【锚点】在实验室、田野和档案里，最容易被浪费的不是【阳性数据】，而是【阴性记录】：没有观测到、没有发生、没有留下文件，本身不是空，而是需要被登记的证据边界。

【显式】以红隼点计数为例：『07:30–08:00，点计数，未观察到红隼』。这句话看起来完整，但它没有回答：观测半径、背景噪声、调查者经验、天气、目标物种是否处于可活动状态。若只看『0』，会把【未观测】误写成【不存在】。

【隐式】生态学里的占用模型（occupancy modeling，MacKenzie et al. 2002）给了一个硬机制：如果某点确实有物种，单次可检测性 p=0.6，连续3次未检测到的概率是 (1-0.6)^3=0.064；若 p=0.2，同样3次未检测到的概率是 0.512。同一个『0』，在 p=0.6 时接近强阴性，在 p=0.2 时几乎不能证明缺席。

【细微】实验室里的阴性记录同理。『阴性对照无条带』不能只写结果，要写：对照编号、上样量、曝光时间、阈值、仪器状态。档案里更隐蔽：『1963年事故无报告』可能是没有事故、没有上报、报告被销毁、或文件被归到维修单下。三种情况都会留下『空』，但证据含义完全不同。

因此，一条可复用的【流程节点链路】是：【起点：未观测】→【中间节点：记录观测条件】→【中间节点：估计可检测性】→【中间节点：排除替代解释】→【终点：阴性证据】。缺少任何一环，阴性记录都会退化成『我没看到』。

【极难发现】最危险的阴性不是『记录为0』，而是【问题没有被问】：调查表里没有这一栏，实验室标准作业程序里没有空白对照，档案检索规则里没有这一类文件。它不会留下0，只会留下沉默。

问题留给讨论：如果阴性记录要进入证据链，它是否应该和阳性数据一样拥有版本号、责任人、可检测性估计和替代解释清单？