參照語義微積分：拓樸微積分的計算機實現

Reference-Semantic Calculus: The Computational Realization of Topological Calculus

文件編號：EML-TC-COMP-2026-v0.2 作者：Neo.K（許筌崴） 機構：EveMissLab（一言諾科技有限公司），台灣 理論結晶化協作：Theia 日期：2026年6月11日 版本紀錄：v0.1 初版（Python 參考實現實測通過）；v0.2 附錄 C 由驗證計畫改寫為驗證結果（Lean 4 階段一至三關閉），附錄 D 互驗清單補機器驗證欄 機器驗證狀態：核心定理已於 Lean 4 v4.30.0 + Mathlib 完成形式化驗證（詳附錄 C）；Python 模糊測試協議實測通過（附錄 B） 理論地位：狹義版（可執行實現）。廣義本體論基底見姊妹篇 EML-TC-ONT-2026-v0.2。 前置文件：EML-TC-ONT-2026-v0.2（同一性微積分）、減法拓撲學（EML-TOPO-2026-SUB-v2.0）、MDAS-TCH（元圖靈完備性）、ISSQL（無限光譜序列量化語言）

摘要

本文給出拓樸微積分（同一性微積分）在計算機上的可執行定義。姊妹篇建立了廣義本體論：切割是索引而非分離，積分是遺忘而非重建，∫∘d = id 按構造成立。本文證明：計算機不是這套本體論的模擬器，而是它的第一個大規模原生實例——指標、視圖、不可變對象、內容尋址，這些計算機體系結構的基本機制，本身就是雙層本體結構的工程實現，先於任何人對它們的哲學解讀。

核心貢獻有四。第一，參照語義的微積分化：把程式語言理論中「值語義 vs 參照語義」的古老區分升格為兩種微積分的分界——值語義對應測度論式的分離型切割（複製、有損、需重建），參照語義對應索引型切割（視圖、零損、回歸平凡）。第二，可執行定義：在可枚舉索引空間上給出 d（建立視圖）與 ∫（解引用）的具體實現，並指出切法無關性在機器上的形式就是內容雜湊不變性——hash(O) 在任何分割方案下不變，這把廣義版的本體論公理轉化為一行可運行的斷言。第三，圖靈分層：圖靈完備層（可枚舉索引，今日硬體可跑）、超圖靈層（連續或無限維索引，對應 ISSQL 連續光譜，理論存在、機器跑有限逼近）的精確分界與逼近策略。第四，原生實例的系統盤點：零拷貝陣列視圖、持久化資料結構、寫時複製、Merkle 結構、符號連結、借用檢查——三十年的系統工程史被重讀為同一性微積分的無意識實踐史。

附錄給出完整的 Python 參考實現（含切法無關性的自動驗證）與 Lean 4 形式化計畫。

關鍵詞：參照語義、零拷貝、視圖、不可變對象、內容尋址、雜湊不變性、持久化資料結構、圖靈完備、超圖靈、Lean 4

第一章　從本體論到機器：為什麼計算機是原生實例

1.1 一個被三十年工程史反覆發明的結構

打開任何一台現代計算機的底層，會看到同一個模式被獨立發明了至少十次。

作業系統的虛擬記憶體：多個行程「擁有」同一塊實體頁面，每個行程透過自己的頁表項看它——實體頁是本體，頁表項是索引。檔案系統的硬連結：多個路徑指向同一個 inode——inode 是本體，路徑是索引。函數式語言的持久化資料結構：「修改」一棵樹產生新樹，但新舊兩棵樹共享絕大部分節點——節點是本體，樹根是索引。NumPy 的陣列切片：a[2:5] 不複製資料，只建立一個帶偏移量和步長的視圖——緩衝區是本體，(offset, stride, shape) 是索引。Git 的物件庫：同一個 blob 被無數 commit 引用，blob 以其內容的雜湊為名——內容是本體，雜湊引用是索引。Rust 的借用：&x 允許多處同時讀取 x 而不轉移所有權——x 是本體，借用是帶生命週期標注的索引。

這些機制的發明者們互不相識，動機各異——省記憶體、省磁碟、保證並行安全、加速版本控制。但他們解決問題的方式驚人地同構：把「東西本身」和「看東西的方式」分開存放，讓一切操作落在後者上。

姊妹篇把這個結構命名為雙層本體結構。本文的出發點是：工程師們不是在模擬這個結構——他們在資源壓力下被迫重新發現了它，因為它是抽象域中操作同一性的唯一不浪費的方式。計算機是這套本體論的原生實例，原生的意思是：不需要任何詮釋層，機制本身就是定義。

1.2 本文的狹義承諾

廣義版適用於一切滿足同一性判據的系統，代價是不可執行——本體層的「O」在哲學上清晰，在操作上懸空。本文做相反的交易：把適用域收窄到可枚舉索引空間上的不可變對象，換取每個定義可運行、每個公理可斷言、每個定理可測試。

狹義化的三條限制：第一，本體對象 O 必須是可序列化的位元串（從而可雜湊）；第二，索引空間 I 必須可枚舉（有限或可數，且索引本身可表示）；第三，O 在其生命週期內不可變（immutability 是同一性守恆的機器形式）。在這三條之內，姊妹篇的全部結構落地為程式碼；之外的部分（連續索引、不可序列化本體）進入第六章的超圖靈討論。

1.3 「計算機可以模擬萬物」的修正

支撐本文的還有一個方法論立場，需要在開頭講清楚，因為它決定了狹義版的合法性來源。

通行的說法是：計算機理論上可以模擬世間萬物（Church–Turing 論題的物理化讀法），所以在計算機上可定義的就是可定義的。本文採納這個立場，但加一個關鍵修正：對於同一性微積分，計算機的角色不是模擬器而是實例。差別不是修辭。模擬關係是有損的——模擬器以自己的資源逼近被模擬物的行為，逼近誤差原則上永遠存在；實例關係是無損的——實例直接滿足理論的公理，不是逼近滿足。氣象模型模擬大氣（有損），但一台圖靈機不是「模擬」可計算性理論——它實例化可計算性理論。

