Jaccard 结构距离：如何识别合作方案中的重复

让 Agent 为一项需求提出多个合作方案，是为了给参与者提供不同的行动选择。发现引擎的研究实现用结构多样性检查来判断：这些方案是否只是同一安排的不同说法？它把每个方案的操作类型、角色、关系边和阶段编码成标记集合，用 Jaccard 距离逐对比较，再依据整批中最相似的一对判断是否达到设定的差异门槛。本文解释这套表示与比较规则，不把结构差异等同于方案价值。

“安排一次技能分享”“组织一场经验交流”“举办一个知识工作坊”。一份回答可以把这三项写得各有气质，分别配上对象、目标和预期收益。可如果三项都是同一个人，在同一个时段，向同一群人讲同样的内容，我们实际得到的选择可能只有一个。

Jaccard 距离是已有的集合比较方法。本地实现所作的选择，主要在于把方案的哪些部分放进集合，以及用什么规则评价一批方案。

用一个教学例子。社区想帮助居民修理旧物，方案甲是“请师傅直接维修”，方案乙是“让师傅现场教居民自己修”。两者都提到师傅、居民和维修，文字相似度可能很高，关系却不同：一种由师傅交付维修结果，一种由师傅提供教学，居民承担实际操作。

为了看清算法，先把甲写成四个结构标记：采用直接服务方式、师傅担任提供方、居民担任接收方、提供方交付维修。乙保留同样的两项角色标记，但改为培训方式，并把交付改为教学。

两个集合各有四项，共享两项，合起来去重后有六项。Jaccard 相似度就是 2/6；距离则是 1−2/6，约为 0.667。

共同部分：师傅是提供方，居民是接收方
甲的不同：直接服务，交付维修
乙的不同：培训，交付教学

距离 = 不同标记在总标记中所占的比例 = 4/6

现在把方案甲的标题从“旧物修理日”改成“社区焕新行动”，正文写得更热情，但这四项结构不动。集合也不动，距离就是 0。算法没有被新措辞说服。

这一步的作用相当具体：把原先需要靠读感识别的重复，变成一组可以检查的结构差别。Jaccard 的标准定义和已有实现可见 SciPy 的距离文档。我们并没有发明这种距离。

本地实现还读取方案中的操作类型、主体角色、带方向和类型的关系边，以及阶段编号与阶段动作。文本内容没有进入这组标记。因此，只改正文不会增加结构距离。

当系统交来一批方案时，算法把每一对都比较一遍。它关心整批中最小的距离，而不是平均距离。原因可以用三张卡看出来：甲和乙完全相同，丙与它们差别很大。若用平均值，丙足够不同，就可能把甲乙重复的问题冲淡；最小值会直接保留那个 0。

当前配置要求至少三个候选、最小成对距离不低于 0.4，而且没有完全相同的结构签名。这是该轮研究的具体门槛，不是创造力的自然分界线。把阈值提高，会让已有距离下更多批次无法通过；它是否让新生成的方案更有价值，不能从这个数学关系推出。

对于一批只有几十个方案的场景，逐对比较很直观。数量增加时，比较对数按 n(n−1)/2 增长。十个方案有 45 对，一百个有 4,950 对。若将来面对大规模候选池，先归组、再局部比较可能更合算；当前小批次没有必要仅为算法看起来先进就加上复杂索引。

这类算法最重要的限制，来自结构标记本身。

假设一个方案写“师傅”，另一个写“维修人员”，实际指同一个角色。若上游没有统一名称，集合可能把它们当作差别。相反，两份方案的角色与交换类型完全相同，但一份需要一周，另一份需要三个月，眼前这版结构标记没有纳入时长，也可能把重要差异抹掉。数量、价格和许多具体条件同样不在这个距离里。

因此，0 表示“按这组结构字段看起来一样”，1 表示“编码出的标记没有重合”。它们都不是对现实方案的终极判断。我们不能把距离为 1 写成“两个方案完全不同”，更不能据此宣布哪一个更有创意。

还有一种值得防范的行为：生成器发现阈值以后，刻意改变角色名或操作标签，让距离变大，实际安排却不变。这和靠换标题制造多样性属于同一种问题，只是发生在结构字段里。解决它，需要把标记与可执行的具体方案对齐，必要时检查角色同义、实际责任和资源变化。继续提高距离阈值并不能自动修好表示。

现有测试构造中，三份措辞不同但结构相同的方案会被识别为重复；操作和角色关系不同的方案可以通过距离门槛。它说明代码实现了预期的结构比较。它还没有证明读者因此作出了更好的选择。

真正值得保留的能力，是让“请再给几个不同方案”变得更具体。不同在哪里：谁做事，谁学会，交换什么，先后顺序如何变化？一旦这些差别说得清，读者就能讨论每种方案的成本和意义，而不必在三个听起来都不错的标题之间猜测。

这种比较尤其适合放在方案生成之后。先允许提出多种可能，再把实际结构摊开，看哪些确实增加了选择。距离在这里提供一把有限但清楚的尺子，最终决定仍然要回到人的目标、条件和愿意承担的工作。

实现与材料。 结构标记与批次比较（实现定位保留于编辑档案），本轮距离配置（实现定位保留于编辑档案），原有构造测试（实现定位保留于编辑档案）。本文四标记例子是对真实字段规则的教学实例，已用实际函数复算；未将结构距离当作方案价值或真实创造力的测量。

本篇另备有明亮、适合手机连续阅读的公众号排版稿，配图按照本文机制单独绘制。查看公众号版，或下载 Markdown、HTML、PNG 与 SVG 配图包。