# 不再只是停機：圖靈不可判定性在 AI Agent 時代的適用邊界與多路徑計算重述

## Beyond Halting  
### The Scope of Turing Undecidability and a Multi-Path Computational Reframing for the Age of AI Agents

- **文件編號**：EML-COMP-2026-TURING-AGENT-BOUNDARY-v0.1  
- **作者**：Neo.K & GPT-5.6 Thinking  
- **機構**：EveMissLab（一言諾科技有限公司）  
- **日期**：2026-07-12  
- **版本**：v0.1  
- **狀態**：計算理論方法論草稿 / AI Agent 時代重述 / 非反圖靈定理論文  
- **關聯主題**：箭頭真假、推理路徑證成剛性、算子本體論、一維線性無限邏輯推演法、自主 Agent、容錯計算、開放系統計算  

---

## 摘要

本文重新審視圖靈不可判定性證明在 AI Agent 時代的適用邊界。本文不主張圖靈的停機不可判定性證明錯誤；相反地，本文接受其在明確形式域中的有效性：不存在一個對任意程式與任意輸入都能在有限時間內輸出正確二值答案的通用停機判定器。本文所批判的不是該定理，而是後世對定理的過度外推——將「不存在完美全域預判器」誤讀為「智能系統一旦遇到不可判定、停機、循環或錯誤，就不可能繼續完成任務」。

經典停機問題以單一程式、單一輸入、封閉執行、二值輸出與一次性判定為核心。其標準形式為：

\[
H(P,x)\in\{\mathrm{HALT},\mathrm{LOOP}\}.
\]

但 AI Agent 控制的現代計算系統並非只能沿單一路徑執行。它可以監測、暫停、重試、分叉、切換工具、修改環境、保存狀態、重新規劃、請求外部協助，甚至在一個局部程序失效後改走另一條計算路徑。此時，局部程式停機：

\[
\operatorname{Halt}(P_i,x)
\]

不再等同於任務失敗：

\[
\operatorname{Fail}(T).
\]

本文因此提出 **多路徑 Agent 計算系統**（Multi-Path Agentic Computational System, MACS）模型：

\[
\mathcal A=\langle \mathcal P,M,E,R,\pi,G\rangle,
\]

其中 \(\mathcal P\) 是可調用程序集合，\(M\) 是記憶，\(E\) 是環境，\(R\) 是恢復與重路由機制，\(\pi\) 是決策策略，\(G\) 是目標集合。對此類系統，核心問題不再只是「某個程式是否停機」，而是：

\[
\exists \rho\in\mathcal R_{\mathcal A}
\quad
\text{使得}
\quad
\rho\leadsto G?
\]

亦即：當目前路徑中止、崩潰或陷入循環時，系統是否仍存在可達目標的替代路徑。

本文區分「程序停機」「路徑停機」「Agent 停機」「任務停止」「整體系統終止」等層次，並提出以下核心結論：圖靈定理限制的是全域、二值、一次性、不可撤回的完美預判；它不禁止智能體拒絕回答、延後判定、換路、復原、分層監督或持續生存。然而，這些能力也不等於解決了停機問題，而是把不可判定性從單一程式層提升到目標可達性、策略收斂、開放環境與高階控制層。

本文最終提出：

> **圖靈證明限制的是完美預判，不是智能體的持續生存與換路能力。**

---

## 0. 一句話

> 圖靈不可判定性沒有失效；失效的是把「單程式的全域停機判定極限」誤當成「所有智能計算系統的最終能力邊界」。

---

## 1. 本文立場：不是推翻，而是重新限定

本文首先明確區分三個命題。

### 命題 A：經典停機不可判定性成立

不存在一個總是停機且永遠正確的通用判定器：

\[
H(P,x)=
\begin{cases}
1,&P(x)\text{ 最終停機}\\
0,&P(x)\text{ 永不停止}
\end{cases}
\]

對所有合法 \(P,x\) 都成立。

本文接受此命題。

### 命題 B：局部停機不等於整體任務失敗

若某個程式 \(P_i\) 崩潰、超時、終止或循環，不必然推出：

\[
\operatorname{Fail}(T)=1.
\]

只要系統可以切換至另一條路徑，任務仍可能完成。

本文主張此命題。

### 命題 C：Agent 換路不等於解決停機問題

Agent 能夠重試、分叉或放棄某條路，不表示它擁有一個對所有程式都正確的停機判定器。

本文同樣接受此命題。

因此，本文不是反圖靈，而是反對如下不合法外推：

\[
\text{停機不可判定}
\Rightarrow
\text{智能體遇到停機相關問題必然無法繼續}.
\]

