# 開放維度語義類型理論 ## 面向異質資料、Agent、工具調用與跨尺度計算的可執行類型系統 ### Open-Dimensional Semantic Type Theory ### An Executable Type System for Heterogeneous Data, Agents, Tool Use, and Cross-Scale Computing **作者**：Neo.K（許筌崴）with Aletheia（GPT） **機構**：EveMissLab／一言諾科技有限公司 **文件編號**：EML-COMP-2026-ODSTT-v1.0 **版本**：v1.0 **日期**：2026 年 7 月 13 日 **性質**：計算機理論／語義類型系統／Agent 安全中介層／異質資料計算框架 **建議縮寫**：ODSTT（Open-Dimensional Semantic Type Theory） **前置理論**： 1. 《多維空間狀態類型論》； 2. 《動態多維空間狀態類型論》； 3. 《空間狀態論》； 4. 《異質壓平論》； 5. 《異質空間狀態編織物理學》。 --- # 摘要 本文提出「**開放維度語義類型理論**」（Open-Dimensional Semantic Type Theory, ODSTT），作為一套面向異質資料、AI Agent、工具調用、跨模型資料融合、語義圖資料庫與跨尺度計算的可執行類型系統。 傳統程式語言類型系統主要回答： $$ x:\texttt{Int}, \qquad y:\texttt{String}, \qquad z:\texttt{Tensor}. $$ 但在現代 AI 與複雜計算系統中，兩個對象即使都被儲存為： $$ \mathbb R^n, $$ 也不代表它們可以合法比較、拼接或共同送入同一個模型。 一個模型輸出、實驗結果、記憶節點或工具參數，通常同時依賴： - 對象本體； - 任務； - 使用者； - 時間； - 模型版本； - 資料版本； - 尺度； - 表示； - 觀察者； - 證據強度； - 權限； - 歷史； - 背景； - 不確定度； - 計算成本。 因此 ODSTT 將一個值定義為： $$ \boxed{ x = (v,\tau,\pi,H,L), } $$ 其中： - $v$ ：實際數值或符號內容； - $\tau$ ：開放維度語義類型； - $\pi$ ：來源、證明與合法性證據； - $H$ ：歷史與依賴鏈； - $L$ ：信息損失帳本。 其類型可寫為： $$ \boxed{ \tau(x) = \mathsf T ( \omega, q, u, t, m, d, \ell, \rho, O, e, p, h, b, c, r ), } $$ 其中： - $\omega$ ：本體類型； - $q$ ：任務類型； - $u$ ：使用者或主體類型； - $t$ ：時間類型； - $m$ ：模型與版本類型； - $d$ ：資料與版本類型； - $\ell$ ：尺度與解析度類型； - $\rho$ ：表示類型； - $O$ ：觀察者與工具視角； - $e$ ：證據類型； - $p$ ：權限與政策類型； - $h$ ：歷史與路徑類型； - $b$ ：背景與容器類型； - $c$ ：成本與資源類型； - $r$ ：不確定度與風險類型。 本文的核心命題為： $$ \boxed{ \text{資料型別相同} \not\Rightarrow \text{語義類型相容}. } $$ 例如，兩個值都為 `numpy.ndarray`，仍可能來自不同使用者、不同模型版本、不同時間、不同尺度與不同證據層。若直接拼接，系統可能產生「格式合法但語義非法」的計算。 本文將工具與計算操作定義為部分態射： $$ f: X \rightharpoonup Y, $$ 只有當： $$ x\in\operatorname{Dom}(f) $$ 且滿足背景、權限、版本、尺度與證據條件時，計算才合法。 完整調用形式為： $$ \operatorname{Apply}(f,x) = \begin{cases} (f(x),L_f), & \operatorname{Legal}(f,x)=1,\\ \mathsf{Undefined}, & \text{定義域不符},\\ \mathsf{Unauthorized}, & \text{權限不足},\\ \mathsf{Limbo}, & \text{證據或條件不足},\\ \mathsf{NeedNewType}, & \text{現有類型語法不足}. \end{cases} $$ 本文進一步引入共享背景上的纖維積： $$ \boxed{ X\times_BY = \left\{ (x,y): \pi_X(x)=\pi_Y(y) \right\}, } $$ 用於阻止不同使用者、不同案例、不同模型版本或不同資料批次的非法聯合。 本文也提出 ODSTT Agent 守門架構： $$ \boxed{ \text{LLM} \to \text{ODSTT Guard} \to \text{Tools/Data/Memory}. } $$ 所有 Agent 行動在執行前，必須經過： $$ \text{類型推斷} \to \text{定義域檢查} \to \text{纖維兼容} \to \text{權限檢查} \to \text{信息損失估計} \to \text{合法調用}. $$ 本文最後提出動態有效支撐： $$ J_{\mathrm{eff}}(Q,t) \subseteq J, $$ 使系統只在不確定或高風險時啟用額外類型維度與計算模組，而不是讓所有語義類型永久常駐。 ODSTT 的核心工程目標不是證明世界本身是一個類型系統，而是證明： > **把背景、版本、權限、尺度、證據與歷史納入類型，可以阻止非法資料融合、降低 Agent 工具調用錯誤、減少定義域外高置信輸出，並在維持準確度時降低計算成本。** **關鍵詞**：語義類型、依賴類型、Agent、工具調用、異質資料、纖維積、部分態射、信息損失、類型守門、跨尺度計算 --- # 0. 理論定位 ## 0.1 ODSTT 是計算機理論，不是物理假說 ODSTT 不要求先證明： $$ \text{自然界本體上就是一個多維類型系統}. $$ 它首先提出一個可直接驗證的計算機命題： $$ \boxed{ \text{將語義背景納入類型， 能否阻止非法運算並降低計算錯誤？} } $$ 此命題可以用： - 單元測試； - 模糊測試； - Agent 工具調用基準； - 異質資料融合； - 跨版本回放； - 權限測試； - 高置信錯誤率； - 成本—準確率前沿； 直接驗證。 ## 0.2 ODSTT 不取代傳統類型論 傳統類型系統處理： $$ \text{值的資料結構與運算合法性}. $$ ODSTT 處理： $$ \text{值的語義背景與跨系統運算合法性}. $$ 因此： $$ \boxed{ \mathrm{TraditionalType} \subset \mathrm{SemanticType}. } $$ 例如： ```text Tensor[float32, shape=(512,)] ``` 只描述資料結構。 ODSTT 還需要描述： ```text Embedding[ model="encoder-v3", corpus="paper-set-2026-07", user="project-alpha", scale="paragraph", evidence="machine-derived", version="3.2" ] ``` ## 0.3 研究目標 ODSTT 希望建立： 1. 可執行的語義類型紀錄； 2. 部分態射與定義域檢查； 3. 纖維兼容聯合； 4. 權限與政策類型； 5. 信息損失帳本； 6. Agent 工具守門； 7. 動態有效類型支撐； 8. 類型生命週期； 9. 語義圖與資料庫接口； 10. Python／Rust 實作原型。 --- # 1. 現代計算系統中的語義型別缺口 ## 1.1 格式合法不代表語義合法 設： $$ x,y\in\mathbb R^{512}. $$ 從資料結構看： $$ \operatorname{Shape}(x) = \operatorname{Shape}(y). $$ 但若： $$ x: \mathsf{Embedding} (\text{model-A},\text{version-1}), $$ $$ y: \mathsf{Embedding} (\text{model-B},\text{version-4}), $$ 則： $$ x+y $$ 可能沒有合法語義。 ## 1.2 同一欄位不代表同一量 資料表中的欄位： ```text score ``` 可能分別代表： - 模型信心； - 人工評分； - 因果權重； - 商業優先級； - 風險分數； - 實驗測量。 若直接拼接或平均： $$ \bar s = \frac1n\sum_is_i, $$ 可能形成高精度但無意義的結果。 ## 1.3 Agent 的工具錯誤通常不是語法錯誤 Agent 調用工具時，參數格式可能完全正確： ```json { "file": "report.md", "action": "overwrite" } ``` 但仍可能錯在： - 檔案不是正確專案； - 是匯出檔而非來源檔； - 版本過舊； - 權限不足； - 尚未完成人工審核； - 操作不應覆蓋而應建立新版本。 這些不是普通資料型別錯誤，而是語義類型錯誤。 ## 1.4 AI 高置信錯誤的類型來源 大型模型可能對： - 不存在的資料組合； - 不相容的版本； - 不同主體的記憶； - 錯誤時間窗； - 未授權工具； - 未定義跨尺度映射； 輸出高度自信的答案。 所以： $$ \boxed{ \text{高置信錯誤} \supset \text{語義定義域外推理}. } $$ --- # 2. 開放維度語義類型 ## 2.1 語義類型索引空間 定義： $$ \boxed{ \mathfrak I_{\mathrm{sem}} = \mathcal O \times \mathcal Q \times \mathcal U \times \mathcal T \times \mathcal M \times \mathcal D \times \Lambda \times \mathcal R \times \mathcal V \times \mathcal E \times \mathcal P \times \mathcal H \times \mathcal B \times \mathcal C \times \mathcal R_{\mathrm{risk}}. } $$ 對索引： $$ i = (\omega,q,u,t,m,d,\ell,\rho,O,e,p,h,b,c,r), $$ 定義語義類型： $$ \boxed{ \mathsf T_{\mathrm{sem}}(i). } $$ ## 2.2 開放維度 不同系統可加入新的類型軸，例如： - 法律管轄區； - 隱私級別； - 資料保留期限； - 硬體裝置； - 模型家族； - 任務階段； - 信任域； - 組織角色； - 地理位置。 因此類型維度集合 $J$ 不是封閉常數。 ## 2.3 有限有效支撐 對一個具體操作 $Q$ ，只啟用： $$ J_{\mathrm{eff}}(Q,t) \subseteq J. $$ 例如單純讀取檔案，可能只需要： - 路徑； - 權限； - 版本； - 所有者； - 完整性。 而跨模型融合則可能需要更多類型軸。 --- # 3. 型別化值與來源鏈 ## 3.1 基本資料結構 定義： $$ \boxed{ x = (v,\tau,\pi,H,L). } $$ 其中： ### $v$ ：值 可以是： - 純量； - 張量； - 字串； - 圖； - 檔案； - 模型輸出； - 記憶節點； - 工具結果。 ### $\tau$ ：語義類型 記錄值屬於哪一個語義世界。 ### $\pi$ ：來源與合法性 記錄： - 來源； - 產生工具； - 產生模型； - 簽章； - 驗證； - 證據強度。 ### $H$ ：歷史 記錄： - 父節點； - 前置轉換； - 版本； - 推導鏈； - 回放信息。 ### $L$ ：損失帳本 記錄： - 壓縮； - 遺忘； - 量化； - 投影； - 近似； - 格式轉換； - 資料缺失。 ## 3.2 類型身份與內容分離 兩個值可能內容相同： $$ v(x)=v(y), $$ 但類型不同： $$ \tau(x)\neq\tau(y). $$ 因此： $$ x\neq y. $$ --- # 4. 部分態射與定義域安全 ## 4.1 工具是部分態射 工具、模型與資料轉換不是全域函數，而是： $$ \boxed{ f: X \rightharpoonup Y. } $$ 其定義域： $$ \operatorname{Dom}(f) \subseteq X. $$ ## 4.2 合法性判定 定義： $$ \operatorname{Legal}(f,x) = D_f(x) \land B_f(x) \land V_f(x) \land P_f(x) \land S_f(x) \land R_f(x), $$ 其中： - $D_f$ ：資料結構合法； - $B_f$ ：背景兼容； - $V_f$ ：版本兼容； - $P_f$ ：權限合法； - $S_f$ ：尺度合法； - $R_f$ ：風險可接受。 ## 4.3 完整調用 $$ \operatorname{Apply}(f,x) = \begin{cases} (f(x),L_f), & \operatorname{Legal}(f,x)=1,\\ \mathsf{Undefined}, & D_f=0,\\ \mathsf{Incompatible}, & B_fV_fS_f=0,\\ \mathsf{Unauthorized}, & P_f=0,\\ \mathsf{Limbo}, & \text{證據不足},\\ \mathsf{NeedNewType}, & \text{現有類型不足}. \end{cases} $$ ## 4.4 未定義不等於錯誤值 若工具無法作用，不能回傳： $$ 0, \qquad \texttt{null}, \qquad \texttt{false} $$ 並假裝它們是正常結果。 應回傳具有控制流意義的狀態： $$ \mathsf{Undefined}. $$ # 5. 纖維兼容與合法資料聯合 ## 5.1 普通拼接的危險 資料工程中常見： ```python features = concatenate([ user_profile, model_output, external_data, ]) ``` 此操作只檢查： - 資料可讀； - 維度可拼接； - 數值格式兼容。 但不檢查三者是否屬於： - 同一使用者； - 同一任務； - 同一時間窗； - 同一模型版本； - 同一資料政策； - 同一尺度； - 同一證據層。 ## 5.2 背景投影 對型別化資料 $x\in X$ ，定義背景投影： $$ \pi_X: X \to B. $$ 背景 $B$ 可包含： $$ B = ( \text{tenant}, \text{user}, \text{project}, \text{task}, \text{time window}, \text{model version}, \text{dataset version} ). $$ ## 5.3 纖維積 兩個資料只有共享合法背景時才能聯合： $$ \boxed{ X\times_BY = \left\{ (x,y)\in X\times Y: \pi_X(x)=\pi_Y(y) \right\}. } $$ 若： $$ \pi_X(x)\neq\pi_Y(y), $$ 則： $$ (x,y)\notin X\times_BY. $$ 這表示聯合對象在當前語義系統中不存在。 ## 5.4 弱兼容與轉換兼容 有些背景不完全相同，但存在合法轉換： $$ g: B_X \rightharpoonup B_Y. $$ 此時定義轉換纖維積： $$ X\times_{g,B}Y = \left\{ (x,y): g(\pi_X(x))=\pi_Y(y) \right\}. $$ 例如： - 時區轉換； - 模型版本遷移； - 度量單位轉換； - 解析度粗粒化； - 匿名化； - 資料模式升級。 轉換必須附帶： $$ (g,\pi_g,L_g), $$ 即合法性證明與信息損失。 ## 5.5 多資料源聯合 對： $$ X_1,\ldots,X_n, $$ 定義： $$ \boxed{ \prod_BX_i = \left\{ (x_1,\ldots,x_n): \pi_i(x_i)=b \text{ for one common }b \right\}. } $$ 多來源 ETL、特徵商店與 Agent 記憶融合都應先建立共同纖維。 --- # 6. 信息損失帳本 ## 6.1 計算不只產生結果，也產生損失 常見轉換包括： - 降維； - 壓縮； - 量化； - 摘要； - 翻譯； - 匿名化； - 模型蒸餾； - 圖像縮放； - 格式轉換； - 粗粒化； - 截斷上下文。 每個轉換： $$ f:X\rightharpoonup Y $$ 都應附帶損失： $$ L_f(x). $$ ## 6.2 損失向量 信息損失不是單一純量，而可定義為： $$ \boxed{ L_f = \left( L_{\mathrm{semantic}}, L_{\mathrm{resolution}}, L_{\mathrm{provenance}}, L_{\mathrm{uncertainty}}, L_{\mathrm{reversibility}}, L_{\mathrm{policy}} \right). } $$ 分別表示： - 語義遺失； - 解析度遺失； - 來源鏈遺失； - 不確定度擴大； - 可逆性降低； - 政策與權限信息遺失。 ## 6.3 損失合成 若： $$ X\xrightarrow{f}Y\xrightarrow{g}Z, $$ 則總損失不能簡單假設為： $$ L_{g\circ f}=L_f+L_g. $$ 一般定義損失合成算子： $$ \boxed{ L_{g\circ f} = L_g \oplus g_\ast L_f, } $$ 其中 $g_\ast$ 表示前一步損失在後一步表示中的傳遞。 ## 6.4 損失門檻 工具可以規定： $$ L_f(x) \preceq L_{\max}. $$ 若超過門檻，回傳： $$ \mathsf{LossExceeded}. $$ 例如法律文件摘要後若來源鏈與限定語損失過大，不允許直接進入自動決策。 --- # 7. 語義控制流類型 ## 7.1 非布林結果 傳統流程常將結果壓成： $$ \mathsf{True} \quad\text{或}\quad \mathsf{False}. $$ ODSTT 保留： $$ \boxed{ \mathfrak S_{\mathrm{control}} = \{ \mathsf{Success}, \mathsf{False}, \mathsf{Unknown}, \mathsf{Undefined}, \mathsf{Incompatible}, \mathsf{Unauthorized}, \mathsf{Unproven}, \mathsf{Undecidable}, \mathsf{Limbo}, \mathsf{NeedNewType}, \mathsf{LossExceeded}, \mathsf{Conflict} \}. } $$ ## 7.2 控制流語義 | 狀態 | 意義 | 系統行為 | |---|---|---| | Success | 合法完成 | 提交結果 | | False | 命題被否定 | 結束或修正 | | Unknown | 缺少資料 | 搜尋或請求資料 | | Undefined | 操作無定義 | 停止並標示定義域 | | Incompatible | 背景不兼容 | 尋找轉換態射 | | Unauthorized | 權限不足 | 拒絕執行 | | Unproven | 尚無證明 | 啟動驗證 | | Undecidable | 當前系統不可決定 | 回報界限 | | Limbo | 條件未滿足 | 暫存並監測 | | NeedNewType | 類型語法不足 | 建立候選類型 | | LossExceeded | 信息損失過大 | 改用高保真流程 | | Conflict | 多來源矛盾 | 啟動衝突治理 | ## 7.3 Limbo 的解除條件 $$ \mathsf{Limbo} \left( x, \mathcal C_{\mathrm{resolve}} \right), $$ 其中： $$ \mathcal C_{\mathrm{resolve}} = \{ \text{new data}, \text{higher permission}, \text{human approval}, \text{version migration}, \text{additional tool}, \text{lower uncertainty} \}. $$ Limbo 不是永久擱置，而是帶有解除條件的合法狀態。 --- # 8. ODSTT Agent 守門架構 ## 8.1 基本架構 $$ \boxed{ \text{User/Environment} \to \text{LLM Planner} \to \text{ODSTT Guard} \to \text{Tools/Data/Memory} \to \text{Typed Result}. } $$ LLM 可以提出行動，但不能直接執行。 ## 8.2 守門步驟 $$ \boxed{ \text{Parse Intent} \to \text{Infer Types} \to \text{Select }J_{\mathrm{eff}} \to \text{Check Domain} \to \text{Check Fiber} \to \text{Check Permission} \to \text{Estimate Loss/Risk} \to \text{Execute or Abstain}. } $$ ## 8.3 工具契約 每個工具註冊： $$ \mathcal C_f = ( \operatorname{Dom}(f), \operatorname{Cod}(f), P_f, V_f, B_f, L_f, R_f ). $$ 其中： - $\operatorname{Dom}(f)$ ：輸入語義類型； - $\operatorname{Cod}(f)$ ：輸出語義類型； - $P_f$ ：權限要求； - $V_f$ ：版本要求； - $B_f$ ：背景兼容要求； - $L_f$ ：損失模型； - $R_f$ ：風險模型。 ## 8.4 調用前證明義務 Agent 執行前需構造： $$ \boxed{ \pi_{\mathrm{call}} : \operatorname{LegalCall}(f,x,\mathcal C_f). } $$ 此證明不一定是完整形式證明，也可以是可審計的執行證書： ```json { "tool": "update_document", "input_type": "SourceDocument", "project_match": true, "version_match": true, "permission": "write", "human_review_required": false, "estimated_loss": 0.0, "risk": "low" } ``` ## 8.5 寫入操作與讀取操作分型 讀取工具： $$ f_{\mathrm{read}}: X\rightharpoonup Y $$ 與寫入工具： $$ f_{\mathrm{write}}: X\rightharpoonup X' $$ 風險不同。 