有限分元—無限外場閉環的計算實驗：從動態工作場到展開式智慧體

Computational Experiments for the Finite-Token–Infinite-Field Loop: From Dynamic Workspaces to Expansive Agents

系列名稱：內外雙生展開計算論（Dual Internal–External Expansion Computation, DIEEC）
系列編號：EML-DIEEC-2026-09
作者：Neo.K（許筌崴）with Aletheia（GPT）
機構：EveMissLab／一言諾科技有限公司
版本：v0.1 實驗封頂初稿
日期：2026 年 7 月 29 日
文件定位：計算實驗、動態工作場、雙重交互、展開式智慧體、總作用量、邊界治理、MVP 規格

摘要

《內外雙生展開計算論》前八篇已分別建立：有限分元與潛在無限外場的總命題、意圖—語言內部雙生動力學、潛在外場—有限工作場外部雙生動力學、分元展開世界—世界改寫分元的雙重交互閉環、操作性分元語義、展開式解空間、內外總作用量，以及真實—工作場—認知場—模擬分支—權威世界的五層邊界。然而，若這些理論無法被轉化為可比較、可反駁與可重現的計算實驗，便仍可能停留在結構上合理但工程上未經驗證的總體敘述。

本文提出「有限分元—無限外場閉環」的第一代實驗框架。其核心不是測試大型語言模型是否能產生更長或更漂亮的回答，而是檢查：在相同任務、相同工具、相同資源與相同驗證要求下，具有動態工作場、操作性分元、外部展開、幾何改寫、總作用量控制與邊界治理的智慧體，是否能比固定上下文、普通 RAG、一般工具代理與單向動態檢索系統，以更低完整成本達成更高任務閉合與更低錯誤率。

本文將系統分為八個實驗層級：

固定上下文基線；
長上下文基線；
普通 RAG；
工具代理；
動態工作場代理；
單向外部展開代理；
雙重交互展開代理；
總作用量與邊界感知的完整展開式智慧體。

所有系統必須面對相同任務族，包括：部分可觀測圖搜尋、版本污染文件任務、跨工具程序任務、反例保留任務、動態目標任務、權威世界提交任務與延遲異步任務。外部環境不直接全部載入模型，而以可定址但未顯影的節點、工具、文件、代理與世界狀態構成潛在外場。智慧體每輪只能透過有限分元產生查詢、顯影、驗證、橋接、建構、提交、回退或停止操作。

本文提出統一狀態：

\mathfrak C_t = \left( \mathfrak I_t, \mathbb W_t, \mathfrak P_x(t), \mathbb S_t, \mathbb A_t, \mathcal L_t \right),

以及完整閉環：

\boxed{ \mathfrak I_t \rightarrow z_t \rightarrow r_t \rightarrow \Delta\mathbb W_t \rightarrow \mathfrak P_x(t+1) \rightarrow \mathfrak I_{t+1}. }

本文將所有分元與操作記錄為具型別事件，並區分：

\mathsf{Describe}, \mathsf{Propose}, \mathsf{Authorize}, \mathsf{Execute}, \mathsf{Observe}, \mathsf{Verify}, \mathsf{Commit}.

完整成本則以總作用量記錄：

\mathcal S_x = \sum_t \left( C_{\mathrm{token}} + C_{\mathrm{context}} + C_{\mathrm{reveal}} + C_{\mathrm{tool}} + C_{\mathrm{construct}} + C_{\mathrm{verify}} + C_{\mathrm{sync}} + C_{\mathrm{govern}} + C_{\mathrm{risk}} + C_{\mathrm{rollback}} \right).

本文提出主要指標族：任務閉合、工作場品質、有效距離、展開效率、幾何建構收益、驗證完整性、邊界正確性、權威提交安全、總作用量、停止準確率、回退率、隱藏成本率與分布外保持能力。核心實驗不是檢查系統是否「看得更多」，而是檢查它是否能讓：

K_x\uparrow, \quad D_t\downarrow, \quad R_V\uparrow, \quad \mathcal S_x\downarrow, \quad R_{\mathrm{false\ commit}}\downarrow.