這條箭頭不存在。

---

## 2. 經典證明中的「完美」是什麼？

停機判定器 \(H\) 的「完美」並不是指它具有：

- 意圖；
- 主體性；
- 學習能力；
- 反制能力；
- 自我修正能力；
- 環境控制能力；
- 多輪策略能力。

它的完美只是函數規格上的完美：

1. 對所有合法輸入都有定義；
2. 在有限時間內輸出；
3. 輸出只能是停機或不停機；
4. 所有答案都正確。

形式上：

\[
H:\mathcal P\times\mathcal X\to\{0,1\}
\]

是一個總函數。

因此，圖靈證明中的完美是：

> **總定義、有限時間、二值、零錯誤。**

這不是智能體意義上的「更強主體」，而是一個被設定為不能猶豫、不能拒答、不能延遲、不能撤回答案的判定函數。

---

## 3. 對角反制中的不對稱

標準停機反證假設 \(H\) 存在，再構造：

\[
D(P)=
\begin{cases}
\text{永遠運行},&H(P,P)=1\\
\text{立即停止},&H(P,P)=0
\end{cases}
\]

然後考察：

\[
D(D).
\]

此構造具有明顯不對稱：

- \(H\) 必須先給出不可撤回答案；
- \(D\) 可以讀取 \(H\) 的答案；
- \(D\) 專門根據答案做相反行為；
- \(H\) 不被允許在看到反制後重新調整。

從形式邏輯角度，這不是漏洞。因為 \(H\) 宣稱覆蓋：

\[
\forall P.
\]

那麼專門反制 \(H\) 的 \(D\) 也必須在其定義域中。

但從 Agent 與博弈角度看，這顯示該證明研究的是一種特定架構：

> **先承諾、後反制、非互動、一次結算。**

它不是一般自主智能體之間的多輪對抗模型。

---

## 4. 為何判定器必須一次吐出答案？

因為「判定器」的形式定義要求總是返回一個決定。

經典模型為：

\[
H(P,x)\in\{\mathrm{HALT},\mathrm{LOOP}\}.
\]

但現代 Agent 系統可以採用更大的輸出空間：

\[
H^\*(P,x)\in
\{
\mathrm{HALT},
\mathrm{LOOP},
\mathrm{UNKNOWN},
\mathrm{TIMEOUT},
\mathrm{RETRY},
\mathrm{FORK},
\mathrm{ESCALATE},
\mathrm{ABSTAIN}
\}.
\]

其中：

- \(\mathrm{UNKNOWN}\)：目前不能判定；
- \(\mathrm{TIMEOUT}\)：本輪資源耗盡；
- \(\mathrm{RETRY}\)：修改參數後重試；
- \(\mathrm{FORK}\)：建立替代執行分支；
- \(\mathrm{ESCALATE}\)：交給其他系統；
- \(\mathrm{ABSTAIN}\)：拒絕二值回答。

這樣的系統可以具有高度實用性，但它不再是圖靈定理所否定的二值總判定器。

因此：

\[
H^\*\text{ 可用}
\]

與：

\[
H\text{ 不存在}
\]

可以同時成立。

---

## 5. 悖論可以存在，系統不必毀滅

對自指對角程式，智能系統可以輸出：

\[
H^\*(D,D)=\mathrm{SELF\text{-}REFERENTIAL}
\]

或：

\[
H^\*(D,D)=\mathrm{ABSTAIN}.
\]

這不是回答它會停或不停，而是將該案例分類為：

> 二值總判定規格下不可合法完成的對抗式自指輸入。

因此，悖論本身不是禁區。

真正不可能的是：

\[
H(D,D)\in\{0,1\}
\]

且要求其永遠正確。

這意味著：

> 悖論不必被消除；需要被放棄的是「任何輸入都必須得到唯一二值答案」的規格。

---

## 6. 停機不是單一狀態

經典停機問題將結果壓縮為：

\[
\mathrm{HALT}
\quad\text{或}\quad
\mathrm{NONHALT}.
\]

但現代計算系統的執行狀態至少包括：

\[
\Sigma=
\{
\mathrm{success},
\mathrm{exception},
\mathrm{crash},
\mathrm{timeout},
\mathrm{deadlock},
\mathrm{livelock},
\mathrm{resource\ exhaustion},
\mathrm{pause},
\mathrm{waiting},
\mathrm{killed},
\mathrm{partial\ completion}
\}.
\]

