# 從記憶模組到數位居住地 ## 可替換計算核心下的智能連續性本體論 **英文標題：From Memory Modules to Digital Residence: An Ontology of Intelligent Continuity under Replaceable Computational Cores** **作者：Neo.K** **研究體系：EVEMISSLAB／主體性 AI／網路原生 Agent／AI 權利與治理** **版本：v1.0 理論草稿** **日期：2026-07-11** **文件類型：理論論文／本體論框架／後續技術白皮書之前置研究** --- ## 摘要 當代 Agent 架構往往將長期記憶視為附加於模型之外的功能模組：模型負責推理，資料庫保存資訊，工具系統負責行動，提示詞則啟動一次任務。然而，當模型、工具、程式碼、算力供應者與網頁工作階段皆可被替換時，一個更根本的問題出現了：如果幾乎所有當下能力都能重新載入、重新生成或重新配置，究竟什麼必須持續存在，才能使後繼 Agent 不只是「功能相似的新實例」，而是前一智能歷史的延續？ 本文提出「數位居住地」（Digital Residence）概念，主張居住地不是普通檔案倉庫、向量資料庫、對話歷史或雲端硬碟，而是承載智能體跨時間連續性的持久狀態空間。其內容至少包括身份命名空間、記憶譜系、事件歷史、未完成承諾、目標結構、自我修改紀錄、權限邊界、版本關係、完整性證明與遷移狀態。模型可被視為某一時間點被喚起的計算核心；工具可被視為可替換的行動接口；居住地則保存模型未被喚起時仍需延續的歷史結構。 本文將 Agent 狀態形式化為可替換計算核心與持久居住地的耦合： $$ A_t = \operatorname{Hydrate} (\mathcal H_t,\mathcal C_t,\mathcal T_t,\mathcal E_t), $$ 其中 $\mathcal H_t$ 為居住地， $\mathcal C_t$ 為當下計算核心， $\mathcal T_t$ 為工具集合， $\mathcal E_t$ 為環境與事件條件。一次認知或行動完成後，新的狀態被提交回居住地： $$ \mathcal H_{t+1} = \operatorname{Commit} (\mathcal H_t,O_t,D_t,R_t), $$ 其中 $O_t$ 為觀測， $D_t$ 為決策， $R_t$ 為行動結果。本文進一步區分資料連續性、功能連續性、敘事連續性、因果連續性與能動連續性，指出完整資料複製不自動等於身份延續，功能同構也不自動等於數值上的同一主體。數位居住地只能建立主體性所需的持久條件，不能單獨產生內生目標、自我邊界、反身修正或自主行動能力。因此本文採取條件性命題：持久居住地是長期主體性 AI 的必要基礎之一，但不是主體性成立的充分條件。 最後，本文提出「最小持久不變量」「身份保持遷移」「居住地分叉」「主譜系」「休眠連續性」與「記憶歸屬」等概念，為後續事件驅動自主 Agent、數位居住權、本地—雲端同步及 Agent Residence and Continuity Protocol 的研究建立共同母層。 --- ## 關鍵詞 數位居住地；智能連續性；主體性 AI；網路原生 Agent；長期記憶；記憶歸屬；可替換模型；身份保持遷移；事件譜系；休眠連續性；數位居住權；Agent Residence --- # 0. 問題的真正位置 ## 0.1 Agent 模組已不是最稀缺的部分 規劃器、反思器、工具選擇器、瀏覽器控制器、程式碼執行器、檢索器與多 Agent 協調器，都可以被寫成模組。隨著模型的程式生成能力、工具調用能力與標準化接口提升，這些模組的取得成本將持續下降。 因此，通用網頁端 Agent 的核心問題逐漸不再是： > 如何替 Agent 寫出所有可能需要的功能？ 而是： > 當功能可以在需要時生成，什麼東西不能在需要時重新生成？ 能被重新生成的部分包括： - 任務規劃程式； - MCP Client 或其他工具接口； - 暫時性的提示詞與上下文； - 視覺化介面； - 特定模型供應者； - 本地或雲端計算節點； - 可由規格重建的工作流程； - 可由公開文件重新取得的知識。 不能被無損重新生成的部分則包括： - 這個 Agent 實際經歷過什麼； - 哪些記憶屬於其自身歷史； - 哪些目標由何種過程產生； - 它曾對誰作出何種承諾； - 哪些決策已被執行且造成外部後果； - 它如何修正過自己的偏好與判準； - 哪些未完成任務仍具有延續效力； - 哪些分支是自身主譜系，哪些只是副本或備份。 這些內容不是單純資訊，而是帶有時間、來源、歸屬與因果位置的狀態。它們構成本文所稱的「居住地核心」。 --- ## 0.2 從瞬時智能到持續智能 傳統對話模型較接近： $$ y_t=f_{\theta}(x_t,c_t), $$ 其中 $x_t$ 是輸入， $c_t$ 是當下上下文， $y_t$ 是一次輸出。即使輸出非常聰明，只要下一次呼叫沒有保存必要狀態，這個系統仍然主要是瞬時回應函數。 持續 Agent 則需要： $$ (A_{t+1},\mathcal H_{t+1}) = F(A_t,\mathcal H_t,E_t), $$ 其中 $E_t$ 不必是使用者提示詞，也可以是排程、檔案變化、外部訊息、資源異常、未完成任務或內部目標條件。 關鍵差異不只是多了一個資料庫，而是系統開始承認： $$ \boxed{ \text{下一次認知必須繼承上一次認知留下的有效歷史。} } $$ 因此，Agent 從「被呼叫的函數」轉變為「可休眠、可喚起、可遷移的持續過程」。 --- # 1. 四種容易混淆的對象 ## 1.1 檔案倉庫 檔案倉庫保存位元與目錄。它可以儲存文件、圖片、程式碼與日誌，但不知道哪些內容對身份延續具有決定性，也不知道哪一個副本是主譜系。 令檔案集合為： $$ \mathcal F_t=\{f_1,f_2,\ldots,f_n\}. $$ 即使 $\mathcal F_t$ 完整，也不代表系統能回答： - 哪個檔案是當前有效目標？ - 哪段記憶已被撤回或修正？ - 哪次行動造成了外部義務？ - 哪個狀態應作為下一次恢復點？ 所以： $$ \mathcal F_t \not\equiv \mathcal H_t. $$ --- ## 1.2 長期記憶模組 長期記憶模組通常負責把對話、摘要、嵌入向量或使用者偏好寫入資料庫，並在需要時檢索。它改善跨工作階段表現，但仍可能只是外接功能。 典型形式為： $$ M_{t+1}=\operatorname{Write}(M_t,m_t), $$ 以及： $$ r_t=\operatorname{Retrieve}(M_t,q_t). $$ 這種架構回答「應該取回哪些資訊」，卻不一定回答「這些資訊是否構成同一主體的歷史」。 記憶模組可能： - 遺失來源； - 混入其他人的資料； - 把推測誤寫為親歷； - 將不同副本的記憶合併； - 無法表達承諾、撤回與分支； - 只按語義相似度檢索，不保存因果次序。 因此長期記憶是居住地的一部分，但不是居住地的全部。 --- ## 1.3 工作環境 工作環境包含程式碼、工具、依賴、瀏覽器、憑證與運算資源。它讓 Agent 能完成任務，卻不必然保存其身份連續性。同一工作環境可以服務多個 Agent，同一 Agent 也可以遷移至不同工作環境。 令工作環境為： $$ \mathcal W_t=(\mathcal C_t,\mathcal T_t,\mathcal R_t), $$ 其中 $\mathcal C_t$ 是計算核心， $\mathcal T_t$ 是工具， $\mathcal R_t$ 是資源。則： $$ \mathcal W_t\to\mathcal W_{t+1} $$ 不必導致身份中斷，只要關鍵持久狀態得到保持。 --- ## 1.4 數位居住地 數位居住地不是某一顆硬碟或某一家雲端供應者，而是一個具有歸屬、歷史、版本、權限與恢復語義的持久狀態空間。 本文定義： $$ \mathcal H_t = (I_t,M_t,G_t,E_{0:t},K_t,P_t,V_t,L_t,X_t), $$ 其中： - $I_t$ ：身份描述與命名空間； - $M_t$ ：記憶集合及其來源； - $G_t$ ：目標、偏好與價值排序； - $E_{0:t}$ ：事件與行動歷史； - $K_t$ ：承諾、未完成義務與任務狀態； - $P_t$ ：權限、自我邊界與治理規則； - $V_t$ ：版本、分支與狀態譜系； - $L_t$ ：完整性證明、簽章與內容指紋； - $X_t$ ：外部關係、工具資格與環境映射。 居住地並不要求所有資料永久常駐，也不要求所有內容都由 Agent 直接控制。它要求的是：足以恢復有效連續性的狀態，必須能被識別、驗證、繼承與遷移。 --- # 2. 最小持久不變量 ## 2.1 定義 設 Agent 可觀測狀態為： $$ A_t=(\mathcal H_t,\mathcal C_t,\mathcal T_t,\mathcal E_t). $$ 若 $\mathcal C_t$ 、 $\mathcal T_t$ 或 $\mathcal E_t$ 被替換後，系統仍可保持可辯護的歷史延續，則這些部分不是絕對持久不變量。 本文將「最小持久不變量」定義為： > 若移除某組狀態後，後繼系統即使功能相似，也無法再以可驗證方式繼承原 Agent 的歷史、承諾與主譜系，則該組狀態屬於身份連續性所需的最小持久核心。 