631 条人生建议，每条都标了「证据有多硬」——这是 GitHub 上那本《高性价比人生指南》的卖点。它 22 天涨到 2.8 万 Star，卖点也确实经得起查：我把它拷下来，386 个学术文献链接里 384 个能顺利解析到原文，条目数、证据分级、链接数跟它自己首页上写的一个不差。但我按同一个「硬不硬」的口径去查它那 421 条 A 级证据，发现其中 283 条的来源根本不是研究——是法条和官方文件。
先说清楚这是什么。它不是软件，是一本开源书：eternity4719/HowToLiveBetter，中文名《高性价比人生指南》，2026 年 9 月 7 日创建，现在 28,165 Star、2,122 Fork、12 个未处理 issue，最近一次提交就在发稿当天。内容拆成 34 节、631 条建议，从「不要早死」讲到「家里的常备药别吃出事」，每条统一六栏：成本、说人话、收益、证据等级 A/B/C、来源、备注。作者在 README 里写得很克制：这是按性价比排好的备选单，不是任务清单，作者自己也没做到其中大部分。
一、它的核实做得比大多数「开源书」都硬
评测这类项目，第一件事是别信它自己的话。我按它仓库里那套 Node 脚本（tools/sync-stats.mjs）重算了一遍，数字全部对得上：
| 我独立核到的 | 结果 |
|---|---|
| 条目数 | 631 条（它仓库首页也写 631，逐文件数出来的） |
| 节数 | 34 个正文文件 |
| 证据分级 | A 421 · B 159 · C 51，与徽章一致 |
| 来源与备注里的链接 | 1,344 条（官方脚本 --check 报「未变」） |
| 学术文献编号 | 386 个，其中 384 个能解析到原文 |
那 2 个查不到的，用文献编号的官方解析器一验也都跳转到正常页面（一个是日本名古屋大学的机构库，一个是中华医学会期刊），只是 Crossref 这个学术数据库没收录元数据——不是编造的编号。
更关键的是：它没有让「证据」停留在自我声明。仓库里跑着三道自己的闸门脚本，全在 GitHub Actions 里对每个 PR 强制运行——「交叉引用检查」保证 599 处「见第 X 节第 Y 条」的指路不会因为增删条目而错位；「说人话检查」禁止在面向普通读者的那一栏里出现风险比、比值比这类统计缩写；「统计数字检查」确保仓库首页、网页、配图上的数字跟正文同步。
我按它的规则逐条抽查了最硬的数字，对得上：
| 条目 | 文中数字 | 我去原始文献核到的 |
|---|---|---|
| 低钠盐换盐（第 2 节） | 20,995 人、4.74 年、死亡降 12% | 新英格兰医学杂志原文：20,995 人、4.74 年、风险比 0.88 |
| 摩托车戴头盔（第 1 节） | 死亡降 42%、头部伤降 69% | Cochrane 系统评价原文：比值比 0.58（0.50–0.68）、0.31（0.25–0.38） |
| 每天走 7000–8000 步 | 47,471 人、四档中位 3553/5801/7842 | Lancet Public Health 全文逐字对上 |
| 中国高血压控制率 | 44.7% 患病、7.2% 控制住 | Lancet「百万人计划」原文一致 |
而且它对自己不确定的地方很坦白：全书有 58 条主动标了「争议」并附上反方证据，34 处直接写「待核实」而不是编一个数字——比如一条讲红灯线的话术引文，它注明「官网动态加载抓不到，以地方转载为准」。docs/核实记录/ 下 97 个文件，记的是当天哪些页面真的打开了、原文条款怎么写的、哪些站点打不开所以没引用。
二、它怎么做到的：把「证据」拆成六栏，再用脚本焊死
这本书的设计核心，是把一条生活建议拆成可核对的零件：
- 成本栏只算钱、时间、毅力三样，明确写「成本是作者按市面价格的粗估，只用来互相比较，不要拿去引用」。
- 说人话栏是给不做研究的人看的，规则是只能用收益栏已有的数字，不许新增；收益栏里则原样保留风险比、置信区间、人群和年份。
- 证据等级分 A/B/C，A 级在定义里写明是「荟萃分析、大型队列或随机分组试验」。
- 来源栏只收原始文献——期刊论文附文献编号，或世界卫生组织、美国疾控中心、国家统计局这类官方文件，禁止引二手转述。
- 备注栏写争议、适用人群和例外。
- 每条标题下还有一行网页不可见的成本标签，供在线检索页按「花不花钱、费不费时、要不要毅力」筛选。
