01原理
排列组合解决的是“数数”的问题：一件事一共有多少种可能的结果，其中多少种是你在乎的。数清楚了，概率就是两者之比；再给每种结果配上收益或损失，就得到期望值和风险。芒格把它叫作费马/帕斯卡系统，是因为 1654 年这两人在通信里第一次把“机会”变成了可以计算的东西。它属于中学代数，几乎不需要什么新知识。
芒格强调的不是公式，而是习惯。他的意思很直白：这门数学不难，难在几乎每天都拿出来用。原因是人脑天生的估算方式是一种粗糙的捷径，里面有一点概率的影子，但不够好，就像天生的挥杆动作打不好高尔夫，必须换一种握法重新练。不练的人，在每一次需要估算几率的竞争里都把优势让给了对手。
对小公司来说，这个模型最常出现在三类问题里：一串步骤全部成功的概率是多少（相乘）；多次尝试里至少成功一次的概率是多少（用 1 减去全部失败）；一个系统一共有多少种状态需要测（组合数）。这三个问题的直觉答案几乎总是错的，而且错的方向很固定：高估链条的可靠性，低估重复尝试的价值，低估状态空间的大小。
为什么成立
直觉出错的数学根源在于乘法。人脑习惯加法式的感受：每一步都“挺靠谱”，整体也就“挺靠谱”。但独立事件要相乘：每步 95% 成功、连续 20 步，全部成功只剩约 36%；每步 99%，20 步后也只有约 82%。反过来，单次成功率只有 10% 的事情，独立尝试 20 次，至少成功一次的概率接近 88%。组合数增长得更快：10 个各有开和关两种状态的开关，就有 1024 种组合。
费马的办法是把所有可能的未来都列出来再数，帕斯卡的办法是从结尾往回一步步求平均。前者直观，但结果一多就列不完；后者能处理更大的问题，也就是后来决策树的雏形。两种方法共同的前提是：各种结果的可能性要估得对，事件之间是否独立要想清楚。乘法放大精确，也放大错误；独立性假设一旦错了，算得越精确，离真相越远。
02芒格怎么说
芒格在 1994 年南加州大学商学院的演讲《关于普世智慧的基本一课》里，把排列组合排在复利之后，列为第二个人人必备的数学模型。他特意把它叫作“费马/帕斯卡系统”，说难的不是学会，而是养成每天都用的习惯；人脑天生只会粗糙的近似估算，不练就会在一辈子的竞争里吃大亏。他还说巴菲特的长处之一，就是会自动用决策树和排列组合来想问题。
It’s not that hard to learn. What is hard is to get so you use it routinely almost every day of your life.
它并不难学。难的是让自己几乎每天都习惯性地用它。
then you go through a long life like a one-legged man in an ass-kicking contest.
（如果不把这门初等概率学进脑子里，）那你这一辈子就像一个独腿人去参加踢屁股比赛。
03怎么用
- 01
给智能体流程算“链条成功率”
把一个自动化流程（比如“读工单—查库—改代码—跑测试—提交”）拆成步骤，给每一步估一个成功率，然后相乘。如果乘出来低于你能接受的水平，优先做三件事：减少步骤，在关键步骤后加校验让错误不往下传，或者在人最容易发现错误的地方插入人工确认。不要只盯着把某一步从 90% 提到 92%，砍掉一步往往更划算。
- 02
评测看“连续 k 次都对”，不看“跑通过一次”
演示时跑通一次，只说明成功率大于零。上线前对同一批任务各跑多次，记录每个任务成功了几次，再估算连续 k 次都成功的概率。对客户来说，一个十次里错三次的功能和一个从不出错的功能，是两种完全不同的产品；定价、服务承诺和人工兜底都应按前者来设计。
- 03
用“1 减全部失败”估算重复尝试
冷启动获客、投简历、发融资邮件、对模型多次采样再挑最好的，都是“至少成功一次”的问题。先估单次成功率 p 和尝试次数 n，算 1-(1-p)^n，再看边际收益在哪里变平。这能帮你决定是继续加量，还是回头提升单次质量。但要先确认这些尝试真是独立的：同一个渠道里发同一封模板邮件，失败原因很可能是同一个。
- 04
上线前先数状态空间
功能开关、模型版本、提示词版本、套餐等级、地区，这些维度相乘就是你的系统实际可能处在的状态数。先算出这个数，再决定是全部覆盖、只测两两组合，还是抽样。数出来的结果常常会让团队意识到：缺陷不是“偶然”冒出来的，而是大量组合里本来就没人测过的那几种。
04案例
点数问题：费马和帕斯卡怎么分一场没打完的赌注
