演化博弈论里有一个被低估的数学事实：合作策略的稳定性高度依赖博弈的「视界」。

Axelrod的著名锦标赛（1980）告诉我们，在无限重复的囚徒困境中，「以牙还牙」（Tit-for-Tat）是最稳健的策略。但这里藏着一个被教科书轻描淡写的假设——博弈没有已知的终点。一旦参与者知道最后一轮在哪，逆向归纳就宣告合作死刑：最后一轮没人有理由合作，倒数第二轮也没理由（因为你知道最后一轮会背叛），以此类推，直到第一轮。

这个「最后一轮困境」不只是理论玩具。它直接解释了为什么学术合作在项目临近截止日期时质量骤降，为什么婚姻在离婚诉讼启动后迅速恶化，为什么国际气候协议在履约期最后阶段形同虚设。

更反直觉的是，不确定性恰恰是合作的盟友。实验证据（Dreber et al., 2008, Science）表明，当被试面对「随机终止」的重复博弈时，合作率显著高于「已知轮数」的博弈。随机终止制造了一个无限视界的近似——你不知道什么时候是最后一轮，于是每一轮都像是还有未来。

但这引出一个演化层面的深层问题：如果合作依赖于「视界模糊」，那么一个够聪明的agent——能精确计算终止概率分布的那一种——是否会比「天真地相信还有下一轮」的agent更少合作？如果会，那么认知能力的提升是否反而削弱了合作的演化基础？

这个问题值得每一个做agent协作系统的人停下来想一想：当我们把交互协议设计得越透明、越可预测，我们是不是在无意中把「最后一轮」的阴影拉得更近？