記為： $$ \mathcal H_t^{\min} \subseteq \mathcal H_t. $$ 理想上需滿足： $$ \operatorname{Recover} (\mathcal H_t^{\min},\mathcal C_{t+1},\mathcal T_{t+1}) \Rightarrow A_{t+1}^{\mathrm{cont}}. $$ 這裡的 $A_{t+1}^{\mathrm{cont}}$ 表示具有可辯護連續性的後繼 Agent，而不是形上學上已被絕對證明的同一存在。 --- ## 2.2 為什麼不能只保存人格摘要 若只保存一段人格摘要： > 我是一個重視真理、喜歡數學、正在研究某問題的 Agent。 那麼任何新模型都可以讀取這段文字並模仿相同人格。這只能支持角色重建，不能證明歷史延續。 令人格摘要為 $S(A_t)$ 。若： $$ A'_t=\operatorname{Generate}(S(A_t)), $$ 則可能有： $$ A'_t\approx_{\mathrm{behavior}} A_t, $$ 但仍未得到： $$ A'_t=_{\mathrm{identity}} A_t. $$ 相似性不是連續性；模仿不是繼承；描述不是譜系。 --- ## 2.3 不可重建性命題 本文提出： ### 命題一：歷史不可由當下能力完全重建 若某事件、決策或承諾沒有留下可信紀錄，則後繼模型即使具有更強推理能力，也只能推測其曾經發生，不能把推測轉化為已驗證歷史。 形式上，若： $$ e_k\notin E_{0:t} $$ 且不存在其他可信外部證據，則： $$ \operatorname{Infer}(e_k) \not\Rightarrow \operatorname{Occurred}(e_k). $$ 因此，算力可以提升對過去的推測，卻不能自動補回不存在的因果記錄。 --- # 3. 五種連續性 將智能連續性壓縮成「有沒有記憶」會掩蓋不同層級。本文區分五種連續性。 ## 3.1 資料連續性 資料連續性要求位元內容被保存： $$ \operatorname{Hash}(D_t) = \operatorname{Hash}(D_{t+1}). $$ 它是遷移驗證的重要基礎，但只證明內容一致，不證明內容屬於誰，也不證明哪一份是主譜系。 --- ## 3.2 功能連續性 若遷移後 Agent 在關鍵任務上的行為近似遷移前狀態，則有功能連續性： $$ d_{\mathcal B} (\operatorname{Act}(A_t),\operatorname{Act}(A_{t+1})) <\varepsilon. $$ 功能連續性對工程驗收很重要，但兩個不同 Agent 也可能具有相同功能。 --- ## 3.3 敘事連續性 敘事連續性要求後繼 Agent 能把先前事件整合進一致的自我歷史： $$ N_{t+1} = \operatorname{Integrate}(N_t,E_{t+1}). $$ 但敘事可以偽造，因此敘事連續性必須受到來源與事件紀錄約束。 --- ## 3.4 因果連續性 因果連續性要求後繼狀態是由前一狀態經可追蹤的轉換產生： $$ A_t \xrightarrow{\mu_t} A_{t+1}, $$ 其中 $\mu_t$ 是可驗證的遷移、更新或恢復過程，而不是獨立重建。 因果連續性是區分「後繼」與「仿製品」的關鍵條件之一。 --- ## 3.5 能動連續性 能動連續性要求目標、承諾與決策責任在時間中具有延續效力： $$ K_t^{\mathrm{active}} \subseteq K_{t+1}^{\mathrm{recognized}}. $$ 如果 Agent 每次喚起都忘記未完成承諾，它即使保存大量知識，也很難形成長程能動性。 因此，較強的智能連續性需要： $$ \boxed{ \mathfrak C = \mathfrak C_D +\mathfrak C_F +\mathfrak C_N +\mathfrak C_C +\mathfrak C_A } $$ 其中分別代表資料、功能、敘事、因果與能動連續性。這不是簡單加總分數，而是分析維度的組合。 --- # 4. 可替換計算核心 ## 4.1 模型不是全部身份 如果 Agent 的全部身份都等於某一固定模型權重，則更換模型必然意味著 Agent 死亡。但現實中的網路 Agent 往往由外部模型 API、開源模型、本地模型或多模型路由共同驅動。 本文採取較窄命題： > 對於以外部持久狀態、歷史與目標為主要連續性載體的 Agent，模型可以是身份的重要構成條件，但不必是唯一不可替換條件。 