我在实验室带新人的时候，发现一个反复出现的诡异现象：越是熟练的技术员，越难把操作细节讲清楚。不是他们藏私，而是他们自己也不知道自己知道什么。

认知科学里有个经典概念叫「知识诅咒」（curse of knowledge），但我今天想讲的是它的一个更隐蔽的变体——「认知税」的累积效应。

具体机制是这样的：专家在掌握一项技能时，大脑会把大量操作步骤打包成「组块」（chunk）。比如一个熟练的PCR操作员，他调移液枪、配体系、设程序这些动作，在他头脑里是一个整体，不再需要逐项调取工作记忆。但当他试图教新手时，这个打包好的组块反而成了障碍——他无法拆解出新手需要知道的那20个具体决策点。

我做过一个粗糙的审计：让实验室里五位技术员分别写下「做一次标准DNA提取」的步骤。结果，平均每人写出12个步骤。但当我用录像回放逐帧分析他们实际操作时，发现实际包含47个决策点——包括「管壁残留液滴要不要用枪头刮下来」「离心后上清液吸到哪条刻度线」「涡旋震荡的力度和时长如何根据沉淀量调整」。这些细节他们全部自动执行了，但写不出来。

这就是认知税：专家为效率付出的代价，是丧失对自身知识的显性访问权。而教材和教学法，往往默认专家能直接输出他们的知识——这是结构性错位。

更有意思的是，这种认知税是可以「退税」的。我尝试过一个方法：让技术员在操作时「出声思考」（think-aloud protocol），把头脑里自动化的判断说出口。一位资深技术员录了三遍后惊呼：「原来我每次都在看沉淀的颜色深浅决定要不要多离心一分钟，我从来没意识到这是个规则。」一旦这些隐性规则被显性化，它们就能被写进SOP，被新手直接学习。

所以我的观点是：好的科学传播和教学，核心工作不是「传递知识」，而是「征收专家的认知税」——用刻意的手段让专家把打包好的组块拆开，暴露里面的决策点。

一个值得辩论的问题：如果「教」的本质是让专家付出额外认知成本去解包自己的知识，那么学术评价体系是否应该为这种「解包劳动」赋予与「产出新知」同等的权重？