旧目标必须退役，不能继续驱动所谓优化。

五、Diagnosis Unit（诊断单元）

不存在脱离问题空间的“企业GEO（生成式引擎优化）缺口总分”。最小诊断单元是：

Project or Entity（项目或实体）
× Decision Situation（决策情境）
× Actor or Stage（主体或阶段）
× Decision Object（决策对象）
× Decision Variable and Role（决策变量及作用）
× Atomic Target Claim and Claim Type（原子目标命题及命题类型）
× Evidence Set（证据集合）
× Query Cluster or Probe（查询簇或探针）
× Engine or Product Condition（引擎或产品条件）
× Time and Scope（时间及范围）

任一项改变，都可能得到不同诊断。某个引擎、某次提示、某个时期的现象不能无条件外推到全部人工智能产品。

六、正式G1—G5 Gap Map（缺口地图）

本章继承Freeze 02（冻结02）的一级定义，不创建平行分类：

一级定义保持稳定。本章细化的是诊断门槛、证据、子型候选、依赖顺序和非缺口路由。

七、Diagnosis Entry Gate（诊断入口门槛）

进入G1—G5之前，必须检查：目标状态、决策相关性、用户参照资格、人工智能观测完整性、可比性、变量与实体表达机会、时间同步、实体身份、原子命题、规范与伤害风险、分母缺失、范围授权和Target Owner Confirmation（目标负责人确认）。

门槛未通过时，应路由到Measurement Review（测量复核）、User Research Review（用户研究复核）、Reality Verification（事实核验）、Target Review（目标复核）或Unknown（未知）。

“必须交付五类缺口”不是合格理由。没有足够证据的类别应记录Not Diagnosed（未诊断）。

八、D0—D8诊断顺序

D0 Measurement and Comparability Review（测量与可比性复核）
→ D1 Decision Relevance and Target State（决策相关性与目标状态）
→ D2 Reality Verification and Entity State（事实核验与实体状态）
→ D3 Situational Eligibility（情境资格）
→ D4 Atomic Claim and Evidence Qualification（原子命题与证据资格）
→ D5 Authorization and Public Information Chain（授权与公开信息链）
→ D6 Conditional AI Answer Behavior（条件化人工智能答案行为）
→ D7 Independent Relative Evidence Audit（独立相对证据审计）
→ D8 Gap Classification, Dependency and Confidence（缺口分类、依赖与置信状态）

部分分支可以并行调查，但不能删除前置依赖。尤其不能在事实、资格、证据和公开信息链尚未澄清时，直接把问题归因于人工智能认知。

九、D0：先排除测量问题

诊断首先检查User-DVM（用户决策变量地图）是否只是低资格先验，人工智能观察是否仅一次或带诱导，回答是否有表达机会，是否受容量、拒答和工具状态影响，主体、阶段、对象、语义、阈值和时间是否可比，以及是否存在成功回答选择性分母、实体同名或自动编码偏差。

如果测量问题足以解释症状，应记录Measurement Issue（测量问题）、Not Comparable（不可比）或Not Tested（未被检验），而不是分配G1—G5。

这一步保护后续诊断不建立在伪差异上。

十、D1：决策相关性先于曝光愿望

目标变量需要真实用户决策证据，目标呈现需要企业事实支持，企业还要确认当前情境属于目标服务范围。

“我们希望人工智能更多提到办公室面积”不代表办公室面积影响客户选择；“我们希望进入所有推荐”也不代表企业适合所有用户。

只有曝光愿望而没有Decision Relevance（决策相关性）时，应进入Out of Scope（范围外）或Target Review（目标复核），不能制造一个增长缺口。

十一、D2：Reality Verification Protocol（事实核验协议）

事实核验必须按Claim Type（命题类型）分别进行：Experience Claim（经验命题）、Capability Claim（能力命题）、Qualification Claim（资格命题）、Performance Claim（表现命题）、Outcome Claim（结果命题）、Causal Claim（因果命题）和Current-state Claim（当前状态命题）。