据记载，赌徒德·梅雷骑士（安托万·贡博）向帕斯卡提出一个问题：两人约定先赢若干局者拿走全部赌注，比赛中途被打断，钱该怎么分？早在 1494 年，帕奇奥利给出的办法是按已经赢下的局数比例分配，后来塔塔利亚指出这种分法在只打了一局时会得出荒唐结果。帕斯卡与费马在通信中给出了正确答案：要看的不是已经赢了多少，而是各自还差多少。费马把剩下最多还要打的局数全部列出来，数每种结局里谁赢；帕斯卡则从终点往回逐步求平均，并用组合数写出了通式。举一个编者自己按费马列举法演算的例子：打到 10 局、比分 7 比 5 时，领先者还差 3 局，落后者还差 5 局，最多再打 7 局，128 种等可能结果里领先者赢 99 种，赌注应按 99 比 29 分。这正是芒格说的“费马/帕斯卡系统”：把未来所有可能的结果数清楚，再按比例分配价值。[2][1]
莎莉·克拉克案：把不独立的事件相乘
英国律师莎莉·克拉克的两个儿子分别在 1996 年 12 月和 1998 年 1 月婴儿期死亡，她在 1999 年 11 月被判谋杀。儿科医生罗伊·梅多在庭上作证：像她这样的家庭，一个婴儿猝死的概率约为八千五百四十三分之一，两个都猝死就是这个数的平方，约七千三百万分之一。这个数字有两处致命错误。第一，两次死亡发生在同一个家庭，遗传和环境都相同，并不独立，直接相乘会把概率压得极低；英国皇家统计学会在 2001 年 10 月 23 日发表声明，指出这个数字没有统计依据。第二，许多报道把它当成了“她无辜的概率”，而真正该比较的是“两次猝死”和“两次谋杀”哪个更可能。克拉克在 2003 年 1 月第二次上诉后被撤销定罪。乘法本身没错，错在没检查独立性，又把结果放进了错误的问题里。[3]
Devin：基准上的 13.86%，落到真实任务里的 3/20
Cognition 在 2024 年 3 月 15 日发布技术报告：其编码智能体 Devin 在随机抽取的 570 个 SWE-bench 问题里解决了 79 个，成功率 13.86%，远高于此前无辅助条件下最好的 1.96%；即使直接告诉模型该改哪些文件，此前最好成绩也只有 4.80%。报告也说，Devin 能执行多步计划并从环境中获得反馈。2025 年 1 月 8 日，研究实验室 Answer.AI 的三位作者发表了一个月的实测记录：他们交给 Devin 20 个任务，成功 3 个、失败 14 个、无法判定 3 个；看似简单的任务常常花掉几天，Devin 还会在不可能完成的方向上持续推进，而不是识别出根本障碍。从排列组合的角度看，这并不奇怪：真实任务的步骤更多、每一步出错后还会把后面的步骤带偏，整体成功率是各步成功率的乘积，而不是平均值。对小团队的启示是，评估一个智能体要看你自己的任务链有多长，而不是看它在别人的基准上得了多少分。（Cognition 和 Answer.AI 的人数这里不做断言。）[4][5]
τ-bench 的 pass^k：用组合数衡量“每次都对”
客服智能体公司 Sierra 的研究者在 2024 年 6 月发布 τ-bench，让智能体在模拟用户对话中调用工具、遵守业务规则（Sierra 不是 10 人以内的小团队，这里看的是它的方法）。他们提出 pass^k 指标：对每个任务跑 n 次、成功 c 次，用 C(c,k)/C(n,k) 估计“随机抽 k 次全部成功”的概率，再对所有任务求平均。结果是 gpt-4o 在零售场景单次成功率 61.2%，而 pass^8 低于 25%。这个指标把芒格的老道理变成了一个可以每天看的数：单次能做到，和每次都能做到，中间隔着一个乘方。做客服、财务、运维这类“错一次就要道歉”的产品，应该把 pass^k 而不是 pass^1 当作上线门槛。[6]
05误用与边界
默认独立
相乘的前提是事件互不影响。同一个模型、同一套提示词、同一个数据源、同一个家庭，失败往往是相关的：一处出错，处处出错。这时直接相乘会严重低估“同时出事”的概率，也会高估“多试几次总能成”的概率。先问一句：这些事件有没有共同的原因？
算对了数，回答错了问题
“在无辜的前提下出现这种证据的概率”不等于“出现这种证据时无辜的概率”。同理，“好产品里有 90% 都留存很高”不等于“留存很高的产品有 90% 是好产品”。算出一个概率后，先用一句话写清楚它是在什么条件下、关于什么事件的概率，再拿去做决定。
拍脑袋的输入，精确的输出
把三个凭感觉估的成功率相乘，得到一个小数点后两位的数字，看起来很科学，其实只是把猜测包装了一遍。输入越不可靠，越应该给区间、做敏感性分析，看结论在合理范围内会不会翻转，而不是相信某一个点值。
组合爆炸时还硬要列举
费马的列举法在结果一多时就不实用了。状态空间成千上万时，硬要全覆盖只会让团队放弃测试。这时应换成帕斯卡式的分步递推、抽样，或者只测最可能出问题的组合，承认剩下的风险并为它准备兜底。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4
- 5
- 6