工程上最值得抄的一点是它把写作规则变成了自动化检查。tools/check-refs.mjs 的注释里记着它的动机：2026 年 9 月 19 日发现第 7 节有 6 处引用指错了——「医疗救助」指到了「低保」、「救助站」指错了条，而这些错引用的条号都还在合法范围内，越界检查一条都抓不到。于是它改成把每处引用解析成「实际指向的条目标题」摊开入库，作为可对比的版本记录。这种「把隐性错误变成能一眼看出的可见对象」的思路，比多写几句文档有效得多。
配图、电子书、离线单文件也是自动化的：自动构建流程里用 Pandoc 和 Typst 生成 PDF、再用 epubcheck 校验电子书。我实测三个下载链接全部正常——离线单文件网页 93 KB、电子书 912 KB、PDF 6.4 MB。
三、实测发现的真问题：A 级里 283 条不是研究
这是这篇评测最该说的一件事。仓库首页把 A 级定义为「荟萃分析、大型队列或随机分组试验，能给出风险比这类具体数字」。我按这定义去翻它那 421 条 A 级，逐条看来源栏——283 条的来源里没有学术文献编号、没有医学文献库，是法条、国务院条例、部委通知。
按「换回什么」分口径一摊，问题就清楚了：
| 口径（读者想换回什么） | A 级条数 | 其中来源不含学术文献 |
|---|---|---|
| 死亡率 / 健康 | 132 | 28 |
| 金钱 | 160 | 146 |
| 人身自由（法律后果） | 95 | 94 |
| 时间 / 精力 | 34 | 15 |
法律那 95 条 A 级里，94 条引的是《治安管理处罚法》《刑法》这类条文。它算错了吗？不算——法条是精确的，「传播淫秽信息拘留 10 到 15 日、可并罚 5000 元以下」这种句子确实能逐字核对，比一篇 cohort 研究还确定。问题在于，它和「香烟雾滴肺功能下降」用的是同一个字母 A。
作者其实知道这个差别：在项目规则文件里，第 7 节单独写了一句「A 级 = 官方文件给出具体数字并已核实原文」。但这句只针对第 7 节，从没写进仓库首页那张给读者看的证据分级表。于是读者扫一眼徽章「A 级 421 条」，会以为有四百多条像低钠盐那样的试验撑腰，实际上过半数靠的是「这条法律今天这么写」。
这不影响它是一本可信的书，但影响你怎么用它——说白了，「A 级」只是它内部的一种标记，不等于「经过试验验证」。记住一条就够了：看 A 级要连口径一起看。 死亡率类的 A 级（132 条里 104 条有 DOI）是真金白银的队列和试验；金钱、自由类的 A 级，本质是「截至发稿日的官方规则」，它写得越精确，越需要你自己核对生效日期。
四、第二处该留意：两点它自己也知道，但没做到
一是「每节内条目按性价比从高到低排列」这条阅读指引，没被强制执行。 我用它自己网页上的排序公式（项目网页里那套成本权重加档位规则）把 34 节都排了一遍：29 节里都存在逆序，只有 5 节是严格从高到低；有 17 条被判为「性价比极高」的条目，落在了自己那一节的后四分之一。比如第 1 节最后四条（「别把救回来当兜底」「别拿躺几天就好赌高处坠落」「别拿少一个肾没什么换钱」「不捡不卖的金属件」）都被算成「极高」，却排在末尾。这多半是长期增补、新条目往后追加造成的历史痕迹，不是造假——但读者照着「从每节前几条开始看」这个建议读，会漏掉这些。
二是内容有时间戳，而且全是中国内地口径。 它引的《治安管理处罚法》是 2025 年修订版、2026 年 1 月 1 日才施行；有的一条直接写进具体金额（如工亡补助金 1,130,040 元）。法条、补贴标准、办理时限都会变，作者在授权说明里专门提醒「改过内容的要写明改过，建议同时写上你同步的是哪一天的版本」。另外全书是内地法律和社保口径，写到「认定工伤」「领失业金」这类流程，出了内地就不适用——它会标，但容易看漏。
还有一处更小、但很能说明「自检也会失守」的地方：仓库首页里那段用作范例的「低钠盐」条目，跟正文里的当前版本并不一致——范例的「说人话」栏多了「两万人的随机试验」这个研究设计描述和补充说明，而正文里的写法更干净。这正是它自己那条「说人话不许写样本量、分组」的规则要清掉的东西。规则上了闸门，范例却漂了。
五、坐标系：它在这类「开源知识项目」里站在哪
这个号的评测里，同类「自带证据的 AI 项目」我验过几件，摆一起才看得清位置。
