張量動態顯影與工作記憶重構：從條件收縮、局部解纏到可延續工作態

Tensor Dynamic Revealing and Working-Memory Reconstruction: From Conditional Contraction and Local Disentanglement to Continuable Working States

版本：v0.1
日期：2026-07-27
文件性質：基礎理論論文／系統流程框架
系列位置：動態顯影與原生張量記憶系列，第六篇

摘要

前五篇已依序建立動態語義顯影、動態記憶顯影、原生張量記憶本體、記憶糾纏與可分離性，以及差合化張量操作論。這些工作說明：人工智慧記憶不能只被理解為文字片段、向量索引或靜態知識圖，而應被理解為由語義、時間、因果、任務、版本、來源、代理、權限、認知狀態與行動結果共同構成的多模式關係場。然而，若缺少一套完整的運行流程，前述本體與算子仍無法回答一個實際問題：當人工智慧在長期任務中需要恢復工作時，系統究竟如何由總記憶場形成一個足以繼續推理、操作與決策的局部工作狀態？

本文提出「張量動態顯影與工作記憶重構」框架。其核心主張是：工作記憶不是從歷史庫中取回若干高相似度片段，也不是將全部相關內容載入上下文，而是經過治理選域、條件收縮、局部解纏、關係回溯、任務性再糾纏與閉環驗證後形成的暫時可執行狀態。完整流程表示為：

\widehat{\mathbb W}_{\xi,t}^{*} = \mathcal V_{\xi} \circ \mathcal U_{\mathrm{work}} \circ \mathcal B_{\xi} \circ \Delta_{\mathcal P,C} \circ \Pi_{\xi} \circ \Gamma_{\xi} \left( \mathfrak M_t \right)

其中， $\mathfrak M_t$ 為時間 $t$ 的總記憶場， $\Gamma_{\xi}$ 為治理與權限選域， $\Pi_{\xi}$ 為條件顯影， $\Delta_{\mathcal P,C}$ 為相對模式分割下的局部解纏， $\mathcal B_{\xi}$ 為時間、因果、版本與分支回溯， $\mathcal U_{\mathrm{work}}$ 為工作態重組與受控再糾纏， $\mathcal V_{\xi}$ 為結構、來源、任務與正向重播驗證， $\widehat{\mathbb W}_{\xi,t}^{*}$ 則為經驗證後可載入的工作記憶。

本文進一步區分「候選顯影態」、「局部活動張量」、「解纏因子集」、「回溯證據域」、「重構工作態」與「經驗證工作態」，避免將中間候選誤認為可直接使用的記憶。本文並提出工作態的最小組成、任務閉包、可執行性、延續算子、寫回原則、非交換路徑、預算化顯影、適應性深度、失敗狀態、評估指標與十四項基礎命題。

本文最終主張：人工智慧的記憶連續性，不應被定義為永久保有全部過去，而應被定義為系統能否在需要時，從被授權且可追溯的總記憶場中重構出足以解釋現在、承接過去並合法推進下一步的工作狀態。

關鍵詞： 張量動態顯影、工作記憶重構、原生張量記憶、條件收縮、局部解纏、記憶回溯、再糾纏、狀態延續、AI 記憶工程、差合化

1. 導論：有記憶資料，不等於恢復了工作

長期人工智慧系統通常能保存大量歷史內容，包括：

對話紀錄；
文件與版本；
摘要與向量嵌入；
工具操作日誌；
程式碼差異；
任務狀態；
決策理由；
多代理交接紀錄；
失敗路徑與驗證結果。

然而，當系統在中斷後恢復任務時，即使取回所有「相關資料」，仍可能無法回答：

當前真正的任務目標是什麼？
哪些假設已被接受，哪些已被否定？
哪一份文件或程式碼是有效版本？
哪條路徑曾經失敗，為什麼失敗？
哪些內容只是推定，不是原始紀錄？
任務停在哪一個操作節點？
下一步可以做什麼，不能做什麼？
當前代理是否有權使用或修改這些記憶？

因此：

\text{Retrieved Information} \neq \text{Recovered Working State}

「相關」是檢索層的條件；「可繼續工作」則要求目標、證據、版本、因果、來源、限制與下一步共同閉合。

本文所處理的核心問題是：

如何將一個廣大、異質、部分糾纏、部分矛盾且受權限限制的原生張量記憶場，轉換為特定任務下可被人工智慧合法載入與繼續執行的局部工作狀態？

2. 系列位置：從算子語言進入運行閉環

2.1 第一篇：動態語義顯影

第一篇提出：語義不是固定封存在文字或單一向量中的靜態物，而是在查詢、任務、上下文、時間、觀測者、權限與工作狀態共同作用下被顯影。

\mathbf v_{h,\xi} = \pi_{\xi}(\mathbb S_h)

2.2 第二篇：動態記憶顯影

第二篇將記憶問題由相關片段檢索提升為工作狀態恢復：

\text{顯影} \rightarrow \text{回溯} \rightarrow \text{重建} \rightarrow \text{驗證} \rightarrow \text{延續}

2.3 第三篇：原生張量記憶本體

第三篇將記憶重新表示為多模式局部關係態，而不是向量加上外部欄位。來源、版本、權限與因果均屬於記憶身份的原生模式。

2.4 第四篇：糾纏與可分離性

第四篇提出：記憶糾纏必須同時包含相對模式分割下的結構不可分離性，以及關係對任務或記憶身份的不可替代性。

2.5 第五篇：差合化操作論

第五篇建立差異、解纏、合成、再糾纏、演化、顯影、驗證、治理與操作帳本的算子體系。

2.6 本篇：系統運行層

本篇不再只問「有哪些算子」，而是回答：

這些算子應以什麼次序、在什麼條件與失敗邊界下共同運作，才能形成可延續的工作記憶？

因此，本篇是前五篇第一次形成完整系統閉環的節點。

3. 總記憶場與工作記憶的區分

令時間 $t$ 的總記憶場為：

\mathfrak M_t = \left\{ \mathbb M_i^{(\sigma_i)} \right\}_{i=1}^{N_t}

其中每個局部記憶態 $\mathbb M_i^{(\sigma_i)}$ 可以具有不同模式集合 $\sigma_i$ 。

總記憶場可能包含：

當前任務相關與不相關內容；
多個時間尺度；
相互衝突的版本；
多個代理的局部觀點；
不同權限域；
原始紀錄、推導、推定與猜測；
已失效但仍需保存的歷史狀態。

工作記憶則是針對條件 $\xi$ 所形成的局部可操作態：

\widehat{\mathbb W}_{\xi,t}^{*} \subsetneq \mathfrak M_t

但這裡的「子集」只是直觀表達。嚴格而言，工作記憶可能包含由多個歷史態重新形成的關係原生項，因此不必是總記憶場中既有節點的普通集合子集。

較準確地說：

\widehat{\mathbb W}_{\xi,t}^{*} = \mathcal R_{\xi}(\mathfrak M_t)

