范叶亮写智能体、模型和数据系统时，习惯先把定义和边界钉死。把「真实世界网络结构」整理成可落地的中文笔记：问题在哪、默认做法会踩什么坑、该怎么选。原站导航和广告已去掉。

分支

在无向网络中，一个典型的现象是很多网络都有一个分支，该分支占据了网络的绝大部分，而剩余部分则被划分为大量的小分支，这些小分支之间彼此并不相连。如下图所示：

一个网络通常不能有两个或更多占据网络大部分的大分支。如果将一个 $n$ 个顶点的网络分解为两个分支，每个分支约为 $\dfrac{1}{2} n$ 个顶点，则两个分支的顶点之间会有 $\dfrac{1}{4} n^2$ 个顶点对，这些顶点对有可能一个顶点在一个大分支中，而另一个顶点在另外一个大分支中。如果在任何一个顶点对之间有一条边，那么这两个分支就会合并为一个分支。

小世界效应

有向图中分支分为两种： 弱连通分支 和 强连通分支 。弱连通分支的定义与无向网络的分支定义类似，强连通分支是指网络顶点的一个最大子集，该子集中的顶点能够通过有向路径到达其余所有顶点，同时也能够通过有向路径从其余所有顶点到达。

每个连通分支拥有 外向分支 （即从强连通分支中的任意顶点出发，沿着有向路径能够到达的所有顶点的集合）和 内向分支 （即沿着有向路径能够到达强连通分支的所有顶点的集合）。利用**“领结”图**可以很好地刻画有向网络的总体情况，万维网的“领结”图如下所示：

度分布

小世界效应 （small-world effect）是指对于大多数网络而言，网络顶点之间的测地距离都惊人的小，例如： 六度分隔理论 。网络的数学模型显示出网络测地路径长度的数量级通常与网络定点数 $n$ 成对数关系 ，即 $\log n$ 。

顶点的度是指连接到它的边的数量。 度分布 （degree distribution） $p_k$ 是指网络中节点度的概率分布，也可以理解为从网络中随机选择一个顶点，其度为 $k$ 的概率。 度序列 （degree sequence）是指所有顶点度的集合。

幂律和无标度网络

现实世界中，几乎所有网络的度分布都有类似的由度较大的核心顶点构成的尾部，统计上称为 右偏 （right-skewed）的。

以 Internet 为例，下图给出了度分布的一个有趣特征，下图使用了对数标度重新绘制了上图的直方图：

聚类系数

如上图所示，对数处理后，分布大致遵循一条直线。度分布 $p_k$ 的对数与度 $k$ 的对数之间具有线性函数关系：

其中， $C = e^c$ 是一个常数。这种形式的分布，即按照 $k$ 的幂变化，称为 幂律 （power law）。在不同类型的网络中，幂律度分布是普遍存在的，常数 $\alpha$ 是幂律的指数，该值的典型取值区间为 $2 \leq \alpha \leq 3$ 。通常，度分布并非在整个区间都遵循幂律分布，当 $k$ 较小时，度分布并不是单调的。具有幂律度分布的网络也称为 无标度网络 （scale-free network）。

值得单独记下的点

• Newman, M. E. J. (2014) 网络科学引论 . 电子工业出版社. ↩︎

落地时建议先做的 5 件事

1. 先写清任务能不能被自动验证：能验证的交给系统和评测，不能验证的留给人审。
2. 本地部署先算显存、延迟和失败回滚，不要只看能跑通一次。
3. 多智能体只在单智能体触到上下文或专业边界时再拆。
4. Token、微调和压缩都要有对照数字，避免口号式优化。
5. 结论写成可检查清单：接口、超时、评测集、回滚版本。

和智能体产品怎么接

龙虾PRO做 OpenClaw 落地时，最该拿走的是「单智能体先做好工具和提示，再谈编排」。数字员工、技能市场和网关应共用同一套评测与权限，而不是各写一套角色人设。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源