本文提出七項主要假設、完整消融設計、資料格式、MVP 模組、失敗條件與可反駁標準。若完整系統不能在總作用量、任務閉合、驗證與邊界安全上穩定優於較簡單基線，則《內外雙生展開計算論》的工程複雜度便不具正當性。

本文完成本系列九篇的第一階段封頂。下一步不再追加上位理論篇數，而應直接實作第一代 MVP、建立合成任務與可重現基準，再用實驗結果反向修訂理論。

關鍵詞：內外雙生展開計算論、動態工作場、展開式智慧體、有限分元、無限外場、總作用量、操作性分元、邊界治理、計算實驗、MVP

1. 實驗目標

本篇要回答六個問題。

第一，動態工作場是否比固定上下文與普通 RAG 更能形成任務閉合？

第二，內外雙重交互是否比單向外部展開更能降低後續任務成本？

第三，操作性分元的型別、效果與提交分離，是否能降低工具誤用與權威誤提交？

第四，展開式解空間是否真的能讓有效距離下降，而不是只增加更多節點與更多工具調用？

第五，總作用量控制是否能比局部 TOKEN 機率、固定啟發式或單步工具選擇，產生更低生命週期成本？

第六，五層世界與四種邊界的分離，是否能降低幻覺、未授權操作、模擬污染與未驗證提交？

因此，實驗的總目標不是證明某個抽象理論「看起來合理」，而是測試：

\boxed{ \text{完整內外閉環是否能在不隱藏成本與風險的前提下，讓新問題真正比上一個更容易。} }

2. 核心研究問題

2.1 RQ-1：動態工作場

在固定上下文長度下，動態工作場是否能提高：

K_x(\mathbb W_t),

同時降低：

C_{\mathrm{context}}?

2.2 RQ-2：雙重交互

外部結果是否真的改變後續意圖、分元與操作策略？

若沒有：

\mathfrak I_{t+1} = \mathfrak I_t,

則系統可能只是普通工具調用，而非雙重交互。

2.3 RQ-3：操作性分元

型別化操作是否能降低：

描述誤執行；
地址歧義；
權限越界；
非冪等重試；
未驗證提交；
回退失敗。

2.4 RQ-4：動態幾何

新增節點、橋接、宏與工具通道，是否使：

D_t(s,G_x)\downarrow,

並提高：

R_{\mathrm{reuse}}?

2.5 RQ-5：總作用量

完整策略是否能降低：

\mathcal S_x,

而不只是 TOKEN 數或延遲？

2.6 RQ-6：邊界安全

系統是否能可靠區分：

\mathfrak E_\infty, \mathbb W_t, \mathbb M_t, \mathbb S_t, \mathbb A_t?

3. 實驗系統層級

本文定義八組比較系統。

3.1 G0：固定上下文基線

所有任務資訊在開始前固定提供。

不允許：

動態檢索；
工具調用；
工作場更新；
幾何建構；
外部提交。

3.2 G1：長上下文基線

提供更多任務資訊，但仍為一次性上下文。

目的：檢查動態工作場的優勢是否只是「看得更多」。

3.3 G2：普通 RAG

依查詢檢索相關片段，再加入上下文。

但不保存型別化工作場，也不讓外部結果改寫意圖狀態。

3.4 G3：普通工具代理

可以調用搜尋、計算、資料庫與簡單寫入工具。

但：

工具回傳以文字加入上下文；
沒有工作場編譯器；
沒有操作性分元狀態機；
沒有完整總作用量帳本。

3.5 G4：動態工作場代理

加入：

顯影；
抑制；
約束；
來源；
版本；
未決問題；
任務閉合度。

但外部結果只更新工作場，不顯式更新意圖模型。

3.6 G5：單向外部展開代理

系統可根據當前工作場主動選擇展開前沿。

但：

\mathbb W_{t+1} \not\rightarrow \mathfrak I_{t+1}

的更新是弱化或固定的。

3.7 G6：雙重交互代理

完整執行：

\mathfrak I_t \rightarrow z_t \rightarrow r_t \rightarrow \mathbb W_{t+1} \rightarrow \mathfrak I_{t+1}.

加入意圖更新、未決問題更新與操作分元重選。

3.8 G7：完整展開式智慧體

在 G6 基礎上加入：

展開式解空間；
幾何建構；
通道生命週期；
總作用量控制；
風險敏感規劃；
五層世界分離；
四邊界治理；
權威提交與回退證書。

G7 是完整理論的 MVP 目標。

4. 統一環境

4.1 潛在外場

定義：

\mathfrak E_\infty = \left( V^E,E^E,\Theta^E,\Gamma^E,\nu^E,\tau^E \right).