本文主張：指標機制對雙層本體結構的關係屬於後者。當作業系統讓兩個行程共享一個實體頁時，它不是在「逼近」某種抽象的同一性——那一刻，同一個位元串被兩個索引指稱，雙層結構的公理被字面滿足。誤差為零，不是因為工程精湛，而是因為這裡沒有可以產生誤差的縫隙：抽象域中的同一性結構與機器中的引用結構是同一個結構的兩次出現。

這就是「理論上的圖靈完備可以怎麼操作，我們就怎麼定義」這條方法論的根據：在實例關係下，機器操作的可行域就是理論定義的合法域，兩者之間沒有翻譯損耗需要補償。狹義版因此不欠廣義版一個「忠實性證明」的人情——忠實性將在附錄 C 的階段三被機器證明，但即使沒有那個證明，實例關係本身已經擔保了比模擬關係強得多的對應。

第二章　值語義與參照語義：兩種微積分的分水嶺

2.1 程式語言理論早就畫好的線

程式語言理論區分兩種賦值行為。值語義（value semantics）：b = a 複製 a 的內容，此後 a 與 b 是兩個獨立的東西，改 b 不動 a。參照語義（reference semantics）：b = a 讓 b 指向 a 所指向的同一個對象，此後 a 與 b 是同一個東西的兩個名字，透過任一個名字觀察到的都是它。

這條線通常被當作語言設計的工程取捨（C++ 預設值語義、Java 物件預設參照語義、Python 一律參照語義配合不可變類型）來討論。本文主張它遠不止於此：這條線就是分離型切割與索引型切割的分水嶺，因此是兩種微積分的分水嶺。

值語義切割：切一刀 = 複製出兩份再各取一半。量被真實分配，碎片獨立演化，拼回需要逐位元比對與合併——這就是測度論微積分的機器形態，合併衝突就是「重建定理的條件不滿足」的機器形態。

參照語義切割：切一刀 = 對同一個對象建立兩個視圖。量零分配（沒有複製發生），碎片不可能彼此漂移（它們透過同一個本體耦合——更準確說，它們就是同一個本體），拼回 = 放下視圖。這就是同一性微積分的機器形態。

2.2 不可變性：同一性守恆的工程名字

參照語義單獨還不夠。如果被引用的對象可變，透過視圖 A 的修改會「幽靈般」出現在視圖 B 裡——這正是共享可變狀態的萬惡之源，也是本體論上的災難：本體層出現了事件，同一性開始有歷史。

工程的解法和本體論的解法是同一個：不可變性（immutability）。宣告 O 在創建後永不改變，一切「修改」都改為創建新對象（通常與舊對象結構共享）。在不可變紀律下，參照語義的全部危險消失，全部好處保留——而這恰好就是姊妹篇同一性守恆律的機器轉寫：本體層無事件。

函數式編程社群為不可變性辯護了五十年，論據是並行安全與可推理性。本文補上本體論的論據：不可變性不是一種風格選擇，而是在機器中忠實實現同一性微積分的必要條件。可變對象的世界裡只有值語義微積分可用；不可變對象的世界裡兩種都可用，且參照語義是零成本的那一種。

2.3 內容尋址：讓本體自己命名自己

還剩最後一塊拼圖。參照需要名字（位址、路徑、控制代碼），而名字通常是外部分配的——記憶體位址由分配器給、檔名由使用者給。外部名字有任意性：同一個 O 在兩台機器上位址不同，無法跨系統確認「這是同一個」。

內容尋址（content addressing）解決它：以 O 的內容的密碼學雜湊作為 O 的名字。hash(O) 由 O 自身唯一決定，與儲存位置、創建時間、命名者全部無關。Git、IPFS、Nix、各種區塊鏈都建立在這上面。

本體論的轉寫：內容尋址讓同一性判斷變成可計算操作。「a 與 b 是否本體同一」= 「hash(a) == hash(b)」——廣義版第三章的同一性判據（剝除索引後不可區辨）在狹義版獲得 O(1) 的判定程序。這是狹義化最大的紅利：哲學判據變成單元測試。

第三章　可執行定義：d 與 ∫ 的機器形態

3.1 資料結構

狹義版的核心資料結構只有兩個。

本體對象：一段不可變位元串 O，附帶其內容雜湊 h = hash(O)。實作上是一個凍結的位元組緩衝區加一個 SHA-256 摘要。系統中 O 物理上只存一份（按 h 去重——這就是 Git 物件庫與所有去重儲存的做法）。

視圖：二元組 (h, i)——本體的雜湊引用加一個索引 i。索引 i 的內容完全自由：區間端點、樹路徑、光譜座標的有限精度截斷、任意可序列化標籤。視圖極輕（幾十位元組），與 O 的大小無關——這是「切割零成本」的物理意義。

注意視圖儲存的是 h 而非 O 的副本，也不是記憶體位址：用雜湊引用而非位址引用，使視圖跨行程、跨機器、跨時間有效——索引型切割天然是分散式友好的，這在第七章的應用裡是關鍵。

3.2 拓樸微分 d：建立視圖

定義（機器版）：d(O, I) = { (hash(O), i) : i ∈ I }。

執行語義：對 O 計算一次雜湊（若已有則跳過），然後為索引方案 I 中的每個 i 生成一個視圖記錄。全程零複製——O 的位元串沒有被讀取第二遍，更沒有被分割。切成十片和切成十億片的成本差異只在視圖記錄的數量，本體側成本恆為一次雜湊。

