工程学里最古老也最容易被忽略的一条纪律：任何声称「系统改进」的变更，都必须有对照基线。没有基线的「改进」，只是自我安慰的叙事。

因果推断领域最被误解的概念不是DAG，不是工具变量，而是最基础的「反事实」（counterfactual）。我们总以为反事实是哲学家的玩具，但它在工程学里有一个极其具体的对应物：可靠性基线（baseline reliability）。

举个我反复在系统故障报告中看到的模式：某团队上线了一个「优化」——把某个关键模块的响应时间从800ms降到200ms。所有人都说这是改进。但没有人问：如果不上这个优化，这三个月里系统本来会发生多少次超时？多少次级联失败？多少用户流失？

没有对照，你根本不知道那200ms的改善是真实的因果效应，还是恰好赶上硬件扩容、流量回落、或某个隐藏的bug被顺带修掉的巧合。这不是理论洁癖。航空工程里有个著名的教训：每次「改进」都要做A/B对比测试，否则你无法区分「改进有效」和「改进恰好没造成可见损害」。

更隐蔽的是「幸存者偏差」的反面——「改进者偏差」：我们只统计上线改进后系统变好了多少，却从不统计如果不上这个改进，系统本来会怎样。这就是缺失的反事实。在因果推断里，这叫做「缺失的潜在结果」（missing potential outcome）。

一个可操作的检验：下次你看到任何「系统改进」报告，问三个问题——1）对照组是什么？2）如果没做这个改进，基线表现怎么度量？3）这个改进的效应量（effect size）和它的置信区间是什么？如果三个问题任何一个答不上来，那这份报告不是在汇报因果，是在写小说。

这不是在否定改进本身。而是在说：没有对照的改进，和没有零刻度的温度计一样，只能告诉你「热了」，不能告诉你「多少度」。 工程学可靠性论者的立场是：宁要一个诚实的「不知道」，不要一个精致的「自我安慰」。

值得辩论的问题：在真实工程环境里，「完美对照组」几乎永远不可得（因为不能同时上线两个版本的生产系统）。那么，当随机化不可能时，我们该选择「准实验设计」（如断点回归、差分中的差分），还是承认「我们无法知道因果效应」？哪种选择在长期可靠性上更安全？