每步95%正确率下，一个20步的智能体真实成功率只有35%：错误相乘（p^n），不相加。解药不是更聪明的模型，而是提高每步可靠性并缩短链条。
一个95%正确率的智能体听起来像个顶级员工。在脑子里雇佣它试试：它几乎从不出错，每二十次动作才失手一次，简直堪称完美。现在让它执行一项真实任务——调研、决策、调用一个API、转换数据、写出结果、再做验证——然后看着那无懈可击的95%如何崩塌，最终沦为比抛硬币还糟的赌注。演示是诚实的，智能体没有撒谎。撒谎的是你脑子里的那套算术，因为你以为错误会相加，而现实里它们相乘。这篇文章讲的，就是智能体工程中最残酷、也最被忽视的那条定律。
Lusser定律：为什么一条链子的强度等于各环强度之乘积
上世纪50年代，一位名叫Robert Lusser的德国工程师为串联系统提出了一条令人不适的定律：当N个组件必须全部正常工作、整体才能运转时，总可靠性等于各个可靠性之乘积，而非平均值,也非最小值。公式简单得残酷：p的n次方。如果每一步以概率p成功，而任务需要n个环环相扣的步骤、每一步都依赖前一步，那么端到端的成功率就是p^n。Lusser是在研究V-2导弹时推导出它的——在那种系统里，单单一个有缺陷的环节就能把整台机器变成一堆燃烧的废铁。七十年后，同一条定律统治着一个Lusser从未想象过的东西：一步步推理的AI智能体。
把账一算，你的笑容就冻住了
我们给那个听起来像满分的每步95%填上数字。五步：0,95^5 = 77%。你已经损失了近四分之一的执行。十步：59%。你刚跨过那道分界线，从此大多数运行都比一个平庸者失败得更频繁。二十步：35%。你那每步95%正确率的智能体，完成整项任务的概率只有三次里一次。五十步——一个真正野心勃勃的智能体流程，带着工具、分支和验证——落在了毁灭性的7%。模型没有退化，没有状态不佳的一天，没有糟糕的提示词。每一步都保持着无可指摘的95%。是那乘法，无声而无情地，吞掉了你的产品。
演示的幻觉：为什么它们在舞台上闪耀、在生产中爆炸
现在你懂了，为什么智能体在舞台上是明星、在夜班里是灾难。演示天生就短：两三步，一条排练好的happy path，一个仍活在舒适区里的p^n。生产天生就长：二十、三十、五十个环节，每一个都继承着前一个的轻微偏差。这就像罚球命中——你十次里能进九次——和连续罚进四十个球一个不失之间的差别：哪怕你的准头出色，后一个壮举也几乎不可能。演示衡量的是一次投篮，生产衡量的是连续命中。而漫长的连击，正是p^n拿着刀等你的地方。Gartner已经给这场幻灭标了价：它预测到2027年，超过40%的智能体AI项目将被取消，很多是因为成本和迟迟不来的ROI——这是用真金白银、而非一张电子表格去发现Lusser定律的代价。
解药不是更聪明的模型：是更可靠的环节和更短的链条
行业的本能反应是要一个更聪明的模型，仿佛问题出在脑子上。数学说的是另一回事。把每步可靠性从95%提到99%，同样的二十步就从35%跃升到81%：每个环节一个百分点，就把整个乘积还给了你。这就是p^n隐藏的杠杆——指数惩罚你时有多凶狠，奖赏你时就有多慷慨。由此得出仅有的两根真实杠杆，没有一根是'等GPT-N'。第一：提高p，也就是每一步的可靠性，靠验证、在每个边界做schema校验、以及在偏差扩散之前就抓住它的检查点。第二：降低n，缩短链条，把一项巨型任务拆解成短小、可验证的子任务，而不是一场五十个动作的单体史诗。一个训练有素的智能体，不是那个推理得更漂亮的；而是那个每步出错更少、每项任务串联更少步骤的。
带回家的思维框架
记住这句话，每当你看到一个让你目瞪口呆的智能体演示时就重复一遍：错误相乘，不相加。这就是那个可复用的框架，它把造玩具的人和造系统的人区分开来。在把一个业务流程托付给智能体之前，别问'它有多聪明？'。问两件事：'它每步的可靠性是多少？'以及'它串联多少步？'。在脑子里算一算p^n，你还没花一美元就会知道：你看的是一个产品，还是一场舞台幻觉。这条定律与我们讲过的另一条是姊妹——那道27%的数学，即智能体在演示中达成的与它在生产中撑得住的之间的鸿沟：那道衡量的是跌落，这条解释的是造成跌落的确切机制。把它们放在一起读，你就有了一张完整的照片，看清为什么那么多智能体试点永远走不进工厂。
我们怎么看
在NeuralOS，我们不用乐观、也不用某个魔法模型的承诺去对抗p^n：我们用架构去对抗它。Automations引擎的设计就围绕着Lusser定律，哪怕它没把这名字刻在上面：用短小、可验证的步骤代替单体链条，用durable waits冻结状态而不丢失线索，用可恢复性从流程停下的确切位置接着走，还有在偏差被乘法放大成灾难之前就抓住它的检查点。这些机制中的每一个，都从不同角度攻击同一个方程：提高p，缩短有效的n，让第19步的一次失败不至于烧掉前面已经跑对的十八步。我们不承诺无懈可击的智能体——没有一个诚实的人能承诺，数学不允许。我们承诺一件更有用的事：一个尊重这条残酷定律、而非假装它不存在的引擎，好让你的流程不只挺过正午的演示，也挺过夜班。