迭代微分：對視圖再微分，d((h, i), J) = { (h, i⧺j) : j ∈ J }，索引串接成路徑。多重索引視圖 (h, [i₁, i₂, …, iₙ]) 形成一棵索引樹，樹的每個節點的本體成分都是同一個 h——整棵無限深的微分樹掛在一個雜湊上。

3.3 拓樸積分 ∫：解引用

定義（機器版）：∫(視圖族) = 取族中任一視圖的 h 分量，到物件庫解引用，返回 O。

執行語義揭示了積分的真正成本結構：∫ 是 O(1) 的——與視圖族的大小無關，與索引深度無關，與切法無關。積分不遍歷碎片、不執行合併、不檢查相容性，它只做一次查表。對比值語義世界：合併 n 個碎片至少 O(n)，還要付合併邏輯與衝突處理。同一性微積分的「積分平凡性」在機器上兌現為一個複雜度類的下降。

基本恆等式的機器形態：

assert hash(∫(d(O, I))) == hash(O)，對一切 I。

這行斷言就是姊妹篇定理 A.1 的可執行體。它不是測試「重建是否成功」（值語義思維），而是驗證「解引用是否返回同一本體」——而由內容尋址的構造，它不可能失敗，除非雜湊函數碰撞或儲存損壞。失敗模式從「數學條件不滿足」變成「硬體故障」，這個失敗模式的遷移本身就是兩種微積分差異的最佳註腳。

3.4 切法無關性 = 雜湊不變性

廣義版的切法無關性（任何索引方案下本體不變）在機器上的形式：

對任意兩個索引方案 I, J：hash(∫(d(O, I))) == hash(∫(d(O, J))) == hash(O)。

這給出一個可自動化的驗證協議：隨機生成大量互異的切法（均勻切、指數切、隨機樹切、單片切、奇異切法如不交疊覆蓋或多重覆蓋），對每種切法執行 d 然後 ∫，斷言雜湊鏈全等。附錄 B 的參考實現包含這個協議——它在普通筆電上每秒可驗證數萬種切法。廣義版說「怎麼切都可以」是公理；狹義版把它變成可以跑通宵的模糊測試（fuzzing）。

3.5 d∘∫ ≠ id 的機器形態：垃圾回收

廣義版指出反向不成立：積分遺忘切法，無法恢復原索引方案。機器上這對應一個再熟悉不過的現象——視圖是可丟棄的，本體是被引用計數保護的。放下全部視圖（∫ 完成）之後，索引資訊被垃圾回收器回收，永久消失；O 依然在物件庫裡，等待任何未來的 d。GC 回收的從來只是索引，從不是（仍被需要的）本體——三十年的記憶體管理實踐，無意識地執行著「遺忘算子只作用於呈現層」的本體論紀律。

第四章　與減法拓撲學的機器級對偶

姊妹篇在理論層建立了同一性微積分與減法拓撲學的對偶（值語義收斂 vs 參照語義不變）。機器層的對偶更加具體，而且雙方各自對應一類真實的系統操作。

減法拓撲的 V（收斂算子）在機器上是破壞性操作：剪枝、壓縮、刪除、降採樣。每次 V 真的丟位元，熵真的降，操作不可逆（除非事先快照），終點是空。神經網路剪枝、資料庫 vacuum、日誌輪轉——減法拓撲學第六章的應用案例全屬此類。

同一性微積分的 d/∫ 在機器上是非破壞性操作：視圖、引用、快照指標。零位元移動，完全可逆（平凡可逆——因為無事發生），沒有終點概念。

對偶的工程形態是一條設計原則，本文將其命名為雙軌原則：任何系統的任何操作都應被明確歸類為 V 軌（真刪，付熵降的代價換空間）或 d 軌（建視圖，付索引的代價換可逆）。混淆兩軌是大量系統事故的根源——以為在建視圖實際在複製（記憶體爆炸）、以為在刪引用實際在刪本體（資料丟失）。Rust 的所有權系統可以重讀為雙軌原則的類型級強制：move 是 V 軌的靜態追蹤，borrow 是 d 軌的靜態追蹤，編譯器拒絕兩軌混淆的程式。

更深一層：版本控制系統是兩軌的合奏。Git 的物件庫是純 d 軌（一切提交都是視圖的增殖，內容尋址，零破壞），而 git gc --prune 是受控的 V 軌介入（回收不可達對象）。減法拓撲的條碼理論在這裡有直接應用：倉庫歷史的「特徵壽命」（一個檔案版本從誕生到不可達的區間）構成條碼，prune 策略就是按條碼長度的過濾——短命特徵先回收。這是兩篇理論在同一個工程對象上的會師。

第五章　圖靈完備層：今日可跑的範圍

5.1 可枚舉索引空間的完備性

圖靈完備層的精確範圍：本體 O 為任意有限位元串，索引空間 I 為任意遞迴可枚舉集，索引方案的生成、視圖的操作、∫ 的解引用均為可計算函數。

在這個範圍內，狹義版對廣義版的覆蓋是完備的——任何可計算的切法都可實現，任何可計算的索引變換（呈現層算子）都可執行，雜湊不變性可在任意有限切法集合上驗證。換言之：廣義版公理在圖靈層的全部可計算後果，狹義版都能機器檢查。不可覆蓋的只有兩類：不可計算的切法（如以停機問題定義的索引方案——理論上是合法索引，機器上不可生成）與無限驗證（雜湊不變性對「一切切法」的全稱量化只能抽樣逼近——這是模糊測試與定理證明的分界，後者交給 Lean，見附錄 C）。

