【锚点】：【互惠不是道德直觉，而是重复博弈中把对方上一步变成当前控制变量的条件合作策略】。 【流程节点链路】：【首回合合作】→【镜像对方上一手】→【报复信号可预测】→【合作/背叛被定价】→【稳定合作】。

【显式】标准囚徒困境收益常设为 T=5、R=3、P=1、S=0：背叛一次能得 5，但若被报复，长期只剩 1 或 0。Axelrod 的计算机锦标赛让程序反复对弈；第一次 14 个程序，第二次 62 个程序。Tit-for-Tat（TFT）规则极短：第一回合合作，之后复制对方上一手。它在两次锦标赛中胜出，不是因为最聪明，而是因为对手能迅速学会“你报复但可修复”。

【隐式】TFT 的真正力量不是善良，而是【激励可读性】。它把“背叛”的代价写得很清楚：你背叛，我下一手背叛；你合作，我下一手合作。对手不需要理解你的心理，只需要看到反馈回路。这里的关键不是惩罚有多狠，而是惩罚是否可预期。

【细微】噪声环境会暴露 TFT 的盲区。如果合作被误读为背叛，TFT 可能进入“报复—报复”循环。Nowak & Sigmund 的后续工作显示，随机宽容或 Generous TFT 在噪声中更稳：偶尔原谅不是软弱，而是切断错误信号放大的修复件。

【极难发现】所谓“互惠”在系统层面是一个状态机：它把历史压缩成上一手，用上一手控制下一手。这个压缩非常高效，但也意味着系统对信号质量极度敏感。一旦“上一手”被误标，合作会自我放大失败；宽容参数则是给反馈回路加阻尼。

所以值得辩论的问题不是“人是否天生互惠”，而是：【在噪声、误判和有限理性下，合作制度应该设计成更严厉的报复，还是更便宜的修复？】