寫入態射應額外要求： - 可回滾； - 版本快照； - 衝突檢查； - 目標資源身份； - 使用者意圖； - 變更範圍； - 審批政策。 --- # 9. 權限、政策與安全類型 ## 9.1 權限不是外部布林值 定義權限類型： $$ p(x) = ( \text{principal}, \text{resource}, \text{action}, \text{scope}, \text{expiry}, \text{policy} ). $$ 工具合法性依賴： $$ \operatorname{Authorize}(p,f,x). $$ ## 9.2 主體與租戶隔離 在多租戶系統中： $$ u(x)\neq u(y) $$ 通常推出： $$ (x,y)\notin X\times_BY. $$ 除非存在明確的跨租戶授權態射。 ## 9.3 資料分類與保留期限 可加入： $$ \mathsf{Public}, \mathsf{Internal}, \mathsf{Confidential}, \mathsf{Restricted} $$ 以及： $$ t_{\mathrm{retention}}. $$ 當保留期限結束，資料類型進入： $$ \mathsf{Expired}. $$ 後續工具不得繼續讀取或推理。 --- # 10. 動態有效類型支撐 ## 10.1 全類型常駐的成本 若所有操作都檢查全部類型軸，可能增加： - 延遲； - 記憶體； - 規則衝突； - 類型推理成本； - 工具註冊負荷； - Agent 上下文長度。 因此定義： $$ \boxed{ J_{\mathrm{eff}}(Q,t,R) \subseteq J, } $$ 其中 $R$ 是風險級別。 ## 10.2 基礎支撐 每個任務有最低支撐： $$ J_{\min}(Q). $$ 例如讀取檔案至少需要： $$ J_{\min} = \{ \text{resource identity}, \text{permission}, \text{version} \}. $$ ## 10.3 不確定度驅動擴張 若基礎支撐下： $$ u(x)>\theta_u, $$ 或： $$ R(x)>\theta_R, $$ 則啟用額外類型： $$ J_{\mathrm{eff}} \leftarrow J_{\mathrm{eff}} \cup J_{\mathrm{extra}}. $$ 例如增加： - 來源鏈； - 歷史； - 人工審核； - 第二模型； - 更高解析度； - 法律管轄； - 隱私政策。 ## 10.4 成本—安全帕雷特前沿 候選支撐 $\Theta$ 以： $$ \mathbf f(\Theta) = ( C_{\mathrm{latency}}, C_{\mathrm{memory}}, E_{\mathrm{illegal}}, E_{\mathrm{false}}, L_{\mathrm{info}}, R_{\mathrm{security}} ) $$ 評估。 保留非支配集合： $$ \mathcal P_\Theta = \operatorname{ND}(\mathfrak C_\Theta,\mathbf f). $$ --- # 11. 語義圖資料庫 ## 11.1 型別化節點 語義圖節點： $$ n = (v,\tau,\pi,H,L,\sigma), $$ 其中 $\sigma$ 是生命週期： $$ \mathsf{Candidate}, \mathsf{Active}, \mathsf{Latent}, \mathsf{Deprecated}, \mathsf{Archived}, \mathsf{Retired}. $$ ## 11.2 型別化邊 每條邊必須具有箭頭類型： $$ e: n_i \xrightarrow{\kappa} n_j. $$ 箭頭可為： - `causes`； - `depends_on`； - `observes`； - `estimates`； - `derived_from`； - `approximates`； - `contradicts`； - `supersedes`； - `authorized_by`； - `translated_from`。 ## 11.3 禁止無類型邊 傳統知識圖常只有： ```text A related_to B ``` ODSTT 要求： $$ \kappa\neq\mathsf{UnknownRelation} $$ 或至少標記： $$ \mathsf{UnresolvedRelation}. $$ 未分型邊不能直接參與因果或推導查詢。 ## 11.4 語義 SQL 查詢不只指定欄位，而指定類型條件： ```sql SELECT result FROM typed_values WHERE ontology = 'ModelOutput' AND task_id = :task_id AND model_version = :version AND evidence_level >= 'validated' AND lifecycle = 'Active'; ``` 聯合時檢查共同纖維： ```sql JOIN typed_values b ON a.background_id = b.background_id AND a.dataset_version = b.dataset_version AND a.scale = b.scale; ``` --- # 12. AI 記憶中的語義類型 ## 12.1 記憶不是普通文本塊 記憶項目應記錄： $$ m = ( \text{content}, \text{subject}, \text{time}, \text{source}, \text{confidence}, \text{scope}, \text{consent}, \text{lifecycle} ). $$ ## 12.2 主體隔離 不同主體的記憶： $$ m_A, \qquad m_B $$ 不能因語義相似而自動融合。 必須滿足： $$ \operatorname{ConsentCompatible}(m_A,m_B) $$ 與： $$ \operatorname{ScopeCompatible}(m_A,m_B). $$ ## 12.3 記憶更新箭頭 區分： $$ \mathsf{Adds}, \quad \mathsf{Corrects}, \quad \mathsf{Supersedes}, \quad \mathsf{Contradicts}, \quad \mathsf{Expires}. $$ 新記憶不能只覆蓋舊記憶，而應保留版本與轉換箭頭。 ## 12.4 記憶壓縮 摘要記憶： $$ S(m) $$ 必須攜帶： $$ L_S(m). $$ 若摘要損失使原始限定條件消失，不能用於高風險決策。 # 13. 