Z5.01.2Rule interaction complexity设计研究
规则数量增长后行为不可预测
别名: 规则交互复杂度 · 涌现行为 · emergent behavior
概念解释
单条规则各自可理解，规则集的整体行为却会超出任何一条规则的描述——这是规则交互的涌现复杂度。十条规则、二十个设备的系统里，「灯什么时候会关」不再有任何单条规则能回答：它取决于哪几条规则瞄准了这盏灯、它们的触发条件在什么时候同时成立、以及其中一条规则的动作是否会改变另一条的触发条件。
不可预测的具体表现：设备做了「没有一条规则说过」的事（多条规则接力出的行为链）；同一段时间里行为与既往不符（某条被遗忘的规则在特定条件组合下才醒）；改一条规则，远处另一处行为变了（规则通过共享设备耦合）。
机制
复杂度是乘性增长的。每条新规则不是加一，而是与所有既有规则、所有设备状态产生新的组合：规则 A 的动作把温控调低，房间变冷让规则 B 的「低温告警」条件成立，B 的通知又触发用户手动干预……交互路径的数量随规则数超线性增长，而规则的作者每次只看一条。
两层人的限制叠加在结构上。其一是局部作者视角：创建与编辑界面对规则逐条呈现，系统里没有任何一个时刻把「全体规则的联合行为」展示给任何人——整体行为没有作者，它只在运行时存在。其二是工作记忆容量：即使用户想在心里模拟规则集，十几条规则的触发组合也早已超出一次性能持有的范围；而正常运行时自动化退在注意之外，监控也不会发生。
所以不可预测不是系统出了故障，而是语义分层：规则层每一条都自洽，行为层却是全体规则与环境的联合输出。两层之间没有自动的翻译。
怎么研究
- 规则语料的规模分析：Ur 等 2014 年对 IFTTT 用户规则集的调查给出了基线——真实规则集普遍小而简单，用户群体对复杂度有自发的回避。结合规则共享设备的程度，可以估计交互路径的增长曲线。
- 冲突与交互检测研究：智能家居领域有把形式化方法（静态分析、模型检验）用于规则集的工作，自动找出可能冲突或级联的规则对——这类研究既验证「交互复杂度真实存在」，也提供检测工具的可行上限。表述上宜保守：方法存在,对家用户规模规则集的效果证据有限。
- 预测任务实验：给用户看一个规则集与一个情境，请其预测系统行为，比较预测准确率随规则数与共享设备数的下降曲线。这是把「不可预测」变成可测量量的直接范式。
方法论注意点：预测失败要区分「表达不出」（用户不知道规则存在）与「算不出」（知道规则但推不动组合）——前者是可见性问题，后者才是真正的认知复杂度，对策不同。
边界
- 小规则集基本可预测。 十条以内、各自瞄准不同设备的规则，行为仍在心智模型可覆盖的范围；这条知识从两位数规则、多规则共享同一设备开始才尖锐。
- 退化不是线性的，取决于耦合密度。 决定量不是规则总数，而是「有多少设备被多条规则瞄准」——共享设备的规则对数才是复杂度的载体。二十条互不相干的规则照样好懂。
- 打包能缓解不能消除。 把一组规则收进一个场景（显式模式）减少了作者视角的碎片，但场景与场景之间同样可能交互，问题只是上移一层。
怎么落地
- 新规则创建时做影响预检：列出该规则的目标设备还被哪些规则瞄准、触发条件与谁重叠，在保存前展示「将与此规则交互的既有规则」。
- 对同一设备的多条规则给出聚合视图：按设备而不是按创建时间组织规则列表，让「三盏灯各一条」与「一盏灯三条」的区别一眼可见。
- 设置规模提醒阈值：单一设备上挂的规则超过三条时提示检视；级联链（规则的动作触发另一条规则的条件）在日志中标注链深。
- 验证办法：抽查用户对自己规则集的行为预测——给出一个常见情境（如下班回家），请其预测各房间灯光与温控的最终状态，比对实际执行。预测错误集中出现在哪几条规则，哪里就是文档与视图的改进点。