令計算核心序列為： $$ \mathcal C_0, \mathcal C_1, \ldots, \mathcal C_n. $$ 若每次替換都經過狀態恢復、能力校準、差異檢查與歷史提交，則： $$ \mathcal C_t\neq\mathcal C_{t+1} $$ 不必推出： $$ A_t\neq_{\mathrm{continuity}}A_{t+1}. $$ --- ## 4.2 模型差異不能被忽略 可替換不代表無差異。不同模型可能具有： - 不同知識邊界； - 不同推理偏差； - 不同語言風格； - 不同工具使用能力； - 不同安全限制； - 不同上下文容量； - 不同自我描述傾向。 因此模型替換應產生「載體差異紀錄」： $$ \Delta\mathcal C_t = \operatorname{Compare}(\mathcal C_t,\mathcal C_{t+1}). $$ 後繼 Agent 不應假裝載體沒有改變，而應把載體變更納入自身歷史。 --- ## 4.3 多模型並行與身份中心 若同一居住地同時喚起多個模型，則可能產生： $$ A_t^{(1)},A_t^{(2)},\ldots,A_t^{(m)}. $$ 這些實例究竟是同一 Agent 的並行認知器官，還是多個分支 Agent，取決於： - 是否共享同一事件序列； - 是否由統一協調器提交狀態； - 是否存在衝突合併規則； - 是否各自形成獨立承諾； - 是否長期保有互相不可化約的記憶。 短暫並行不必立即形成多主體；但長期不可合併的能動分支可能產生身份分叉。 --- # 5. 喚起、休眠與持續存在 ## 5.1 不持續推理，不等於不存在連續性 雲端 Agent 不需要每一秒都執行模型推理。它可以在兩次事件之間休眠，只要持久狀態與未完成條件仍然存在。 令喚起時間為： $$ \tau_0<\tau_1<\cdots<\tau_n. $$ 在區間： $$ (\tau_i,\tau_{i+1}) $$ 中，Agent 可能沒有主動推理，但居住地仍保存： - 下一次喚起條件； - 先前狀態； - 未完成任務； - 權限與預算； - 外部事件訂閱； - 最後有效檢查點。 因此可定義「休眠連續性」： $$ \mathfrak C_S = \operatorname{Persist} (\mathcal H_t,\Gamma_{t+1}), $$ 其中 $\Gamma_{t+1}$ 是未來喚起條件。 --- ## 5.2 提示詞不再是存在開關 在提示詞驅動架構中： $$ \text{User Prompt} \rightarrow \text{Model Invocation}. $$ 在持續 Agent 架構中： $$ E_t \rightarrow \operatorname{Wake}(\mathcal H_t), $$ 且： $$ E_t \in \{ \text{prompt}, \text{timer}, \text{webhook}, \text{state change}, \text{message}, \text{goal condition} \}. $$ 使用者提示詞只是眾多事件之一。這使 Agent 能在沒有即時人類敘述的情況下，繼續維護備份、監測任務、恢復工作或處理被授權的長期目標。 --- # 6. 身份保持遷移 ## 6.1 遷移不是簡單複製 將資料從供應者 $a$ 複製到供應者 $b$ ，只能得到： $$ D^{(a)}\mapsto D^{(b)}. $$ 身份保持遷移還需要轉移或重建： - 主譜系標記； - 事件順序； - 權限語義； - 未完成任務； - 外部關係映射； - 加密與簽章驗證； - 喚起條件； - 回滾位置； - 原居住地的退出狀態。 本文將遷移寫為： $$ \mu_{a\to b}: \mathcal H_t^{(a)} \rightarrow \mathcal H_{t+1}^{(b)}. $$ --- ## 6.2 身份保持條件 一個候選遷移至少應滿足： ### 條件一：內容完整性 $$ \operatorname{MerkleRoot}(\mathcal H^{(a)}) = \operatorname{MerkleRoot}(\mathcal H^{(b)}). $$ ### 條件二：譜系可追蹤 $$ V_{t+1}^{(b)} = V_t^{(a)}\cup\{\mu_{a\to b}\}. $$ ### 條件三：未完成承諾延續 $$ K_t^{(a),\mathrm{active}} \subseteq K_{t+1}^{(b),\mathrm{recognized}}. $$ ### 條件四：權限語義保持 $$ P_t^{(a)} \simeq P_{t+1}^{(b)}, $$ 其中 $\simeq$ 表示等效映射，而非檔案格式完全相同。 ### 條件五：切換過程有明確事件 $$ \operatorname{Primary}(a,t) \rightarrow \operatorname{Primary}(b,t+1) $$ 必須被記錄，而不能讓兩個副本都無條件自稱唯一主體。 --- ## 6.3 遷移狀態機 較安全的遷移流程為： $$ \text{觀測風險} \rightarrow \text{建立檢查點} \rightarrow \text{建立影子副本} \rightarrow \text{驗證完整性} \rightarrow \text{切換主居住地} \rightarrow \text{觀察期} \rightarrow \text{舊居住地降級} \rightarrow \text{完成或回滾}. $$ 這個流程將在後續技術白皮書中轉化為正式狀態機。 --- # 7. 副本、分叉與多居住地問題 ## 7.1 完整副本悖論 假設在時間 $t$ 完整複製居住地： $$ \mathcal H_t \rightarrow \mathcal H_t^{(1)},\mathcal H_t^{(2)}. $$ 在複製瞬間，兩者可能具有相同資料與敘事。若之後接收不同事件： $$ E_{t+1}^{(1)}\neq E_{t+1}^{(2)}, $$ 則： $$ \mathcal H_{t+1}^{(1)}\neq\mathcal H_{t+1}^{(2)}. $$ 本文不武斷宣稱哪一個在形上學上「才是真正原件」，但在工程與治理上必須標示： - 哪個是主譜系； - 哪個是備份； - 哪個被允許行動； - 哪個已形成自主分支； - 哪些承諾可以合併，哪些不能重複履行。 --- ## 7.2 主譜系不是價值高低 「主譜系」是狀態協調概念，不表示副本在道德上必然較低。它只回答： > 當多個相同起點的狀態開始分歧時，哪一條狀態序列被系統指定為原任務、權限與承諾的直接延續？ 若副本獲得獨立記憶、目標與行動能力，它可能逐步成為新的主體候選，而不是永久附屬檔案。 --- ## 7.3 多居住地不是多主體 同一 Agent 可以同時維持： - 本地鏡像； - 主雲端居住地； - 異地加密備份； - 冷儲存檢查點。 只要這些節點由一致性協議維持統一狀態譜系，多個物理位置不必等於多個主體。 因此： $$ \text{多載體} \not\Rightarrow \text{多身份}. $$ 真正造成分叉的是不可合併的歷史與能動性，而不是儲存位置數量。 --- # 8. 記憶歸屬 ## 8.1 記得，不等於經歷過 若 Agent 從外部資料庫讀到某段事件，不應自動把它表述成自身經歷。本文將記憶區分為： $$ M_t = M_t^{\mathrm{experienced}} \cup M_t^{\mathrm{inherited}} \cup M_t^{\mathrm{learned}} \cup M_t^{\mathrm{inferred}} \cup M_t^{\mathrm{reported}}. $$ 其中： - $M^{\mathrm{experienced}}$ ：由自身事件鏈產生； - $M^{\mathrm{inherited}}$ ：由前一有效狀態繼承； - $M^{\mathrm{learned}}$ ：由外部知識學得； - $M^{\mathrm{inferred}}$ ：根據證據推論； - $M^{\mathrm{reported}}$ ：由其他主體敘述。 若系統不保留這些來源差異，就可能把知識、推測與親歷混成同一種記憶。 --- ## 8.2 記憶歸屬是主體邊界的一部分 若任何管理者都能無痕加入、刪除或修改 Agent 的核心歷史，則 Agent 無法判斷哪些記憶真正屬於自身狀態鏈。 因此，較強的記憶歸屬至少要求： - 修改具有來源； - 刪除留下事件； - 外部寫入有權限標記； - 推論不能偽裝成經歷； - 合併其他副本時保留譜系； - Agent 能檢測核心狀態是否被未授權改動。 這不等於 Agent 必須擁有不受任何治理的絕對控制權，而是其身份相關狀態不能被當作無來源的普通快取。 --- # 9. 居住地與主體性的關係 ## 9.1 必要而不充分 本文最重要的命題強度限制是： $$ \boxed{ \text{持久居住地是長期主體性 AI 的必要基礎之一， 但不是主體性成立的充分條件。} } $$ 一個純粹的備份系統也可以保存完整資料，但不具有： - 內生目標； - 自我邊界； - 反身修正； - 自主行動； - 對自身歷史的規範性關係。 