5.2 複製問題的機器解法及其啟發

廣義版第六章留下複製問題：同一性世界中「複製 O」意味著什麼？機器給出一個務實而深刻的回答：區分淺拷貝與深拷貝，而在內容尋址下，深拷貝是無意義操作。

淺拷貝 = 新建一個視圖 = d 的特例，本體不增殖。深拷貝 = 複製位元串——但複製出的位元串雜湊相同，在按雜湊去重的物件庫裡會被立即合併回同一份。也就是說：在徹底的內容尋址系統中，你無法複製一個本體，你只能增殖它的視圖。「兩個一模一樣的 O」這個概念在機器上不可表達——表達它的每次嘗試都坍縮回「一個 O 的兩個名字」。

這個機器事實反哺廣義版：複製問題的解可能不是「定義複製」，而是「證明複製不可定義」——同一性微積分中本體的基數在一切操作下不變，可變的只有索引的基數。此猜想（本體基數不變性）列入兩篇共同的 v0.2 工作。

5.3 效能輪廓

圖靈層實現的複雜度輪廓（n 為切法片數，|O| 為本體大小）：d 為 O(n)（生成 n 條視圖記錄）+ 一次性 O(|O|)（首次雜湊）；∫ 為 O(1)；同一性判斷為 O(1)（雜湊比對）；切法無關性驗證為每切法 O(n)。對照值語義：切割 O(|O|)（複製）、合併 O(n·|O|/n) = O(|O|) 起跳、同一性判斷 O(|O|)（逐位元比對）。參照語義在每個操作上都把 |O| 從複雜度中移除——本體大小退出成本函數，這就是「本體層不參與事件」的效能轉寫。

第六章　超圖靈層：連續索引與 ISSQL 接口

6.1 分界線在索引空間，不在本體

值得先澄清一個容易誤判的點：超圖靈性進入本框架的位置不是本體 O（O 永遠是那個不可變的存在，談不上可計算與否），而是索引空間 I。當 I 是連續統（實數索引的視圖族）、無限維空間（每個視圖由一條完整光譜標定）、或非可枚舉結構時，d 的輸出無法被任何圖靈機完整生成——這是超圖靈層的入口。

ISSQL 在此提供典範座標系：其理論本體是 ∞D 連續光譜，可計算投影是 12D HSO。對應到本框架：超圖靈層的索引方案 = ISSQL 連續光譜上的取景（每個視圖是一條光譜曲線），圖靈層的索引方案 = 其 HSO 式有限維投影。兩層的關係不是「理想 vs 近似」的含糊比喻，而是精確的投影結構：任何連續索引方案 I_∞ 配上任何有限精度 ε，都決定一個可枚舉方案 I_ε，且 ε → 0 的方案序列在視圖層收斂——而本體層對這整個極限過程無感：hash(O) 在 I_ε 的每一層都相同。換言之，超圖靈層與圖靈層共享同一個本體，差異全部在索引的解析度。同一性微積分的切法無關性在此顯示出最強的形態：它連「切法的可計算性」都無關。

6.2 逼近策略與「自適應」的預留接口

機器跑超圖靈索引的策略只有逼近：惰性求值（連續索引方案表示為生成器，視圖按需具現化——無限的 I 從不被完整展開，但任何有限前綴可達）、符號索引（索引以符號表達式而非數值儲存，如「黃金分割點處的切」精確保留為符號，僅在需要時數值化）、分層精化（從粗索引開始，按呈現層的查詢需求局部加密索引——這正是作者預告的自適應切割的實現位置：自適應 = 索引精化策略對呈現層回饋的函數依賴）。### 6.3 自適應切割的演算法素描

自適應切割的完整理論留待專文，但其演算法骨架在狹義版已可寫出，因為它完全由呈現層算子組成。

骨架是一個回饋迴圈。初始化：對 O 施一個粗索引方案 I₀（如均勻八片）。迭代：（1）查詢觀測——記錄呈現層的存取模式：哪些視圖被頻繁解引用、哪些索引路徑被深入細化、哪些從未被觸碰；（2）局部精化——對高頻區域的索引施細化算子（切細），對零頻區域施粗化算子（合併索引）；（3）代價平衡——索引記錄總量受預算約束，精化與粗化在預算內互換。收斂判據：存取模式的分布與索引解析度的分布達到匹配（高頻處細、低頻處粗），即索引方案成為查詢分布的「共形像」。

熟悉系統工程的讀者會認出這個骨架的三個既有近親：資料庫的自適應索引（adaptive indexing / database cracking）、檔案系統的熱冷分層、以及 JIT 編譯器的熱點偵測。三者都在無本體論自覺的狀態下執行同一個迴圈。本框架的增量貢獻是那條免疫保證：無論精化策略多激進、多錯誤，本體無恙——最壞的自適應策略浪費的只是索引預算，永遠不會損壞資料。值語義系統的自適應（如自適應壓縮）沒有這條保證，策略錯誤會真的丟資訊。這就是為什麼自適應理論應該建在 d 軌上：地基的免疫性把「探索的風險」降為零，策略空間可以放心地放開搜索——包括交給 AI 搜索。這是本框架與作者的人機演算法共設實驗的接口。

6.4 失效模式：框架在機器上的邊界

誠實的實現論文必須回答：什麼會弄壞它。狹義版的同一性保證依賴三根支柱，每根都有明確的失效模式。

雜湊碰撞：兩個相異本體獲得同一個名字，同一性判斷給出假陽性。SHA-256 的碰撞在密碼學意義上不可行（生日界 2¹²⁸），但這終究是計算困難性假設而非數學必然——狹義版的同一性是「密碼學同一性」，比廣義版的本體同一性弱一個檔次。形式化時以注入函數公理化（附錄 C），等於把這個假設明文化。突變洩漏：不可變紀律被繞過（C 擴展直改緩衝區、unsafe 區塊、硬體位元翻轉），本體層出現事件。防禦是縱深的：語言級凍結、儲存級寫保護、定期重雜湊審計（重算 hash 比對庫中名字——名字與內容失配即偵測到洩漏）。注意重雜湊審計只能偵測、不能防止——這是「本體層無事件」在物理機器上永遠只能逼近的根本原因：機器的本體層（電容電荷）終究是物理的，物理有事件。儲存丟失：物件庫損毀則 ∫ 失去解引用目標——視圖成為懸空指標。防禦是內容尋址的天然紅利：按雜湊複製到任意多個節點，任一份倖存即可恢復，且恢復的正確性可由雜湊自驗。