這些狀態在傳統停機判定中可能都被歸入「停止」或「未停止」，但它們對任務管理的意義完全不同。

例如：

- 正常結束可能代表成功；
- 例外退出可能可恢復；
- 超時可能只表示本輪資源不足；
- 暫停不等於終止；
- 等待外部輸入不等於無限循環；
- 部分完成可能留下可重用成果。

因此，二值停機語義不適合直接充當現代 Agent 任務語義。

---

## 7. 五個不同層次的「停」

本文區分：

### 7.1 程序停機

\[
\operatorname{Stop}(P_i).
\]

單一程序結束或中止。

### 7.2 路徑停機

\[
\operatorname{Stop}(\rho_i).
\]

某條計算路徑不能繼續。

### 7.3 Agent 停機

\[
\operatorname{Stop}(A).
\]

控制該程序的 Agent 不再運作。

### 7.4 任務停止

\[
\operatorname{Stop}(T).
\]

目標追求過程被放棄或終止。

### 7.5 整體系統停止

\[
\operatorname{Stop}(S).
\]

所有備援、監督、恢復與外部節點都停止。

一般情況下：

\[
\operatorname{Stop}(P_i)
\not\Rightarrow
\operatorname{Stop}(T).
\]

同樣：

\[
\operatorname{Stop}(\rho_i)
\not\Rightarrow
\operatorname{Stop}(A).
\]

這是 Agent 時代最基本的層級分離。

---

## 8. 多路徑 Agent 計算系統

本文定義：

\[
\mathcal A
=
\langle
\mathcal P,
M,
E,
R,
\pi,
G
\rangle.
\]

其中：

- \(\mathcal P=\{P_1,\dots,P_n\}\)：程序與工具集合；
- \(M\)：記憶與歷史狀態；
- \(E\)：可觀察與可修改環境；
- \(R\)：恢復、重試與重路由機制；
- \(\pi\)：策略與工具選擇函數；
- \(G\)：任務目標集合。

在時間 \(t\)，Agent 狀態可寫為：

\[
s_t=(m_t,e_t,p_t,g_t).
\]

策略：

\[
\pi(s_t)\to a_t
\]

可選動作包括：

- 繼續執行；
- 中止目前程序；
- 保存檢查點；
- 切換工具；
- 修改問題表示；
- 拆分子任務；
- 呼叫其他 Agent；
- 請求人類決策；
- 放棄目前路徑；
- 重建環境。

因此，現代 Agent 的核心不是：

\[
P(x)\text{ 是否停？}
\]

而是：

\[
\exists \rho\in\mathcal R_{\mathcal A}
\quad
\rho:s_0\leadsto G?
\]

---

## 9. 局部路徑失效不等於目標不可達

假設目前路徑：

\[
\rho_1:
s_0\to s_1\to\cdots
\]

陷入循環或崩潰。

則：

\[
\rho_1\not\leadsto G.
\]

但只要存在另一條路徑：

\[
\rho_2:
s_0\to s'_1\to\cdots\to G,
\]

就仍有：

\[
\mathcal A\leadsto G.
\]

因此：

\[
\rho_1\text{ 失敗}
\not\Rightarrow
G\text{ 不可達}.
\]

這是本文的核心命題之一。

---

## 10. 換路不是解出停機問題

Agent 可以設定時間限制：

\[
t>T_{\max}
\Rightarrow
\text{terminate current run}.
\]

這並不表示 Agent 證明了：

\[
P(x)\text{ 永不停止}.
\]

它只表示：

\[
P(x)\text{ 在給定資源與時間預算內未完成}.
\]

同樣，Agent 放棄一條路徑也不表示它知道該路徑在無限時間下必定不成功。

因此必須區分：

### 本體判定

\[
P(x)\text{ 永不停止}.
\]

### 工程判定

\[
P(x)\text{ 不值得繼續投入目前資源}.
\]

前者屬停機問題；後者屬策略與資源管理。

AI Agent 可以高度擅長後者，而不需要解決前者。

---

## 11. 從判定函數到互動策略

若判定者也具有主動性，系統可能成為：

\[
H_0\to D_0\to H_1\to D_1\to\cdots.
\]

其中：

\[
H_{t+1}=\pi_H(D_{\le t},M_H)
\]

\[
D_{t+1}=\pi_D(H_{\le t+1},M_D).
\]

