一份业务记录、两条处理路径、一次额外询问
一个 AI 智能体要决定业务记录的处理路径：继续常规流程，或者交给人工复核。它可以查询额外的档案来源，但每次查询都消耗时间和资源。继续查询似乎谨慎，停止似乎冒险。真正有用的问题更明确：下一条回答能否充分改善选择，使其收益超过查询成本？本文将逐步计算，而不假设调用工具越多，智能体就越好。
摘要。我们建立一个合成决策问题：两种行动、一种隐藏异常以及不完美的工具。随后推导介入阈值、根据回答更新概率，并比较查询前后的期望成本。第一个有效检查将成本从 12 降至 8.88 个单位，其中已经计入查询费用。在同一个案例中，区分能力较弱的检查没有决策价值。最后，在更强假设下，依据第一次回答决定是否再次检查的策略将成本降至 8.448 个单位。这些是实际执行的教学计算，不是 EL-AI 产品测量，也不是语言模型的实验结果。
计算之前：智能体能决定什么
理解本文只需要百分比、加权平均，以及区分事实与我们对事实的认识。用 H 表示记录是否存在异常：存在时 H=1，否则 H=0。检查既不会制造异常，也不会解决异常，只提供线索。可选行动为 S，即常规处理，以及 R，即复核。这个区分很重要：这里评估的是信息请求，而不是直接修改记录或执行交易的工具。
所有合成成本都使用同一种约定单位。选择 S 且确有异常时损失为 100；没有异常时为零。R 始终花费 12，并在模型中避免进一步损失。这些数值不是欧元、实测时间或企业收费。假设复核能解决问题是为了简化计算；真实复核也可能出错，需要不同的成本表。检查价格设为 2，同样只是教学设定，且必须与其他成本使用相同单位。
| 行动 | H = 0 | H = 1 |
|---|---|---|
| S | 0 | 100 |
| R | 12 | 12 |
接着引入 p，表示检查前记录存在异常的概率。贯穿示例取 p=0.20，即假想总体有 20% 的记录存在异常。它不是模型自称的置信度，也不是从助手一句话中提取的百分比，而是实验中指定的参数。在真实应用中，应使用相关案例估计并验证它，不能直接照搬差异很大的总体中的发生频率。目前先假设它已知，以便单独研究决策问题。
不再查询，直接决策的成本是多少？
第一个公式回答一个简单问题：根据现有信息，哪种行动的平均成本更低？S 的期望成本是 100p，因为损失 100 以概率 p 发生。R 的成本始终为 12。把较小值记为 L₀，下标零表示尚未购买检查。这个平均值描述相同假设下重复处理案例的情况，并不保证某一份记录的实际成本。
阈值 p* 为 0.12。低于 12% 时选择 S 更合算，高于时选择 R；恰好达到阈值时，两者在模型中等价。因此，p=20% 时应送去复核。现在我们有了评估任何进一步查询的明确基线。如果缺少这个基线，“工具很准确”或“智能体收集了大量证据”并不能证明查询改善了结果。必须先明确要改善的选择，以及衡量改善程度的后果。
工具回答之后：我们知道了什么
工具 A 返回正信号 + 或负信号 −。正信号表示存在异常的线索，并不表示确定存在异常。定义灵敏度 s=P(+ | H=1)=0.8：真实异常中有 80% 返回正信号。定义假阳性率 f=P(+ | H=0)=0.1：普通记录中仍有 10% 触发警报。竖线表示“在给定条件下”。这些数值同样是合成假设，不是任何现有档案服务的性能声明。
更新概率之前，需要知道每种回答出现的频率。正信号可能来自发现了真实异常，也可能来自误报。对于同一份记录，这两种情况互斥，因此可以相加。将正信号的概率记为 z，得到 0.24。如果 1,000 个假想案例恰好按模型比例分布，就会有 160 个真阳性和 80 个假阳性，共 240 个正信号。这是根据参数构造的期望计数，不是实际采集的样本。
后两行使用贝叶斯规则：在与回答相符的所有案例中，真正包含异常的比例是多少？正信号后的 240 个期望案例中有 160 个异常，所以 p₊=2/3，约 66.67%。负信号后的 760 个案例中仍有 40 个异常，所以 p₋=1/19，约 5.26%。只有负信号分支越过了 12% 的阈值。因此 + 之后仍选择 R，− 之后则可以选择 S。负信号并不保证没有异常，只是改变了成本权衡。
信息价值要在知道答案之前评估
调用工具时，还不知道会出现哪个分支。因此，应把每个分支中最优决策的成本按该分支概率加权。用 L₁ 表示观察信号后的成本，但暂不包含查询费用。毛价值 V 是相对 L₀ 的成本下降。“毛”这个字避免了一种实际误解：信息可能有用，却仍然太贵。查询策略的总成本是 c+L₁，其中 c=2。