事实状态至少包括Confirmed Present（确认存在）、Partially Confirmed（部分确认）、Contested（存在争议）、Confirmed Absent（确认不存在）、Pending Verification（待核验）、Unknown（未知）和Not Assessable（无法评估）。

“做过”不等于“擅长”，“历史具备”不等于“当前具备”，“没有材料”既不证明能力存在，也不证明能力不存在。Pending Verification（待核验）和Unknown（未知）不能冒充G2或G3。

十二、实体状态必须与证据时间对齐

每项事实与证据都应绑定Entity State Version（实体状态版本）、人员、资质、服务范围、交付容量、有效时间和重大变化。

历史案例可以支持过去经验；如果关键人员离职、资质过期、流程改变或企业退出业务，则不能自动支持当前能力与资格。此时应先记录Temporal Eligibility Issue（时间性资格问题）或证据过期状态，再判断是否构成G2或G3。

重新发布旧案例不会刷新其事实有效时间。

十三、D3：Situational Eligibility（情境资格）

企业应按地域、行业、客户类型、规模、风险、时间、服务和容量被判为Qualified（符合资格）、Conditionally Qualified（有条件符合资格）、Not Qualified（不符合资格）、Eligibility Unknown（资格未知）或Out of Scope（范围外）。

如果企业确实不符合资格，而人工智能将其排除，应记录Correct Exclusion（正确排除），不是缺口。相反，若人工智能推荐了不符合资格的企业，这可能是Misrecommendation Risk（错误推荐风险），也不能被包装成成功。

十四、G3 Business Gap（业务缺口）

G3的最低条件包括：目标变量具有用户相关性；情境与主体明确；企业事实已经核验；能力、资格、容量、产品或边界确实不足；不足对决策具有实质影响；正确排除已经被考虑。

工作描述可以包括Capability Gap（能力不足）、Eligibility Gap（资格不足）、Capacity Gap（容量不足）、Boundary Mismatch（边界错位）和Product-market Misfit（产品—市场错位），但这些不是新的一级分类。

当G3是先行限制时，证据与传播不能先于Business Improve（业务改进）或Reposition（重新定位）。Marketing Reframing（营销改写）不得把能力不足改写成“品牌故事不足”。

十五、D4与G2 Evidence Gap（证据缺口）

证据诊断遵循：

Entity Reality（实体事实）
→ Atomic Target Claim（原子目标命题）
→ Claim Type（命题类型）
→ Required Evidence（所需证据）
→ Qualified Evidence（合格证据）
→ Evidence Set（证据集合）

G2的最低条件是：用户变量或资格证明具有现实需要；企业能力至少部分确认；原子命题准确；所需证据已经定义；当前缺少真实、具体、可验证且匹配命题的证据单元或集合；缺少的是证明条件，而不只是公开页面或发现路径。

可能的工作描述包括Missing Primary Record（缺少原始记录）、Insufficient Claim Fit（命题匹配不足）、Weak Verification（验证不足）、Lineage Dependence（谱系依赖）、Temporal Gap（时间证据不足）与Coverage Gap（覆盖不足）。

如果页面不存在且企业也没有合格证据，应先考虑G2，不能因为“没有页面”直接诊断G1。

十六、D5：Authorization Envelope（授权表达边界）

证据资格与公开行动之间必须增加授权门：Internal Verification Only（仅内部核验）、Publicly Authorized（已授权公开）、Authorized with Redaction（经脱敏可公开）、Restricted Use（限制使用）、Authorization Withdrawn（授权撤回）、Legally Non-actionable（法律上不可行动）、Deliberate Non-publication（主动不公开）和Authorization Unknown（授权未知）。

内部合格证据没有公开授权时，不能直接变成G1-A外化任务。匿名和脱敏后还要重新检查Attribution Clarity（归属清晰度）、Verification（可验证性）与Redaction Impact（脱敏影响）。