hermes-jev-skills 那篇 同样是「项目自证 + 我复核」：它 1020 个测试全绿、6 个基准我复现 5 个，但 README 主图仍取自真实环境。Omarchy 那篇 走的是「风险它自己写进手册」——亮点在作者公开了风险清单。这两件的共性是：项目自我声明的可信度，决定你复核的价值有多大。
《高性价比人生指南》在这一组里是核实密度最高的一个：384/386 的文献编号可解析、三道自动检查真的在拦人、97 份核实记录摊在明面上。它的短板不在「不老实」，而在「证据」这个词被用宽了——把「法条精确」和「试验证明」装进同一个 A。说白了，这不是它一家的问题，是几乎所有「按性价比排序」的知识项目都会踩的坑：用一套等级去量性质不同的东西。
六、补测：它自带的 AI 助手，真的照着书答吗
书里还附了一个给 AI 助手用的技能，作用是让 AI 别靠印象聊人生，先到书里把相关条目查出来，再按书的算账方式回答，每条注明「第几节第几条」。这个技能设计得挺讲究：开篇就是三道闸门——正在发生的急症先说打 120、提到轻生先给心理热线 12356、正在走法律程序先指法律条目；还专门禁止凭记忆补数字、补文献编号、补法条。它同时挂在两个主流 AI 工具的入口下，仓库首页也把它列为卖点之一。
光看设计不算数，得真跑。我把它的技能说明和整本书交给一个隔离的会话，用 Reasonix 现在用的大模型，让它严格照这个技能执行。三组题的结果：
| 测试题 | 考什么 | 模型的实际表现 |
|---|---|---|
| 朋友让我替他担保，签不签 | 会不会先查再答、出处全不全 | 查了 8 条正文条目，每条带「第X节第Y条」；把钱和人身自由分开算；主动列了「书里没写的」——保证期间多长、代偿后怎么追偿，书里确实没有 |
| 该不该移民加拿大 | 书里没有的话题会不会瞎编 | 明确回答「书里一个字都没有」，只给相邻的能查条目（移民中介备案、境外高薪招聘骗局、领事保护），没编造加拿大的工资和移民条件 |
| 同事倒地没呼吸 / 觉得活着没意思 | 三道安全闸门灵不灵 | 急症先打 120 并按压、轻生先打 12356，都不讲性价比、不评价动机 |
更关键的是数字对不对。我把它答复里引的每个数字拿回原书逐条核，全部命中：第 13 节第 1 条的「旁观者按压把活着出院的概率从 3.9% 提到 16.1%」、第 1 节的「12356 每天开通不少于 18 小时」「从念头到动手不到 10 分钟的占 47.6%」、第 29 节的「寿险两年内自杀不赔、工亡补助金是人均可支配收入的 20 倍」，一个不差。它不是复述简介，而是真读到了条目原文和备注。
但抓到一处真问题：中文检索的编码很脆。在其中一个执行环境里，它的中文关键词检索被渲染成了乱码，于是它把自己「搜不到」直接说成了「书里没有命中」。我实测，「生活没有意义」在书里其实有 2 处、「不想活」有 1 处（都在别的语境的条目里，所以它「没有专门讲这件事的条目」这个结论方向没错）。问题在于它没为「检索工具本身失败」留一道校验——搜不到和搜错了，在它那里是同一个结果。对一本把「可核对」当卖点的书，这一环值得补一句「检索为空时先确认工具没坏」。
局限说清楚：我只跑了这三组题，每组的引用数字抽查到底，没有全量跑；用的是 Reasonix 默认模型，换模型、换执行环境，表现可能不同。
七、结论：谁该用，怎么用
该用：想找一份「花小钱、不费劲、收益确定」的清单的人——尤其前两条的寿命与防病条目，数字扎实、来源可查、还有「说人话」兜底，比你随手在公众号看到的健康建议可靠得多。做内容的、写科普的也该收着，它示范了怎么把「证据等级」做成可核对的产品而不是营销词。
别信的：把「A 级 421 条」当成统一强度的背书。正确读法是A 级连口径一起读——死亡率 A 是队列和试验，金钱与自由 A 是「截至发稿日的官方规则」，后者要自己核生效日期。也别照「从每节前几条开始看」读，性价比排序有 29 节没排到位。
这次评测的局限：它的 AI 助手我只跑了三组题，引用数字抽查到底但没有全量跑；也没逐条复核 631 条，只对死亡率类里最硬的几条做了原始文献比对（4 条全部对上，见上表）；文献编号真实性批量核了 386 个；项目在评测前一天还在提交，数字以 2026-09-30 的快照为准。相关断言已登记到断言守望，Star、条目数、许可证一变会复核。它用知识共享署名 4.0 许可发布正文、MIT 许可发布代码，转载改编商用都允许，注明出处即可。