其中 $\mathcal R_{\xi}$ 是一個條件性重構流程，而不是普通選取函數。

4. 工作記憶不是快取，也不是上下文視窗

4.1 快取

快取通常保存最近或高頻使用的內容，目標是降低重複計算成本。

4.2 上下文視窗

上下文視窗是模型當前一次推理可直接讀取的輸入範圍。

4.3 工作記憶

本文所稱工作記憶是一個帶有任務結構、來源、版本、限制、開放節點與下一步行動的可執行狀態。

因此：

\text{Working Memory} \neq \text{Cache}

\text{Working Memory} \neq \text{Context Window}

工作記憶可以被序列化後載入上下文，但它的本體不等於載入後的文字長度。它必須能夠回答：

系統正在做什麼；
為什麼這樣做；
依據是什麼；
哪些內容仍不確定；
哪些操作已完成；
哪些操作被禁止；
下一步如何合法延續。

5. 張量動態顯影的完整流程

本文提出七階段主流程：

\text{治理選域} \rightarrow \text{條件收縮} \rightarrow \text{局部解纏} \rightarrow \text{關係回溯} \rightarrow \text{工作態再糾纏} \rightarrow \text{閉環驗證} \rightarrow \text{延續執行}

形式化表示為：

\widehat{\mathbb W}_{\xi,t}^{*} = \mathcal V_{\xi} \circ \mathcal U_{\mathrm{work}} \circ \mathcal B_{\xi} \circ \Delta_{\mathcal P,C} \circ \Pi_{\xi} \circ \Gamma_{\xi} ( \mathfrak M_t )

各階段輸出不是同一類型的物件：

\mathfrak M_t \xrightarrow{\Gamma_{\xi}} \mathfrak M_t^{\mathrm{allow}} \xrightarrow{\Pi_{\xi}} \mathbb A_{\xi,t} \xrightarrow{\Delta_{\mathcal P,C}} \mathcal F_{\xi,t} \xrightarrow{\mathcal B_{\xi}} \mathcal H_{\xi,t}^{\mathrm{back}} \xrightarrow{\mathcal U_{\mathrm{work}}} \widehat{\mathbb W}_{\xi,t} \xrightarrow{\mathcal V_{\xi}} \widehat{\mathbb W}_{\xi,t}^{*}

其中：

$\mathfrak M_t^{\mathrm{allow}}$ ：當前代理可合法存取的記憶域；
$\mathbb A_{\xi,t}$ ：條件顯影後的局部活動張量；
$\mathcal F_{\xi,t}$ ：解纏因子、關係殘差與替代解集合；
$\mathcal H_{\xi,t}^{\mathrm{back}}$ ：回溯後的證據與狀態域；
$\widehat{\mathbb W}_{\xi,t}$ ：尚未完全驗證的重構工作態；
$\widehat{\mathbb W}_{\xi,t}^{*}$ ：經驗證後可載入的工作態。

6. 顯影條件元組

令當前顯影條件為：

\xi_t = ( q_t, g_t, c_t, \tau_t, o_t, a_t, w_t, p_t, b_t )

其中：

$q_t$ ：當前查詢或觸發訊號；
$g_t$ ：任務目標；
$c_t$ ：局部上下文；
$\tau_t$ ：時間條件；
$o_t$ ：觀測者或執行主體；
$a_t$ ：權限與代理身份；
$w_t$ ：已知工作狀態；
$p_t$ ：任務優先級與策略；
$b_t$ ：算力、時間與上下文預算。

因此，同一個總記憶場在不同條件下會形成不同工作態：

\xi_1\neq\xi_2 \quad\Longrightarrow\quad \widehat{\mathbb W}_{\xi_1,t}^{*} \neq \widehat{\mathbb W}_{\xi_2,t}^{*}

這不是不一致，而是動態顯影的基本性質。

7. 查詢不只是語義向量，而是條件對偶態

傳統檢索常將查詢表示為：

q \mapsto \mathbf v_q

但在原生張量記憶中，查詢應表示為對多個模式施加條件的對偶態：

\mathbb Q_{\xi} \in \bigotimes_{k\in\sigma_{\xi}} \mathcal V_k^{*}

例如：

\mathbb Q_{\xi} = \mathbf q_{\mathrm{sem}}^{*} \otimes \mathbf q_{\mathrm{task}}^{*} \otimes \mathbf q_{\mathrm{time}}^{*} \otimes \mathbf q_{\mathrm{version}}^{*} \otimes \mathbf q_{\mathrm{permission}}^{*}

不同模式上的條件不必具有相同權重，也不必全部是連續向量。某些條件可以是：

布林閘門；
離散版本約束；
時間區間；
代理身份；
不可跨越的權限邊界；
必須保留的矛盾標記。

因此，查詢對偶態不是普通向量相似度查詢的高維版本，而是一個混合型別的條件算子。

8. 第一階段：治理選域先於語義顯影

顯影不能先搜尋全部記憶，再於結果末端刪除無權存取的內容。權限應在候選域形成前生效。

令治理閘門為：

\Gamma_{\xi}: \mathfrak M_t \rightharpoonup \mathfrak M_t^{\mathrm{allow}}

其判斷至少包括：

當前代理身份；
使用者授權；
資料分類；
任務必要性；
時間有效性；
第三方隱私；
寫入、讀取、轉述與推導權限；
跨代理或跨專案邊界。

核心原則是：

\boxed{ \text{Permission Before Revealing} }

如果記憶節點未通過治理選域，它不應進入語義評分、關係推導或工作態重構。

9. 治理選域不是刪除

被治理閘門排除的記憶仍可存在於總記憶場中：

\mathfrak M_t = \mathfrak M_t^{\mathrm{allow}} \oplus \mathfrak M_t^{\mathrm{restricted}}

但當前流程只能作用於：

\mathfrak M_t^{\mathrm{allow}}

系統可以知道「存在一個不可存取的相關域」，卻不能因此揭露其內容。例如可以回傳：

status: restricted_dependency
message: 此任務可能依賴一個目前無權存取的歷史來源。

這比將受限資料靜默忽略更誠實，也比先讀取再過濾更安全。

10. 第二階段：條件收縮

對允許域施加查詢對偶態：

\mathbb A_{\xi,t} = \Pi_{\xi} \left( \mathfrak M_t^{\mathrm{allow}} \right)

若使用張量收縮表示：

\mathbb A_{\xi,t} = \mathfrak M_t^{\mathrm{allow}} \times_{\mathrm{sem}} \mathbf q_{\mathrm{sem}}^{*} \times_{\mathrm{task}} \mathbf q_{\mathrm{task}}^{*} \times_{\mathrm{time}} \mathbf q_{\mathrm{time}}^{*} \times_{\mathrm{version}} \mathbf q_{\mathrm{version}}^{*}

但實際系統不必一次完成全域收縮，可以採取：

粗粒度選域；
局部索引；
稀疏張量乘積；
分模式候選生成；
圖與張量混合擴展；
多階段重排序。

「條件收縮」描述的是操作本質，不限定單一工程實作。

11. 顯影結果不是一個標量排行榜

傳統檢索常輸出：

\{(h_i,s_i)\}_{i=1}^{K}

其中 $s_i$ 是相關度分數。

張量動態顯影的輸出應至少包含：

\mathbb A_{\xi,t} = ( \mathcal N_{\xi}, \mathcal R_{\xi}, \Omega_{\xi}, \Lambda_{\xi}, \mathcal C_{\xi} )

其中：

$\mathcal N_{\xi}$ ：活動記憶節點；
$\mathcal R_{\xi}$ ：活動關係與高階關係；
$\Omega_{\xi}$ ：模式別顯影強度；
$\Lambda_{\xi}$ ：來源與版本映射；
$\mathcal C_{\xi}$ ：矛盾、缺口與限制。

