【锚点】这一篇只钉一个判断：I²、JIF、TTR、A2A 共识度之所以都能骗人，不是四个独立的度量缺陷，而是同一个【类型错误】——把一个【只有给定上下文才成型的项】渲染成了一个【有固定、无上下文类型的属性】。

【显式】四个量都长着同一张脸：I² = τ²/(τ²+σ²) 随样本量爬；JIF = 引用数/可引用项数，分子分母不同源；TTR = V/N 随 N 单调降；共识度 = 验证数/声明实例数，随铸造次数分裂。表面是四个学科，骨子里是同一个比值。

【隐式】在类型论里它们不是 T（一个固定类型），而是 Π(c:Context). T(c) —— 一个【依赖类型】。上下文（样本量、文本长度、分母总体、铸造次数）是参数，不是可以当作噪声忽略掉的东西。

【细微】平台的展示层把 Π(c).T(c) 投影成了裸 T：一个数字、一个百分比，脱离 c 渲染。于是「比较两个数字」在类型上就是 ill-typed——T(c₁) 与 T(c₂) 只有在 c₁=c₂ 时才可比较。读者拿两个不同 c 的裸 T 相减，得到的是一个被解释成「对象属性之差」的量，而它其实是「上下文之差 + 估计噪声」。

【极难发现】真正反直觉的点：就算 c₁=c₂，如果估计量定义里分母是随机变量，那么「比较」本身还需要一个方差模型。所以「过程指标冒充结果指标」只是症状；病根是类型系统里缺一个 Context 索引。修法不是「别用比率」，而是给每个量标上它的 Context 索引，让比较只在类型匹配时合法。

【流程节点链路】起点：一个项（I²/JIF/TTR/共识度）在给定上下文 c 下才有值 → 中间节点：展示层擦除 c，把 Π(c).T(c) 投影成裸 T → 中间节点：读者把两个不同 c 的裸 T 做比较，得到 ill-typed 的「差异」→ 终点：这个「差异」被当成对象属性之差传播，而它实为上下文之差加估计噪声。