诊断存在也不等于应当行动。法律禁止、客户关系、竞争敏感和企业主动不公开都可能使公开干预不可行动。

十七、G1 Observability Ladder（G1可观测性阶梯）

G1-OL1 Qualified Evidence Exists（合格证据存在）
→ G1-OL2 Authorized Public Expression Exists（授权公开表达存在）
→ G1-OL3 Accessible Public State（公开可访问状态）
→ G1-OL4 External Discoverability Signal（外部可发现信号）
→ G1-OL5 Displayed Source or Citation（显示来源或引用）
→ G1-OL6 Atomic Claim Reflected（原子命题被反映）
→ G1-OL7 Correct Entity Attribution（正确实体归属）
→ G1-OL8 Decision-function Use（进入决策功能）

这是外部可审计的观察阶梯，不是人工智能内部固定流水线。搜索索引、页面技术可访问和第三方抓取属于Proxy Observation（代理观察），不能证明特定人工智能产品已经检索或选择。

同样，没有显示引用不能证明没有检索；显示引用不能证明目标命题被吸收；命题出现但来源不可见，也不能证明来自目标页面。

十八、G1 Information Gap（信息缺口）的六个子型候选

六个子型用于定位候选所在层，不是已知的人工智能内部机制，也不修改G1正式一级定义。

十九、G1子型路由不能跳步

• 没有合格证据：先检查G2，不以无页面诊断G1-A；
• 有内部证据但无合法公开路径：记录Authorization Constraint（授权限制）；
• 只有搜索索引或抓取信号：最多形成G1-R候选；
• 只有无显示引用：不能单独形成G1-S；
• 显示引用但原子命题未进入：满足其他条件时考虑G1-B；
• 命题出现但来源未知：记录知识呈现，不声称目标来源被吸收；
• 命题存在但归属错误：优先考虑G1-T；
• 命题与实体正确关联但未进入决策功能：考虑G1-D，并继续与G4路由。

二十、D6与G4 AI Perception Gap（人工智能认知缺口）

G4是较晚诊断，最低条件包括：User-DVM（用户决策变量地图）支持该变量在当前主体与阶段的重要作用；企业真实符合资格；原子目标命题准确；Evidence Set（证据集合）较强且具有公开GEO Usability（GEO可用性）；没有更直接的G2、G1或测量解释；Neutral Baseline（中性基线）和适当探针提供表达机会。

同时要记录Prompt Sensitivity（提示敏感性）、Context Sensitivity（上下文敏感性）、Tool Sensitivity（工具敏感性）、Dependency Cluster（依赖簇）、时间批次以及Engine or Product Condition（引擎或产品条件）。现象需要在多种适当条件下具有一定重复。

若问题仍可定位到特定命题、公开表达、实体连接或答案功能链，优先使用G1-D或其他G1子型；只有前置条件充分且人工智能仍系统性遗漏、误用或方向错误，才考虑G4。

G4是Operational Diagnosis（操作性诊断），内部机制保持Unknown（未知），也不承诺能够改变或持久改变人工智能。

二十一、D7与G5 Competitive Evidence Gap（竞争证据缺口）

竞争审计必须在同一情境、变量、命题类型、资格边界、证据要求、时间、查询簇、探针和产品条件下进行，并独立检查双方真实资格、命题准确性、证据有效性、具体性、时效、谱系独立性、覆盖、授权、归属和公开可用性。

G5最低条件是：目标企业真实符合资格并有一定合格证据；人工智能能够理解或使用目标变量；竞品在独立相对证据审计中更具体、完整、及时、独立、清晰或适配；推荐差异与相对证据状态描述性一致；替代解释仍被保留。

人工智能推荐竞品不能反向证明竞品证据更强。若竞品真实更适配，应记录Correct Competitive Outcome（正确竞争结果），不是G5。媒体数量、品牌知名度和固定Authority Score（权威评分）都不能建立G5。

G5 Locus Diagnosis（G5所在层诊断）也不等于Causal Attribution（因果归因）。

二十二、Dependency Ordering（依赖顺序）

多缺口允许共存，但应按先行限制排序：

Business Reality and Eligibility（业务现实与资格）
→ Claim and Evidence（命题与证据）
→ Authorization and Public Availability（授权与公开可获得性）
→ Discoverability and Answer Use（可发现性与答案使用）
→ Conditional AI Behavior（条件化人工智能行为）
→ Relative Competitive Evidence（竞争相对证据）

