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「网络表示，测度和度量」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。

网络表示

网络 （network）也称为 图 （graph），是一个由多个 顶点 （vertex）及连接顶点的 边 （edge）组成的集合。在网络中，我们通常用 $n$ 表示顶点的数目，用 $m$ 表示边的数目。在大多数网络中两个顶点之间都只有一条边，极少数情况下，两个顶点之间有多条边，称之为 重边 （multiedge）。在极特殊情况下，还会存在连接到顶点自身的边，称之为 自边 （self-edge）。既没有自边也没有重边的图称之为 简单网络 （simple network）或 简单图 （simple graph），存在重边的网络称之为 重图 （multigraph）。相关概念示例如下：

对于一个包含 $n$ 个顶点的无向图，可以用整数 $1$ 到 $n$ 对各个顶点进行标注。如果用 $\left(i, j\right)$ 表示顶点 $i$ 和顶点 $j$ 之间的边，那么通过给定 $n$ 的值及所有边的列表就能表示一个完整的网络，这种表示方法称之为 边列表 （edge list）。

无向网络

相比于边列表， 邻接矩阵 （adjacency matrix）可以更好地表示网络。一个简单图的邻接矩阵 $\mathbf{A}$ 中元素 $A_{ij}$ 的含义如下：

$$ A_{ij}=\left\{\begin{array}{ll} 1 & \text{如果顶点 } i \text{ 和顶点 } j \text{ 之间存在一条边} \\ 0 & \text{其他} \end{array}\right. $$

加权网络

对于 加权网络 （weighted network）和 赋值网络 （valued network）可以将邻接矩阵中对应元素的值设定为相应的权重的方式来进行表示。

有向网络 （directed network）或 有向图 （directed graph）有时简称为 digraph，在这类网络中，每条边都有方向，从一个顶点指向另一个顶点，称之为 有向边 （directed edge）。

有向网络

在某些类型的网络中，一些边会同时连接多个顶点。例如：创建一个社会网络，用来表示一个大规模社区中的各个家庭。每个家庭都可能会有两名或多名成员，因此表示这些家庭之间关系的做好方法就是使用一种广义边来同时连接多个顶点。这样的边称之为 超边 （hyperedge），含有超边的网络称之为 超图 （hypergraph）。下图 (a) 表示一个小型超图，其中超边用环的形式表示。

当一个网络中的顶点因为某种群组之间的关系被连接在一起时，可以使用超图来表示这个网络，在社会学中，这样的网络称之为 隶属网络 。对于超图，可于采用 二分图 的方式进行表示，通过引入 4 个新的顶点代表 4 个群组，在顶点及其所属群组之间通过边连接，如上图 (b) 所示。

超图

群组内成员之间的关系可以用超图中的超边表示，也可以等价地用更方便的 二分图 （bipartite network）表示。这种网络中有两类顶点，一类顶点代表原始顶点，另一类顶点则表示原始顶点所属的群组。

二分网络中，与邻接矩阵等价的是一个矩形矩阵，称之为 关联矩阵 （incidence matrix）。如果 $n$ 代表人数或网络中的成员数目， $g$ 是群组的数目，那么关联矩阵 $\mathbf{B}$ 是一个 $g \times n$ 的矩阵，其元素 $B_{ij}$ 的取值含义如下：

二分网络

$$ B_{ij}=\left\{\begin{array}{ll} 1 & \text{如果顶点 } j \text{ 属于群组 } i \\ 0 & \text{其他} \end{array}\right. $$

研究统一类型顶点之间的直接联系可以通过对二分网络进行 单模投影 （one-mode projection），推导出同类顶点之间的直接联系，如下图所示。

值得单独记下的点

• 子图 （subgraph）： $G'$ 中所有顶点和边均包含于原图 $G$ 中，即 $E' \in E, V' \in V$ 。
• 生成子图 （spanning subgraph）： $G'$ 中顶点同原图 $G$ 相同，且 $E' \in E$ 。
• 导出子图 （induced subgraph）： $G'$ 中， $V' \in V$ ，同时对于 $V'$ 中任意一个顶点，只要在原图 $G$ 中有对应的边，则也应包含在 $E'$ 中。
• Milo, R., Shen-Orr, S., Itzkovitz, S., Kashtan, N., Chklovskii, D., & Alon, U. (2002). Network motifs: simple building blocks of complex networks. Science , 298(5594), 824-827. ↩︎
• Jain, D., & Patgiri, R. (2019, April). Network Motifs: A Survey. In International Conference on Advances in Computing and Data Sciences (pp. 80-91). Springer, Singapore. ↩︎

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