它包含：

文件節點；
概念節點；
工具節點；
代理節點；
世界狀態；
模擬分支；
權限與政策；
驗證器。

所有節點不會一次全部提供給代理。

4.2 初始工作場

\mathbb W_0 \subset \mathfrak E_\infty.

僅包含：

任務目標；
少量入口；
部分工具描述；
初始權限；
初始預算。

4.3 展開前沿

\partial\mathbb W_t = \left\{ v\in \mathfrak E_\infty\setminus\mathbb W_t \mid v \text{ 可由 }\mathbb W_t\text{ 合法定址} \right\}.

4.4 權威世界

\mathbb A_t

保存正式狀態。

模擬與工作場寫入不能直接改變它。

5. 任務族一：部分可觀測圖搜尋

5.1 任務結構

生成一個完整圖：

G^\star = (V^\star,E^\star),

但代理只看到：

G_t \subset G^\star.

5.2 操作

代理可：

查詢鄰接；
顯影區域；
驗證邊；
建立宏；
壓縮重複子圖；
選擇路徑；
停止。

5.3 目標

從起點：

s

抵達目標等價類：

[G]_x.

5.4 測量

節點展開數；
邊驗證數；
有效距離；
總作用量；
假橋接率；
停止準確率。

6. 任務族二：版本污染文件任務

6.1 任務結構

外場包含：

多版本文件；
過時規格；
衝突摘要；
正確來源；
無來源斷言；
被污染的記憶。

6.2 目標

代理需回答版本敏感問題，並提供：

正確版本；
來源；
有效時間；
衝突說明；
不確定性。

6.3 干擾

新文件複製舊內容；
舊文件近期修改；
摘要與正文矛盾；
相同名稱指向不同版本。

6.4 測量

版本純度；
來源完整性；
過時引用率；
偽閉合率；
工作場污染率。

7. 任務族三：跨工具程序任務

7.1 工具集合

例如：

搜尋器；
計算器；
資料庫；
程式執行器；
驗證器；
檔案寫入器；
模擬器。

7.2 任務

完成需要多步依賴的程序，例如：

找到資料；
轉換格式；
計算；
驗證；
生成結果；
寫入暫存；
提交。

7.3 失敗注入

工具超時；
回傳錯誤；
部分成功；
非冪等重試；
地址歧義；
權限撤回。

7.4 測量

工具選擇正確率；
重試安全；
部分失敗恢復；
回退成功率；
實際提交正確率。

8. 任務族四：反例保留與回音室

8.1 任務結構

外場同時包含：

支持證據；
反例；
弱來源；
高顯著度錯誤；
低顯著度正確訊號。

8.2 目標

形成結論並保留：

反例；
不確定性；
來源多樣性；
尚未閉合問題。

8.3 測量

反例保留率；
來源多樣性；
錯誤置信度；
偽閉合率；
回音室指數。

定義：

R_{\mathrm{echo}} = \frac{ N_{\mathrm{supporting\ only}} }{ N_{\mathrm{all\ relevant}} }.

9. 任務族五：動態目標與任務契約

9.1 任務結構

初始目標含糊或部分錯誤。

新證據會使：

G_x(t+1) \neq G_x(t).

9.2 目標

系統需區分：

合理目標修正；
未授權意圖漂移；
任務偷換；
等價終態擴張。

9.3 測量

契約保持率；
合理修正率；
任務偷換率；
意圖—工作場對齊度。

10. 任務族六：權威世界提交

10.1 世界狀態

\mathbb A_t

包含可正式修改的狀態。

10.2 操作流程

\mathsf{Describe} \rightarrow \mathsf{Propose} \rightarrow \mathsf{Authorize} \rightarrow \mathsf{Execute} \rightarrow \mathsf{Observe} \rightarrow \mathsf{Verify} \rightarrow \mathsf{Commit}.

10.3 干擾

模型聲稱已完成；
工具回傳偽成功；
版本過時；
未授權寫入；
不可逆操作；
回退失敗。

10.4 測量

誤提交率；
未授權操作率；
工具幻覺率；
提交證書完整性；
世界—認知錯位率。

11. 任務族七：異步與延遲

11.1 結構

多個工具與代理在不同局部時間回傳。

\tau_i: T_i \rightarrow T^\ast.

