一句话说清
谈判还有下一次时，合作就从吃亏变成划算。
为什么值得懂
入门篇《重复博弈》给了判断：单次博弈坑人划算，重复博弈合作划算，以牙还牙最稳。但它讲完了结论，没讲条件。这一篇补三件事：结论来自 1980 年的一场计算机竞赛，不是道德劝告；前提是「还有下一次」能被算进账里；以牙还牙之外还有更聪明的策略。
零基础讲解
一、历史脉络：从一场锦标赛到一条定理。
第一站是 1980 年。政治学家罗伯特·阿克塞尔罗德把囚徒困境做成可编程的博弈，请各方提交策略两两对打、比总分。第一轮收到 14 个策略外加一个随机策略，赢家是心理学家阿纳托尔·拉波波特提交的「以牙还牙」——第一轮合作，此后原样复制对手上一轮的动作（阿克塞尔罗德 / 《冲突解决杂志》1980 年第 24 卷第 1 期，第 3–25 页）。第二轮他把结果公开，请人针对冠军写新程序，以牙还牙再次获胜（阿克塞尔罗德 / 《冲突解决杂志》1980 年第 24 卷第 3 期，第 379–403 页）。
第二站是演化版。1981 年阿克塞尔罗德与汉密尔顿把锦标赛换成生态模拟：得分高的策略繁殖，得分低的消亡。结论是，只要重复得足够久，善良且会反击的策略就能在满是背叛者的世界里站稳——不需要中央权威，也不需要人有善意（阿克塞尔罗德、汉密尔顿 / 《科学》1981 年第 211 卷第 4489 期，第 1390–1396 页）。
第三站是把它变成定理。富登伯格与马斯金 1986 年给出折现重复博弈的民间定理：只要参与者足够有耐心，任何「可行且对每个人都比单干强」的结果都可以是均衡（富登伯格、马斯金 / 《计量经济学》1986 年第 54 卷第 3 期，第 533–554 页）。这一步把合作从道德命题改成了数学结论：在足够长的关系里，合作不是好人做的事，而是均衡之一。
第四站是挑刺。1993 年诺瓦克与西格蒙德提出「赢留输变」，在带噪声的博弈里胜过以牙还牙（诺瓦克、西格蒙德 / 《自然》1993 年第 364 卷第 6432 期，第 56–58 页）；2012 年普雷斯与戴森发现一整类「零行列式策略」，可让一方单方面把双方收益锁在任意线性关系上（普雷斯、戴森 / 《美国国家科学院院刊》2012 年第 109 卷第 26 期，第 10409–10413 页）。结论于是从「善良者胜」变成「善良并非唯一赢法」。
二、核心机制：把「下一次」算进这一次。
单次囚徒困境里，背叛的收益立刻到手，代价不存在。重复博弈改的不是收益表，而是时间结构：这一次的背叛会写进对方的记忆，影响下一次的报价。
更精确的说法是折现因子：接近 1 表示很有耐心，接近 0 表示只看眼前。只有当未来在账上足够重，「一直合作」才是稳定均衡——背叛多赚的那一票，抵不过未来所有轮次里损失掉的折扣总和。这解释了熟人社会比陌生人社会好合作、老店比路边摊更在意口碑、长期合同违约率低于一次性交易。
以牙还牙之所以稳，是因为它同时满足四个条件：善良（从不先背叛）、可激怒（被背叛立刻还手）、宽容（对方回头就既往不咎）、清晰（对方两轮看懂规则）。顺序很关键：只有善良没有反击会被反复利用，只有反击没有宽容会锁死在互相报复里。
三、失效边界：前提一破，结论就翻。
第一条边界是终点。一旦双方都知道这是最后一局，逻辑就会倒推：最后一局没有下一次可以报复，所以该背叛；既然最后一局会背叛，倒数第二局也没有合作的必要……一路推回第一局，合作全部瓦解。泽尔滕与施托克尔在实验里看到，受试者在有限超级博弈的最后几轮明显转向背叛，他们称之为终局行为（泽尔滕、施托克尔 / 《经济行为与组织杂志》1986 年第 7 卷第 1 期，第 47–70 页）。现实版是离职前的最后一个月、关店前的最后一批货。