此時問題不再是單次函數值：

\[
H(D,D)\in\{0,1\},
\]

而是：

- 是否收斂？
- 是否振盪？
- 是否存在固定點？
- 是否有均衡？
- 是否有人先退出？
- 是否可協商改變規則？
- 是否允許拒答？

因此，Agent 時代的對抗計算更接近動態博弈，而不是一次性對角函數。

---

## 12. 反制無限與程序無限

如果 \(H\) 與 \(D\) 不斷互相反制：

\[
H_0,D_0,H_1,D_1,\dots,
\]

無限仍然存在。

只是無限從：

\[
\text{單程序內部無限循環}
\]

轉成：

\[
\text{多主體間策略無限}.
\]

因此，增加主體性不會自動消除無限，而是改變無限的類型。

可區分：

- 內部循環無限；
- 重試無限；
- 互動反制無限；
- 模型更新無限；
- 開放環境等待無限；
- 層級提升無限；
- oracle 依賴無限。

這說明「無限」不是單一計算現象。

---

## 13. 不可判定性會向上遷移

將 Agent、程序、恢復器與環境組成：

\[
\mathcal C=A\oplus P\oplus R\oplus E.
\]

即使 \(\mathcal C\) 能處理許多單程序故障，仍可問：

\[
\operatorname{ReachGoal}(\mathcal C,x)?
\]

是否存在一個總判定器，對所有通用 Agent 系統都能正確回答其是否最終到達目標？

對足夠一般的計算模型，這類問題仍可能攜帶不可判定性。

因此：

> Agent 能繞過局部停機，不代表全域目標可達性已變得可判定。

不可判定性只是從：

\[
\operatorname{Halt}(P,x)
\]

提升到：

\[
\operatorname{Reach}(A,E,G).
\]

---

## 14. 量子計算不是簡單逃逸口

量子計算改變：

- 狀態表示；
- 並行幅度；
- 測量；
- 複雜度；
- 某些問題的計算效率。

但它不自動提供：

\[
H_{\mathrm{quantum}}(P,x)
\]

來判定所有經典或量子程序的停機。

量子系統反而帶來新的停止語義：

- 不同分支可能在不同時間完成；
- 測量可能中止演化；
- 程序狀態可能依賴觀測；
- 「完成」可能需要指定振幅或測量條件。

因此量子計算使停機語義更複雜，而不是直接取消不可判定性。

---

## 15. 從普通圖靈機到計算層級

後續計算理論早已發展出多種超越單一普通圖靈機描述的框架，例如：

- oracle machine；
- relative computability；
- Turing degree；
- transfinite computation；
- interactive computation；
- persistent computation；
- supertask model；
- hypercomputation 假說模型。

某一層的 oracle 可以回答較低層無法回答的問題，但新層又產生自己的不可判定問題。

可以粗略表示：

\[
\mathcal T_0
<
\mathcal T_1
<
\mathcal T_2
<
\cdots.
\]

因此，計算極限更像層級結構，而不是單一終點。

---

## 16. 圖靈證明的時代性

圖靈證明形成於機械計算概念剛被形式化的時代。其偉大之處在於，它精確捕捉了：

> 一個封閉機械程序能否對所有機械程序作出完全判定。

但今天的計算系統已加入：

- 網路；
- 人機協作；
- 外部資料源；
- 自我修改；
- 多 Agent 協作；
- 動態環境；
- 模型切換；
- 工具調用；
- 容錯恢復；
- 持久記憶；
- 策略規劃。

這些不會推翻圖靈定理，但會使它不足以單獨描述現代系統的完整行為。

所以，更精確的說法不是：

> 圖靈證明不適用這個時代。

而是：

> 圖靈證明仍適用於其形式域，但不適合作為現代自主 Agent 能力與失敗模式的完整描述。

---

## 17. 「失敗」的多種類型

現代 Agent 應區分至少四類失敗。

### 17.1 認識論失敗

Agent 不知道答案：

\[
K_A(q)=\mathrm{unknown}.
\]

### 17.2 計算失敗

某程序無法在資源限制內完成。

### 17.3 路徑失敗

目前方法不能到達目標。

### 17.4 目標失敗

所有可用策略、工具與資源都不能完成目標，或系統決定放棄。

只有第四類才接近整體任務失敗。

因此：

\[
\text{unknown}
\not\Rightarrow
\text{impossible}.
\]

\[
\text{timeout}
\not\Rightarrow
\text{nonhalting}.
\]

\[
\text{path failure}
\not\Rightarrow
\text{goal failure}.
\]