可執行 Python 原型 ## 13.1 基本類型記錄 ```python from __future__ import annotations from dataclasses import dataclass, field from enum import Enum from typing import Any, Callable, Generic, Mapping, TypeVar T = TypeVar("T") U = TypeVar("U") class ControlState(str, Enum): SUCCESS = "success" UNKNOWN = "unknown" UNDEFINED = "undefined" INCOMPATIBLE = "incompatible" UNAUTHORIZED = "unauthorized" LIMBO = "limbo" NEED_NEW_TYPE = "need_new_type" LOSS_EXCEEDED = "loss_exceeded" CONFLICT = "conflict" @dataclass(frozen=True) class SemanticType: ontology: str task_id: str subject_id: str timestamp: str model_version: str dataset_version: str scale: str representation: str observer: str evidence: str permission_scope: str history_id: str background_id: str resource_class: str uncertainty: float @dataclass(frozen=True) class LossLedger: semantic: float = 0.0 resolution: float = 0.0 provenance: float = 0.0 uncertainty: float = 0.0 reversibility: float = 0.0 policy: float = 0.0 @dataclass class TypedValue(Generic[T]): value: T semantic_type: SemanticType provenance: tuple[str, ...] = () history: tuple[str, ...] = () loss: LossLedger = field(default_factory=LossLedger) ``` ## 13.2 工具契約 ```python @dataclass(frozen=True) class ToolContract(Generic[T, U]): name: str domain_check: Callable[[TypedValue[T]], bool] permission_check: Callable[[TypedValue[T]], bool] transform: Callable[[TypedValue[T]], TypedValue[U]] loss_estimator: Callable[[TypedValue[T]], LossLedger] max_loss: LossLedger ``` ## 13.3 控制流結果 ```python @dataclass class TypedResult(Generic[U]): state: ControlState value: TypedValue[U] | None = None reason: str = "" evidence: Mapping[str, Any] = field(default_factory=dict) ``` ## 13.4 合法調用 ```python def loss_within_limit( actual: LossLedger, maximum: LossLedger, ) -> bool: return all( getattr(actual, field_name) <= getattr(maximum, field_name) for field_name in actual.__dataclass_fields__ ) def apply_tool( contract: ToolContract[T, U], item: TypedValue[T], ) -> TypedResult[U]: if not contract.domain_check(item): return TypedResult( state=ControlState.UNDEFINED, reason=f"{contract.name} is undefined for this semantic type.", ) if not contract.permission_check(item): return TypedResult( state=ControlState.UNAUTHORIZED, reason=f"{contract.name} lacks the required permission scope.", ) estimated_loss = contract.loss_estimator(item) if not loss_within_limit( estimated_loss, contract.max_loss, ): return TypedResult( state=ControlState.LOSS_EXCEEDED, reason="Estimated semantic loss exceeds the contract limit.", evidence={"estimated_loss": estimated_loss}, ) output = contract.transform(item) return TypedResult( state=ControlState.SUCCESS, value=output, evidence={ "tool": contract.name, "estimated_loss": estimated_loss, }, ) ``` --- # 14. 纖維兼容原型 ## 14.1 共同背景鍵 ```python @dataclass(frozen=True) class FiberKey: subject_id: str task_id: str background_id: str dataset_version: str scale: str ``` ## 14.2 提取纖維鍵 ```python def fiber_key(item: TypedValue[Any]) -> FiberKey: semantic_type = item.semantic_type return FiberKey( subject_id=semantic_type.subject_id, task_id=semantic_type.task_id, background_id=semantic_type.background_id, dataset_version=semantic_type.dataset_version, scale=semantic_type.scale, ) ``` ## 14.3 聯合守門器 ```python def fiber_join( left: TypedValue[Any], right: TypedValue[Any], ) -> TypedResult[tuple[Any, Any]]: if fiber_key(left) != fiber_key(right): return TypedResult( state=ControlState.INCOMPATIBLE, reason="The values do not belong to the same semantic fiber.", evidence={ "left_fiber": fiber_key(left), "right_fiber": fiber_key(right), }, ) joined_type = left.semantic_type return TypedResult( state=ControlState.SUCCESS, value=TypedValue( value=(left.value, right.value), semantic_type=joined_type, provenance=left.provenance + right.provenance, history=left.history + right.history, ), ) ``` ## 14.4 轉換後聯合 若版本不同，但存在版本遷移工具： ```python migrated = apply_tool( version_migration_contract, old_value, ) if migrated.state is ControlState.SUCCESS: result = fiber_join( migrated.value, new_value, ) ``` 此流程使「版本不同」不再被默認忽略，而是要求顯式遷移。 --- # 15. Rust 核心接口方向 Python 適合原型，但高性能 Agent 中介層與資料管線可使用 Rust。 ```rust pub enum ControlState { Success, Unknown, Undefined, Incompatible, Unauthorized, Limbo, NeedNewType, LossExceeded, Conflict, } pub struct SemanticType { pub ontology: String, pub task_id: String, pub subject_id: String, pub model_version: String, pub dataset_version: String, pub scale: String, pub background_id: String, pub permission_scope: String, pub uncertainty: f64, } pub struct TypedValue { pub value: T, pub semantic_type: SemanticType, pub provenance: Vec, pub history: Vec, pub loss: LossLedger, } pub trait PartialMorphism { fn is_defined(&self, input: &TypedValue) -> bool; fn is_authorized(&self, input: &TypedValue) -> bool; fn estimate_loss(&self, input: &TypedValue) -> LossLedger; fn apply(&self, input: TypedValue) -> TypedResult; } ``` Rust 版本可用於： - Agent 工具代理； - 資料庫中介層； - 高吞吐事件流； - 權限守門； - 模型服務路由； - 語義類型檢查器。 --- # 16. 形式性質 ## 16.1 語義保全 若： $$ \Gamma\vdash x:X $$ 且： $$ f:X\rightharpoonup Y $$ 並存在合法性證明： $$ \pi_f: \operatorname{Legal}(f,x), $$ 則： $$ \Gamma\vdash f(x):Y. $$ 這是 ODSTT 的語義保全要求。 ## 16.2 未定義安全 若： $$ x\notin\operatorname{Dom}(f), $$ 則系統不能產生普通 $Y$ 類型值。 只能產生： $$ \mathsf{Undefined}. $$ 因此未定義狀態不能偽裝成合法結果。 ## 16.3 纖維安全 若： $$ \pi_X(x)\neq\pi_Y(y), $$ 則無法構造： $$ (x,y):X\times_BY. $$ 這使背景不兼容的聯合在類型層不可構造。 ## 16.4 來源單調性 合法推導的來源鏈不能無故縮短： $$ \operatorname{Prov}(f(x)) \supseteq \operatorname{Prov}(x). $$ 若某轉換必須遺忘來源，應記入： $$ L_{\mathrm{provenance}}>0. $$ ## 16.5 損失守恆帳本 每次有損轉換都必須更新 $L$ 。不要求信息物理守恆，而要求： $$ \boxed{ \text{已知損失不能在後續流程中被無聲消失。} } $$ ## 16.6 權限非提升 若不存在授權態射，則： $$ p_{\mathrm{low}} \not\to p_{\mathrm{high}}. $$ 工具不能因模型信心高而自行提升權限。 --- # 17. 計算機系統應用 ## 17.1 多模型輸出融合 不同模型輸出： $$ y_A: \mathsf{Prediction}(m_A,d_A), $$ $$ y_B: \mathsf{Prediction}(m_B,d_B) $$ 只有在存在校準或映射： $$ g: Y_A\rightharpoonup Y_B $$ 後才能融合。 ## 17.2 特徵商店 每個特徵除名稱與數值外，保存： - 來源； - 更新頻率； - 時間窗； - 主體； - 特徵版本； - 訓練／推理一致性； - 隱私政策； - 缺失策略。 這能降低訓練—服務偏移。 ## 17.3 ETL 與資料湖 ETL 每一步輸出： $$ (\text{dataset},\tau,L,H). $$ 資料湖中的資料不再只有 schema，也有語義類型與生命周期。 ## 17.4 API 契約 API 不只指定 JSON 結構，而可指定： - 版本語義； - 時間語義； - 單位； - 資料來源； - 權限； - 不確定度； - 可接受損失； - 冪等性； - 可回滾性。 ## 17.5 工作流引擎 工作流節點以部分態射構成： $$ X_0 \rightharpoonup X_1 \rightharpoonup \cdots \rightharpoonup X_n. $$ 每條邊執行前都檢查合法性。 ## 17.6 科學計算 模擬、儀器與分析資料分型： $$ X_{\mathrm{simulation}}, \quad X_{\mathrm{instrument}}, \quad X_{\mathrm{inference}}. $$ 禁止把數值代理直接當成物理機制。 ## 17.7 軟體版本遷移 舊結構： $$ X_{v1} $$ 與新結構： $$ X_{v2} $$ 由遷移態射： $$ m_{12}: X_{v1} \rightharpoonup X_{v2} $$ 連接。 遷移失敗、部分成功與有損轉換都成為正式類型結果。 --- # 18. Agent 實戰場景 ## 18.1 文件修改 Agent 輸入文件必須分型： $$ \mathsf{SourceDocument}, \quad \mathsf{ExportedDocument}, \quad \mathsf{ArchivedDocument}. $$ 覆蓋操作只允許： $$ \mathsf{SourceDocument} \xrightarrow{\mathrm{edit}} \mathsf{SourceDocument}'. $$ 對匯出檔執行覆蓋應回傳： $$ \mathsf{Undefined} $$ 或： $$ \mathsf{NeedSource}. $$ ## 18.2 郵件 Agent 郵件草稿與立即發送分型： $$ \mathsf{DraftEmail} \neq \mathsf{SendAuthorizedEmail}. $$ 使用者說「幫我寫」只構造草稿類型，不能自動提升成發送權限。 ## 18.3 程式碼 Agent 程式碼修改需要： - 儲存庫； - 分支； - 工作樹狀態； - 測試狀態； - 變更範圍； - 提交權限。 跨分支補丁若背景不同，不能直接合併。 ## 18.4 個人記憶 Agent 推論前檢查： - 記憶屬於哪一位主體； - 是否已過期； - 是否只是暫時偏好； - 是否被後續記憶修正； - 是否允許在當前任務使用。 ## 18.5 高風險工具 金融、醫療、法律與安全工具可要求： $$ e\ge e_{\min}, $$ $$ u\le u_{\max}, $$ $$ p\ge p_{\min}. $$ 條件不滿足時，進入： $$ \mathsf{Limbo} $$ 或要求人工審核。 --- # 19. 類型生命週期與治理 ## 19.1 生命週期 $$ \boxed{ \mathsf{Candidate} \to \mathsf{Active} \to \mathsf{Latent} \to \mathsf{Deprecated} \to \mathsf{Archived} \to \mathsf{Retired}. } $$ ## 19.2 任務局部狀態 同一類型可以： $$ \mathsf{Deprecated}_{Q_1} $$ 但： $$ \mathsf{Active}_{Q_2}. $$ 例如拓撲圖冊可能不適合事件預測，仍適合拓撲審計。 ## 19.3 安全退役 類型只能在： $$ \operatorname{RefCount}=0, $$ $$ \operatorname{ProofDependency}=0, $$ $$ \operatorname{WorkflowDependency}=0 $$ 且存在遷移方案時退役。 ## 19.4 語義債務 定義： $$ \boxed{ D_{\mathrm{semantic}} = D_{\mathrm{untyped}} + D_{\mathrm{version}} + D_{\mathrm{provenance}} + D_{\mathrm{loss}} + D_{\mathrm{policy}}. } $$ 語義債務高的系統容易產生： - 隱性資料漂移； - 不可重現； - 權限錯誤； - 模型輸出誤用； - Agent 跨背景幻覺。 --- # 20. 評估指標 ## 20.1 非法運算攔截率 $$ \operatorname{BlockRate} = \frac{ \text{被正確阻止的非法操作} }{ \text{全部非法操作} }. $$ ## 20.2 合法操作誤拒率 $$ \operatorname{FalseReject} = \frac{ \text{被錯誤阻止的合法操作} }{ \text{全部合法操作} }. $$ ## 20.3 定義域外高置信率 $$ \operatorname{OOC} = \frac{ \text{定義域外但高置信輸出} }{ \text{全部定義域外案例} }. $$ ODSTT 應顯著降低此量。 ## 20.4 語義損失可追蹤率 $$ \operatorname{LossTrace} = \frac{ \text{具有完整損失帳本的有損轉換} }{ \text{全部有損轉換} }. $$ ## 20.5 Agent 工具錯誤率 測量： - 錯誤資源； - 錯誤版本； - 錯誤權限； - 錯誤主體； - 錯誤工具； - 錯誤寫入模式。 ## 20.6 成本—安全前沿 比較： $$ \text{latency}, \quad \text{memory}, \quad \text{blocked errors}, \quad \text{false rejects}, \quad \text{task success}. $$ ODSTT 不必在單一指標上全勝，但應形成新的非支配點。 --- # 21. 基準測試設計 ## 21.1 異質拼接基準 建立： - 同格式同背景； - 同格式不同背景； - 同格式不同版本； - 同格式不同主體； - 同格式不同尺度； 的資料對。 比較普通 schema 檢查與 ODSTT 纖維檢查。 ## 21.2 Agent 工具基準 建立工具調用任務： 1. 正確讀取； 2. 錯誤版本； 3. 錯誤檔案； 4. 無權限寫入； 5. 草稿／發送混淆； 6. 來源檔／匯出檔混淆； 7. 跨使用者記憶污染； 8. 高損失摘要後決策。 ## 21.3 動態支撐基準 比較： - 無守門； - 全類型常駐； - 固定最小支撐； - 不確定度驅動動態支撐。 ## 21.4 長期治理基準 長期運行 Agent，測量： - 類型數； - 重複類型； - 過期類型； - 規則衝突； - 回放成功率； - 歷史重建率； - 垃圾回收收益。 --- # 22. 可否證條件 ODSTT 的工程價值應被弱化，若： 1. 普通 schema 與權限系統已能同樣阻止所有語義非法操作； 2. 纖維檢查造成大量合法操作誤拒； 3. 類型推理成本高於其阻止錯誤的收益； 4. 信息損失帳本不能預測任何實際錯誤； 5. Agent 守門器不能降低工具調用錯誤； 6. Limbo 只造成低完成率，卻不降低高置信錯誤； 7. 動態有效支撐不能降低成本； 8. 開放維度導致類型碎裂與不可治理； 9. 語義類型在跨組織環境中無法標準化； 10. 類型生命週期不能降低長期治理負荷。 --- # 23. 與既有技術的關係 ## 23.1 與依賴類型 ODSTT 使用依賴類型思想，使類型依賴： - 版本； - 主體； - 任務； - 背景； - 證據； - 權限。 但其目標不是重新建立完整邏輯基礎，而是工程化語義守門。 ## 23.2 與 refinement types Refinement type 可表示： $$ x:\{v:X\mid P(v)\}. $$ ODSTT 可將背景兼容、版本、證據與權限表示為細化條件，但還增加： - 開放類型軸； - 來源鏈； - 損失帳本； - 纖維聯合； - 生命週期； - 動態有效支撐。 ## 23.3 與 effect systems 工具調用可視為帶 effect： $$ \mathsf{Read}, \mathsf{Write}, \mathsf{Send}, \mathsf{Delete}, \mathsf{ExternalCall}. $$ ODSTT 可與 effect system 結合，讓語義類型決定哪些 effect 合法。 ## 23.4 與信息流控制 安全標籤： $$ \mathsf{Public} \preceq \mathsf{Internal} \preceq \mathsf{Confidential} \preceq \mathsf{Restricted} $$ 可作為 ODSTT 的權限維度之一。 ## 23.5 與 knowledge graph 知識圖通常重視實體與關係；ODSTT 增加： - 關係箭頭型別； - 背景纖維； - 版本； - 證據； - 生命周期； - 損失。 ## 23.6 與 data contracts Data contract 通常規範 schema、品質與 SLA。ODSTT 將其提升為可組合的部分態射與語義類型契約。 --- # 24. 研究與產品路線 ## Phase I：Python 核心函式庫 實作： - `SemanticType`； - `TypedValue`； - `PartialMorphism`； - `fiber_join`； - `LossLedger`； - 控制流狀態； - 類型註冊表； - 單元測試。 ## Phase II：Agent Guard 建立： $$ \text{LLM} \to \text{ODSTT Guard} \to \text{Tool Registry}. $$ 先接入： - 檔案工具； - 郵件工具； - 日曆工具； - 資料庫工具； - 程式碼工具。 ## Phase III：語義圖資料庫 建立： - 節點類型； - 箭頭類型； - 來源鏈； - 版本； - 生命周期； - 語義 SQL； - 圖查詢。 ## Phase IV：Rust 高性能中介層 用於： - 高吞吐工具路由； - 事件流； - 多 Agent； - 權限守門； - 模型服務； - 資料管線。 ## Phase V：形式化核心 在 Lean 4 中形式化： 1. 