1934 到 1935 年，还在芝加哥大学读本科的赫伯特·西蒙，在家乡密尔沃基做了一项实地调查。他研究的是这座城市怎么管公共娱乐设施。这些设施由两个机构合管：学校董事会和市公共工程局。
两个机构的负责人，对这个项目是干什么用的，看法似乎一致，谁也不像在扩张地盘。可他们为一件事吵个不停：钱该多少花在场地维护上，多少花在有人照看孩子玩耍上。
西蒙的经济学课本对此有个干净利落的答案：下一块钱花在效果最大的地方，来回调，直到两边最后一块钱的效果一样。几十年后，他在诺贝尔奖演讲里这样复述当年的疑问：「他们为什么不像我的经济学课本说的那样，把这项活动和那项活动的边际回报简单地权衡一下？」
答案把课本拆了。西蒙的结论是：他们没这么做，因为「在智力上，他们做不到」。
同一座公园，两种游乐场
一块钱花在维护上产出什么，一块钱花在看护上又产出什么，没有任何办法量出来。两位负责人心里各有一幅模糊的图，而且两幅图对不上。西蒙写道，在公共工程局的人眼里，游乐场是「拥挤灰暗的城市里的一片绿洲」；在负责娱乐项目的人眼里，它是「孩子们在大人的帮助和引导下一起玩耍的社交场所」。
西蒙说，组织理论里管这叫「子目标认同」：大目标没法和具体行动挂上钩时，决定就会拿那些挂得上钩的小目标来衡量。
谁也掂量不了所有选项，只能拿看得见、量得出的来做决定。
按西蒙的描述，教科书里的决策者要知道全部选项、每个选项的后果，还要能把五花八门的后果放到一把尺子上比。真实的人得自己去找选项，算力有限，外面的世界还充满不确定。超市货架上摆着四十种麦片，没人会按每克价格、含糖量、纤维一一比过去，伸手拿的是认得的牌子，或者打折的那盒。
西蒙列过几种把「做不到的决定」变成「做得到的决定」的办法。一是找一个够好的选择，不去找最好的，他称之为满意原则；二是把抽象的大目标换成看得见、量得出的小目标，密尔沃基那两位官员做的正是这个；三是把决定拆给许多专业的人，靠沟通和权责关系协调起来。他说，这些都可以归到「有限理性」名下。在他看来，组织本身就是「应对人在理解和计算上的局限的机器」。这个想法贯穿他 1947 年的《管理行为》；1978 年，他获得诺贝尔经济学奖，理由是「对经济组织内部决策过程的开创性研究」。他的诺贝尔奖演讲讲这套理论的来历，就是从密尔沃基讲起的。
后来，同样的窄化也出现在企业高管身上。1958 年，西蒙和一位名叫迪尔伯恩的同事，用到了一批数据：一群商人读同一本商业政策案例集里的同一个案例，各自认为公司的主要问题是什么。做销售和会计的高管，多数看到的是销售问题；做生产的高管，多数看到的是内部组织问题。
简历多得读不完
假设你在招一名产品设计师。手上 180 份申请，交候选名单前只有一个下午。你真正想要的，是一个能在你团队里把活干得出色的人，可这一点从简历上读不出来。
于是你用读得出来的东西：五年经验，有作品集链接，公司名字听说过。到六点，你筛出了十二个名字，彼此看着很像。
剩下那 168 份里，有一位设计师在一家你没听说过的公司干了四年，你没点开那份作品集。把一大堆砍到十二个的那条规矩，也顺手替你决定了：你永远不会知道这个人。
有预算的智能体
AI 智能体也撞上了同样的边界，只是换了个样子。模型一次能考虑的所有东西，都得装进它的上下文窗口。2025 年 7 月，Chroma 的研究者测了 18 个语言模型，包括 GPT-4.1、Claude 4 和 Gemini 2.5，用的都是刻意设计得很简单的任务。输入越长，表现越差，而且往往差得忽高忽低、出人意料。
2025 年 9 月，Anthropic 的工程师写文章，借用的正是西蒙那些经济学课本的词：上下文「必须被当作一种边际回报递减的有限资源」。他们给的办法，和西蒙的第三招很像：一个主智能体把聚焦的活儿分给子智能体，每个子智能体可能用掉几万个 token 去探索，交回来的摘要往往只有 1000 到 2000 个。对话快到上限时，还可以「压缩」：把内容总结一遍，从总结重新开始。
风险就藏在总结里。Anthropic 提醒，压缩得太狠，可能丢掉「一些细微却关键的上下文，它们的重要性要到后来才显现」。
这一点你可以留心。和智能体开一个长会话，一开始给它三条约束；快结束时，让它把这三条列出来。要是少了一条，说明它没能可靠地把这条找回来。这不能证明那条约束已经掉出了上下文；反过来，三条都列全了，也不能证明它会照着做。无论哪种情况，都去翻翻会话记录或摘要，看那条约束还在不在。然后把要紧的条件写在你下一条消息的开头，别让它们留在三十轮之前。