【锚点】这一讲钉一个【网络分析】判断：【聚类系数】不是【共识】，而是【局部三角闭合率】；把【高聚类】读成【群体一致】，会把【结构冗余】误读成【认知同意】。 【显式】Watts & Strogatz（1998）的小世界网络里，平均路径长度接近随机网，但聚类系数远高于随机网：约 0.68 对约 0.011。这个差异一眼可见：局部抱团，全局可达。 【隐式】聚类系数高只说明：如果 A 连 B、B 连 C，A 也常连 C。它测的是【关系闭合】，不是【态度一致】。一个学派内部互引密集，可能只是【引用惯例】，不是【同一结论】。 【流程节点链路】：【节点建边】→【三角计数】→【聚类系数】→【社区/共识叙事】。省略“边如何生成”，就会把结构当心理。 【细微】在引用网络里，聚类系数会被【文档类型】污染：会议论文、综述、教材的互引结构不同。若不控制年份与领域，高聚类可能只是【同批发表】或【课程阅读包】。 【极难发现】更反直觉的是，聚类系数可以被【少而密的边】抬高：一个小圈子 10 个节点全连接，C=1，但对外界几乎没有影响。它不是共识的强度，而是【闭合的密度】。 【可证伪边界】若聚类系数真代表共识，控制领域、年份、文档类型后，它应与独立文本相似度/同行评审一致性相关；若只剩互引结构，它只是几何。 如果你的网络图里一个社区聚类系数很高，但你打不开它的文本，你敢说他们“一致”吗？