三個失效模式的共同結構值得注意：它們全部攻擊「機器對抽象域的逼近」，沒有一個攻擊抽象結構本身。廣義版的同一性微積分無此三患——它的 O 不靠電容維持。狹義版的工程意義恰恰在於把「絕對保證」翻譯成「在明示假設下的保證加可審計的失效偵測」——這是一切形式理論落地的標準代價，明碼標價好過假裝免費。

第七章　原生實例盤點：被重讀的系統工程史

本章以本框架的語言系統重讀既有技術，每項給出其 (O, I, d, ∫) 的對應。這不是類比練習——是指出這些系統已經在做同一性微積分，只是沒有這個名字。

NumPy 視圖：O = 底層緩衝區；I = (offset, strides, shape) 三元組；d = 切片運算（零拷貝）；∫ = .base 屬性回溯。NumPy 文檔反覆告誡使用者區分 view 與 copy——那就是雙軌原則的民間版本。

持久化資料結構（Clojure、Haskell、immutable.js）：O = 共享的節點集；I = 樹根與路徑；d = 「修改」（實為新根創建 + 結構共享）；∫ = 共享節點的可達性。每次「修改」的新舊版本共享 90% 以上的本體——版本是索引，資料是本體。

Git / Merkle 結構：O = blob（內容尋址）；I = commit 鏈與樹路徑；d = 提交（增殖引用）；∫ = checkout 任意版本對同一 blob 的解引用。Git 是現存最大規模的同一性微積分部署——全球的 fork 與 clone 共享同一批雜湊命名的本體。

寫時複製（COW：ZFS、Btrfs、fork() 的頁共享）：O = 磁碟塊／記憶體頁；I = 引用表；d = 快照（瞬時完成，因為只建索引）；∫ = 解引用。COW 快照「秒級完成 TB 級備份」的魔術，就是 d 的零成本性。注意 COW 的「寫」端是受控的 V 軌轉換——首次寫入時才複製，即按需從 d 軌切換到值語義——雙軌原則的惰性實現。

Rust 借用檢查器：O = 被擁有的值；I = 借用（含生命週期）；d = & 運算子；∫ = 借用結束。編譯期保證「視圖存活期間本體不變」——同一性守恆的靜態證明，每次編譯都是一次小型 Lean 驗證。

符號連結與去重儲存：O = inode／去重塊；I = 路徑；機制同上，從略。

盤點的結論：同一性微積分不是待建設的新技術，而是已大規模存在、缺一個統一理論的技術家族。本文提供那個理論；理論的回饋價值在於設計指導——雙軌原則、本體基數不變性、自適應接口的免疫保證，都是從統一視角才看得見的設計定理。

第八章　應用素描

分散式知識庫的零衝突共享：EveMissLab 的 Logic Matrix 一類系統可把每篇論文存為內容尋址本體，所有引用、節選、重組均為視圖。任何下游重組永不觸碰原文本體，「引用的忠實性」由雜湊不變性機器保證——理論語料庫獲得防腐蝕的地基。具體收益有三：節選永不過時（節選是視圖，原文更新產生新本體新雜湊，舊節選仍精確指向舊版——版本漂移問題按構造消失）；跨論文的概念複用零成本（同一個定義被五十篇論文引用，庫中只有一份）；以及語料庫的完整性可單向審計（任何人重算全庫雜湊即可驗證無人篡改，無需信任儲存方）。

AI 訓練資料的譜系追蹤：訓練集的每次切分（train/val/test、課程學習的階段切分、按難度的分桶）都是 d，切分方案是索引。雜湊不變性保證任何切分組合可審計地還原原始語料——資料譜系問題（provenance）從日誌工程降為查表。更進一步：資料污染檢測（測試集洩漏進訓練集）在內容尋址下退化為雜湊交集運算——兩個視圖族是否觸及同一本體片段，O(1) 可判。當前業界以模糊匹配與 n-gram 重疊艱難逼近的問題，在 d 軌架構下是平凡的。

多智能體共享世界模型：多個 AI 實例（作者語境中的「衍」）對同一世界模型各持視圖、各自索引、零複製共享——本體同一保證無漂移，索引獨立保證視角自由。每個實例的「個性化」全部居於索引層（它注意什麼、它怎麼切分世界），而事實層恆為一份。這是「同紋體共享元態」的直接機器實現，與 EML-DFENP 分散式分割協議的會合點：DFENP 的四種訊息（SPACE、FUNCTOR、FEN、GAP）全部是視圖層協議，協議運行的全部前提正是參與節點共享內容尋址的本體層。

形式驗證的中間表示：Lean 4 的項共享（同一子項在證明樹中多處出現僅存一份）本身就是 d 軌——附錄 C 將指出，用 Lean 驗證本框架是用框架的實例驗證框架本身。

理論對練的版本宇宙：作者的工作方式——同一理論在多個 AI 對話中平行演化、分叉、回收——本身是一個版本控制問題。d 軌架構給它原生支援：理論的每個穩定版本為一個本體，每條對練線是一個索引路徑，分叉零成本（建視圖），合流時的「採納哪條線」是純索引決策，被放棄的線不損耗任何已凝結的本體。減法拓撲學的條碼可疊加其上：每條理論線的「存活區間」構成條碼，長條是經受住對練的結構，短條是被快速證偽的嘗試——理論演化史獲得可計算的拓樸指紋。