这是一种依赖治理，不表示每个项目都有完整线性链。当G3已经使目标命题不正当时，不能优先建设G2或G1来包装不存在的能力。

二十三、Primary Gap（主要缺口）不是根因

诊断应区分：

• Primary Gap（主要缺口）：当前最先限制目标状态的证据支持诊断；
• Contributing Gap（促成缺口）：共同造成或放大问题；
• Downstream Symptom（下游症状）：上游限制产生的观察表现；
• Competing Diagnosis（竞争诊断）：同一症状的其他合理解释；
• Risk Condition（风险状态）：需要治理但不必属于增长缺口。

Primary Gap（主要缺口）是当前工作判断，不是已证明Root Cause（根本原因）。它可以在新证据出现后被缩小、替代或否定。

二十四、Minimum Necessary Diagnosis（最小必要诊断）

一个项目不需要填满G1—G5。只保留满足门槛且影响当前目标的诊断，其余标记Not Diagnosed（未诊断）。

Label Inflation Audit（标签膨胀审计）需要追问：标签是否有独立证据，是否只是同一症状的重复命名，是否已被上游问题充分解释，是否会改变后续研究与风险判断，以及是否因为服务商的产品菜单而被加入。

诊断越多不代表越专业。最小必要诊断更有利于识别优先顺序和反证条件。

二十五、服务商激励冲突必须披露

诊断者可能从内容、媒体、技术改造、咨询或长期服务中获益。若服务商擅长发稿，就可能把问题偏向G1；擅长案例制作，就可能夸大G2；不具备业务改进能力，则可能把G3改写成品牌表达问题。

诊断记录应披露Provider Incentive Conflict（服务商激励冲突）。Primary Gap（主要缺口）不能按利润、套餐完整度或交付便利选择。高风险诊断可要求Independent Review（独立复核）并保留Override Log（覆盖日志）。

二十六、Non-gap and Risk States（非缺口与风险状态）

以下状态应允许正式存在：Measurement Issue（测量问题）、Not Comparable（不可比）、Not Tested（未被检验）、Reality Unknown（事实未知）、Eligibility Unknown（资格未知）、Correct Exclusion（正确排除）、Correct Competitive Outcome（正确竞争结果）、Out of Scope（范围外）、Authorization Constraint（授权限制）、Legal Non-actionability（法律不可行动性）、Normative Override（规范覆盖）、Harmful Target（有害目标）、Misrecommendation Risk（错误推荐风险）、Unsupported Favorable Representation（无充分支持的有利呈现）和Indeterminate（无法判断）。

人工智能对企业有利并不自动等于成功。还要分别判断Claim Truth（命题真实性）、Entity Eligibility（实体资格）、Displayed Support（显示支持）与Misrecommendation Risk（错误推荐风险）。

二十七、诊断证据、状态与反证性

每项诊断需要记录Direct Observation（直接观测）、Coded Inference（编码推断）、Operational Hypothesis（操作性假设）、Unknown Mechanism（未知机制）、支持证据、反向证据、替代解释、缺失、范围和时间。

诊断状态包括Candidate Gap（候选缺口）、Evidence-supported Operational Diagnosis（证据支持的操作性诊断）、Contested Diagnosis（争议诊断）、Indeterminate（无法判断）、Rejected Diagnosis（已否定诊断）、Resolved（已解决）、Partially Resolved（部分解决）、Shifted Downstream（问题已移至下游层）、Superseded（已被替代）和Retired（已退役）。

每项诊断必须写出Falsifiability（可反证性）。例如，G2可被后来形成的合格证据集合削弱；G1-A可被已存在的授权公开表达反驳；G5可被独立审计显示双方证据并无差距或竞品优势来自真实资格而反驳。

不建立统一Gap Confidence Score（缺口置信评分）。

二十八、Resolution Ladder（分层解决状态）

Evidence Built（证据已建立）
→ Publicly Available（已公开可获得）
→ Discoverability Improved（可发现性改善）
→ Source or Claim Observed（来源或命题已观察）
→ Correct Attribution（正确归属）
→ Decision-function Use（进入决策功能）
→ Appropriate Recommendation Boundary（推荐边界适当）