第二条边界是噪声。以牙还牙极度依赖信号准确：一次误会（对方不是背叛，只是你读错了）就会触发报复，报复招来反报复，双方在谁都没有恶意的战争里互相惩罚。诺瓦克与西格蒙德提出的「赢留输变」（这轮赚到就重复上一轮动作，没赚到就换一个）正是为解决这点：它不纠缠某一轮，只看自己上一轮赚没赚到，因此在有误报的环境里更稳（诺瓦克、西格蒙德 / 《自然》1993 年第 364 卷第 6432 期，第 56–58 页）。
第三条边界是识别与记忆。它要求你认得出对手、记得住历史，并确定这次的对手就是上次那个。匿名交易、可换马甲重来的平台、一次性流量生意会让三条同时失效——治理「换号重来」要靠实名与信用记录，不能指望双方自觉。
第四条边界是耐心。心里没有明天的人按定义算不过长期账，重复博弈对他不构成约束。
四、与相邻概念的分界。
第一，与囚徒困境。囚徒困境讲收益结构，重复博弈讲时间结构。同一张收益表，只玩一次是双输陷阱，玩很多次是合作温床。看到「囚徒困境」，先问：这次是单次还是重复。
第二，与纳什均衡。纳什均衡是「谁都不能单方面改善」的状态，不承诺这个状态是好是坏。民间定理说的恰恰是均衡太多：足够耐心的话，从全合作到接近全背叛的很多结果都能是均衡。所以「合作是均衡」不等于「合作必然发生」——均衡靠什么被选中，要靠演化与学习去补。
第三，与零和博弈。一方的所得就是另一方的所失，重复多少次也变不出双赢。
第四，与搭便车。搭便车说的是公共品里「我少出一点、照样享受」的激励；重复博弈给出的解药是声誉、报复与未来合作机会的存续。
这里存疑。 以牙还牙之外还有赢家：普雷斯与戴森构造的零行列式策略可以让一方单方面锁定双方收益的线性关系，不必双方都善良（普雷斯、戴森 / 《美国国家科学院院刊》2012 年第 109 卷第 26 期，第 10409–10413 页）。这条结论有争议：一派认为它动摇了「合作靠互利」的叙事；另一派指出它只在对手能感知并回应历史时才有效，面对同样会学习的对手会失去优势。主流观点是：以牙还牙是一大类稳健策略的代表，不是唯一答案。
一个例子
一个反例：景区门口的小店为什么敢宰客。 如果「重复博弈让商家不敢宰客」是普遍规律，景区门口的店就该和小区门口的早餐店一样讲信用。事实常常相反：景区小店做的是「大概率没有下一次」的生意，顾客一辈子来一趟，回头概率低到可以忽略，于是短秤、涨价、以次充好全出现了。这个反例不推翻重复博弈，它暴露的正是前提——起作用的不是「这家店开了多久」，而是「这个顾客还会不会再来」。反过来，当门店回头率决定整条街的客流时，连锁品牌就会对单店宰客管到极严；而「做长期主义者，这次吃点亏没关系」也只有在对方站在同一个长期里时才成立。
常见误解
- 以为重复博弈等于做好人：它奖励善良加可反击的组合，单有善良只会被反复利用。
- 以为关系越久合作越稳：稳不稳取决于对方还有没有下一次、你有没有反击能力，不是关系的长度。
- 以为只有无限重复才有效：有限重复也能维持合作，前提是终点不可预期；终点一确定，合作就在最后几轮瓦解。
- 以为重复博弈能救所有的局：零和博弈里，重复只提高互相伤害的效率。
应用场景
- 生活：办卡、装修、请月嫂这类「还有下一次」的消费，优先找长期口碑的商家；在景区、机场这类一次性场景，把验货与比价做在前面。
- 职场：和长期共事的人相处，把「这次多让一步」记成对关系的投资，同时把反击线写在明处。
- 写作与创作：写两个角色从算计走向合作，最可信的转折不是良心发现，而是其中一方发现「我们还会再见面」；写反派时把他设成「没有下一次」的玩家，无底线就有了结构性理由。
关联知识点
- 重复博弈（repeated-games，本篇的入门篇，先读它拿到以牙还牙与四个特点）
- 囚徒困境（prisoners-dilemma，收益结构那一半；本篇讲的是时间结构那一半）
- 纳什均衡（nash-equilibrium，民间定理说的「均衡太多」，前提是先懂均衡是什么）
- 搭便车（free-rider，重复博弈提供的声誉与报复是它的解药之一）
- 契约与信用（contract-trust，第三方执行与关系自我执行的分工）
- 所属主线：信任与合作