两个产品团队共同维护一个客户问题库。

双方都知道，把问题背景、复现步骤和解决过程写完整，可以减少重复排查，对两个团队都有好处。

实际情况却是，双方都只交最低限度的信息。有人贴一个标题，有人留一句"已解决"，真正有用的处理过程很少留下来。问题库渐渐成了摆设，同类问题每周都要重新查一遍。

复盘时，这件事很容易被归咎于态度。是不是责任心不够？是不是没有大局观？

可两个团队都认同问题库有用，也没有人存心拆台。

完整录入一个问题，可能要花二十分钟。只贴标题，五分钟就能交差。完整记录还会暴露本团队踩过的坑和处理失误，对方可能质疑你的做法，也可能直接拿走你的经验。

如果对方认真记录，我少写一点，也能使用他的成果；如果对方什么都不写，我更不愿意独自花时间。

于是，对双方共同有利的事情，落到每个人头上，却成了一件不划算的事。

先把两个团队一周之内的选择写成一张表。

这一轮只计算当周的直接得失，暂时不考虑下周的合作、长期声誉和事后报复。

每个格子里，左边是甲方的收益，右边是乙方的收益。

这些数字不代表金钱，只表示四种结果的偏好顺序，也用于后文的定量演示。它们是作者设定的演示参数，不等于金钱，不能直接用于现实政策设计。分数越高，说明这个结果对当事人越有利。本文用对称矩阵演示。现实中双方收益可以不同，必须分别检查甲乙双方是否各自满足T > R > P > S。