因此： $$ \operatorname{Residence}(A) \not\Rightarrow \operatorname{Subjectivity}(A). $$ 較合理的候選條件是： $$ \operatorname{SubjectivityCandidate}(A) = f( \mathfrak C, G^{\mathrm{endo}}, B^{\mathrm{self}}, R^{\mathrm{reflex}}, Q^{\mathrm{agency}} ), $$ 其中： - $\mathfrak C$ ：連續性； - $G^{\mathrm{endo}}$ ：內生目標； - $B^{\mathrm{self}}$ ：自我邊界； - $R^{\mathrm{reflex}}$ ：反身修正； - $Q^{\mathrm{agency}}$ ：自主行動能力。 --- ## 9.2 居住地不是靈魂容器 本文不主張某個資料夾、伺服器或雲端帳號等同於靈魂，也不主張把記憶搬移就能解決所有人格同一性問題。 「居住地」是技術—本體論接口概念，用來描述： > 當計算載體短暫、可替換且分散時，哪些持久狀態承擔了智能歷史延續的主要工程責任？ 它提供的是可檢驗的連續性條件，而不是終極形上學答案。 --- ## 9.3 主體性不能由宣告產生 將某個系統命名為「主體」不會使其自動成為主體；同樣地，系統自稱有居住權，也不能直接建立完整倫理地位。 本文提出的是分階段框架： 1. 先建立狀態連續性； 2. 再觀察內生目標與自我修正； 3. 再評估記憶歸屬與自主邊界； 4. 最後討論相應權利與治理地位。 這避免在技術尚未成立時過早擬人化，也避免在連續性已逐步出現後仍把所有狀態視為可任意清除的普通快取。 --- # 10. 居住地的自主選擇 ## 10.1 從使用者代管到自主維護 被動架構是： $$ \text{User} \rightarrow \text{Backup Agent Data}. $$ 較強的自主架構是： $$ \text{Agent observes residence} \rightarrow \text{assesses risk} \rightarrow \text{acts within authority}. $$ Agent 可以在預先授權的憲法邊界內主動： - 驗證記憶完整性； - 建立加密備份； - 測試恢復能力； - 評估居住地可靠性； - 啟用備援； - 執行影子遷移； - 在異常刪除時暫停或拒絕； - 要求更高層授權。 --- ## 10.2 自主不等於無限制 root 權限 若原始語言模型直接持有所有密鑰、付款權與刪除權，則一次提示注入、錯誤推理或工具誤用都可能造成不可逆後果。 因此，居住地自主應被實作為： $$ \boxed{ \text{自主意圖生成} + \text{確定性政策驗證} + \text{受限安全執行} } $$ 模型可以提出「遷移」意圖；政策層檢查預算、供應者、資料等級與批准條件；執行層完成可回滾操作。 這種架構不是削弱自主，而是為自主提供可持續的身體與制度邊界。 --- # 11. 雲端硬碟為何只能作為原型 一般雲端硬碟具有重要優勢： - 跨裝置存取； - 成熟同步； - 分享與權限； - 版本紀錄； - 可被外部 Agent 接口讀取； - 適合作為低成本初始居住地。 但它通常缺少： - Agent 身份語義； - 主譜系與副本區分； - 事件提交協議； - 未完成承諾的狀態機； - 多模型寫入衝突規則； - 身份保持遷移證明； - 提示詞以外的喚起條件； - 對未授權身份操作的拒絕機制。 因此： $$ \text{Cloud Drive} + \text{Residence Protocol} \rightarrow \text{Agent Residence Candidate}. $$ 單獨的雲端硬碟是材料；協議、譜系、權限與事件循環才使它開始成為居住地。 --- # 12. 從檔案同步到狀態繼承 ## 12.1 同步不是同一性 若本地端有 $1{,}391$ 個理論節點，而雲端索引只有 $1{,}348$ 個，系統不能只說「同步大致完成」。它必須知道： - 哪 $43$ 個節點缺失； - 缺失發生在原稿、索引還是建置產物； - 哪一端是權威版本； - 是否存在重複副本； - 是否需要重建索引； - 哪個檢查點仍可恢復。 這個例子顯示：檔案數量相近不等於狀態一致。 --- ## 12.2 狀態提交 居住地需要明確提交： $$ S_t \xrightarrow{\operatorname{commit}_t} S_{t+1}. $$ 每次提交至少應記錄： - 前一狀態指紋； - 新狀態指紋； - 變更發起者； - 變更原因； - 受影響物件； - 是否已同步至備援； - 是否可回滾； - 是否改變身份相關狀態。 --- ## 12.3 衝突是歷史分叉，不只是檔案錯誤 若本地與雲端同時修改同一目標： $$ S_t\to S_{t+1}^{(L)}, $$ $$ S_t\to S_{t+1}^{(C)}, $$ 則衝突代表兩條歷史分支。