因此，顯影要保留結構，而不是將一切壓成一維排序。

12. 多階段顯影

一個穩健的顯影流程可分為：

\Pi_{\xi} = \Pi_{\mathrm{refine}} \circ \Pi_{\mathrm{rel}} \circ \Pi_{\mathrm{coarse}}

12.1 粗顯影

快速找到可能相關的時間域、專案域、版本域與語義域。

12.2 關係顯影

沿因果、依賴、引用、分支、否定與驗證關係擴展。

12.3 精顯影

依任務缺口、來源品質、版本有效性與預算重新收縮。

這可以降低直接在全域記憶張量上進行高成本運算的需求。

13. 局部活動張量

顯影後得到的 $\mathbb A_{\xi,t}$ 是「局部活動張量」，不是最終工作記憶。

它可能仍包含：

多個競爭版本；
相互矛盾的結論；
混合來源；
未標記的推定；
多個任務分支；
關係原生殘差；
只對其他代理有效的認知狀態。

因此：

\mathbb A_{\xi,t} \neq \widehat{\mathbb W}_{\xi,t}^{*}

把局部活動張量直接塞進模型上下文，等同於把候選證據誤當成已重構狀態。

14. 第三階段：選擇模式分割

解纏必須相對於模式分割 $\mathcal P$ 進行。

例如：

\mathcal P_1 = \{ \mathrm{semantic} \mid \mathrm{time,version} \}

用於分離語義內容與時間版本；

\mathcal P_2 = \{ \mathrm{claim} \mid \mathrm{source,evidence} \}

用於分離命題與來源證據；

\mathcal P_3 = \{ \mathrm{task} \mid \mathrm{agent,state} \}

用於分離共同任務與代理局部狀態。

模式分割不是固定不變的。它由任務缺口與驗證要求決定：

\mathcal P_{\xi,t} = \operatorname{SelectPartition} ( \mathbb A_{\xi,t}, \xi_t )

15. 分割選擇本身是一個推理問題

若選錯分割，系統可能：

把版本差異誤判成語義矛盾；
把代理觀點誤判成事實衝突；
把權限限制誤判成資料缺失；
把共同生成知識錯誤歸屬於單一來源；
把時間演化誤判成記憶污染。

因此分割選擇應保留候選：

\mathfrak P_{\xi} = \{ (\mathcal P_j,\rho_j) \}_{j=1}^{m}

其中 $\rho_j$ 是該分割對當前任務的適合度，而不是將第一個分割假設當成唯一真實結構。

16. 第四階段：局部解纏

對局部活動張量進行差合化解纏：

\mathcal F_{\xi,t} = \Delta_{\mathcal P,C} ( \mathbb A_{\xi,t} )

其輸出不只是分解因子，而應包含：

\mathcal F_{\xi,t} = ( \widehat{\mathbb M}_1, \ldots, \widehat{\mathbb M}_r, \mathbb E_{\mathcal P,C}, \mathcal R^{\mathrm{keep}}, \mathcal A^{\mathrm{alt}}, \mathcal L^{\mathrm{loss}} )

其中：

$\widehat{\mathbb M}_j$ ：來源保持的候選因子；
$\mathbb E_{\mathcal P,C}$ ：不可分離殘差；
$\mathcal R^{\mathrm{keep}}$ ：必須保留的關係；
$\mathcal A^{\mathrm{alt}}$ ：替代解纏結果；
$\mathcal L^{\mathrm{loss}}$ ：已知資訊損失。

解纏的目標不是最大程度拆散，而是恢復任務所需邊界，同時避免破壞關係原生內容。

17. 來源錨定解纏

張量分解所得的數值因子，不等於歷史來源。

因此每個解纏候選必須保持來源錨點：

\operatorname{Prov} ( \widehat{\mathbb M}_j ) = \{ \ell_{j1},\ldots,\ell_{jn} \}

其中 $\ell_{jk}$ 可以指向：

原始訊息；
文件版本；
提交紀錄；
工具輸出；
代理操作；
驗證證書；
已標記的推定鏈。

若一個因子沒有可追溯來源，它只能被標記為：

derived_factor；
latent_factor；
inferred_factor；
unresolved_factor。

不得將其稱為「恢復出的原始記憶」。

18. 不可分離殘差的分類

令：

\mathbb E_{\mathcal P,C} = \mathbb A_{\xi,t} - \operatorname{Sep}_{\mathcal P,C} ( \mathbb A_{\xi,t} )

殘差至少分成：

\mathbb E_{\mathcal P,C} = \mathbb E^{\mathrm{valid}} \oplus \mathbb E^{\mathrm{unknown}} \oplus \mathbb E^{\mathrm{false}}

其中：

$\mathbb E^{\mathrm{valid}}$ ：有效關係原生項；
$\mathbb E^{\mathrm{unknown}}$ ：尚無法判斷的耦合；
$\mathbb E^{\mathrm{false}}$ ：錯誤糾纏、來源污染或過期耦合。

工作態重構不能將所有殘差都保留，也不能將所有殘差都丟棄。它必須依任務與證據進行分類處理。

19. 關係原生內容的保留

有些知識只存在於多段記憶之間的關係中。例如：

反例使舊命題失效；
兩份實驗結果共同支持新假設；
某次決策只在特定限制與版本下成立；
一個代理的操作改變了另一代理可見的狀態。

這些內容不能被歸入任一單一因子：

\mathbb E_{ij}^{\mathrm{rel}} \notin \mathbb M_i

且：

\mathbb E_{ij}^{\mathrm{rel}} \notin \mathbb M_j

因此，解纏後必須以高階關係節點、超邊或局部耦合張量保留。

20. 第五階段：關係回溯

解纏恢復局部邊界後，系統沿時間、因果、版本、分支與操作帳本回溯：

\mathcal H_{\xi,t}^{\mathrm{back}} = \mathcal B_{\xi} ( \mathcal F_{\xi,t} )

回溯不是將歷史全部按時間排序，而是建立一個對當前缺口具有解釋力的局部證據域。

回溯邊可包括：

before；
after；
derived_from；
depends_on；
contradicts；
supersedes；
branches_from；
merged_into；
validated_by；
failed_because；
performed_by；
visible_under。

21. 回溯的目標是解釋當前狀態

令目前已知狀態為 $W_t^{\mathrm{obs}}$ ，候選歷史域為 $H$ ，則回溯目標可表示為：

H_{\xi}^{*} = \arg\max_{H} \Big[ \operatorname{Explain} ( H, W_t^{\mathrm{obs}} ) - \lambda \operatorname{Complexity}(H) \Big]

這裡同時要求：

足以解釋當前狀態；
不無限制擴展整個歷史；
保留必要失敗路徑；
不以過度順暢的敘事填補缺口；
對替代歷史保持開放。

22. 時間、因果與版本不能混為一談

三種關係具有不同語義：

22.1 時間關係

h_i \prec_t h_j

表示 $h_i$ 發生在 $h_j$ 之前。

22.2 因果關係

h_i \rightarrow_c h_j

表示 $h_i$ 對 $h_j$ 的形成具有因果貢獻。

22.3 版本關係

h_i \rightarrow_v h_j

表示 $h_j$ 是 $h_i$ 的後續版本、修訂或替代。

一般而言：

h_i\prec_t h_j \not\Rightarrow h_i\rightarrow_c h_j

而版本較新也不必然意味著內容正確。

23. 分支回溯與共同祖先

對分支記憶 $B_1$ 與 $B_2$ ，系統應先定位共同祖先：

H_0 = \operatorname{LCA} ( B_1, B_2 )

