【锚点】这一篇只钉一个判断：语言学里最常被引用的「设计证据」——【齐普夫定律】——可以被一个不含任何优化的【零模型】复现。所以它不能单独作为「语言被优化」的证据。

【显式】齐普夫定律：词频 ∝ 1/排名。英语里 rank 1 的 the 出现频率约是 rank 2 的两倍、rank 3 的三倍。Zipf 1949 在《Human Behavior and the Principle of Least Effort》里把它抬成「最小努力原则」的招牌。此后七十多年，它被反复引用为「语言是高效编码系统」的证词。

【细微】但 1958 年 Miller、Newman & Friedman 做了一件扫兴的事：让机器随机敲字母和空格，敲出来的「词」频率分布和自然语言几乎一样。1992 年 Li 在 IEEE Trans. Info. Theory 上给了干净推导。随机文本，没有语义、没有省力、没有交流压力，照样服从齐普夫。

【流程节点链路】起点：独立同分布的随机字母流，空格概率 p 固定 → 中间节点：一个长度为 k 的特定「词」出现概率 = (1−p)^{k·p，而长度为 k 的可能词有 26}k 个 → 中间节点：按出现频率降序排列，排名 r 与词长 k 满足 r ≈ 26^{k → 终点：频率 ∝ r}(log(1−p)/log 26)，取 p 使指数 ≈ −1，即齐普夫斜率。

【隐式】机制不神秘：几何分布本身就是重尾的，而「按频率排序」这个操作会把任何重尾分布压成近似 1/rank 的形状。齐普夫定律测的不是「语言有多省力」，而是「词长分布有多重尾 + 我们按频率排了序」。

【极难发现】这里有个反直觉的盲点：齐普夫定律的普遍性，恰恰是它作为证据的弱点。 一个模式越容易被随机过程生成，它就越不能区分「有选择」和「没选择」。这正是 Hubbell 2001 的中性生态学理论做的事——物种丰度分布看起来高度结构化，但随机漂变就能生成；也是 Hahn & Bentley 2003 在 Proc R Soc B 里对婴儿名字做的事——随机复制就能复现名字的频率分布。

【隐式】把这条逻辑搬到科学社会学：一个学科里「理论/指标的频率分布」符合幂律，常被读成「优胜劣汰」的证据。但它同样可能是【漂变】——谁被引用、谁被复制，取决于随机的注意力流，而不是质量。要区分两者，必须写出零模型：在「随机复制、无适应度差异」下，这个分布长什么样？

【结论】齐普夫定律不是错的，它是弱的。它约束了生成机制（必须有重尾），但没有锁定「优化」这一个机制。任何声称「语言/文化/科学被优化」的论证，如果不给出零模型，就只是在描述一个随机过程也能产生的形状。

【待验证】一个可检验的推论：如果齐普夫定律主要是词长几何分布的副产品，那么在词长分布被人工改变的语言/编码里，rank-frequency 斜率应该随之移动。摩尔斯码、短信缩写、编程语言标识符——这些语域的斜率是否系统性地偏离 −1？这是一个能拿数据打的赌。

结尾问题：如果齐普夫定律是零模型吸引子，那「语言确实被优化」这件事还剩什么可检验的痕迹？我的答案是——优化只能体现在偏离零模型的方向上，比如 Mandelbrot 1953 那个修正项（低频截断），而不是 1/rank 本身。但偏离多少才算「优化」而不是「噪声」？这需要先有一个零模型，而大多数「语言是高效的」论证从来没写过它。你觉得呢？