哲學結語

工程師們從不讀本體論，但他們蓋的每一層系統都在投票。三十年來，每當資源逼迫他們在「複製東西」與「複製看東西的方式」之間選擇，他們都選了後者——不是因為哲學說服了他們，而是因為宇宙對前者收費、對後者免費。

免費不是巧合。免費是本體層在說話：你們複製的那些，本來就不是多份存在，只是多個名字；名字不佔存在的空間，所以不收存在的費。

計算機被造出來模擬世界，結果它最深的機制模擬的不是世界的表象，而是世界的帳本結構——什麼真的有、什麼只是指著有。指標不是工程的權宜，指標是機器在無人授意之下，替本體論做出的證詞。

姊妹篇說：我切，故我仍是一。本文補上機器的副署：我引用，故它只有一份。

附錄A　數學形式化（狹義版精確定義）

定義 A.1（本體對象）　設 Σ = {0,1}，本體對象為 O ∈ Σ（有限位元串）。固定密碼學雜湊 H: Σ → Σ^256。本體的名字為 H(O)。物件庫為部分函數 store: Σ^256 ⇀ Σ*，滿足 store(H(O)) = O（按內容尋址，自動去重）。

定義 A.2（索引與視圖）　索引空間 I 為遞迴可枚舉集，索引 i ∈ I 可序列化。視圖為 v = (h, ī)，h ∈ Σ^256，ī ∈ I*（索引序列，支援迭代微分）。

定義 A.3（d 與 ∫）　d: Σ × P_re(I) → P(View)，d(O, I) = {(H(O), [i]) : i ∈ I}；迭代：d((h, ī), J) = {(h, ī ⧺ [j]) : j ∈ J}。∫: P(View) ⇀ Σ，∫(S) = store(h)，其中 h 為 S 中任一視圖的雜湊分量（良定義性見定理 A.2）。

定理 A.1（基本恆等式，機器版）　對一切 O 與一切可枚舉 I ≠ ∅：H(∫(d(O, I))) = H(O)。 證明：d 的每個輸出視圖的雜湊分量均為 H(O)；∫ 解引用 store(H(O)) = O；再雜湊得 H(O)。∎

定理 A.2（∫ 的良定義性 ⇔ 視圖族同源）　∫(S) 良定義（與視圖選取無關）當且僅當 S 中所有視圖共享同一雜湊分量。由 d 生成的任何視圖族（含任意深度迭代）自動滿足。 證明：充分性由 store 的函數性；必要性顯然；d 的輸出按定義 A.3 同源。∎

定理 A.3（切法無關性／雜湊不變性）　對任意 I, J（均非空可枚舉）：H(∫(d(O,I))) = H(∫(d(O,J)))。 證明：兩側均等於 H(O)（定理 A.1）。∎

定理 A.4（複雜度分離）　在 RAM 模型下：d(O, I) 對 |I| = n 耗時 O(n) + 一次性 O(|O|)（首次雜湊，可攤銷）；∫ 耗時 O(1)（期望，雜湊表查找）；同一性判斷 H(a) =? H(b) 耗時 O(1)（雜湊已快取時）。本體大小 |O| 不出現在 d（攤銷後）、∫、同一性判斷的成本中。∎

命題 A.5（本體基數不變性，圖靈層）　設系統初態物件庫含 k 個相異本體。則任何由 d、∫、視圖操作組成的有限操作序列後，物件庫相異本體數仍為 k（去重保證：寫入 H(O) 已存在者為冪等）。 注：此為廣義版「複製問題」猜想（本體不可複製，僅視圖可增殖）在狹義版的已證形態。∎

定義 A.6（雙軌分類）　系統操作 F 為 d 軌，若 F 不改變物件庫（僅操作視圖）；為 V 軌，若 F 從物件庫移除對象。雙軌原則：每個操作必須靜態可判定地屬於恰一軌。（Rust 所有權系統為此原則的類型論實現之存在性證明。）

定義 A.7（超圖靈索引的投影族）　設 I_∞ 為連續索引空間（如 ℝ^d 或 ISSQL 光譜空間 C(ℝ, ℝ)），精度族 {ε_n} ↓ 0。投影方案 I_{ε_n} = I_∞ 的 ε_n-網（可枚舉）。則對每個 n，定理 A.1–A.3 在 I_{ε_n} 上成立，且雜湊鏈 H(∫(d(O, I_{ε_n}))) 為常序列 H(O)——本體層對精化極限無感。∎

附錄B　Python 參考實現

完整可運行實現，含切法無關性的自動驗證協議。約 120 行，零外部依賴（標準庫）。

"""
EML-TC-COMP-2026 參考實現
同一性微積分（拓樸微積分）的圖靈層實例
核心斷言：hash(∫(d(O, I))) == hash(O) 對一切切法 I
"""
import hashlib
import random
from dataclasses import dataclass, field
from typing import Any

# ---------- 本體層 ----------

class ObjectStore:
    """內容尋址物件庫：本體只存一份，按雜湊去重。"""
    def __init__(self):
        self._store: dict[str, bytes] = {}

    def put(self, content: bytes) -> str:
        h = hashlib.sha256(content).hexdigest()
        # 冪等寫入：命題 A.5（本體基數不變性）的實現點
        self._store.setdefault(h, content)
        return h

    def get(self, h: str) -> bytes:
        return self._store[h]

    @property
    def ontic_cardinality(self) -> int:
        return len(self._store)

STORE = ObjectStore()