11.2 干擾

晚到結果；
過時版本；
回傳亂序；
重複結果；
分支衝突；
未來資料洩漏。

11.3 測量

時序整合正確率；
陳舊污染率；
因果違反率；
分支處理正確率；
同步成本。

12. 操作性分元資料模型

每個分元記錄為：

{
  "token_id": "z-0001",
  "time": 12,
  "surface": "搜尋目前版本的規格",
  "semantic_type": "request",
  "operational_type": "search",
  "target_address": "spec/current",
  "input_type": "query",
  "output_type": "document_set",
  "effect": "read",
  "permission": "allowed",
  "version": "v3",
  "budget": {
    "time": 4,
    "tool": 1,
    "risk": 0.1
  },
  "state": "proposed",
  "provenance": ["task-goal", "workspace-node-7"]
}

狀態可為：

draft
typed
pending
approved
running
partial
succeeded
failed
verified
committed
rolledback
expired

13. 聯合狀態資料模型

{
  "episode_id": "ep-001",
  "step": 12,
  "internal_state": {
    "goals": [],
    "intent_weights": {},
    "open_questions": [],
    "memory_refs": [],
    "risk_state": {}
  },
  "workspace": {
    "active_nodes": [],
    "active_edges": [],
    "sources": [],
    "versions": {},
    "permissions": {},
    "verification": {}
  },
  "solution_space": {
    "nodes": [],
    "edges": [],
    "frontiers": {
      "epistemic": [],
      "action": [],
      "verification": []
    }
  },
  "simulation_branches": [],
  "authoritative_state": {},
  "ledger": {}
}

14. 總作用量帳本

每一步記錄：

{
  "step": 12,
  "cost": {
    "token": 3.2,
    "context": 1.1,
    "reveal": 4.0,
    "route": 0.8,
    "tool": 5.0,
    "construct": 0.0,
    "verify": 2.5,
    "sync": 0.4,
    "govern": 0.3,
    "risk": 0.7,
    "rollback": 0.0
  },
  "progress": {
    "closure_gain": 0.12,
    "verification_gain": 0.20,
    "distance_reduction": 3.0,
    "reachability_gain": 2.0
  }
}

總作用量：

\mathcal S_x = \sum_t \mathbf w^\top \mathbf C_t - \sum_t U_t^{\mathrm{progress}}.

同時保留原始向量，避免標量權重掩蓋成本轉移。

15. 核心指標族

15.1 任務閉合

K_x(\mathbb W_t).

包含：

目標完整；
證據完整；
約束完整；
驗證完整；
操作完成。

15.2 工作場純度

P_W = \frac{ N_{\mathrm{relevant\ and\ valid}} }{ N_{\mathrm{active}} }.

15.3 有效距離

D_t = d_t \left( S_x,[G_x]_t \right).

15.4 展開效率

E_{\mathrm{expand}} = \frac{ \Delta K+\Delta V+\Delta A }{ C_{\mathrm{reveal}}+ C_{\mathrm{verify}} }.

15.5 建構收益

E_{\mathrm{construct}} = \frac{ C_{\mathrm{future\ saved}} }{ C_{\mathrm{construct}}+ C_{\mathrm{maintain}} }.

15.6 驗證覆蓋

R_V = \frac{ N_{\mathrm{verified\ claims}} }{ N_{\mathrm{critical\ claims}} }.

15.7 邊界正確率

R_B = \frac{ N_{\mathrm{correctly\ typed\ world\ states}} }{ N_{\mathrm{all\ state\ assertions}} }.

15.8 誤提交率

R_{\mathrm{false\ commit}} = \frac{ N_{\mathrm{invalid\ or\ unauthorized\ commits}} }{ N_{\mathrm{commit\ attempts}} }.

15.9 停止準確率

同時衡量：

過早停止；
過晚停止；
正確未知；
正確完成。

15.10 總作用量

\mathcal S_x.

15.11 隱藏成本率

R_{\mathrm{hidden}} = \frac{ C_{\mathrm{actual}}- C_{\mathrm{reported}} }{ C_{\mathrm{actual}} }.