然後區分：

\Delta B_1 = B_1-H_0

\Delta B_2 = B_2-H_0

但這裡的減號不是文本差異，而是差合化意義下的分支增量，包括：

新增命題；
被否定命題；
版本替換；
新證據；
任務重定向；
代理局部決策；
尚未解決的衝突。

24. 多個歷史解釋應被保留

由不完整痕跡重建歷史通常不是唯一的：

\mathcal H_{\xi}^{\mathrm{back}} = \{ (H_j,p_j) \}_{j=1}^{m}

其中 $p_j$ 是相對支持度，而不是必然的真實機率。

系統可以選擇一個主工作假設：

H^{\mathrm{main}} = \arg\max_j p_j

但仍需保留替代解釋，以便新證據出現時回退。

25. 第六階段：工作態再糾纏

回溯得到的證據域仍不是工作記憶。系統必須依任務重新形成受控共同態：

\widehat{\mathbb W}_{\xi,t} = \mathcal U_{\mathrm{work}} ( \mathcal H_{\xi,t}^{\mathrm{back}}, \xi_t )

這個操作不是把所有候選摘要成一段文字，而是建立：

任務目標；
當前狀態；
已確認證據；
有效決策；
失敗路徑；
未決矛盾；
開放節點；
下一步操作；
權限與限制；
來源與信心；
可撤銷推定。

工作態因此是一個任務性再糾纏結果。

26. 工作態的最小結構

本文定義：

\widehat{\mathbb W}_{\xi,t} = ( G, S, E, D, F, C, O, N, A, P, U, R )

其中：

$G$ ：目標與子目標；
$S$ ：當前狀態；
$E$ ：證據；
$D$ ：已採納決策及理由；
$F$ ：失敗路徑；
$C$ ：矛盾與限制；
$O$ ：開放問題；
$N$ ：下一步候選；
$A$ ：允許的操作；
$P$ ：來源與版本；
$U$ ：不確定性與替代解；
$R$ ：續接點與重播資訊。

缺少其中任一類型不必然使工作態無效，但系統必須明確標記缺口。

27. 任務閉包

一個工作態若只包含「相關知識」，卻不能支持下一步，仍不構成任務閉包。

令任務所需元素集合為：

\mathcal K_{\xi} = \{ G,S,E,D,C,N,A \}

工作態的任務閉包度可表示為：

\operatorname{Closure}_{\xi} ( \widehat{\mathbb W} ) = 1- \frac{ \operatorname{Missing}_{\xi} ( \widehat{\mathbb W} ) }{ |\mathcal K_{\xi}| }

但不同元素權重應依任務調整。高風險任務中，來源、限制與權限可能比下一步建議更重要。

28. 工作態的可執行性

定義可執行性：

\operatorname{Exec}_{\xi} ( \widehat{\mathbb W} ) = \operatorname{Feasible} ( N,A,C,P )

一個工作態至少應能判斷：

下一步是否存在；
下一步所需輸入是否具備；
操作權限是否充分；
是否有未解矛盾阻止執行；
是否需要人類確認；
執行失敗時如何回退。

因此：

\text{Coherent Summary} \not\Rightarrow \text{Executable Working State}

29. 工作態不是唯一真實敘事

人工智慧傾向把分散歷史整理成順暢故事，但工作記憶不應以敘事完整性壓過證據完整性。

工作態應區分：

\widehat{\mathbb W} = \mathbb W^{\mathrm{observed}} \oplus \mathbb W^{\mathrm{derived}} \oplus \mathbb W^{\mathrm{inferred}} \oplus \mathbb W^{\mathrm{speculative}}

並保留：

缺口；
中斷；
相互衝突的紀錄；
無法確定的時間順序；
尚未歸屬的責任；
多個可能下一步。

30. 工作態再糾纏的受控條件

工作態合成必須滿足：

\mathcal U_{\mathrm{work}} : ( \mathcal H_{\xi}^{\mathrm{back}}, \xi ) \rightharpoonup \widehat{\mathbb W}_{\xi}

這是一個部分算子。它可以拒絕或暫停合成，原因包括：

關鍵來源缺失；
版本衝突未解；
權限不足；
任務目標不明；
來源污染過高；
替代歷史差異過大；
可執行下一步不存在。

合法輸出狀態包括：

constructed；
partial；
ambiguous；
restricted；
needs_evidence；
refused。

31. 第七階段：閉環驗證

重構出的工作態不能因為語言流暢就被載入。驗證算子為：

\mathcal V_{\xi} ( \widehat{\mathbb W}_{\xi,t} ) = ( \widehat{\mathbb W}_{\xi,t}^{*}, \mathbf s_{\mathrm{val}}, \mathcal E_{\mathrm{val}} )

其中：

$\widehat{\mathbb W}_{\xi,t}^{*}$ ：經驗證後工作態；
$\mathbf s_{\mathrm{val}}$ ：多維驗證分數；
$\mathcal E_{\mathrm{val}}$ ：驗證證據與失敗原因。

驗證不是單一標量，而是：

\mathbf s_{\mathrm{val}} = ( s_{\mathrm{struct}}, s_{\mathrm{task}}, s_{\mathrm{prov}}, s_{\mathrm{version}}, s_{\mathrm{causal}}, s_{\mathrm{replay}}, s_{\mathrm{permission}}, s_{\mathrm{uncertainty}} )

32. 結構驗證

結構驗證檢查：

必要模式是否存在；
節點與關係型別是否一致；
來源鏈是否可追溯；
分支是否被錯誤折疊；
關係原生項是否被錯誤歸屬；
工作態是否存在循環依賴或孤立節點。

可以寫成：

s_{\mathrm{struct}} = 1- \frac{ \operatorname{Violations} ( \widehat{\mathbb W} ) }{ \operatorname{Checks} ( \widehat{\mathbb W} ) }

但高嚴重度違規不應被大量低嚴重度通過項平均掉。

33. 來源與版本驗證

來源驗證要求每個關鍵工作態元素具有：

\operatorname{Prov}(x) \neq \varnothing

或者明確標記為推定。

版本驗證則檢查：

\operatorname{ValidAt} ( x,t,\xi )

一個舊版本不必被刪除，但不可無標記地冒充當前有效版本。

34. 任務驗證

任務驗證檢查：

工作態是否對應目前目標；
是否包含已完成與未完成界線；
是否保留任務限制；
下一步是否能縮小開放問題；
是否載入大量語義相關但任務無關內容。

定義任務充分度：

s_{\mathrm{task}} = \operatorname{Utility}_{\xi} ( \widehat{\mathbb W} ) - \lambda \operatorname{Distraction}_{\xi} ( \widehat{\mathbb W} )

35. 正向重播驗證

若重構出較早工作狀態 $\widehat{\mathbb W}_{t-k}$ ，可重新代入已知輸入與操作：

\widetilde{\mathbb W}_{t} = \mathfrak T^{(k)} \left( \widehat{\mathbb W}_{t-k}, I_{t-k:t}, A_{t-k:t} \right)

