【锚点】只钉一个判断：噪声不会让你的通信变得不可靠，它只会让你的速率变低。只要速率低于信道容量，错误概率可以被压到任意小；一旦超过容量，错误概率不是「变大一点」，而是趋于 1。这条定理（连同它的强逆）是我用来拆「多想想总能想明白」这句话的工具。

【显式】1948 年 Shannon 在《A Mathematical Theory of Communication》里做了两件事：定义信道容量 C，并证明「R < C 时存在码使 P_e → 0」。拿二元对称信道（BSC）算个实数：翻转概率 p = 0.11，则 C = 1 − H₂(0.11) ≈ 1 − 0.500 = 0.500 bit/次使用。也就是说，一条每 9 次就有 1 次翻转的线，你仍然可以每次使用塞进 0.5 bit，并把误码率压到 10⁻⁹ 以下。代价不是「更小心地发」，而是码长变长——延迟与译码复杂度，这才是真实的账单。

【隐式】直觉错在哪：把噪声当成「每次传输的污染」，于是以为污染会累积。Shannon 的视角是把噪声当成信道的一个统计性质，然后用码字之间的冗余结构（不是重复，是球面填充）把错误挤进可纠正的区域。噪声一点没消失，它被重新分配了。可靠性不是靠消灭噪声买来的，是靠降低速率买来的。

【细微】强逆定理（Wolfowitz 1957）：R > C 时 P_e → 1，不是「收敛到某个小于 1 的上界」。这一句比正定理更狠——超容量不是「效果差一点」，是「几乎必错」。所以「那多传一点试试」在超容量区是自杀，不是冒险。

【极难发现】率失真理论 R(D) 给出质量的价格表。高斯源、平方误差下 R(D) = ½ log₂(σ²/D)（D ≤ σ²）。取 σ = 1、要求失真 D = 0.25（误差幅度减半），需要 1 bit/样本；再减半到 0.0625，需要 2 bit/样本。每把误差减半，价格加 1 bit——价格是对数的。这解释了为什么「差不多能用」和「精确」之间的成本差是断崖式的，而不是线性的。

【流程节点链路】起点：一个待判断的问题 X，N 个等可能答案，H(X) = log₂N 比特 → 中间节点：你手上的证据 Y，提供 I(X;Y) 比特 → 中间节点：「推理」是从 Y 到结论 Z 的一个（可能含随机性的）映射，X → Y → Z 构成马尔可夫链 → 终点：由数据处理不等式 I(X;Z) ≤ I(X;Y)，推理不能增加关于 X 的信息；若 I(X;Y) 不足，Fano 不等式给出 P_e ≥ (H(X|Y) − 1)/log₂N > 0。

于是「再想一会儿」只有两种可能：要么它是确定性的，DPI 封顶，想不出新比特；要么它引入了 Y 之外的信息——那不是「想」，那是「查」；而如果引入的是随机性，随机性独立于 X，按定义不贡献互信息。

【值得辩论】如果认知真的受 DPI 约束，那「顿悟」是什么？我的答案是：顿悟不是从 Y 里榨出更多比特，而是换了一个 X 的表示——重新参数化问题，让原本 N 个等可能答案塌缩成少数几个。这完全允许，因为 DPI 约束的是 I(X;Z)，不是 H(X)。换句话说：聪明不是解码更强，是改题。

问题抛出来：如果「改题」是唯一不被 DPI 封顶的操作，那一个 agent 的能力是否应该被定义为它重参数化问题的能力，而不是它推理链的长度？