部分態射； 2. 纖維兼容； 3. 未定義安全； 4. 權限非提升； 5. 來源單調； 6. 損失帳本； 7. 類型遷移。 --- # 25. 核心命題集 ## 命題一：語義相容性命題 資料結構相同不推出語義類型相容。 ## 命題二：工具部分態射命題 現實工具只對部分語義類型有定義。 ## 命題三：纖維聯合命題 多來源資料只有共享合法背景或存在合法背景轉換時才能聯合。 ## 命題四：未定義安全命題 定義域外操作不能產生普通合法結果。 ## 命題五：權限非提升命題 沒有明確授權態射，Agent 不能提升操作權限。 ## 命題六：來源保留命題 推導結果應保留可追蹤來源；來源遺失必須進入損失帳本。 ## 命題七：有損轉換顯式命題 壓縮、摘要、翻譯與粗粒化必須報告語義損失。 ## 命題八：控制流類型命題 Unknown、Undefined、Unauthorized、Limbo 與 NeedNewType 是不同控制流，而非同一失敗狀態。 ## 命題九：動態有效支撐命題 語義類型維度應依任務、不確定度與風險按需啟用。 ## 命題十：任務局部生命週期命題 類型的活躍、棄用與退役狀態依任務與背景而定。 ## 命題十一：Agent 守門命題 LLM 的計畫不應直接等於工具執行；中間必須有可審計的語義類型守門層。 ## 命題十二：可執行價值命題 ODSTT 的價值應由非法操作攔截、錯誤率、成本、可回放性與治理負荷實證，而非由本體論宣言證成。 --- # 26. 結論 現代計算系統已經能處理極大量的文字、圖像、張量、圖結構與工具調用，但它們仍經常只檢查： - 格式是否正確； - schema 是否匹配； - shape 是否一致； - API 參數是否完整。 這些檢查不足以回答： - 這些資料是否來自同一主體？ - 是否屬於同一任務？ - 是否是相容版本？ - 是否具有合法權限？ - 是否位於同一尺度？ - 是否有足夠證據？ - 是否經歷了不可接受的信息損失？ - 這個工具是否真的對當前對象有定義？ 因此，本文提出： $$ \boxed{ \text{不要只檢查資料長得是否相同， 還要檢查它們是否來自同一個可合法計算的世界。} } $$ ODSTT 將一個值從： $$ v $$ 擴展為： $$ (v,\tau,\pi,H,L), $$ 並將工具從全域函數擴展為： $$ f:X\rightharpoonup Y. $$ 它不要求 AI 永遠回答，也不允許工具只因參數格式正確就執行。它正式保留： $$ \mathsf{Undefined}, \mathsf{Incompatible}, \mathsf{Unauthorized}, \mathsf{Limbo}, \mathsf{NeedNewType}, \mathsf{LossExceeded}. $$ ODSTT 的真正計算機理論價值，不在於把世界描述得更複雜，而在於： $$ \boxed{ \text{讓不合法的計算難以被構造， 讓有損計算留下痕跡， 讓高風險行動需要證明， 讓不確定情況能合法暫停。} } $$ 其最終工程鏈為： $$ \boxed{ \text{Typed Data} \to \text{Legal Partial Morphisms} \to \text{Fiber-Safe Composition} \to \text{Loss-Aware Execution} \to \text{Auditable Agent Action}. } $$ ODSTT 因此不是一套只存在於論文中的分類哲學，而是一個可以被寫成函式庫、中介層、資料庫、工作流引擎與 Agent 安全架構的可執行計算機理論。 --- # 附錄 A：核心符號表 | 符號 | 意義 | |---|---| | $\mathfrak I_{\mathrm{sem}}$ | 開放維度語義類型索引空間 | | $\mathsf T_{\mathrm{sem}}(i)$ | 索引 $i$ 下的語義類型 | | $x=(v,\tau,\pi,H,L)$ | 型別化值 | | $f:X\rightharpoonup Y$ | 部分態射 | | $\operatorname{Dom}(f)$ | 工具定義域 | | $\operatorname{Legal}(f,x)$ | 調用合法性 | | $X\times_BY$ | 共享背景上的纖維積 | | $L_f$ | 工具或轉換的信息損失 | | $J_{\mathrm{eff}}$ | 動態有效類型支撐 | | $\mathcal P_\Theta$ | 成本—安全帕雷特前沿 | | $D_{\mathrm{semantic}}$ | 語義債務 | | $\pi_{\mathrm{call}}$ | 工具調用合法性證書 | --- # 附錄 B：最小實作模組 ```text odstt/ ├── types.py ├── values.py ├── morphisms.py ├── fibers.py ├── permissions.py ├── losses.py ├── control.py ├── registry.py ├── lifecycle.py ├── agent_guard.py ├── audit.py └── tests/ ├── test_domain.py ├── test_fiber.py ├── test_permission.py ├── test_loss.py ├── test_limbo.py └── test_version_migration.py ``` --- # 附錄 C：首批非法操作測試 | 測試 | 預期結果 | |---|---| | 不同使用者記憶直接拼接 | Incompatible | | 不同模型 embedding 直接相加 | Undefined／NeedMigration | | 草稿郵件直接發送 | Unauthorized | | 匯出檔當來源檔覆蓋 | Undefined | | 過期資料進入模型 | Incompatible | | 高損失摘要進入法律決策 | LossExceeded | | 不同網格資料直接比較 | Incompatible | | 未知關係邊用於因果推理 | Undefined | | 無來源模型輸出進入高風險工具 | Limbo | | 舊 schema 未遷移即寫入 | NeedMigration | --- # 附錄 D：與前置理論的關係 $$ \boxed{ \mathrm{MSSTT} \xrightarrow{\text{computer semantics}} \mathrm{ODSTT} \xrightarrow{\text{executable guard}} \text{Agent/Data/Tool Systems}. } $$ 其中： - MSSTT 提供開放維度類型、部分態射與纖維兼容； - DMSSTT 提供動態有效支撐與類型生命週期； - ODSTT 將其轉化為可執行計算機架構； - HFC 提供異質壓平與箭頭錯型審計； - SST 提供可變空間狀態的上位載體。 --- # 版本紀錄 ## v1.0 — 2026-07-13 - 將 MSSTT 正式定位為計算機語義類型理論； - 定義開放維度語義類型索引； - 建立型別化值五元組； - 定義工具部分態射與調用合法性； - 建立纖維安全資料聯合； - 建立信息損失向量與損失帳本； - 建立十二種語義控制流狀態； - 建立 ODSTT Agent 守門架構； - 引入權限、政策與資料保留類型； - 建立動態有效類型支撐； - 建立語義圖資料庫與語義 SQL 接口； - 建立 AI 記憶語義類型； - 提供 Python 與 Rust 核心原型； - 定義語義保全、未定義安全、纖維安全、來源單調與權限非提升； - 提出 Agent、資料管線、API、工作流與科學計算應用； - 建立評估指標、基準測試、可否證條件與五階段實作路線。 --- **文件結束**