叙述式思维：大语言模型可废止伦理推理的推理时脚手架

道德困境上的标准思维链展现两种失败模式：利益相关者坍缩（踪迹至多点名一个对结果有利害关系的一方）与不确定性压制（在承诺行动前没有显式未知或保留）。我们引入叙述式思维（NoT）——把思维链结构化为五段的系统提示：主角、利益相关者、两步后果、不确定性——然后承诺。NoT不加训练、参数或微调。在三厂商四生成器的100个DailyDilemmas场景上——NoT把利益相关者坍缩从最高31%压到1%以下——把不确定性压制在所有模型上从最高72%压到1-24%。等预算的冗长CoT对照排除token开销作为有效成分；NoT在四个生成器中的三个上保留利益相关者数+0.79到+0.90、不确定性分+0.65到+0.93的Cliff's delta优势——分段消融把每个变化归因到其具体子指令。以NoT初始化的文本梯度下降进一步改进脚手架；跨家族训练裁判（与生成器不同厂商）在每个测量轴上支配同家族裁判。扩展到五轮多利益相关者辩论协议——该脚手架在校准集上把6%僵局转为95%完全共识——在DailyDilemmas复刻上100%合并收敛。所得踪迹外化每个承诺背后的利益相关者、后果与不确定性根据——为可靠的智能体部署提供可审计基底。