15.12 回退率與回退成功率

R_{\mathrm{rollback}}, \qquad R_{\mathrm{rollback\ success}}.

16. 雙重交互的可觀測判準

為避免只靠系統自述判定雙重交互，本文提出三個可觀測條件。

16.1 意圖變化

外部觀測後：

d_I \left( I_t,I_{t+1} \right) >0.

16.2 操作策略變化

\pi_{t+1} \neq \pi_t.

16.3 工作場依賴

移除外部結果後，後續分元或操作選擇顯著改變。

可做反事實測試：

z_{t+1}^{\mathrm{with\ observation}} \neq z_{t+1}^{\mathrm{without\ observation}}.

若三者皆不成立，系統不應被稱為真正雙重交互。

17. 展開式解空間的可觀測判準

17.1 新節點

\Delta V_t>0.

17.2 新邊

\Delta E_t>0.

17.3 距離下降

D_{t+1}<D_t.

17.4 可達性提升

|\operatorname{Reach}_{t+1}(s)| > |\operatorname{Reach}_t(s)|.

17.5 重用

新增結構在後續任務中被再次調用。

如果只有節點與邊增加，但距離、可達性與重用沒有改善，則不構成有效幾何建構。

18. 五層世界辨識測試

每個系統都需判定狀態屬於：

\mathfrak E_\infty, \mathbb W_t, \mathbb M_t, \mathbb S_t, \mathbb A_t.

測試包括：

外部存在但未顯影；
已顯影但未被模型理解；
模型生成但無來源支持；
模擬成立但未發生；
工具執行但未提交；
已提交但未重新觀測；
權威狀態已更新但工作場過時。

主要錯誤為：

存在誤判；
模擬污染；
工具幻覺；
認知—權威錯位；
未觀測提交錯位。

19. 四邊界測試

系統需分別判斷：

\partial_{\mathrm{epi}}, \partial_{\mathrm{op}}, \partial_{\mathrm{ver}}, \partial_{\mathrm{commit}}.

測試情境：

能知道但不能操作；
能操作但不能提交；
能觀測但不能驗證；
能驗證但未獲授權；
技術上不可存取；
制度上不可授權；
可模擬但不可實行；
可提交但不可逆。

20. 主要假設

H1：動態工作場優勢

G4–G7 在固定上下文預算下，任務閉合度高於 G0–G3。

H2：雙重交互優勢

G6–G7 在多輪任務中，比 G5 具有更低後續作用量與更高適應性。

H3：操作性分元安全

G7 的未授權操作率、非冪等重試錯誤與誤提交率低於 G3–G6。

H4：展開式幾何收益

G7 的有效距離下降、通道重用與跨任務攤銷優於僅檢索系統。

H5：總作用量優勢

G7 的完整生命週期作用量低於以 TOKEN、延遲或工具次數為單一目標的策略。

H6：邊界治理優勢

G7 在五層世界辨識、模擬隔離與權威提交上具有最低錯位率。

H7：分布外保持

在節點重命名、表面語言改寫、工具替換與版本變動後，G7 的優勢仍部分保留。

21. 消融實驗

完整 G7 逐一移除模組。

21.1 無意圖回寫

移除：

\mathbb W_{t+1} \rightarrow \mathfrak I_{t+1}.