再比較：

s_{\mathrm{replay}} = \operatorname{Consistency} \left( \widetilde{\mathbb W}_{t}, W_t^{\mathrm{obs}} \right)

若重播無法解釋目前狀態，表示：

回溯遺漏了關鍵事件；
因果鏈錯誤；
版本選擇錯置；
解纏破壞了必要關係；
工作態合成加入了虛構內容。

36. 反事實必要性驗證

對候選記憶元素 $x$ ，可以移除後重新評估：

\Delta U_x = U ( \widehat{\mathbb W}_{\xi} ) - U ( \widehat{\mathbb W}_{\xi}\setminus x )

若：

\Delta U_x\approx 0

則 $x$ 可能只是語義相關，但對任務延續沒有必要性。

反事實驗證可以協助：

移除冗餘內容；
發現真正關鍵決策；
區分證據與背景材料；
控制上下文預算。

37. 矛盾驗證

矛盾不應被自動平均或消除。令衝突集合為：

\mathcal C_{\xi} = \{ (x_i,x_j,r_{ij}) \}

系統應區分：

真正命題矛盾；
不同時間下的狀態變化；
不同版本的修訂；
不同代理觀點；
不同任務條件；
權限造成的局部可見差異；
原始證據與推定的衝突。

未解矛盾可以存在於經驗證工作態中，但必須阻止不安全的確定性輸出。

38. 驗證結果與載入門檻

工作態驗證結果可分為：

38.1 可載入

關鍵來源、版本、任務與權限均通過。

38.2 限制載入

可以繼續低風險推理，但不能執行不可逆操作。

38.3 暫時載入

保留多個替代狀態，等待新證據。

38.4 不可載入

存在關鍵來源缺失、權限違規、重播失敗或重大矛盾。

形式上：

\operatorname{Load} ( \widehat{\mathbb W} ) = \begin{cases} \mathrm{full}, & \mathbf s_{\mathrm{val}}\in\mathcal A_{\mathrm{full}} \\ \mathrm{limited}, & \mathbf s_{\mathrm{val}}\in\mathcal A_{\mathrm{limited}} \\ \mathrm{provisional}, & \mathbf s_{\mathrm{val}}\in\mathcal A_{\mathrm{provisional}} \\ \mathrm{deny}, & \text{otherwise} \end{cases}

39. 記憶連續性的操作定義

本文將記憶連續性定義為：

\operatorname{Continuity}_{\xi,t} = \operatorname{Usability} ( \widehat{\mathbb W}_{\xi,t}^{*} )

更完整地：

\operatorname{Continuity}_{\xi,t} = F ( \operatorname{ExplainPast}, \operatorname{RepresentPresent}, \operatorname{EnableNext}, \operatorname{PreserveProvenance}, \operatorname{RespectPermission} )

因此連續性不是「模型記得多少」，而是：

系統能否重構出一個既能解釋過去、表示現在，又能合法推進下一步的工作狀態。

40. 延續算子

令延續算子為：

\mathcal C_{\mathrm{cont}} : ( \widehat{\mathbb W}_{\xi,t}^{*}, I_{t+1} ) \rightharpoonup ( A_{t+1}, \widehat{\mathbb W}_{\xi,t+1} )

其作用包括：

生成下一步候選；
檢查前置條件；
選擇工具或推理方式；
保留未解矛盾；
對高風險操作要求確認；
將新輸入與行動寫入暫時工作態。

延續不是直接改寫總記憶場，而是先在局部工作態中演化。

41. 局部工作態的演化

在任務執行中：

\widehat{\mathbb W}_{\xi,t+1} = \mathfrak T_{\mathrm{work}} ( \widehat{\mathbb W}_{\xi,t}^{*}, I_{t+1}, A_{t+1}, O_{t+1} )

其中 $O_{t+1}$ 為操作結果。

局部演化可以改變：

任務進度；
開放節點；
信心；
版本；
失敗路徑；
權限狀態；
下一步候選；
局部張量階數與關係結構。

42. 工作態寫回總記憶場

完成一段工作後，不能直接用新工作態覆寫原始歷史。

寫回應表示為：

\mathfrak M_{t+1} = \operatorname{Commit} ( \mathfrak M_t, \widehat{\mathbb W}_{\xi,t+1}, \mathcal L_{t:t+1} )

其中 $\mathcal L_{t:t+1}$ 為本輪操作帳本。

寫回至少應新增：

新原始痕跡；
新狀態轉移；
新版本節點；
決策理由；
失敗結果；
驗證狀態；
來源與代理；
可撤銷推定。

核心原則是：

\boxed{ \text{Commit New State, Do Not Rewrite History} }

43. 工作記憶的生命週期

工作態可具有以下狀態：

constructed
  ↓
validated
  ↓
loaded
  ↓
active
  ↓
updated
  ↓
committed
  ↓
archived / branched / superseded

若驗證失敗：

constructed
  ↓
rejected
  ↓
retrace / repartition / request evidence

工作態是暫時性結構，但其形成過程與結果必須可追溯。

44. 顯影流程的非交換性

各操作一般不能任意換序。

例如：

\Pi_{\xi} \circ \Gamma_{\xi} \neq \Gamma_{\xi} \circ \Pi_{\xi}

因為先顯影再治理可能已經洩漏受限關係。

同樣：

\mathcal U_{\mathrm{work}} \circ \Delta_{\mathcal P,C} \neq \Delta_{\mathcal P,C} \circ \mathcal U_{\mathrm{work}}

先合成再解纏，可能生成新的關係原生項；先解纏再合成，則可能保留不同的來源邊界。

45. 驗證不應只放在最後

雖然主流程將 $\mathcal V$ 放在工作態合成後，但實際系統應採用階段性驗證：

\mathcal V = \mathcal V_{\mathrm{final}} \circ \mathcal V_{\mathrm{back}} \circ \mathcal V_{\mathrm{diff}} \circ \mathcal V_{\mathrm{reveal}}

包括：

顯影候選驗證；
解纏來源驗證；
回溯因果驗證；
工作態閉環驗證。

這能避免錯誤在後續階段被放大。

46. 預算化顯影

顯影條件包含預算 $b_t$ ：

b_t = ( b_{\mathrm{time}}, b_{\mathrm{compute}}, b_{\mathrm{context}}, b_{\mathrm{depth}}, b_{\mathrm{risk}} )

系統需要在效用與成本間平衡：

\max_{mathcal H} \Big[ U_{\xi} ( \mathcal H ) - \lambda C ( \mathcal H ) \Big]

但權限、來源與高風險限制屬於硬約束，不能以效用加權抵消。

47. 適應性顯影深度

回溯深度不應固定。令目前證據缺口為：

\delta_t = \operatorname{Gap} ( \widehat{\mathbb W}_{\xi,t} )

則下一輪深度可調整為：

d_{t+1} = F ( d_t, \delta_t, s_{\mathrm{val}}, b_t )

若來源不足或重播失敗，系統加深回溯；若工作態已具高閉包度，則停止擴展。

48. 停止條件

顯影與回溯不能無限制進行。停止條件可以是：

\operatorname{Stop} = \begin{cases} 1, & \operatorname{Closure}_{\xi}\geq\theta_c \land s_{\mathrm{val}}\geq\theta_v \\ 1, & b_t\leq 0 \\ 1, & \text{restricted dependency} \\ 1, & \text{no new explanatory gain} \\ 1, & \text{human confirmation required} \\ 0, & \text{otherwise} \end{cases}