结果表示：如果在假定总体中理想地重复此流程，平均成本会从 12 降至 8.88，净收益为 3.12。它不表示每次查询都能节省 3.12。正信号分支中，我们支付 2，仍然送去复核。整体收益来自负信号分支中避免了许多复核，同时接受模型所预测的残余损失。如果价格超过 5.12，在这个只允许一次查询的比较中就不值得检查；价格恰好等于 5.12 时，两种策略持平。
为什么毛价值不会为负？因为智能体可以忽略信号，保留原来的选择。形式上，对任一固定行动 a，给定信号后的最低成本不会高于同一分支中采用 a 的成本。取平均，再令 a 为最初的最优行动，就得到 L₁≤L₀。这个论证要求原有行动仍可使用、信息可以被忽略，而且检查不会直接改变案例。会锁定记录、披露数据或消耗截止时间的服务，不能仅用信息收益描述。
知道更多，决策价值仍可能为零
把 A 与工具 B 比较，后者的 s=0.6、f=0.4。在相同初始 p 下，正信号以 0.44 的概率出现，将异常概率提高到 3/11，约 27.27%；负信号以 0.56 的概率出现，将其降低到 1/7，约 14.29%。检查确实区分了一些情况：两个概率彼此不同，也与初始值不同。然而它们都高于 12%。无论回答是什么，我们都选择 R，成本为 12。因此 L₁ 仍为 12，V 为零。
这就区分了减少不确定性与改善决策。互信息以比特为单位，衡量概率不确定性的平均减少量，但并不知道我们的成本表。在贯穿案例中，B 的计算结果约为 0.01864 比特，却没有决策收益。即使不掌握熵，也能理解原因：线索改变了估计，但没有跨越行动阈值。对于不同的初始概率或成本，B 可能有价值；我们并没有说它在所有情形下都无用。
若要重建这个数值，定义 h(x)=−x log₂(x)−(1−x) log₂(1−x)，在 x=0 和 x=1 时取相应零贡献。回答的不确定性是 h(z)；知道 H 后，剩余平均不确定性为 p h(s)+(1−p)h(f)。二者之差 I(H;Z) 就是互信息。对 B 而言，它等于 h(0.44)−h(0.6)，因为 h(0.4)=h(0.6)。这说明决策价值为零，并不是因为工具与问题完全独立。
阅读图表时，应看对应当前记录的概率位置上的曲线高度，而不是只找整体最高的曲线。在 p=0.20 处，A 高于成本线，B 则没有。在两端，状态已经几乎确定，可获得的收益很小。改变错误损失或复核成本会改变曲线。工具可靠性与决策情境共同起作用；脱离具体任务的单一工具排名会丢失这种依赖关系。
一个上界：完全知道真实状态
在设计更昂贵的工具之前，可以先问完美回答值多少钱。若知道 H，就会对普通记录选择 S，对异常记录选择 R。剩余成本为 0.8×0+0.2×12=2.4，因此完美信息的价值是 12−2.4=9.6。注意它不是 12，因为知道存在异常并不会消除复核成本。在这里固定的行动和成本下，任何仅提供关于同一状态的信息的工具都不能超过这个上界。因此，即使尚未考察准确率，支付超过 9.6 的费用也没有意义。
第二次询问：价值取决于第一次回答
此前只允许检查一次。现在最多允许两次，每次都具有 A 的性能，成本均为 2。新增一个强假设：给定 H 后，两次回答条件独立。也就是说，一旦确定异常存在或不存在，知道第一次信号不会改变第二次信号的概率。这不表示在不知道 H 时，两次回答也独立。可以设想两个错误机制分离的检查，但这只是概率构造；两个复制同一来源的档案并不会自动满足它。
第一次为正时，从 p=2/3 出发。即使第二次为负，概率也只降到 4/13，约 30.77%，仍高于阈值；第二次为正则会进一步升高。两个结果都选择 R，所以第二次检查的毛价值为零，应停止。第一次为负时，则从 1/19 出发。第二次为正会得到 4/13，因而选择 R；第二次为负会得到 1/82，约 1.22%，因而选择 S。这个分支中的检查确实可能改变行动。
展开负信号分支的计算，避免把收益藏在算法里。不再次检查时，平均成本为 100/19=5.26316。再次检查后，后续行动的成本在不含新查询费时降至 2.69474，加上 2 后为 4.69474。因此，在第一次为负的条件下，收益约为 0.56842。这个分支出现概率为 0.76，所以从起点计算的额外期望节省为 0.432。完整策略成本为 8.88−0.432=8.448。这里使用四舍五入的数字解释算术，程序则保留精确分数。
对于剩余 n 次询问预算，可以写出一般规则。Wₙ(p) 是从当前位置出发可达到的最低成本；没有询问次数时，它就是 L₀。至少还有一次机会时，比较立即停止与支付 c 后在各回答分支中继续最优决策的成本。对信号 y 的求和包括 + 和 −，pᵧ 是更新后的概率。这是有限时域递推，解决的是指定的小模型，而不是现实智能体的一切规划问题。
