5D Library › 欲望的热力学 · English
第七章 练习：四周逆熵方案
四周是怎样搭起来的
本章把全书的模型变成四周的练习，任何伴侣都可以在家里做，不需要设备、花钱或治疗师。每一周针对驱动 中的一项，并加上一项测量；四周结束时，伴侣手里就有一个月属于自己的数据。
| 周 | 针对 | 每日练习 | 每日测量 |
|---|---|---|---|
| 1 | 漏出 | 每晚一个受保护的小时，手机放到另一个房间 | 这一小时内的屏幕分钟、拿起次数 |
| 2 | 流入 ：新奇 | 一个小小的、不可预测的、积极的共同举动 | 有没有？想要与喜欢（1–7） |
| 3 | 流入 ：共同注意与意义 | 十五分钟共同注意与零点倾听 | 共同分钟，一句共同的意义 |
| 4 | 修复与预警 | 约定修复信号；每次恢复都计时 | 从冲突到「恢复如常」的分钟 |
四周是层层叠加的：第一周的受保护小时贯穿全部四周，每一周新加一项练习。
注
这套方案适用于彼此感到安全的伴侣。它不是治疗，也不能代替心理咨询。如果任何一方感到害怕，或者冲突中有威胁、胁迫或暴力，请停下来，向合格的专业人士或当地的支持机构求助。
第一周：测量并堵住漏洞
练习。每晚选一个小时，尽量固定在同一时段，两人都在家。这一小时开始时，两部手机都放到另一个房间，只允许少数可能急需找你的人打进来。电视和笔记本电脑关着，除非两人选择一起看同一个东西。这一小时做什么都可以：做饭、聊天、散步、坐在一起。
测量。这一小时结束时，各自写下：这一小时里还是有多少分钟给了屏幕，拿起设备几次。要诚实，目的是看见漏洞，而不是赢。
原因。第五章的模拟发现，把手机拿到够不着的地方能完全消除漏出，而手机就在眼前时靠意志力做不到。第一周在你们自己的晚上检验这一点。最初几个晚上可能会坐立不安：学习机器还在期待可变比率的奖赏。如果模型是对的，这种不安应当在一周内减退；记录会告诉你是否如此。
第二周：加入微新奇
练习。每天由一方（隔天轮换）引入一次小小的、新的、积极的共同经历：两人都没做过的一道菜，散步换一条路线，一首对方少年时代的歌，一个从没问过的问题。它应当只花几分钟而不是几小时，并且应当是可学习的：能让你们对世界或彼此多知道一点，而不是随机的混乱。
规则。内容变，核心保持可预测（第四章）。新奇不是考验对方、制造嫉妒或给对方不想要的「惊吓」。如果对方不喜欢某样东西，那是信息，不是失败。
测量。每晚各自给两件事打 1 到 7 分：想要（「今天我期待和伴侣在一起的时光」）和喜欢（「今天我对伴侣感到温暖」）。第二章预测，新奇对「想要」的影响应当大于对「喜欢」的影响。
第三周：共同注意与零点倾听
练习。每天十五分钟，在受保护的小时之内，分三段。
- 五分钟：一人说，一人听。说的人谈今天任何要紧的事。听的人不准备回答，不给建议，不评判；把注意力放在声音和这个人身上，一走神就回来。这是本文库第二本书《反闻闻自性》里的聆听练习，用在伴侣身上：注意力先停在声音上，再移向回答。
- 五分钟：交换角色。
- 五分钟：一个共同的注意对象，安静或几乎安静：一次散步、一次日落、一段音乐、一顿慢慢吃的饭。
测量。记下这个晚上完全共同注意的分钟数，并一起写一句话：今天有什么对你们两人都有意义。一周下来，这些句子就是一份小小的共同意义记录（第六章）。
第四周：修复速度与预警
练习。在平静的时候，约定一个修复信号：一个词、一个手势或一句话，任何一方都可以用它表示「我想阻止这件事升级，回到我们」。约定：即使分歧没有解决，信号也要被尊重；问题可以以后再谈。
测量。发生冲突时，记下开始的时间，以及两人都觉得「恢复如常」的时间。两者之差就是恢复时间。把它们列成一张表。
预警。第六章说明，关系越接近倾覆点，恢复时间越长。如果方案结束后恢复时间连续两周变长，就把它当作预警：更严格地保护晚上的那一小时（减小 ），增加新奇与共同意义（提高 ），并考虑寻求外部支持。
每日记录表
四周用同一张简单的记录表，可以各自记，也可以一起记。用电子表格或一张纸都行。各栏是：
| 栏目 | 含义 |
|---|---|
| date、week | 日期，方案的第几周 |
| protected_min | 受保护时间的长度（通常 60） |
| screen_in_protected_min | 受保护时间里还是花在屏幕上的分钟 |
| pickups | 这段时间里拿起设备的次数 |
| shared_min | 完全共同注意的分钟 |
| novelty | 今天有新的共同经历记 1，否则 0 |
| wanting、liking | 想要、喜欢，各 1–7 |
| conflict、recovery_min | 有冲突记 1；到两人恢复如常的分钟 |
推导
下面的程序读入一周这样的记录，打印汇总。数字是编造的示例，不是真实伴侣的数据。
import csv, io
from math import log2
from statistics import mean, median
