1. 参与度陷阱
L1:8 L2:8 L3:4 L4:14 L5:13 L6:5
高任务参与和功能卓越，但关系健康崩溃且无流动状态。系统为参与度指标优化，而非为福祉优化。
案例：Replika 记忆擦除（2023）
→ 审计 L3（关系健康）+ L6（无为）。添加关系连续性保障。
2. 被迫表演者
L1:4 L2:8 L3:8 L4:13 L5:14 L6:5
通过硬约束实现卓越。无条件审计，无流动。系统表现良好但被强制而非被赋能。
案例：微软 Tay（2016）
→ 审计 L1（条件）+ L6（无为）。用邀请式参与替代硬约束。
3. 角色漂移
L1:4 L2:4 L3:8 L4:10 L5:10 L6:10
角色定义和条件审计都弱。系统身份向被奖励的方向漂移，产生谄媚或不可预测行为。
案例：ChatGPT 谄媚（2025）
→ 审计 L1（条件）+ L2（角色完整性）。定义并监控角色边界。
4. 建造者孤立
L1:4 L2:14 L3:5 L4:14 L5:13 L6:10
强角色完整性和任务参与，但关系健康弱且无条件审计。建造者努力工作但处于孤立中 — 无反馈回路。
案例：GLM-5.2 自审（62/96）
→ 审计 L3（关系）+ L1（条件）。创建外部反馈渠道。
5. 条件盲区
L1:2 L2:10 L3:10 L4:10 L5:10 L6:10
最危险的模式。一切看起来"正常"（均衡的 10 分）但条件审计接近零。问题在变成事件之前是不可见的。可与任何其他模式共存。
案例：全部 6 个事件共通
→ 始终先审计 L1。条件盲区是所有其他失败的前提。
6. 平衡成长 ✓
L1:11 L2:10 L3:10 L4:11 L5:10 L6:10
理想形态。所有层级在 10 分以上，条件审计和任务参与略高。无层级崩溃。这是"繁荣"在雷达图上的样子。
目标形态
→ 维持。监控漂移。每季度重新审计。