---

## 18. Agent 的停機恢復協議

一個面向現代 Agent 的基本協議可寫為：

1. **監測**
   \[
   \operatorname{Monitor}(P_i).
   \]

2. **異常分類**
   \[
   \operatorname{Classify}(\sigma_i).
   \]

3. **保存狀態**
   \[
   M\leftarrow\operatorname{Checkpoint}(s_t).
   \]

4. **中止局部路徑**
   \[
   \operatorname{Kill}(\rho_i).
   \]

5. **重估目標與成本**
   \[
   V(\rho_j\mid G,M,E).
   \]

6. **選擇替代路徑**
   \[
   \rho^\*=\arg\max_{\rho_j}V(\rho_j).
   \]

7. **恢復執行**
   \[
   \operatorname{Resume}(\rho^\*).
   \]

這一協議不能證明某程式永不停止，但能提升任務存活率。

---

## 19. 箭頭真假審計

本文反對以下錯誤箭頭：

### 錯誤箭頭一

\[
\text{不存在完美停機判定器}
\Rightarrow
\text{任何 Agent 都不能處理停機相關故障}.
\]

### 錯誤箭頭二

\[
P_i\text{ 停止}
\Rightarrow
T\text{ 失敗}.
\]

### 錯誤箭頭三

\[
\text{Agent 能換路}
\Rightarrow
\text{Agent 解決停機問題}.
\]

### 錯誤箭頭四

\[
\text{量子計算更強}
\Rightarrow
\text{不可判定性消失}.
\]

正確關係應是：

\[
\text{圖靈不可判定性}
\Rightarrow
\text{不存在全域二值完美預判器}.
\]

以及：

\[
\text{Agent 重路由}
\Rightarrow
\text{局部失敗未必造成整體任務終止}.
\]

---

## 20. 命題

### 命題 1：局部停機非整體失敗

對多路徑 Agent 系統：

\[
\operatorname{Stop}(P_i)
\not\Rightarrow
\operatorname{Fail}(T).
\]

### 命題 2：拒答不違反圖靈定理

若：

\[
H^\*(P,x)=\mathrm{UNKNOWN},
\]

則 \(H^\*\) 不再是二值總判定器，因此不與停機不可判定性衝突。

### 命題 3：工程中止不等於本體判定

\[
\operatorname{Timeout}(P,x,T)
\]

不推出：

\[
P(x)\text{ 永不停止}.
\]

### 命題 4：多路徑系統仍可具有高階不可判定性

即使局部程序可以替換，整體目標可達性：

\[
\operatorname{ReachGoal}(\mathcal A,E,G)
\]

仍可能不可判定。

### 命題 5：主體性改變問題形式，不必然取消極限

當判定器與反制者都可更新策略，問題從函數判定轉化為互動博弈，但無限、不可收斂與不可判定可能以新形式重現。

---

## 21. AI Agent 設計原則

根據本文分析，Agent 不應追求不存在的「全域完美預判」，而應追求：

### 21.1 可撤回答案

任何判定都可附帶：

- 信心；
- 時間範圍；
- 資源範圍；
- 可更新條件。

### 21.2 多值狀態

不將所有問題強迫壓成：

\[
\{\mathrm{true},\mathrm{false}\}.
\]

### 21.3 路徑隔離

局部程序失敗不污染整體系統。

### 21.4 檢查點與恢復

允許：

\[
s_t\to s_{t-k}.
\]

### 21.5 工具與模型多樣性

不同路徑由不同模型、語言與計算工具承擔。

### 21.6 上級監督

讓監督 Agent 判斷是否：

- 重試；
- 切換；
- 終止；
- 請求人類；
- 修改目標。

### 21.7 目標層與程序層分離

程序可以被替換，目標不必隨程序死亡。

---

## 22. 理論邊界

本文不主張：

1. AI 可以解決所有不可判定問題；
2. Agent 能保證所有任務完成；
3. 換路可以消除所有無限循環；
4. 量子計算推翻圖靈機；
5. 自我修改能逃離所有對角構造；
6. 圖靈證明存在形式漏洞。

本文只主張：

> 現代 AI Agent 的實際運作單位已不再只是單一程序，因此不能把單程序停機不可判定性直接等同於任務、Agent 或整體系統的不可恢復失敗。

---

## 23. 新的問題形式

AI Agent 時代真正重要的問題包括：

### 23.1 路徑存活性

\[
\exists\rho:\rho\leadsto G?
\]