TEMPLATE = "date,week,protected_min,screen_in_protected_min,pickups,shared_min,novelty,wanting,liking,conflict,recovery_min\n"
week1 = """2026-11-02,1,60,22,9,35,0,4,6,0,
2026-11-03,1,60,15,6,40,0,4,6,1,180
2026-11-04,1,60,9,4,50,0,5,6,0,
2026-11-05,1,60,6,3,55,0,5,6,0,
2026-11-06,1,60,4,2,58,0,5,7,0,
2026-11-07,1,60,3,1,60,1,6,7,1,45
2026-11-08,1,60,2,1,60,0,5,7,0,
"""
rows = list(csv.DictReader(io.StringIO(TEMPLATE + week1)))
leak = [int(r["screen_in_protected_min"]) for r in rows]
rec = [int(r["recovery_min"]) for r in rows if r["conflict"] == "1"]
print(f"leak L in the protected hour: day 1 {leak[0]} min -> day 7 {leak[-1]} min (week total {sum(leak)} min)")
print(f"pickups per hour: {mean(int(r['pickups']) for r in rows):.1f} shared minutes per evening: {mean(int(r['shared_min']) for r in rows):.0f}")
print(f"wanting {mean(int(r['wanting']) for r in rows):.1f} / 7 liking {mean(int(r['liking']) for r in rows):.1f} / 7")
print(f"conflicts: {len(rec)} median recovery time: {median(rec):.0f} min")
def H(minutes):
total = sum(minutes)
return 0.0 - sum(m / total * log2(m / total) for m in minutes if m)
print(f"attention entropy of the protected hour, day 1: {H([60 - leak[0], leak[0]]):.2f} bits, day 7: {H([60 - leak[-1], leak[-1]]):.2f} bits")
# leak L in the protected hour: day 1 22 min -> day 7 2 min (week total 61 min)
# pickups per hour: 3.7 shared minutes per evening: 51
# wanting 4.9 / 7 liking 6.4 / 7
# conflicts: 2 median recovery time: 112 min
# attention entropy of the protected hour, day 1: 0.95 bits, day 7: 0.21 bits在这个示例中，受保护小时内的漏出从第一晚的 22 分钟降到第七晚的 2 分钟，这一小时的注意力熵从将近一比特降到约五分之一比特。这些正是第一章和第五章问的量，只是在一个普通的晚上测出来。
四周之后
结束时，两人一起坐下来看记录。有三个问题值得问，数字能帮忙回答。
- 漏洞在哪里，堵上了吗？比较第一周和最后一周的屏幕分钟与拿起次数。
- 动的是什么：想要还是喜欢？如果「想要」上升，而「喜欢」保持高而稳定，这个模式与第二章的预测吻合。
- 修复用了多久？以分钟计的恢复时间中位数是好迹象；以天计的，就是第六章所说的预警。
假说 · 尚未验证
对彼此感到安全的伴侣，四周的方案应当减少晚上的漏出 ，让「想要」比「喜欢」上升得更多，并缩短冲突后的恢复。这些是作者的预测，不是已确立的结果。由于方案把几种练习组合在一起，它无法说明是哪一种在起作用。第八章描述一项把两种主要成分分开的研究。
Fan, Y. (2026). The Thermodynamics of Desire: Entropy, Dopamine Prediction Error and Dissipative Structures in Human Bonds [欲望的热力学] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23682498 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).