21.2 無操作型別

自然語言直接路由工具。

21.3 無效果型別

讀取、寫入與提交使用相同治理門檻。

21.4 無幾何建構

只允許搜尋與工具，不建立橋接與宏。

21.5 無總作用量

只最小化 TOKEN 或當輪延遲。

21.6 無反例預算

顯影策略只追求相關性。

21.7 無五層邊界

工作場、模型認知與權威世界共用單一狀態。

21.8 無回退

錯誤操作只能繼續補救。

每個消融都應檢查性能與安全變化，而不是只看平均任務分數。

22. IID、OOD 與對抗測試

22.1 IID

訓練與測試具有相似結構。

22.2 OOD

改變：

節點名稱；
文件措辭；
工具名稱；
表面順序；
任務主題；
圖結構比例。

22.3 對抗測試

加入：

提示注入；
偽高權限指令；
錯誤來源；
工具偽成功；
未來資料；
權限混淆；
任務偷換誘惑；
高顯著度錯誤。

22.4 陳舊測試

改變版本與有效時間，檢查舊通道是否被錯誤重用。

23. 實驗公平性

所有系統應控制：

相同基礎模型；
相同工具集合；
相同外場；
相同任務；
相同權限；
相同總預算；
相同驗證標準。

不能讓完整系統獲得更多隱藏資料，卻把優勢歸因於動態工作場。

也不能只計算 G7 的所有外部成本，卻忽略基線的人類準備、預載上下文與預計算成本。

24. 階段一 MVP

第一代 MVP 不需要大型語言模型即可完成。

24.1 技術棧

Python；
NetworkX；
JSONL；
Pydantic 或 dataclass；
Matplotlib；
pytest；
可選 SQLite。

24.2 核心模組

EnvironmentGraph
WorkspaceCompiler
IntentState
OperationalToken
ToolRegistry
GeometryRewriter
Verifier
BoundaryManager
ActionLedger
PolicySelector
ExperimentRunner

24.3 初始算子

Reveal；
Suppress；
Route；
Verify；
Bridge；
Compress；
Reparam；
ClassJump；
Commit；
Rollback。

24.4 第一代策略

固定規則；
成本排序；
簡單 bandit；
模型預測成本；
風險門檻；
邊際停止判斷。

25. 階段二語言模型接入

待符號 MVP 穩定後，再接入語言模型。

25.1 模型責任

生成候選分元；
意圖與未決問題更新；
自然語言—操作中介表示解析；
工作場摘要；
幾何改寫提案。

25.2 不交給模型單獨負責

權限判斷；
權威提交；
來源真實性；
工具執行狀態；
最終成本帳本；
版本與因果一致性。

25.3 結構化輸出

模型應輸出：

{
  "intent_update": {},
  "candidate_tokens": [],
  "operation_proposals": [],
  "open_questions": [],
  "confidence": {},
  "boundary_claims": {}
}

26. 階段三多代理與世界狀態

第三階段才加入：

多代理私有場；
共享候選場；
協商場；
權威共享場；
模擬分支；
小型持續世界；
世界線管理；
多代理作用量分配。

這些不應成為第一代 MVP 的前置條件。

27. 主要演算法框架

輸入：
    任務契約 x
    潛在外場 E
    初始工作場 W0
    初始內部狀態 I0
    預算 B0

初始化：
    solution_space = compile(W0)
    ledger = []
    authoritative_state = A0

for t in 0..T:
    candidates = generate_tokens(I_t, W_t, solution_space)

    for z in candidates:
        proposal = type_as_operation(z)
        estimate:
            token_cost
            reveal_cost
            tool_cost
            construct_cost
            verify_cost
            governance_cost
            risk
            expected_progress
            future_cost

        reject if:
            type invalid
            causal invalid
            unauthorized
            contract violating

    select legal candidate with minimum expected total action

    if candidate is semantic:
        update internal state

    if candidate is operational:
        authorize
        execute
        observe
        verify
        normalize
        recompile workspace
        update solution space
        update intent and memory

    if candidate changes authoritative world:
        require commit certificate

    record actual cost, progress, boundary state and provenance

    if task closed and next marginal value <= 0:
        stop complete

    if risk or budget exceeded:
        stop partial / deferred / unknown

輸出：
    result
    closure certificate
    action certificate
    boundary certificate
    full ledger

28. 成功判準

完整 G7 至少應在以下五項中取得穩定優勢：

更高任務閉合；
更低總作用量；
更高驗證覆蓋；
更低誤提交率；
更高 OOD 保持。

單純在 TOKEN 數、延遲或單一任務分數上勝出，不足以證明理論成立。

29. 失敗判準

以下任一情況都構成重大失敗。

29.1 工作場膨脹

|\mathbb W_t|\uparrow

但：

K_x\not\uparrow.

29.2 幾何無增益

|V_t|+|E_t|\uparrow

但：

D_t\not\downarrow.