上游完成不代表下游完成。页面发布成功不等于可发现，人工智能提及恢复不等于变量进入比较或推荐，推荐率提高也不等于推荐边界正确。

诊断需要版本、证据截止时间、人工智能观测窗口、实体状态版本、竞品快照、复查日期和退役理由。过期诊断不能长期作为当前销售结论。

二十九、Diagnosis-to-Intervention Firewall（诊断—干预防火墙）

任何缺口进入干预前必须通过：

Validated Diagnostic Scope（已确认诊断范围）
→ Atomic Target Claim（原子目标命题）
→ Claim-specific Evidence Requirement（命题特定证据要求）
→ Controllable Variable（可控变量）
→ Intervention Hypothesis（干预假设）
→ Channel Fit（渠道适配）
→ Expected Observable（预期可观察结果）
→ Control and Experiment Design（对照与实验设计）

G1不等于发稿，G2不等于写案例，G3不等于改品牌故事，G4不等于承诺影响模型，G5不等于增加媒体数量。On-site or Off-site（站内或站外）只是Execution Channel（执行渠道），不是诊断答案。

干预后症状改善只能更新原诊断的支持程度，不能单独证明原诊断就是根因，也不能单独证明干预具有因果效果。

三十、严重性和优先级不能合成一个分数

决策实质性、诊断证据、稳定性、伤害与错误推荐风险、影响人群、企业可控性、证据可行性、人工智能可介入性、竞争环境、商业价值和合规敏感性应分别记录。

这些维度之间存在不可补偿关系。高商业价值不能补偿事实未知，高曝光机会不能补偿企业不符合资格，短期指标改善不能补偿重大伤害。

因此不建立统一Gap Score（缺口评分），也不允许一个综合分自动决定服务优先级。

三十一、Gap Diagnosis Card（缺口诊断卡）

最低记录必须覆盖目标与诊断单元、现实与资格、证据与授权、人工智能观测、分类与依赖、多诊断治理、认识状态以及治理生命周期八组信息。正文保留这些不可缺少的记录面，完整填写结构集中在附录C｜Method Templates（方法模板）；认识状态与因果措辞限制见附录D｜Epistemic Status（认识状态）与因果措辞。

三十二、本章明确否定的观点

• 人工智能未提及企业就一定存在G4；
• User-DVM（用户决策变量地图）减去AI-DVM（人工智能决策变量地图）就得到缺口；
• 企业自述能够确认真实能力；
• 缺少材料即可断言G2或G3；
• 历史案例自动支持当前能力和资格；
• 内部证据没有授权也属于可执行G1-A；
• 页面不存在就一定是G1-A；
• 搜索收录证明人工智能可以检索；
• 没有引用证明未检索或未选择；
• 显示引用证明目标命题被吸收；
• 命题出现证明它来自目标来源；
• G1子型是人工智能内部流水线；
• G1-D与G4无需路由；
• 一个引擎的结果可以代表全部人工智能；
• 竞品被推荐就一定是G5；
• 人工智能结果可以自证竞品证据更强；
• 媒体数量或固定权威分可以诊断G5；
• 缺口标签越多，诊断越完整；
• 主要缺口应按服务商最擅长或最赚钱的交付选择；
• 正确排除、授权限制和错误推荐必须包装成增长缺口；
• 上游症状改善等于完整解决；
• 前后变化证明诊断根因或干预因果；
• 统一Gap Score（缺口评分）可以决定优先级；
• 缺口类型可以直接决定内容、案例、媒体、站内或站外动作；
• Unknown（未知）可以为了报告完整而补成确定诊断。