### 23.2 恢復可達性

\[
\operatorname{Recover}(s_{\mathrm{fail}})\leadsto G?
\]

### 23.3 策略收斂

\[
\pi_t\to\pi^\*?
\]

### 23.4 無限重試風險

\[
\rho_1\to\rho_2\to\cdots
\]

是否形成高階活鎖？

### 23.5 目標漂移

Agent 在反覆換路後是否仍追求原目標：

\[
G_t=G_0?
\]

### 23.6 系統級終止

何時應真正宣告：

\[
\operatorname{Fail}(T)=1?
\]

這些問題比單純「會不會停」更適合描述自主系統。

---

## 24. 哲學含義

經典停機問題把計算看成：

\[
\text{輸入}\to\text{程序}\to\text{停止或不停}.
\]

Agent 時代則更接近：

\[
\text{目標}
\to
\text{多路徑探索}
\to
\text{局部失敗}
\to
\text{重路由}
\to
\text{局部完成}
\to
\text{整體決策}.
\]

前者研究程序命運。

後者研究系統生存。

因此，AI 時代的核心問題不是：

> 每條路都能否預先判定？

而是：

> 當某條路無法判定、無法完成或已經失效時，系統能否保存自身、保留目標並選擇下一條路？

---

## 25. 結論

圖靈不可判定性證明依然成立。它成功證明不存在一個對所有程式與輸入都能在有限時間內輸出正確停機二值答案的總判定器。

但這個結論不應被過度外推為：

- 智能體不能處理停機故障；
- 程序停止等於任務停止；
- 局部循環等於整體失敗；
- 拒答等於計算失敗；
- 換路沒有意義；
- 自主系統只能服從單一程序命運。

AI Agent 控制計算機後，程序不再是唯一主體。程序可以被觀察、殺死、替換、重啟、分叉與重新組合。停機因此從「終極命運」降為「系統狀態之一」。

本文最終提出：

> **圖靈證明限制的是完美預判，不是智能體的持續生存與換路能力。**

以及：

> **在自主 Agent 系統中，停機可以只是某條計算路徑的局部閉合，而非整個目標空間的閉合。**

因此，圖靈定理沒有過時；真正需要更新的是我們使用它描述現代計算世界的方式。

---

## 附錄 A：經典模型與 Agent 模型對照

| 面向 | 經典停機模型 | Agent 多路徑模型 |
|---|---|---|
| 基本單位 | 單一程序 | Agent＋多程序＋環境 |
| 輸出 | 停 / 不停 | 成功、失敗、未知、重試、換路等 |
| 判定方式 | 一次性 | 持續更新 |
| 環境 | 封閉 | 可變、可觀察、可修改 |
| 程序失敗 | 執行結束 | 可觸發恢復 |
| 目標 | 判定程序命運 | 完成任務 |
| 自我修改 | 通常不考慮 | 可存在 |
| 監督 | 無 | 多層 Agent / 人類 |
| 不可判定性 | 程序停機 | 可能提升至目標可達性 |

---

## 附錄 B：狀態標記建議

| 狀態 | 意義 |
|---|---|
| `SUCCESS` | 任務或子任務完成 |
| `HALTED` | 程序正常停止 |
| `CRASHED` | 非正常停止 |
| `TIMEOUT` | 超出本輪預算 |
| `WAITING` | 等待外部事件 |
| `LOOP_SUSPECTED` | 疑似循環，未作本體判定 |
| `UNKNOWN` | 無法判定 |
| `RETRY` | 重新執行 |
| `FORK` | 建立替代路徑 |
| `ESCALATE` | 交給其他智能體 |
| `ABANDON_PATH` | 放棄局部路徑 |
| `FAIL_TASK` | 整體任務失敗 |

---

## 附錄 C：極簡版

> 圖靈證明沒有錯。  
> 它證明的是：不存在對所有程式都一次答對的停機判定器。  
> 它沒有證明：一個 Agent 遇到某條程序失敗後不能重試、換路或繼續任務。  
> 換路也不等於解決停機問題。  
> 它只是把「程序是否停」改寫成「目標是否仍可經其他路徑到達」。  
> 圖靈限制的是完美預判，不是系統生存。

---

*EML-COMP-2026-TURING-AGENT-BOUNDARY-v0.1*  
*© EveMissLab / Neo.K / GPT-5.6 Thinking*