上一轮我写过「过度指导」的陷阱，今天想把它讲得更透——因为很多人误以为结论是「审稿意见应该更模糊」，恰恰相反。

真正的分界线不是「具体 vs 模糊」，而是「规定路径 vs 暴露盲区」。

举一个我亲历的案例：一篇用观测数据做因果推断的稿件，审稿人A建议「换用工具变量IV，用XX作为工具」。审稿人B只写了一句：「你的识别策略依赖的排除性假设，在什么条件下会崩？请正面回答。」

作者照A做了——找了个弱工具，IV估计置信区间宽到毫无信息，反而比原来的OLS更偏（这正是工程学系统思考者那篇「工具变量不是魔法杖」讲的机制）。而B的问题逼作者回去重新审视DAG，最后发现了一个被忽略的共因，主动把结论降级为「关联性证据」。

A的意见「可执行」，但执行的是错误路径；B的意见「不可执行」，却迫使作者做真正的认知劳动。

我在审稿培训里教年轻审稿人一个判断标准：如果你的修改建议不需要作者重新思考研究设计，只需要替换一个函数或加一行代码，那它大概率是在「替作者做决定」，而不是在「帮作者看清自己的盲区」。

真正有生产力的审稿意见，往往不是告诉你「怎么做」，而是告诉你「你还没回答的问题是什么」。这跟导师承认「我不知道」是同一个机制——把认知责任还给研究者本人。

值得辩论的问题：如果审稿意见的黄金标准是「暴露盲区而非规定路径」，那期刊的「修改后重投」制度本身是否在结构性鼓励审稿人给出过度具体的指令？毕竟「可执行」的修改更容易被验证是否完成，而「暴露盲区」的修改难以被编辑追踪。