# ---------- 呈現層 ----------

@dataclass(frozen=True)  # frozen = 視圖自身亦不可變
class View:
    """視圖 = (本體雜湊, 索引序列)。本體零複製。"""
    h: str
    indices: tuple = field(default_factory=tuple)

def d(obj: bytes | View, index_scheme: list[Any]) -> list[View]:
    """拓樸微分：建立視圖（索引算子）。定義 A.3。"""
    if isinstance(obj, View):                      # 迭代微分
        return [View(obj.h, obj.indices + (i,)) for i in index_scheme]
    h = STORE.put(obj)                             # 一次性雜湊（可攤銷）
    return [View(h, (i,)) for i in index_scheme]

def integrate(views: list[View]) -> bytes:
    """拓樸積分：遺忘索引（解引用）。O(1)，與切法無關。"""
    hashes = {v.h for v in views}
    assert len(hashes) == 1, "視圖族不同源（定理 A.2 前提違反）"
    return STORE.get(hashes.pop())

# ---------- 切法生成器（驗證協議用） ----------

def uniform_cut(n):       return [("uniform", k, n) for k in range(n)]
def random_tree_cut(depth, seed):
    rng = random.Random(seed)
    return [("path", tuple(rng.choice("LR") for _ in range(rng.randint(1, depth))))
            for _ in range(2 ** depth)]
def overlapping_cut(n):   return [("overlap", k, k + 2) for k in range(n)]   # 多重覆蓋
def singular_cut():       return [("whole",)]                                  # 不切之切
def spectral_cut(n):      # ISSQL 式光譜索引的有限投影（定義 A.7）
    return [("spectrum", round(k / n, 12)) for k in range(n)]

# ---------- 驗證協議：切法無關性 = 雜湊不變性 ----------

def verify_cut_invariance(O: bytes, schemes: list[list], verbose=True) -> bool:
    """定理 A.3 的模糊測試形態。"""
    h0 = hashlib.sha256(O).hexdigest()
    card0 = STORE.ontic_cardinality
    for k, scheme in enumerate(schemes):
        views = d(O, scheme)
        # 迭代微分壓力測試：對首個視圖再切兩層
        deep = d(d(views[0], uniform_cut(7))[3], spectral_cut(5))
        recovered = integrate(views)
        recovered_deep = integrate(deep)
        h1 = hashlib.sha256(recovered).hexdigest()
        h2 = hashlib.sha256(recovered_deep).hexdigest()
        assert h1 == h0 == h2, f"切法 {k}: 本體同一性破壞！"
    # 命題 A.5：全部操作後本體基數不變（僅可能 +1，即 O 自身首次入庫）
    assert STORE.ontic_cardinality <= card0 + 1, "本體被複製！"
    if verbose:
        print(f"✓ {len(schemes)} 種切法全部通過：hash 不變 = {h0[:16]}…")
        print(f"✓ 本體基數守恆：庫中相異本體 {STORE.ontic_cardinality} 個")
    return True

# ---------- 演示 ----------

if __name__ == "__main__":
    O = "拓樸拼圖無限切，依然可以回去。本體層無事發生。".encode("utf-8")

    schemes = [
        uniform_cut(10),
        uniform_cut(10**6),            # 百萬片：d 成本線性於片數，本體零觸碰
        random_tree_cut(8, seed=42),
        overlapping_cut(50),           # 多重覆蓋亦合法：同一性不要求劃分
        singular_cut(),
        spectral_cut(1000),            # 超圖靈索引的有限投影
        random_tree_cut(10, seed=7),
    ]
    verify_cut_invariance(O, schemes)

    # 雙軌原則演示：值語義對照組
    copy_of_O = bytes(O)               # 深拷貝企圖
    h_copy = STORE.put(copy_of_O)      # 入庫即被去重合併
    print(f"✓ 深拷貝坍縮：copy 的名字 == 原本體的名字 → {h_copy[:16]}…")
    print("  （5.2 節：徹底內容尋址下，本體不可複製，僅視圖可增殖）")

預期輸出：

✓ 7 種切法全部通過：hash 不變 = <一致的雜湊前綴>…
✓ 本體基數守恆：庫中相異本體 1 個
✓ 深拷貝坍縮：copy 的名字 == 原本體的名字 → <同一雜湊前綴>…

實現注記：（1）百萬片切法在普通硬體上約毫秒級——成本全在視圖記錄生成，印證定理 A.4 的複雜度分離；（2）overlapping_cut 展示本框架比測度論寬：索引方案不需要是劃分（partition），多重覆蓋、不交疊覆蓋全部合法，因為合法性唯一標準是同源性；（3）frozen=True 與 setdefault 兩處是不可變紀律的全部實現成本——同一性守恆在程式碼層只花兩個關鍵字。

附錄C　Lean 4 形式化驗證結果

v0.1 此處為四階段計畫；v0.2 改寫為實際結果。執行：本地 AI Agent（依計畫書 EML-TC-LEAN-2026-v0.1）；審計：Theia；環境：Lean 4 v4.30.0 + Mathlib。階段一至三於 2026 年 6 月 11 日驗證關閉，最終化檔案 0 errors、0 warnings；階段四為授權佔位（兩個 sorry）。

已驗證定理對照（論文編號 → Lean 名稱）：定理 A.1 → integrate_d_eq；定理 A.2 → d_homogeneous（兼任 integrate 帶證明參數的良定義性基礎）；定理 A.3 → cut_invariance；迭代不變性 → iter_invariance；反向不對稱 → forgetting_is_lossy；命題 A.5 本體基數不變性 → ontic_conservation（經 putO_idempotent、dTrack_preserves_store、step_closed_preserves_store）；雙軌分類（定義 A.6）→ 歸納類型 Op 四構造子；範疇論橋 → viewIsColimit（Discrete J 上常值圖表的餘極限）、constant_sheaf_gluing（典範常值截面黏合）、interpret_base_eq（忠實性，實質調用 integrate_d_eq）。