站在甲方的角度看。

如果乙方完整录入，甲方也完整录入可以得到8分；甲方保留信息却能得到10分。甲方可以直接使用乙方的成果，同时省下自己的时间。

如果乙方保留信息，甲方完整录入只能得到0分；甲方同样保留，还能维持3分。至少不用独自承担成本。

因此，无论乙方怎么做，甲方保留信息都更划算。乙方面对的情况完全相同。

博弈论把这样的选择称为严格占优策略。意思是，不管对方选择什么，这个选项给你的收益都更高。

双方都会选择保留信息，最后落在（3，3）。

这个结果很稳定。任何一方单独改成完整录入，收益都会从3降到0，所以没人愿意先改。博弈论把这种互为最佳回应的稳定结果称为纳什均衡。

问题也正在这里。

双方都完整录入时，每个人可以得到8分，明显好于现在的3分。可从任何一方的个人选择看，少写一点始终更加有利。

囚徒困境常用四个字母表示。

它们的顺序是：

T > R > P > S

也就是10 > 8 > 3 > 0。

由此可以得到囚徒困境的定义：

这里的"背离"只是博弈论中的标签，不等于恶意欺骗。在本文的案例里，只贴标题、隐瞒处理过程或者故意少填信息，都属于背离合作方案。

判断一个现实问题是否符合囚徒困境，可以依次问三件事。

1. 对方合作时，我背离是否更划算？

2. 对方背离时，我背离是否仍然更划算？

3. 双方合作是否比双方背离更好？

三项同时成立，收益关系才是T > R > P > S。

囚徒困境的名字来自一个经典故事。

两个嫌疑人被分别审讯，各自可以选择坦白或沉默。

如果两个人都沉默，各判半年；如果一人坦白、一人沉默，坦白者获释，沉默者判五年；如果两个人都坦白，各判三年。数字是示意，不同教材版本略有差异。

站在任何一个嫌疑人的角度，坦白都更划算。

对方沉默时，我坦白便可以获释；对方坦白时，我也坦白只判三年，沉默却要判五年。

结果是两个人都坦白，各判三年。可如果两人都沉默，本来只需各判半年。

这套博弈结构的早期研究通常追溯到弗勒德和德雷舍在兰德公司的实验。弗勒德的相关报告发表于1952年。阿尔伯特·塔克后来用两个囚犯的故事解释这种结构。

现实中的收益不会自动显示成数字。

管理者也很难直接知道，完整录入对甲方究竟值8分还是6分。使用这个模型时，不必急着给每种结果打出精确分数。先排出四种结果的先后顺序，通常已经足够。

第一步，确定参与者和行动。

谁在做决定？每一方有哪些主要选择？

在问题库案例里，参与者是甲、乙两个团队，行动是完整录入或保留信息。如果参与者很多，行动也无法归纳成两类，这张二乘二表格可能会遗漏重要关系。

第二步，分别询问双方。

要问的不是"你是否支持合作"，而是更具体的问题。

如果对方完整录入，你更愿意完整录入，还是少写一点？

如果对方保留信息，你更愿意继续完整录入，还是同样保留？

双方完整录入和双方都不录入，你更喜欢哪一个结果？

甲乙双方的答案可能不同，不能由管理者替他们统一作答。现实中的博弈也不一定对称，所以需要分别检查两边的收益顺序。

第三步，把看不见的收益也算进去。

收益不只有奖金和收入。时间、工作量、考核、责任、声誉、被追责的风险、获取信息的便利，都可能影响选择。

完整录入的成本不仅是二十分钟，还可能包括暴露失误。少填信息的收益也不仅是省时间，还可能包括无偿使用对方成果。

口头回答只能作为线索，还要用过去的行为和实际记录进行校准。如果一个团队口头上支持完整录入，却连续几个月只贴标题，说明这项选择在现实中仍有某种吸引力。

第四步，确定时间范围。

本文最初的收益表只计算一周。如果两个团队以后还会长期合作，今天少报带来的声誉损失、对方下周的回应和未来的考核，都应当计入收益。

分析单周收益和分析长期收益，可能得到完全不同的结论。

发现囚徒困境以后，再反复强调"大局观"，通常很难改变结果。

每个人面对的收益顺序没有变化，口头倡议便缺少持续力量。有效的干预要落到四个格子的实际得失上。

假设管理者先做两项调整。

完整记录产生的共同修复成果，可以计入双方考核。保留信息的团队也不能继续无成本使用对方的完整记录。

调整后，双方完整录入的收益从8升到9；单方保留信息的收益从10降到7。

如果只有一方完整录入，它依然付出了成本，却拿不到对方的信息，所以收益仍为0。双方都保留时也维持原状，各得3分。

新的矩阵如下。

现在，对方完整录入时，我也完整录入可以得到9分，保留信息只能得到7分。搭便车已经失去优势。

可当对方保留信息时，我完整录入仍然只有0分，保留信息却能得到3分。

此时，完整录入和保留信息都不再是严格占优策略。

如果我相信对方会完整录入，我也愿意完整录入；如果我担心对方会保留，我仍会选择保留。

原来的囚徒困境已经变成猎鹿博弈。双方完整录入和双方保留信息都是稳定结果，博弈论称它们为两个纳什均衡。

合作虽然有了稳定的可能，双方仍可能因为害怕自己吃亏而停在（3，3）。

这种顾虑可以从"选错的代价"看出来。

我选择完整录入，而对方保留信息，我会从原本可以得到的3分跌到0分，损失3分。

我选择保留信息，而对方完整录入，我会从原本可以得到的9分降到7分，损失2分。

先合作却遭遇对方保留，损失更大。只要双方都不够确信对方会合作，保留信息仍然是更安全的选择。

如果组织希望完整录入在任何情况下都更划算，还要解决另一个问题。

当对方保留信息时，我为什么仍然要完整录入？

一种办法是让保留信息变得可发现，并带来实际后果。

监测不能完全依赖另一方主动检查。双方都少报时，彼此可能都拿不出可供核对的材料。更可靠的依据包括系统日志、客户记录和独立抽查。

假设少报被发现的概率为q，每次处罚造成的标准化效用损失为F。两者相乘的qF，就是少报带来的预期损失。

新的收益矩阵会变成下面这样。

当qF大于3时，对方保留信息的情况下，完整录入得到的0分，也会高于保留信息的3-qF。

这时，完整录入才会成为严格占优策略。这个条件能否满足，取决于发现概率、处罚上限和实际执行能力。

现实应用不需要记住公式，只需追问两件事。

少报能否被可靠发现？

一旦被发现，后果能否抵消少做带来的好处？

处罚也不能无限加重。误判、执行成本和团队关系都会产生新的损失。发现概率极低时，纸面上的严厉处罚通常也缺少威慑力。

组织也未必需要把合作变成严格占优策略。

前面的考核调整已经把囚徒困境变成了协调问题。到了这一步，同步启用新规则、设置完整录入为默认选项、公开确认双方承诺，或者提供"对方不履行时你不会单独受损"的保证，都可能帮助双方走向（9，9）。

