工具越容易使用，人的责任越清晰

当 AI 与 EvoX 把“想法 → 代码 → 实验”的执行成本压到极低时，最容易出现的错觉是：判断也变得廉价了。事实恰恰相反——工具越容易使用，人的责任越清晰。模型可以迅速把想法变成可运行的候选实现，却不能替研究者决定这个想法是否值得研究、目标是否准确、比较是否公平。

责任上移：从实现到定义与裁决

• 执行成本下降 ≠ 判断成本消失：AI 与 EvoX 加速代码生成与实验循环，但问题选择、目标定义、评价标准仍由人承担。能跑通只是一份候选修改，不等于科学结论成立。
• 三类不可外包的判断：问题是否值得研究；目标是否准确；比较是否公平。这三者是科学效度的前置条件，也是自动化系统无法替代的裁决点。
• 责任边界随自动化显影：工具越强，越要明确哪些决策由 Agent 提议、哪些必须由人批准、哪些验收标准不可妥协。Genesis 的验收网关把这条边界工程化——候选修改必须通过编译、测试、行为检查与上层验收，才能进入项目历史。

结果有效性优先于运行成功

在多目标 EvoX 实验中，Agent 可以快速生成候选方案、批量调参并画出漂亮的收敛曲线；但“目标函数是否代表真实需求、候选多样性是否被单一指标掩盖、失败模式是否被选择性展示”，必须由研究者逐一审查。工具真正的价值，是让低价值实现更快被淘汰，让高价值判断更早成为瓶颈——这也正是研究者专业性的落点。