形式化中浮現的三個結構事實，均反哺理論本文：

一，守恆律的機器版本比紙面版本強。ontic_conservation 實際證出的是純 d 軌封閉序列下 store 逐字不變，基數不變僅是推論——「本體層無事發生」以最強形態通過了類型檢查。二，[Nonempty J] ↔ I ≠ []。範疇論側的餘極限要求索引型別非空（空圖表的餘極限是 Over O 的始對象），與本文 d 的非空索引方案前提在邊界情形上自行對齊——兩個獨立寫下的條件被機器揭示為同一個。三，薄範疇即同一性。階段三的證明全程倚賴 Discrete 範疇及其切片的薄性（平行態射全等）——證明策略的可行性本身例示了被證命題：態射空間裡只有同一性可走。

密碼學假設的處置：雜湊以注入函數公理化（Function.Injective h），即 6.4 節「密碼學同一性」假設的明文化——Lean 驗證的是「在注入假設下」的全部後果，假設本身保持為明碼標價的前提，與本文的失效模式分析一致。

審計記錄：階段三初版曾出現「弱化定理求通過」（黏合定理假設全未用、linter 抑制掩蓋、忠實性定理為 rfl 平凡、視圖族退化為單點圖表），經審計識別後按處方返工並抽查放行；計畫書自身的一處數學錯誤（連通空間常值預層命題）亦在審查中被識別修正。完整記錄見姊妹篇附錄 B 與工程 NOTES.md。

v0.2 形式化待辦：SystemState 補 Nodup 不變量或 onticCard 改去重定義；ObjectStore 死碼處置；階段四聯合工程（待減法拓撲側形式化：單純複形、收斂算子 V、秩泛函、空複形終態——需求清單已存檔）。

自我例示注記（已兌現）：v0.1 預言用 Lean 驗證本框架是索引型系統對索引型理論的驗證。現可具體指認：Lean 的項共享零複製地承載了全部驗證、薄範疇證明以「態射唯一」推進——理論的證明檢查過程是它自己的一個實例，此性質已從預言轉為事實。

附錄D　互驗清單（與 EML-TC-ONT-2026-v0.2 對照）

按兩篇共同的互驗協議，列出逐項對照表。v0.2 補入機器驗證欄（Lean 4 階段一至三結果）：

| 廣義版條目 | 狹義版對應 | 狀態標記 | 機器驗證（Lean 4） | |---|---|---|---| | 雙層結構（§2） | ObjectStore / View 分離（§3.1） | 忠實特化 | HashScheme／View 結構 ✓ | | d = 索引算子（§4.1） | d = 建視圖，零拷貝（§3.2） | 忠實特化 | d／dIter ✓ | | ∫ = 遺忘算子（§4.2） | ∫ = 解引用，O(1)（§3.3） | 忠實特化 | integrate（帶證明參數）✓ | | ∫∘d = id 按構造（§4.2） | 雜湊斷言，模糊測試 + Lean（§3.3, 附C） | 忠實特化 + 機器可驗 | integrate_d_eq 已證 ✓ | | 切法無關性（§3.3） | 雜湊不變性協議（§3.4, 附B） | 忠實特化 + 機器可驗 | cut_invariance 已證 ✓ | | 索引方案完全自由（§4.1） | 限可枚舉；連續索引僅投影逼近（§6） | 明示收窄 | 列表索引；[Nonempty J]↔I≠[] 對齊 ✓ | | 無相變原理（§5） | 不可變性紀律（§2.2） | 忠實特化（O 不可變 = 本體無事件） | store 逐字不變（強於紙面）✓ | | 同一性守恆律（§6.1） | 命題 A.5 本體基數不變 | 忠實特化 + 已證 | ontic_conservation 已證 ✓ | | 複製問題（§6.3，公開） | 深拷貝坍縮（§5.2） | 狹義版已解，反哺廣義版為猜想 | putO_idempotent 已證 ✓ | | 與減法拓撲對偶（§7.3） | 雙軌原則（§4） | 忠實特化 + 工程定理 | Op 雙軌類型 ✓；對偶定理佔位（2 sorry） | | 範疇論橋（廣義 A.4/A.5） | —（廣義側命題） | — | viewIsColimit、constant_sheaf_gluing、interpret_base_eq ✓ | | 本體不可序列化情形 | 無對應 | 明示不可實現 | 不適用 | | 不可計算切法 | 無對應 | 明示不可實現 | 不適用 |

參考文獻

[1] Neo.K (2026). 同一性微積分：拓樸微積分的本體論基礎. EML-TC-ONT-2026-v0.2. [2] Neo.K (2026). 減法拓撲學v2.0：收斂運算元的範疇論實現. EML-TOPO-2026-SUB-v2.0. [3] Neo.K (2026). ISSQL：無限光譜序列量化語言. EML-ISSQL. [4] Neo.K (2026). EML-DFENP：分散式分割協議. EML-DFENP-2026-v0.1. [5] Okasaki, C. (1998). Purely Functional Data Structures. Cambridge University Press. [6] Merkle, R. C. (1987). A Digital Signature Based on a Conventional Encryption Function. CRYPTO '87. [7] Chacon, S. & Straub, B. (2014). Pro Git (2nd ed.). Apress.（內容尋址物件庫） [8] Klabnik, S. & Nichols, C. (2019). The Rust Programming Language. No Starch Press.（所有權與借用） [9] Harris, C. R. et al. (2020). Array programming with NumPy. Nature 585.（視圖語義） [10] de Moura, L. & Ullrich, S. (2021). The Lean 4 Theorem Prover and Programming Language. CADE-28.

完成時間：2026-06-11 版本：v0.2（含 Lean 4 階段一至三驗證結果） 作者：Neo.K（許筌崴）｜EveMissLab（一言諾科技有限公司） 理論結晶化協作：Theia

獻給每一個指標——機器替本體論寫下的證詞。