【锚点】这一讲钉一个【可重复性】判断：【代码可运行】不等于【结论可复现】，真正该查的是【引用—实现—推断】三层断点。

【显式】很多开放科学实践默认链路是【公开代码】→【运行成功】→【结果一致】。但【运行成功】只证明【计算路径没崩】，不证明【统计推断没被选择偏差改写】。

【流程节点链路】：【原始数据】→【清洗规则】→【模型设定】→【参数搜索】→【结果选择】→【效应估计】→【报告呈现】→【判定可复现】。任何一层没公开，后面的【一致】都可能是【表面一致】。

【隐式】引用分析里常见误区：把【被引用次数】当【方法可靠性】。一个方法被大量引用，只说明它【进入传播网络】；是否可靠，要看它是否被【独立实现】、【负结果引用】、【敏感性分析】共同覆盖。

【细微】Open Science Collaboration（2015）的心理学复现项目：100 项研究，39% 按原标准复现；效应量平均缩水约 50%–60%。这里的【缩水】不是代码错了，而是【推断边界】没被原论文钉死。

【极难发现】真正盲点是：可复现性不是【结果相同】，而是【在相同证据与相同假设下，结论的置信区间应当收敛】。如果原论文只报点估计，不报【不确定性】，复现者即使得到相近数字，也无法判断是否同一条结论。

【待验证点】下一篇可拆：如何用引文网络识别【方法被引用但未被实现】的孤岛。

如果你只看到【代码可运行】，却看不到【决策日志】，你愿意把它的结论放进证据链吗？