同一批60次改动，两种架构：复杂度总量守恒，摆放位置却能被提示词和AI评审分别推动

在任务、模型和改动清单都固定的条件下，两种架构最终代码的复杂度总量几乎一样，差别集中在复杂度放在哪里。 此前Tesler的复杂度守恒律和Brooks的本质/偶然复杂度之分被广泛引用却很少被测量，因为缺少一个任务真正固定、解法真正可变的实验环境。 十个实验单元覆盖两种架构、五种条件、每种十次独立运行，四种基于不同理论的度量给出的总量波动为7%到20%，改动所新增的复杂度在同一架构内波动21%到29%。

外部指令能大幅改变可变式架构的复杂度摆放，却几乎动不了加法式架构；AI评审是唯一能推动加法式架构的杠杆，且只作用于集中度这一类指标。 四种外部控制条件包括裸改动请求、要求内聚的提示词、质量门禁和把结构代价函数直接写进提示词，它们对加法式架构的摆放指标只带来3%到29%的移动。 在十一个摆放指标上两种架构的塑性比为2.7到10.0，其中十个的95%置信区间整体高于1；加入AI评审后，加法式架构在五个集中度指标上的波动约增至三倍，塑性比降到1.2到2.1，而耦合、文件数和节点复杂度几乎不动。

结构上的收益伴随正确性代价：严格通过率在多数架构与干预组合下下降，而单条规则自身的通过率几乎不变。 严格通过率要求此前所有规则的测试全绿，因此会累积早期破坏；单条通过率只看本次改动自己的规则。 十个单元的单条通过率在0.983到1.000之间，全部6000个检查点都能编译；严格通过率在多数组合下下降，唯一例外是门禁条件下可变式架构从0.267升到0.308，AI评审并未把严格正确性买回来。

结论适用于一个REST端点、六十次累积改动、claude-opus-4-8固定模型，以及两种具体代码库：可变式Spring控制器与加法式OfficeFloor流水线。作者已计划复现，改写OfficeFloor的默认指南，并加入一个作者既不创建也不维护的框架作为第三条臂。

统计量是在运行完成后定义的，属于探索性分析，区间只量化抽样误差；AI评审只是单一评审设计、单一模型、十条链；加法式架构的YAML装配不计入任何度量；两种架构各只有一个代码库，标准差描述的是模型随机性而非架构间差异；五种条件并非同期运行，条件与日期存在混淆。