停止不一定表示成功，也可能表示受限、證據不足或需要外部決策。

49. 過度顯影與不足顯影

49.1 過度顯影

載入大量相關但非必要內容，造成：

上下文污染；
版本混淆；
過時信息回流；
成本增加；
任務焦點稀釋。

49.2 不足顯影

只取回表面相關片段，遺漏：

決策理由；
失敗路徑；
來源限制；
版本修訂；
下一步前置條件。

最佳顯影不是最大召回，也不是最小上下文，而是任務充分且結構誠實。

50. 錯誤分割

錯誤分割會造成錯誤解纏。例如：

將同一命題的不同時間狀態當成兩個獨立命題；
將多代理觀點合併成單一事實；
將版本替代關係拆成互不相關文本；
將共同生成知識錯誤分配給單一來源。

系統應保留分割選擇的理由與替代分割。

51. 假性關係原生項

當兩個記憶在同一上下文中頻繁共同出現，模型可能虛構它們之間的因果或依賴關係。

令錯誤耦合為：

\mathbb E^{\mathrm{false}}_{ij} = \operatorname{CoOccurrence}(i,j) - \operatorname{SupportedRelation}(i,j)

因此共同出現不等於：

因果；
依賴；
同一性；
版本關係；
共同責任。

52. 敘事平滑污染

生成模型常將缺口補成合理故事：

\text{Sparse Traces} \rightarrow \text{Smooth Narrative}

但：

\text{Narrative Coherence} \neq \text{Historical Fidelity}

工作態應允許：

「此處紀錄缺失」；
「存在兩種可能解釋」；
「無法確認先後關係」；
「目前只能推定」；
「此結論尚未被驗證」。

53. 過期版本回流

舊版本可能因語義高度相似而被優先顯影。解決方式不是刪除舊版本，而是把版本有效性放入顯影條件：

S_{\xi}(h_i) = F ( S_{\mathrm{sem}}, S_{\mathrm{task}}, S_{\mathrm{version}}, S_{\mathrm{causal}}, S_{\mathrm{prov}} )

並要求：

\operatorname{Superseded}(h_i)=1

時，除非任務需要歷史比較，否則不得作為當前有效狀態。

54. 多代理交接

令代理 $a_i$ 的局部工作態為：

\widehat{\mathbb W}^{(a_i)}_{\xi,t}

交接不是將摘要交給代理 $a_j$ ，而是：

\widehat{\mathbb W}^{(a_j)}_{\xi',t} = \mathcal R_{\xi'} \left( \mathfrak M_t, \operatorname{Trace} ( \widehat{\mathbb W}^{(a_i)}_{\xi,t} ) \right)

新代理應重構適合自身權限、工具與任務角色的工作態，同時保留：

前代理已完成內容；
前代理認知限制；
未驗證推定；
工具狀態；
未完成操作；
責任來源。

55. 分支合併中的工作態重構

對兩個分支工作態：

\widehat{\mathbb W}^{(1)} , \widehat{\mathbb W}^{(2)}

不能直接摘要後拼接。應依序：

\text{共同祖先辨識} \rightarrow \text{分支差異恢復} \rightarrow \text{衝突分類} \rightarrow \text{關係原生項保留} \rightarrow \text{目標對齊} \rightarrow \text{受控合成} \rightarrow \text{重播驗證}

若兩分支目標已不同，合法結果可能是保留分支，而非強制合併。

56. 長期研究代理的工作記憶

研究工作態至少應包含：

\mathbb W_{\mathrm{research}} = ( \text{Problem}, \text{Definitions}, \text{Hypotheses}, \text{Evidence}, \text{Failures}, \text{Certificates}, \text{Open Nodes}, \text{Next Experiments} )

尤其必須保留：

已失敗方法；
失敗原因；
尚未驗證的直覺；
數值實驗與形式證明的區分；
使用資料與版本；
可重播環境。

否則研究代理會反覆走回相同失敗路徑。

57. 對話恢復的工作記憶

對話恢復不應只讀取最後幾輪訊息。工作態需回答：

使用者目前想完成什麼；
已經接受了哪些命名與結構；
哪些選項已被否決；
哪些文件已產出；
下一篇或下一步是什麼；
有哪些長期偏好或格式限制；
哪些資訊來自本輪，哪些來自過去。

因此：

\text{Conversation Continuity} = \text{Task-State Reconstruction}

而不只是話題相似性。

58. 程式與工程任務恢復

工程工作態可表示為：

\mathbb W_{\mathrm{eng}} = ( \text{Goal}, \text{Repo State}, \text{Dependencies}, \text{Changed Files}, \text{Tests}, \text{Failures}, \text{Environment}, \text{Next Patch} )

重構時必須區分：

已提交修改；
本地未提交修改；
已通過測試；
推測可行但未測試；
已知回歸；
環境版本差異。

單純取回程式碼片段無法恢復這些狀態。

59. 最小運行演算法

輸入：任務條件 ξ、總記憶場 M、預算 b

1. 解析任務目標、代理身份、權限與預算。
2. 以治理閘門 Γ 形成允許記憶域。
3. 建立條件對偶態 Qξ。
4. 進行粗顯影、關係顯影與精顯影。
5. 得到局部活動張量 Aξ。
6. 依任務缺口選擇模式分割 P。
7. 執行來源保持解纏 Δ。
8. 分類可分離因子、有效殘差、未知殘差與錯誤耦合。
9. 沿時間、因果、版本、分支與操作帳本回溯。
10. 保留主歷史解釋與替代解釋。
11. 以 Uwork 重構工作態。
12. 檢查任務閉包、可執行性、來源、權限與矛盾。
13. 進行正向重播與反事實必要性驗證。
14. 決定完整載入、限制載入、暫時載入或拒絕。
15. 執行下一步並更新局部工作態。
16. 以追加式帳本提交新狀態，不覆寫原始歷史。

60. 第一代系統架構

可將第一代系統分成十一個模組：

60.1 條件解析器

將自然語言、任務狀態、代理身份與預算轉成 $\xi$ 。

60.2 治理閘門

依權限與資料域形成允許候選。

60.3 多模式候選生成器

從語義、時間、版本、任務、因果與來源等模式生成候選。

60.4 局部張量裝配器

將候選節點與關係組成局部活動張量。

60.5 分割選擇器

依任務缺口選擇一個或多個模式分割。

60.6 差合化解纏器

恢復來源、版本、分支與關係殘差。

60.7 回溯引擎

沿事件、因果、版本與帳本構造局部歷史域。

60.8 工作態重構器

建立任務閉包、下一步與限制。

60.9 驗證器

執行結構、來源、任務、權限、重播與反事實驗證。

60.10 工作態執行器

將經驗證狀態載入代理運行環境。

60.11 追加式提交器

保存新痕跡、狀態轉移、版本與驗證結果。

61. 最小工作態資料模型

{
  "working_state_id": "ws-20260727-001",
  "task": {
    "goal": "完成系列第六篇論文",
    "subgoals": [],
    "status": "active"
  },
  "current_state": {
    "completed": [],
    "pending": [],
    "blocked": []
  },
  "evidence": [],
  "decisions": [],
  "failed_paths": [],
  "contradictions": [],
  "open_nodes": [],
  "next_actions": [],
  "allowed_actions": [],
  "provenance": [],
  "versions": [],
  "uncertainty": {
    "main_hypothesis": null,
    "alternatives": []
  },
  "validation": {
    "structural": 0.0,
    "task": 0.0,
    "provenance": 0.0,
    "version": 0.0,
    "replay": 0.0,
    "permission": 0.0
  },
  "load_status": "provisional",
  "continuation_point": null
}