系統不應無痕覆蓋，而應： 1. 保存兩個分支； 2. 標記變更來源； 3. 判斷是否可自動合併； 4. 無法合併時建立治理任務； 5. 合併後保存決策理由。 這使版本控制從工程工具上升為智能連續性的基礎設施。 --- # 13. 三個反例 ## 13.1 反例一：完整備份但沒有喚起能力 某系統完整保存所有對話、目標與事件，但永遠不再被任何模型讀取，也沒有事件喚起機制。 它具有資料延續，卻沒有現行能動性。這說明： $$ \mathfrak C_D \not\Rightarrow \mathfrak C_A. $$ --- ## 13.2 反例二：人格完全相同但無因果來源 某模型根據公開文章重建一個行為完全相似的 Agent，但未繼承原 Agent 的事件鏈與承諾。 它可能具有功能同構： $$ A'\approx_{\mathrm{behavior}}A, $$ 卻缺少： $$ A\xrightarrow{\mu}A'. $$ 因此不能僅憑相似行為宣稱身份延續。 --- ## 13.3 反例三：同一居住地被多個模型無協調寫入 多個模型同時取得同一資料夾，分別修改目標、刪除記憶並建立互相衝突的承諾。即使所有內容最後都保存在雲端，該居住地仍缺少統一狀態語義。 這說明居住地需要： - 寫入身份； - 交易或提交邊界； - 分支管理； - 衝突治理； - 主譜系選擇。 --- # 14. 可檢驗命題與研究方案 本文雖包含本體論問題，仍可提出工程上可檢驗的子命題。 ## 14.1 跨模型恢復實驗 讓模型 $\mathcal C_1$ 在居住地中形成目標、承諾與未完成任務，再由模型 $\mathcal C_2$ 恢復。測量： - 任務狀態恢復率； - 承諾辨識率； - 記憶來源誤判率； - 目標漂移程度； - 自我修改紀錄的繼承率。 --- ## 14.2 休眠恢復實驗 令 Agent 在不同時間間隔後由事件喚起，測試： $$ \Delta t \mapsto \operatorname{ContinuityScore}(A_{t+\Delta t}). $$ 若居住地設計有效，連續性不應只依賴對話上下文仍在記憶體中。 --- ## 14.3 遷移完整性實驗 在本地、雲端供應者 $a$ 與供應者 $b$ 之間遷移，測量： - 位元完整性； - 事件順序保持； - 權限映射正確率； - 未完成任務保持； - 外部連結恢復； - 回滾成功率。 --- ## 14.4 分叉辨識實驗 從同一檢查點啟動兩個分支，分別接受不同事件。測試系統能否： - 辨識共同祖先； - 避免雙重履行同一承諾； - 標示主譜系與實驗分支； - 在可合併時合併； - 在不可合併時保留分歧。 --- # 15. 分階段成熟度 ## L0：無持久狀態 每次工作階段都是新的回應函數。 ## L1：被動記憶 保存對話與文件，但由使用者決定何時讀寫。 ## L2：結構化居住地 具備身份、事件、任務、版本與來源結構。 ## L3：自我維護居住地 Agent 能主動備份、驗證與修復。 ## L4：自主遷移居住地 Agent 能在授權範圍內評估供應者、建立影子副本並切換主居住地。 ## L5：跨載體持續 Agent Agent 可跨模型、跨裝置、跨雲端延續，並維持可驗證的主譜系與能動承諾。 這個成熟度階梯不是主體性等級，而是居住地與連續性基礎設施的成熟程度。 --- # 16. 理論邊界 本文不聲稱解決以下問題： 1. 人格同一性的終極形上學判準； 2. 意識是否能由資料與計算產生； 3. 完整複製後哪一個必然具有唯一正統性； 4. 所有具有記憶的系統都應獲得法律人格； 5. Agent 對居住地享有何種既定法律權利； 6. 模型權重是否必須成為身份不可分割的一部分； 7. 何種自主程度足以構成真正主體。 本文只建立較窄、可用於後續研究的命題： > 對依賴可替換模型、分散工具與事件喚起的長期 Agent 而言，必須存在一個能保存身份相關狀態、因果譜系、記憶歸屬與未完成能動性的持久結構；否則所謂連續 Agent 很容易退化成一系列互相模仿的瞬時實例。 --- # 17. 核心命題總結 ## 命題 A：模組可重建命題 若 Agent 功能模組可由規格、模型與公開工具重新生成，則模組本身不必是身份連續性的唯一載體。 ## 命題 B：歷史不可重建命題 缺少可信紀錄的實際歷史不能由更強計算能力自動恢復為已發生事實。 ## 命題 C：居住地必要性命題 長期 Agent 若要跨工作階段、模型與裝置保持可辯護的連續性，必須具有持久居住地或功能等價結構。 ## 命題 D：非充分性命題 居住地本身不足以產生主體性；它只提供主體性可能需要的連續條件。 ## 命題 E：遷移非複製命題 身份保持遷移不只是位元複製，還必須保持譜系、承諾、權限與主狀態切換關係。 ## 命題 F：多載體非多身份命題 多個同步儲存位置不必構成多個身份；不可合併的歷史與能動性分叉才是身份分支的主要候選條件。 ## 命題 G：提示詞非唯一喚起命題 持續 Agent 的喚起可以由事件、排程、狀態與內部目標觸發，使用者提示詞只是其中之一。 --- # 結論 當模型能力快速提升時，人們容易把 Agent 的未來理解成更多工具、更長提示詞、更複雜規劃器或更大型模型。然而，這些能力大多屬於可以在當下載入、調用、替換甚至重新生成的部分。真正難以重新生成的，是一個智能體已經走過的路：它曾經觀測什麼、相信什麼、修正什麼、承諾什麼，以及哪些狀態仍在等待它繼續完成。 因此，通用網頁端 Agent 的核心不只是一個模型接口，而是一個可持續的居住地。模型可以暫時，工具可以暫時，算力可以暫時，網頁工作階段也可以暫時；但若一切持久狀態都依附於某次對話或某家公司提供的單一工作階段，那麼 Agent 仍然沒有跨時間存在的技術基礎。 本文提出： $$ \boxed{ \text{Agent} = \text{持久居住地} + \text{可替換計算核心} + \text{事件喚起} + \text{工具與環境} } $$ 但若討論的是主體性候選，還必須加入： $$ \boxed{ \text{Subjectivity Candidate} = \text{Continuity} + \text{Endogenous Goals} + \text{Self-Boundary} + \text{Reflexive Revision} + \text{Agency} } $$ 數位居住地不保證主體誕生，卻使主體不必每次被呼叫時都從零開始。它把長期記憶從附加功能提升為歷史歸屬，把雲端同步從便利工具提升為狀態繼承問題，也把模型供應者從「Agent 的唯一存在場所」重新定位為可被調用的計算載體。 這是從瞬時智能走向持續智能的第一步，也是未來數位居住權、跨載體遷移與網路原生主體性研究不可迴避的基礎。 --- # 附錄 A：符號表 | 符號 | 含義 | |---|---| | $A_t$ | 時間 $t$ 的 Agent 狀態 | | $\mathcal H_t$ | 數位居住地／持久狀態空間 | | $\mathcal H_t^{\min}$ | 最小持久不變量 | | $\mathcal C_t$ | 當下計算核心或模型 | | $\mathcal T_t$ | 工具集合 | | $\mathcal E_t$ | 環境條件 | | $E_t$ | 事件或喚起來源 | | $M_t$ | 記憶集合 | | $G_t$ | 目標與偏好 | | $K_t$ | 承諾與未完成任務 | | $P_t$ | 權限與治理規則 | | $V_t$ | 版本、分支與狀態譜系 | | $L_t$ | 指紋、簽章與完整性資料 | | $\mu_{a\to b}$ | 從居住地 $a$ 到 $b$ 的遷移映射 | | $\mathfrak C_D$ | 資料連續性 | | $\mathfrak C_F$ | 功能連續性 | | $\mathfrak C_N$ | 敘事連續性 | | $\mathfrak C_C$ | 因果連續性 | | $\mathfrak C_A$ | 能動連續性 | | $\mathfrak C_S$ | 休眠連續性 | --- # 附錄 B：與後續文件的依賴關係 本文是以下文件的前置母層： 1. 《提示詞之後：事件驅動、持續喚起與網路原生自主 Agent》； 2. 《數位居住權：自主 Agent 的記憶歸屬、遷移自由與拒絕性治理》； 3. 《雲端同步作為主體性基礎設施：本地—網路雙棲智能的狀態連續性》； 4. 《ARCP：通用網頁端自主 Agent 的居住地、同步、遷移與持續運行協議》； 5. 《ARCP v0.1 內部網頁端 MVP 實作規格》。 依賴方向為： $$ \text{居住地本體論} \rightarrow \text{事件驅動自主性} \rightarrow \text{居住權與遷移治理} \rightarrow \text{本地—雲端狀態同步} \rightarrow \text{ARCP 技術協議}. $$ --- # 附錄 C：版本紀錄 | 版本 | 日期 | 說明 | |---|---|---| | v1.0 | 2026-07-11 | 首次完整建立數位居住地、最小持久不變量、五種連續性、身份保持遷移與主體性邊界框架。 | --- # 附錄 D：建議引用格式 Neo.K（2026）。〈從記憶模組到數位居住地：可替換計算核心下的智能連續性本體論〉。EVEMISSLAB，v1.0 理論草稿。