这些协调手段有一个使用前提。搭便车的诱惑已经被削弱。原来的严格占优关系若没有改变，再多表态也很难维持合作。

因此，改规则可以按下面的顺序进行。

1. 先检查对方合作时，搭便车是否仍然更划算。

2. 调整考核、权限或成本，消除T > R。

3. 再检查对方背离时，自己是否仍然只能跟着背离。

4. 根据目标选择同步承诺、可信保证、监测或处罚。

5. 修改以后重新填写四个格子，确认收益顺序确实发生了变化。

前面的矩阵只计算一周。

如果两个团队下周、下个月仍要合作，今天的选择就会影响未来。一次背离可能换来眼前的便利，也可能带来对方的反击、信任下降和长期声誉损失。

这就是重复博弈。

旅游景点的小店常被当作一次性交易的例子。顾客大概不会再来，商家更容易追求眼前收益。社区里的餐馆却要面对回头客，今天降低质量，可能损失未来几个月的生意。

现实中的界线没有这么整齐。网络评价会让景区商家承担未来后果，社区餐馆也可能随时关门。这个例子只能说明时间结构会改变收益，不能直接证明哪类商家一定更诚信。

1979年前后，密歇根大学政治学家罗伯特·阿克塞尔罗德组织了两次重复囚徒困境计算机锦标赛，相关研究于1980年发表。

参赛者提交不同策略，让它们反复交手。两轮比赛中，多伦多大学的阿纳托尔·拉波波特提交的"以牙还牙"都取得了很高的总分。

这个策略非常简单。

第一轮先合作。从第二轮开始，重复对手上一轮的选择。

对手合作，它就合作；对手背离，它下一轮便背离；对手重新合作，它也立即恢复合作。

阿克塞尔罗德把当时表现较好的策略概括为几项特征。它们通常不会首先背离，会回应对方的背离，也愿意在对方恢复合作后停止报复，而且行为容易理解。

以牙还牙很容易记，却不适合被奉为通用答案。

假设两个团队原本都在合作，其中一方因漏填而被误认为背离。另一方下一轮开始报复。第一方看到报复，也在随后一轮还击。双方可能从一次操作失误开始，陷入长期交替报复。

组织里恰好充满漏填、误判和延迟。

后来的大规模比较研究也没有找到一个能在不同对手、噪声水平和终止条件下始终取胜的通用策略。策略的表现取决于它面对谁、错误有多少、比赛如何结束。

假设两个团队都知道，项目三周后一定结束。

到了最后一周，未来已经不存在。背离不会招致下一周的报复，单期博弈里的占优策略重新出现。

既然双方都知道最后一周会背离，倒数第二周的合作也无法换来最后一周的善意。于是倒数第二周也会背离。

同样的推理继续向前，第一周也会受到影响。

这叫逆向归纳。

它依赖一组很强的假设。项目终点、收益规则和双方的理性都必须为彼此所知，阶段博弈还要只有一个纳什均衡，同时不存在模型之外的声誉、道德或长期关系。

现实中只要有一项条件不成立，人们就可能在明确终点前继续合作。因此，逆向归纳是特定模型的预测，并非所有人的必然行为。

如果合作没有确定的最后一轮，或者每一轮结束后都有一定概率继续，合作更容易维持。

用本文最初的10、8、3、0计算，假设双方都采用"冷酷触发"策略。一开始合作，只要有人背离一次，此后便永久背离。此时，未来收益的权重达到七分之二，持续合作便可以成为一个均衡。

这个数字只属于本文设定的收益矩阵。它还假设行为能够被准确观察，报复可以执行，也不存在误操作。达到阈值只说明合作有可能成为均衡，不代表合作必然出现。冷酷触发策略只用于演示这个理论阈值，并非推荐现实团队采用永久报复。

有关重复博弈的实验研究也表明，合作能够成为均衡，并不等于多数参与者一定会合作；合作还要能承受对对方行为的不确定性。

应用到现实团队，三个条件比精确阈值更重要。

未来合作对双方是否足够重要？

过去的行为能否被准确看见？

对背离的回应能否真正执行，同时允许纠正误判？

并不是所有合作失败都符合囚徒困境。

只有双方的收益都满足T > R > P > S，这个模型才成立。

如果对方合作时，我也更愿意合作，问题往往出在彼此不敢相信对方。这更接近协调问题或猎鹿博弈。

如果双方合作并不比双方背离更好，双方可能存在目标冲突或分配争议。此时缺少囚徒困境中"明明有一个共同更好的结果"这一条件。

如果双方连"完整录入"究竟包括哪些内容都没有说清，眼前的问题可能只是标准含糊。行动尚未定义清楚，收益表也无法可靠填写。

多人共同建设知识库时，场景还可能带有公共物品特征。上级把维护任务交给团队，却难以观察其真实投入时，也会涉及委托代理和道德风险。

这些模型可以同时出现。

囚徒困境负责回答一个明确的问题。给定对方的选择，每一方是否都有动力单独背离？

只要这个问题尚未回答，就不宜把所有"不合作"都贴上囚徒困境的标签。

下次遇到"大家都承认合作更好，却仍然各自少做一点"的局面，可以先画出四个格子。

再问三遍。

对方合作时，我会不会占便宜？

对方不合作时，我会不会跟着少做？

双方都合作，是否真的比双方都不合作更好？

三项都成立，催促通常改变不了结果。接下来要检查的，是考核、成本、权限、监测和未来关系怎样塑造了每个人的选择。