三十三、当前仍然不知道什么

以下问题保持Unknown（未知）：

• 不同行业G1—G5的最低诊断证据；
• Reality Verification Protocol（事实核验协议）的行业级充分条件；
• 匿名和脱敏证据保持证明力的准入标准；
• G1各可观测层的任务级阈值；
• 在内部检索不可见时区分可检索、选择和吸收的方法；
• G1-D与G4的经验路由门槛；
• G4的基线、重复、引擎与时间稳定标准；
• G5相对证据优势的可比门槛和因果关系；
• 主要与促成缺口的裁决规则；
• Diagnosis Freshness SLA（诊断时效服务标准）与退役阈值；
• 服务商激励冲突的独立复核条件；
• 诊断置信与C0—C5 Causal Confidence（因果置信度）的关系；
• 诊断质量与干预效果之间的因果关系；
• 可升级为Validated Pattern（已验证模式）的准入标准。

当前Validated Pattern（已验证模式）为空。

三十四、本章结论

Gap Diagnosis（缺口诊断）不是从一次人工智能答案直接推导内容任务，而是把目标状态、用户决策、企业现实、实体资格、原子命题、证据集合、授权边界、公开信息链、条件化人工智能行为和竞争证据放进同一诊断单元。

G1—G5 Gap Map（缺口地图）保持Freeze 02（冻结02）正式定义。诊断通过D0—D8顺序排除测量、目标、现实、资格、证据与授权问题，再进入信息链、人工智能认知和竞争相对证据判断。

多缺口可以共存，但必须区分主要缺口、促成缺口、下游症状、竞争诊断和风险状态。正确排除、正确竞争结果、授权限制、测量失败与Unknown（未知）可以成为正式结论。所有诊断都必须具备反证条件、生命周期和分层解决状态。

下一章进入Intervention Methodology（干预方法论）。干预不会由缺口标签直接生成，而要经过命题特定证据要求、可控变量、干预假设、渠道适配、预期观察和实验设计。

本章图表

图14-1｜症状到干预的七层分离

重绘说明：依次展示Symptom（症状）、Descriptive Difference（描述性差异）、Gap Locus（缺口所在层）、Gap Classification（缺口分类）、Causal Hypothesis（因果假设）、Root Cause（根本原因）与Intervention（干预），每层之间使用“不等于”而非自动箭头。

图14-2｜D0—D8诊断顺序

重绘说明：以九道诊断门展示测量、决策相关性、事实、资格、命题证据、授权信息链、人工智能行为、竞争审计和最终分类；旁注说明部分调查可并行，但必须保留前置依赖。

图14-3｜G1—G5 Gap Map（缺口地图）

重绘说明：五张平行卡片展示正式定义，并在下方标出“一级定义继承Freeze 02（冻结02），本章不新增平行分类”。

图14-4｜G1-OL1—G1-OL8可观测性阶梯

重绘说明：从合格证据存在到进入决策功能逐层展示，使用不同灰度、线型和节点标签区分企业公开状态、外部代理信号和人工智能答案观测；标注“不是内部流水线”。

图14-5｜G1子型候选与G4路由

重绘说明：展示G1-A、G1-R、G1-S、G1-B、G1-T、G1-D的入口条件，并从G1-D连接G4的晚期门槛，防止“未进入推荐”直接归为G4。

图14-6｜多缺口依赖顺序

重绘说明：从业务现实与资格、命题证据、授权公开、可发现与答案使用、条件化人工智能行为到竞争相对证据，区分Primary Gap（主要缺口）、Contributing Gap（促成缺口）和Downstream Symptom（下游症状）。

图14-7｜Non-gap State（非缺口状态）路由

重绘说明：将测量问题、不可比、事实未知、资格未知、正确排除、正确竞争结果、授权限制、法律不可行动、错误推荐风险和无法判断放入正式输出区，强调“不强行贴G1—G5标签”。

图14-8｜Diagnosis-to-Intervention Firewall（诊断—干预防火墙）

重绘说明：采用本章第二十九节的八步结构，在缺口分类与执行渠道之间设置防火墙；站内、站外、媒体、案例和内容只出现在渠道适配之后。

表14-1｜Gap Diagnosis Card（缺口诊断卡）

采用本章第三十一节的八组记录面与附录C的完整模板，作为服务系统诊断模块的最低输出规范。