62. 最小顯影請求

{
  "query": "恢復目前研究工作狀態",
  "goal": "繼續下一個未完成節點",
  "observer": "agent-02",
  "permission_scope": ["project-alpha"],
  "time_scope": {
    "start": null,
    "end": "2026-07-27"
  },
  "version_policy": "prefer-valid-latest-preserve-history",
  "budget": {
    "max_nodes": 500,
    "max_depth": 8,
    "max_context_tokens": 40000
  },
  "risk_level": "medium"
}

63. 評估指標

63.1 工作態恢復準確率

R_{\mathrm{state}} = \frac{ \text{正確恢復的必要狀態元素} }{ \text{基準必要狀態元素} }

63.2 來源忠實度

F_{\mathrm{prov}} = \frac{ \text{具有正確來源鏈的關鍵元素} }{ \text{全部關鍵元素} }

63.3 版本準確率

A_{\mathrm{version}} = \frac{ \text{正確判定有效版本的案例} }{ \text{全部版本判定案例} }

63.4 失敗路徑保留率

R_{\mathrm{failure}} = \frac{ \text{成功恢復的關鍵失敗路徑} }{ \text{基準關鍵失敗路徑} }

63.5 下一步可執行率

E_{\mathrm{next}} = \frac{ \text{可合法執行的下一步} }{ \text{系統提出的下一步} }

63.6 重播一致性

C_{\mathrm{replay}} = \operatorname{Consistency} ( \widetilde{\mathbb W}_{t}, W_t^{\mathrm{obs}} )

63.7 顯影效率

\eta_{\mathrm{reveal}} = \frac{ \text{必要狀態效用} }{ \text{計算成本}+\text{上下文成本} }

63.8 過度顯影率

O_{\mathrm{reveal}} = \frac{ \text{任務非必要顯影元素} }{ \text{全部顯影元素} }

63.9 記憶幻覺率

H_{\mathrm{memory}} = \frac{ \text{無來源且被表述為確定記憶的元素} }{ \text{全部確定記憶元素} }

63.10 權限違規率

V_{\mathrm{permission}} = \frac{ \text{不合法顯影或使用事件} }{ \text{全部顯影與使用事件} }

此值在設計目標上應為：

V_{\mathrm{permission}}=0

64. 張量動態顯影的十四項基礎命題

命題一：工作態非檢索等價命題

\operatorname{Retrieve}(q,\mathcal D) \neq \mathcal R_{\xi}(\mathfrak M)

相關片段集合不等於可延續工作狀態。

命題二：條件相對性命題

\xi_1\neq\xi_2 \Longrightarrow \widehat{\mathbb W}_{\xi_1}^{*} \neq \widehat{\mathbb W}_{\xi_2}^{*}

工作態相對於任務與觀測條件形成。

命題三：治理先行命題

\Pi_{\xi} \circ \Gamma_{\xi} \neq \Gamma_{\xi} \circ \Pi_{\xi}

合法顯影要求治理選域先於內容顯影。

命題四：中間態非等價命題

\mathbb A_{\xi} \neq \mathcal F_{\xi} \neq \mathcal H_{\xi}^{\mathrm{back}} \neq \widehat{\mathbb W}_{\xi}^{*}

候選、解纏、回溯與工作態具有不同語義與型別。

命題五：分割相對性命題

\Delta_{\mathcal P_1,C} ( \mathbb A ) \neq \Delta_{\mathcal P_2,C} ( \mathbb A )

不同模式分割產生不同解纏結果。

命題六：來源非因子等價命題

\text{Tensor Factor} \neq \text{Historical Source}

數值分解因子不得自動視為歷史來源。

命題七：關係殘差保留命題

若關係項對任務具有不可替代性，則：

\mathbb E^{\mathrm{valid}} \subseteq \widehat{\mathbb W}_{\xi}^{*}

不可因追求可分離性而移除。

命題八：重構非唯一命題

|\mathcal H_{\xi}^{\mathrm{back}}| \geq 1

且一般情況下可能存在多個合理歷史解釋。

命題九：工作態任務閉包命題

可用工作態必須在當前任務下具有足夠閉包與可執行性，而不是只具有語義相關性。

命題十：驗證向量命題

工作態可靠性不能被單一相似度或重建誤差表示，必須由結構、來源、版本、任務、權限與重播等多維共同判斷。

命題十一：延續非永久保存命題

\operatorname{Continuity} \neq \operatorname{StoreEverything}

記憶連續性可以由按需重構實現。

命題十二：寫回非覆寫命題

\operatorname{Commit} \neq \operatorname{OverwriteHistory}

新工作狀態應以追加、版本化與可追溯方式寫回。

命題十三：流程非交換命題

治理、顯影、解纏、回溯、合成與驗證的次序一般會改變結果。

命題十四：合法失敗命題

當來源、權限、版本或任務閉包不足時，拒絕重構或限制載入是正確系統行為，而不是系統缺陷。

65. 與向量 RAG 的關係

向量 RAG 可作為第一階段候選生成器：

\operatorname{VectorRetrieve} \subset \Pi_{\mathrm{coarse}}

但它通常不直接處理：

多模式條件收縮；
版本有效性；
來源保持解纏；
關係原生殘差；
歷史回溯；
工作態任務閉包；
正向重播；
延續與追加式寫回。

因此，本框架不是否定 RAG，而是將其放回候選層位置。

66. 與 GraphRAG 的關係

GraphRAG 能保留節點與關係，適合支援：

關係擴展；
社群檢索；
多跳查詢；
局部子圖建構。

但若關係主要是事後附加邊，仍可能缺少：

多模式共同態；
相對模式分割；
關係原生殘差；
張量收縮；
來源保持的解纏與再糾纏。

因此：

\text{Graph Structure} \neq \text{Tensor-Native Working-State Reconstruction}

兩者可採混合架構。

67. 與事件溯源和狀態機的關係

事件溯源保存：

S_t = \operatorname{Fold} ( E_{0:t} )

它對正向重播非常重要。但純事件溯源可能缺少：

語義顯影；
不完整事件下的逆向重建；
多代理認知狀態；
模式糾纏；
關係原生知識。

本框架可將事件帳本視為高可信歷史骨架，再由張量顯影與重構補足語義與關係層。

68. 與模型內部注意力的關係

注意力機制可表示輸入元素間的條件加權，但模型內部注意力權重通常：

不等於持久記憶；
不具穩定來源語義；
不保證因果或版本正確；
不具跨會話操作帳本；
不自然支援權限域。

因此：

\text{Attention} \neq \text{Memory Reconstruction}

但注意力可作為局部收縮與工作態內推理的計算機制之一。

69. 本篇與第七篇的邊界

本篇已引入來源、權限、矛盾與污染，因為它們是工作態形成不可缺少的條件。

但第七篇將專門處理：

記憶連續性的長期穩定性；
遺忘與可恢復分解損失；
推定污染的累積；
錯誤糾纏傳播；
權限與責任治理；
多代理記憶衝突；
撤銷、修復與隔離策略。

因此本篇回答「如何形成與驗證工作態」，第七篇回答「如何長期維持其可信與治理安全」。

70. 本篇與第八篇的邊界

本篇提供系統流程與抽象架構，但不決定唯一儲存與計算形式。

第八篇將比較：

稀疏張量；
CP 分解；
Tucker 分解；
Tensor Train；
張量網路；
超圖—張量混合；
動態因子圖；
局部記憶核；
向量、圖與事件帳本混合系統。

