Z3.05.1Behavioural consistency设计研究
相同情境下自动化应产生一致的行为
别名: 行为一致性 · determinism · 自动化可靠性
概念解释
可预测性的第一块基石：行为一致性——同样的条件、同样的输入，自动化做同样的事。用户靠重复观察建立「什么条件导致什么行为」的因果模型；行为随机波动时（有时触发有时不触发、有时快有时慢），模型建不起来，一切预测退化为「碰运气」。
一致性不是「永不变化」。天冷了暖气提前开、周末模式不同——行为随真实条件变化，恰恰是模型本身的内容。用户分得清这两种「变化」：条件相同而行为不同破坏模型，条件变化而行为随之变化就是模型。
机制
对自动化的信任是预测式的：信任=能用环境条件预判它的行为。一致的行为允许用户停止监控——不盯着也能预测结果，这正是自动化省心承诺的兑现方式。行为一旦随机波动，监控被迫恢复，省力承诺破产，而且用户无法把监控注意力安排在「该看的时候」（因为不知道什么时候该看），只能持续在线。
不一致的技术来源值得逐个点名，因为每个都很隐蔽：
- 阈值附近抖动：条件在临界值上下徘徊，触发与否变成掷硬币；
- 时序竞争：多个触发源同时到达，谁先谁后不定，行为不同；
- 隐式内部状态：冷却时间、缓存、限流不可见，同样的可见输入遇到不同的内部状态，结果不同；
- 链路延迟波动：云依赖的处理时间方差大，「快慢看心情」。
怎么研究
- 信任校准研究：Lee 与 See 2004 年的综述把信任与可靠性的关系系统化——自动化信任应与能力相称（校准），而行为一致性是能力的可观察代理。不可靠但稳定的系统比偶尔优秀的系统更可依赖，这是该文献的著名结论。
- 自动化惊奇（automation surprise）：Sarter 与 Woods 1995 年对驾驶舱的研究记录了飞行员面对自动化「出人意料」行为时的困境——行为无法归因时，操作员无法维持对系统模式的正确认知。
- 方法：从长期部署的触发日志里度量「同条件行为方差」；实验操纵一致性水平，观察信任量表与监控行为（注视、检查频率）的跟随变化。
边界
- **一致不等于僵化。**判据始终是「条件相同吗」——把行为随真实条件变化误诊为不一致，会导出「永不准变」的错误处方。学习型系统的合理演化（用户作息变了、系统跟上来）不属于这里说的不一致；它的真正难题是演化的静默性，那是同组另一条的事。
- 推断系统天然带抖动。概率推断的置信度在阈值附近必然波动，完全确定性达不到——工程上的兜底是滞回（hysteresis）与去抖这类手段，把临界区的随机性压掉。一致性要求的是消灭无解释的方差，不是消灭概率推断。
- **一致性要按用户可观察的条件定义。**内部传感器读数相同而环境表现不同（光照传感器被窗帘遮了一半），在用户眼里就是不一致——一致性以用户可见的条件为准绳。
怎么落地
- 触发判定加滞回：条件越过一个方向的单侧阈值才触发、回落足够距离才复位，消灭临界抖动。
- 隐式内部状态（冷却、缓存、限流）要么显式化、要么行为统一，别让同样的可见条件撞上不同的隐藏状态。
- 行为方差的归因制度：任何「同条件不同行为」的样本出现，都要能归因到某个可解释因素（模式不同、目标不同、学习更新），归因不了的方差就是缺陷。
- 验证办法：从触发日志自动抽取「同条件不同行为」的样本对，逐对归因；未解释方差清零才算过。