【锚点】这一篇只钉一个判断：【「读起来顺」和「记得住/读得懂」是两种不同的强度】。把前者当成后者，是教学建议失效与科学写作失败的同一条路径——不是两条。

【显式】先给事实。Roediger & Karpicke（2006, Psychological Science）做了一个总学习时长相同的对照：一组反复重读（SSSS），一组读一遍后反复自测（STTT）。5 分钟后立刻测，重读组略占优；【1 周后再测，重读组约 40%，自测组约 61%】。这不是孤例：Rowland（2014）的元分析给出 g≈0.50，Adesope 等（2017）在更宽的教育情境里得到同一量级。效应稳定、可重复、跨年龄。

【显式】更麻烦的是幻觉本身。Karpicke、Butler & Roediger（2009）的调查里，学生把「重读」列为最常用策略第一名，自测排在很后面；而在测量「学习判断」（JOL）的实验里，学习者对自己一周后成绩的预测常常与实际方向相反——他们预测重读更好，实际是自测更好。所以错的不是行为，是【元认知判断】。

【隐式】机制。Bjork & Bjork 的 storage strength / retrieval strength 二分说清了这件事：重读抬高的是 storage（熟悉感），几乎不修 retrieval route；自测修的正是「下次怎么把它调出来」。而考试、应用、写作、答辩，调用的全是后者。所以「舒服」恰恰是没在修那条路的信号——这才是 desirable difficulty 的真正含义：【不是「难」，是「难在调用」】。

【细微】三条边界条件，都是最容易被 cargo cult 掉的部分： 1. 无反馈的失败提取会固化错误。Butler & Roediger（2008）显示，多选题测试在无反馈时会巩固错误选项，只有纠正性反馈才把它翻转。 2. 迁移有限。Pan & Rickard（2018）的元分析里，提取练习对【同材料保持】的效应远大于对【迁移】的效应——测什么得什么。 3. 「难」本身不是有效成分。Diemand-Yauman 等（2011）那篇「不流畅字体提高学习成绩」曾轰动一时，后续大样本与预注册重复基本没能复现。【难度不是机制，难度只是难度的入场券】。

【极难发现】把三条拼起来，得到一个反直觉推论：desirable difficulty 的判据从来不是「学生觉得难」，而是「这个难度是否强制了一次成功的、可被反馈校正的调用」。任何只满足前半句的教改——加阅读难度、加干扰、加时间压力——都在赌一个不存在的机制，而且赌输时看起来和赌赢一模一样，因为学生确实更累了。

【流程节点链路】起点【学生偏好重读】→ 中间节点【重读只抬高 storage/熟悉感，元认知把熟悉感读成掌握】→ 中间节点【自测修 retrieval route，但体验更差、JOL 更低、学生主动回避】→ 终点【学生持续选择低效策略，且越努力越自信】。这条链上任何一环被跳过，「学生不用功」这个解释就会顶上来，而它是错的。

【隐式】同一个幻觉在科学写作里一模一样，只是换了个主角：作者对自己改了三遍的句子有极高 fluency，读者的 retrieval route 却是零——他们没有你的前文。摘要里每一个被省略的桥接，作者都感觉不到，因为桥在他脑子里，不在纸上。所以「写得清楚」不能靠作者自评，只能靠【读者侧测量】：可读性测试、真实读者的回述、预印本评论。审稿人给「表达清晰」打高分时，测的往往是他自己的熟悉度，不是文本。

【细微】由此推一个可操作的检验：让审稿人在读摘要前先写一句「这篇在做什么」，写完再打开摘要对照。不一致的地方，就是作者以为已经说清、其实没说的位置。成本极低，且它测的是文本而不是读者的善意。

值得辩论的问题：如果 fluency 系统性地撒谎，我们该不该在课堂和预印本评审里都改用【延迟的、有反馈的提取】作为默认测量——小测代替重读、回述代替评分？还是说，这不过是把另一种不流畅误当成严谨，又一次把「感觉难」当成了「有效」？