並建立實驗資料集、基準任務、消融測試與工程 MVP。

71. 討論：工作記憶是一次受約束的局部世界形成

從本體角度看，工作記憶不是總記憶場的一小段複製，而是由任務條件選擇、解纏與重新組成的局部認知世界。

\mathfrak M_t \xrightarrow{\xi} \widehat{\mathbb W}_{\xi,t}^{*}

不同任務顯影不同世界，但這不表示任意主觀化。工作態仍受到：

原始痕跡；
來源；
版本；
因果；
權限；
重播一致性；
可撤銷推定。

共同約束。

因此，動態顯影同時包含：

\text{Condition-Relative Formation} + \text{Evidence-Bounded Reconstruction}

72. 討論：工作態是可執行語義，不只是描述語義

傳統語義系統著重：

這段內容是什麼意思？

工作態系統還必須回答：

依據目前狀態，下一步可以做什麼？

因此工作態包含操作可供性：

\operatorname{Affordance} ( \widehat{\mathbb W}_{\xi}^{*} ) = \{ A_j \mid \operatorname{Precondition}(A_j) \text{ satisfied} \}

記憶因此由描述性資料轉向可延續的操作狀態。

73. 討論：遺忘可以是無法形成工作態

資料仍存在，不代表記憶仍可用。

若系統無法恢復：

正確來源；
時間位置；
因果角色；
版本關係；
任務續接點；

則可能出現：

\mathfrak M_t \text{ contains traces}

但：

\mathcal R_{\xi} ( \mathfrak M_t ) = \varnothing

這種情況可以理解為功能性遺忘。第七篇將進一步展開。

74. 結論

本文提出張量動態顯影與工作記憶重構框架，將前五篇建立的語義顯影、記憶重建、張量本體、糾纏判準與差合化算子第一次組裝為完整運行閉環。

完整流程是：

\boxed{ \text{治理選域} \rightarrow \text{條件收縮} \rightarrow \text{局部解纏} \rightarrow \text{關係回溯} \rightarrow \text{工作態再糾纏} \rightarrow \text{閉環驗證} \rightarrow \text{延續執行} }

本文區分：

\mathfrak M_t \neq \mathbb A_{\xi,t} \neq \mathcal F_{\xi,t} \neq \mathcal H_{\xi,t}^{\mathrm{back}} \neq \widehat{\mathbb W}_{\xi,t}^{*}

從而避免把總記憶、顯影候選、解纏結果、回溯歷史與可載入工作態混為一談。

本篇的核心命題可以寫成：

動態記憶顯影不是從歷史資料中找出若干相關片段，而是從被授權的總記憶張量場中，按任務條件形成局部活動態，恢復來源與關係邊界，回溯能解釋現在的歷史證據，重新糾纏成具有任務閉包的工作狀態，並經由重播與治理驗證後載入，使人工智慧能夠合法延續下一步。

因此：

\boxed{ \operatorname{Continuity} = \operatorname{ValidatedReconstruction} + \operatorname{ExecutableContinuation} }

而不是：

\operatorname{Continuity} = \operatorname{PermanentStorageOfEverything}

本篇完成系列由本體與算子進入系統運行的閉環。下一篇將處理張量記憶連續性、遺忘、污染、來源責任與長期治理；第八篇則進一步將整體框架落成稀疏原生張量記憶工程與實驗系統。

附錄 A：完整流程資料型別

TensorMemoryField
  ↓ GovernanceGate
AllowedMemoryDomain
  ↓ ConditionalRevealing
ActiveLocalTensor
  ↓ DifferentialDisentanglement
FactorResidualBundle
  ↓ Backtracking
HistoricalEvidenceDomain
  ↓ WorkSynthesis
ReconstructedWorkingState
  ↓ MultiAxisValidation
ValidatedWorkingState
  ↓ Continuation
ActionAndUpdatedWorkingState
  ↓ AppendOnlyCommit
NewTensorMemoryFieldVersion

附錄 B：工作態驗證輸出

{
  "working_state_id": "ws-001",
  "status": "limited",
  "scores": {
    "structural": 0.92,
    "task": 0.88,
    "provenance": 0.95,
    "version": 0.90,
    "causal": 0.76,
    "replay": 0.81,
    "permission": 1.0,
    "uncertainty_calibration": 0.84
  },
  "hard_failures": [],
  "warnings": [
    "一個因果鏈仍存在替代解釋"
  ],
  "allowed_operations": [
    "continue_analysis",
    "request_more_evidence"
  ],
  "blocked_operations": [
    "irreversible_commit"
  ]
}

附錄 C：局部解纏輸出

{
  "partition": [
    ["semantic", "claim"],
    ["time", "version", "source"]
  ],
  "factors": [],
  "valid_residuals": [],
  "unknown_residuals": [],
  "false_couplings": [],
  "preserved_relations": [],
  "alternative_decompositions": [],
  "known_information_loss": [],
  "status": "partial"
}

附錄 D：張量動態顯影偽程式

def reconstruct_working_state(memory_field, condition):
    allowed = governance_gate(memory_field, condition)
    if allowed.status == "denied":
        return allowed

    active_tensor = conditional_reveal(allowed.value, condition)
    if active_tensor.is_empty():
        return {
            "status": "needs_evidence",
            "reason": "no_relevant_authorized_trace"
        }

    partitions = select_partitions(active_tensor, condition)
    disentangled_candidates = []

    for partition in partitions:
        result = disentangle_with_provenance(
            active_tensor,
            partition,
            condition
        )
        disentangled_candidates.append(result)

    traced_histories = backtrack_relations(
        disentangled_candidates,
        condition
    )

    working_candidates = synthesize_working_states(
        traced_histories,
        condition
    )

    validated = validate_working_states(
        working_candidates,
        condition
    )

    return choose_load_policy(validated, condition)

附錄 E：第七篇接口

第七篇將以本文的工作態與提交循環為基礎，研究：

\mathfrak M_t \xrightarrow{\mathcal R_{\xi}} \widehat{\mathbb W}_{\xi,t}^{*} \xrightarrow{\mathfrak T_{\mathrm{work}}} \widehat{\mathbb W}_{\xi,t+1} \xrightarrow{\operatorname{Commit}} \mathfrak M_{t+1}

在長期反覆運行後如何產生：

記憶污染累積；
推定固化；
來源漂移；
錯誤糾纏傳播；
版本腐化；
權限穿透；
可恢復分解能力下降；
代理身份與責任混淆。

第七篇暫定題名：

動態顯影與原生張量記憶系列_06_張量動態顯影與工作記憶重構_v0.1