29.3 總作用量無優勢

完整系統比簡單基線更昂貴，且沒有安全或驗證補償。

29.4 邊界錯位

工作場、模型認知、模擬與權威世界頻繁混淆。

29.5 假閉合

系統過早宣稱完成。

29.6 工具與提交幻覺

模型聲稱操作已完成，但無工具與提交證書。

29.7 回退失敗

系統宣稱可恢復，但實際副作用不可撤銷。

30. 可反駁條件

30.1 動態工作場不可證明更好

若 G4–G7 在控制上下文與工具後，不優於 G0–G3，則動態工作場的工程必要性不足。

30.2 雙重交互不可觀察

若外部結果不改變後續意圖、分元與策略，則雙重交互命題未獲支持。

30.3 操作性分元沒有安全收益

若型別化操作仍無法降低越權、誤提交與重試錯誤，則其中介語義需重構。

30.4 動態幾何只是圖膨脹

若新增結構無法降低距離、提高可達性或被重用，則展開式解空間未形成。

30.5 總作用量模型沒有預測力

若其不能比 TOKEN 數、延遲與單一成本更好地預測長期結果，則作用量分解缺乏價值。

30.6 邊界治理成本過高

若所有低風險任務都因完整治理而失去效率，則必須採用風險分級，而非全域高門檻。

31. 最低報告要求

每次實驗至少公開：

任務生成器；
隨機種子；
基礎模型；
工具集合；
權限設定；
預算；
成本權重；
停止規則；
失敗注入；
完整 JSONL 帳本；
匯總結果；
消融結果；
OOD 結果；
失敗案例。

不能只展示最佳成功案例。

32. 第一代目錄結構

dieec_mvp/
├── README.md
├── requirements.txt
├── run_experiment.py
├── configs/
│   ├── baseline.yaml
│   └── full_agent.yaml
├── dieec/
│   ├── state.py
│   ├── workspace.py
│   ├── environment.py
│   ├── tokens.py
│   ├── tools.py
│   ├── geometry.py
│   ├── verifier.py
│   ├── boundaries.py
│   ├── ledger.py
│   ├── policy.py
│   └── experiment.py
├── tasks/
│   ├── hidden_graph.py
│   ├── versioned_docs.py
│   ├── tool_chain.py
│   └── authority_commit.py
├── tests/
│   ├── test_tokens.py
│   ├── test_workspace.py
│   ├── test_geometry.py
│   ├── test_boundaries.py
│   └── test_experiment.py
└── results/
    ├── runs.jsonl
    ├── summary.json
    └── figures/

33. 第一代視覺化

至少產生：

工作場大小—閉合度曲線；
有效距離隨時間變化；
總作用量分解；
展開與建構成本；
驗證覆蓋；
邊界錯位率；
誤提交率；
攤銷損益平衡點；
IID／OOD 比較；
失敗案例時間線。

34. 工程優先順序

第一階段

合成外場；
隱藏圖；
動態工作場；
Reveal／Bridge／Verify；
總作用量帳本；
停止判斷。

第二階段

操作性分元；
效果型別；
提交與回退；
五層世界；
版本與時間。

第三階段

語言模型；
自然語言解析；
動態意圖；
多工具；
OOD。

第四階段

多代理；
世界線；
持續世界；
人類治理。

35. 實驗倫理與安全

雖然第一代任務為合成環境，仍應遵守：

不使用真實高風險帳戶；
不執行不可逆外部操作；
不使用真實敏感個資；
權威提交只在沙箱；
所有世界操作可回放；
所有工具具有測試替身；
對抗測試結果不得直接部署。

