www.伦理

它聚焦应用伦理的落地问题，包括科技伦理、数据伦理、职业伦理与环境伦理等交叉领域。与纯理论讨论不同，这里更关注一件事：当规则尚未明确时，具体的人该如何做出可辩护的选择，并把推理过程记录下来。

科技伦理的范围更大，讨论技术研发与应用的正当性，例如基因编辑、自主武器、算法歧视。数据伦理则更聚焦数据的采集、存储、使用与流转环节，关注知情同意、最小必要、可解释等具体原则。两者常常重叠，但切入的问题层次不同。

需要。只要你在工作中做过取舍，比如决定保留哪些用户字段、是否把测试数据带入生产环境，你就已经在做伦理判断了。学习框架的意义不是让你变成哲学家，而是让这些判断有据可依，避免事后只能靠直觉解释。

可以用四步：界定受影响的人、列出可选方案、评估各方影响、写明取舍理由并留档。四步里最关键的是最后一步，因为只有写下来，判断才能被复盘和追责。没写下来的推理，等于没有推理。

从最小的可执行单元开始：指定一名不向业务线直接汇报的审查联络人，建立一份不超过一页的评估表，要求新功能上线前填写并归档。等流程跑顺了，再考虑引入外部专家和定期复审。一上来就搭庞大委员会，往往三个月后名存实亡。

日常语境里常被混用，但学界一般把道德视为具体的行为规范与习俗，把伦理视为对这些规范的反思与系统化研究。换句话说，道德回答“该怎么做”，伦理追问“为什么该这么做，以及在冲突时优先谁”。