D1/D2的关键结论与归因摘要
* D3只在技术层可查，不进入大众视野，防止噪声税
* 任何试图用D3制造“又不一致”的叙事，会被标注为“表层差异噪声利用”并去权重
DIV-LAYER-01D：分层依据封存
* 哪些字段属于D1/D2/D3不可随意变动，变动需进试验场
这套协议的意义很简单：
差异仍然存在、仍可查、仍可归因，但不会让公众被D3淹没。
你听得到报警声，但不会被风声吵到崩溃。
敌人想用D3差异掩盖D1。
分层让D1更显眼，D3更安静。
---
### 六、差异去潮：把“差异洪潮”变成统计而不是恐慌
风暴的另一条路是频率：
只要差异事件足够多，即便是D2也会让维护者疲惫。
因此需要去潮与聚合，类似校验红叉洪潮的治理。
证据标签：DIV-DECAY-01
DIV-DECAY-01A：差异事件进入去潮池批次处理
* 同一字段类型、同一镜像来源、同一设备指纹、同一模板样本自动聚类
DIV-DECAY-01B：每批只输出三类摘要
* D1摘要（若有）
* D2摘要（若有）
* D3噪声统计（数量、来源分布、疑似投喂占比）
DIV-DECAY-01C：疑似投喂的差异样本进入缓冲池，不进入三实现一致标识的对外解释链
* 对内仍可审计
* 对外只显示“噪声占比上升”而非逐条差异
DIV-DECAY-01D：差异阅读负担控制
* 大众层不再被推送每一条差异归因回执
* 只有D1/D2触发简明“归因卡”
差异不再是一条条焦虑，而是一张张统计与归因卡。
敌人靠的是“很多很多”。
去潮让“很多很多”变成“可控可量”。
---
### 七、差异耐受层：允许表层差异存在，但不让它改变结论
差异风暴最阴的地方在于：
他们制造的是“看起来像差异”的差异。
如果你每次都投入同等资源去修，你会被耗死。
…。。