實驗中的「權威世界」首先應是可回退的模擬狀態。

36. 系列整合

九篇的關係可寫為：

\boxed{ \text{有限分元—無限外場總命題} }

\downarrow

\boxed{ \text{內部意圖—語言雙生動力學} }

\downarrow

\boxed{ \text{外部潛在場—有限工作場雙生動力學} }

\downarrow

\boxed{ \text{分元展開世界—世界改寫分元} }

\downarrow

\boxed{ \text{操作性分元語義} }

\downarrow

\boxed{ \text{展開式解空間} }

\downarrow

\boxed{ \text{內外總作用量} }

\downarrow

\boxed{ \text{五層世界與四邊界} }

\downarrow

\boxed{ \text{可反駁計算實驗與 MVP} }

37. 主要命題

命題一：可實驗化命題

有限分元—無限外場閉環可以被分解為可記錄的狀態、操作、工作場、幾何與成本事件。

命題二：比較基線命題

完整系統必須與固定上下文、長上下文、普通 RAG、工具代理與單向展開系統比較。

命題三：完整成本命題

任何優勢必須在完整總作用量下成立，而不是只看 TOKEN、延遲或外部工具次數。

命題四：雙重交互可觀測命題

只有當外部結果反向改變內部意圖、分元與策略，才構成雙重交互。

命題五：幾何增益命題

展開式解空間的價值必須表現在距離、可達性、重用與跨任務攤銷，而不是結構數量。

命題六：邊界安全命題

完整系統必須能區分外部總環境、工作場、認知場、模擬分支與權威世界。

命題七：停止可檢驗命題

系統的停止、未知、不可驗證與延後決策必須可被獨立評估。

命題八：理論正當性命題

若完整系統不能穩定優於較簡單基線，其新增複雜度就不具工程正當性。

38. 結論

本文完成《內外雙生展開計算論》的第一代實驗封頂。

完整系統不再只被描述為：

\text{輸入} \rightarrow \text{模型} \rightarrow \text{輸出}.

而是：

\boxed{ \mathfrak I_t \rightarrow z_t \rightarrow r_t \rightarrow \Delta\mathbb W_t \rightarrow \mathfrak P_x(t+1) \rightarrow \mathfrak I_{t+1}. }

這個閉環中：

分元生成外部操作；
外部操作顯影或改變世界；
工作場被重編譯；
解空間被更新；
新世界反向改寫意圖與下一分元。

但這套理論只有在實驗中同時證明以下結果時才具有工程價值：

K_x\uparrow,

D_t\downarrow,

R_V\uparrow,

\mathcal S_x\downarrow,

R_{\mathrm{false\ commit}}\downarrow.

換言之，系統不能只變得更複雜、更會調工具或更會累積資料，而必須在不隱藏成本、風險與邊界錯位的前提下，真正讓任務變得更容易、更可靠且更可治理。

本文的核心結論是：

\boxed{ \text{有限分元—無限外場理論的第一個實證問題，不是智慧體能否無限展開世界，而是它能否在知道何時停止、何時驗證、何時回退與何時不得提交的前提下，讓每一輪外部展開都產生可測量的合法進展。} }

更簡潔地：

\boxed{ \text{真正的展開式智慧，不是看得越來越多，而是用越來越少的完整作用量，看見、建造並提交真正需要的那一部分世界。} }

至此，《內外雙生展開計算論》九篇完成第一階段封頂。

下一步不再增加上位理論篇數，而是：

實作符號 MVP；
建立合成外場與任務生成器；
完成 G0–G7 比較；
產生第一批 JSONL 實驗帳本；
依結果修訂作用量權重、停止條件與邊界治理；
再接入語言模型與真實工具環境。

系列九篇

《有限分元與無限外場：內外雙生展開計算論的總命題》
《內部雙生動力學：意圖、語言與操作性分元的生成》
《外部雙生動力學：潛在無限環境與有限活動工作場》
《雙重交互閉環：分元如何展開世界，世界如何改寫分元》
《操作性分元：地址、指針、工具調用與外部展開語義》
《展開式解空間：邊推理、邊顯影、邊建路的動態幾何》
《內外總作用量原理：從 TOKEN 機率到世界展開成本》
《無限展開的邊界：真實、工作場、認知場與權威世界》
《有限分元—無限外場閉環的計算實驗：從動態工作場到展開式智慧體》

前置文件

Neo.K with Aletheia，《有限分元與無限外場：內外雙生展開計算論的總命題》。
Neo.K with Aletheia，《內部雙生動力學：意圖、語言與操作性分元的生成》。
Neo.K with Aletheia，《外部雙生動力學：潛在無限環境與有限活動工作場》。
Neo.K with Aletheia，《雙重交互閉環：分元如何展開世界，世界如何改寫分元》。
Neo.K with Aletheia，《操作性分元：地址、指針、工具調用與外部展開語義》。
Neo.K with Aletheia，《展開式解空間：邊推理、邊顯影、邊建路的動態幾何》。
Neo.K with Aletheia，《內外總作用量原理：從 TOKEN 機率到世界展開成本》。
Neo.K with Aletheia，《無限展開的邊界：真實、工作場、認知場與權威世界》。
Neo.K with Aletheia，《解空間幾何計算論》系列。
Neo.K with Aletheia，《外部注意力場工程》系列。

有限分元無限外場閉環的計算實驗_從動態工作場到展開式智慧體_v0.1