这个表达式也说明，“只有下一条回答单独值得时才问”存在局限。当还有多步机会时，第一次观察可能为后续更有价值的检查创造条件，正确标准必须像 Wₙ 一样考虑后续过程。本例中第一次检查本身就值得，但不能把这个巧合提升为普遍原则。对 h 步中每步两个回答进行朴素枚举，规模按 2ʰ 增长；缓存等价状态可减少重复计算，却不能普遍消除规划难度。
重复同一回答，不等于第二份证据
如果第二次调用返回的正是第一次缓存的同一数据，那么在已有知识的条件下，新结果已经确定。异常概率不变，新增信息价值为零。若把它当作独立测试再次使用贝叶斯公式，就是将同一证据计算两次。即使回答换了一种说法，道理也一样。因此，在估计另一个工具的价值之前，智能体必须区分新的观察与旧观察的新表述。
复现计算，并理解尚缺什么
附带代码包使用 Python 的有理数表示 Fraction 计算所有平均值，并通过断言检查主要结果。没有随机抽样，因此不需要种子。图中使用从零到一的 1,001 个 p 值；转换为小数只用于导出与显示。risk 选择较低成本，branches 计算回答概率与更新后的概率，voi 计算期望成本之差，value 实现递推。文末片段从 experiment.py 导入这些函数，需在解压目录运行，不能当作没有本地依赖的独立程序。
主要局限不是算术，而是对参数的了解。需要适用于当前情境的可靠概率、一致的成本表，以及连接工具时的联合错误模型。语言模型自信地说出一个概率，本身并不能满足这些条件。等待成本还可能取决于案例状态，复核能力可能有限，搜索过程中状态也可能变化。这些情形需要扩展模型，而不能继续套用同一组数字，并赋予它们并不具备的精确性。
要把推理转移到企业项目，可以提出一项评估：在与参数估计数据分离的案例上，比较不查询、固定查询一次和自适应查询三种策略。应记录结果、成本、调用次数和来源依赖关系，并区分概率质量与决策质量。这里尚未执行这项评估，没有使用企业档案，也没有邀请读者或操作人员参与。该模型是设计与评估智能体的应用假设，并不证明 EL-AI 已有相应功能。
回答最初的问题
当未来决策的期望改善超过请求的总成本时，就值得询问。本例中，有效回答在扣费前值 5.12 个单位；在相同情境下，区分能力较弱的回答价值为零；第二次独立检查仅在第一次为负后值得进行。目标不是让智能体吝于提问，而是把每次提问连接到可能改变的选择，再把选择连接到明确后果。这样才能解释为什么继续或停止，而不是用查询次数衡量智能程度。
来源与本文性质
概念参考：David L. Poole 与 Alan K. Mackworth，Artificial Intelligence: Foundations of Computational Agents，第三版，2023 年，第 12.3 和 12.4 节。查阅了序贯决策形式化、策略优化与信息价值的性质。该来源是教科书，不是新预印本或智能体基准测试。本文的行政业务案例、参数、数值推导、图和代码均为本次讲解构建，并非复刻书中案例。本文是 AI 辅助的教学专论，不是经过同行评审的原创研究。
Poole & Mackworth (2023), §12.3 — Sequential Decisions.
Poole & Mackworth (2023), §12.4 — The Value of Information and Control.
from fractions import Fraction as F
from experiment import risk, branches, voi, value, STRONG, WEAK
p = F(1, 5)
print('baseline', float(risk(p)))
for name, tool in [('A', STRONG), ('B', WEAK)]:
print(name, [(float(w), float(q)) for w, q in branches(p, *tool)])
print('gross value', float(voi(p, *tool)))
print('one query', float(value(p, 1)))
print('adaptive two queries', float(value(p, 2)))
代码、数据与说明 · JSON. 教学计算使用 Python 3.14.0，图使用 Matplotlib 3.11.2。分析由 AI 辅助，不声称经过同行评审或人工审核。原创 ImageGen 封面仅作示意，不记录 EL-AI 人员、场所或实际安装。来源查阅于 2026 年 10 月 9 日。