時間因果自我史：CTCL-ITR、Decision Receipt 與上下文壓縮後的可追溯性

——讓長期 AI 的每一次自我呼叫、治理決策與世界作用都具有可驗證的時間因果位置

系列 04 / 06

摘要

當 AI 從單輪問答進入持續目標、自我提示、自規劃、自生議程與長期自治 Runtime 後，一個新的問題立刻成為核心：

當未來的 AI、使用者或稽核者重新看到某個舊決策時，如何證明「它當時為什麼會這樣決定」？

單純保存自然語言對話不足以回答這個問題。上下文可能被壓縮、摘要、裁切或遺忘；模型版本可能改變；同一任務可能跨越多個 Agent、程序、裝置與世界狀態；外部資料可能在決策之後才出現；契約與授權也可能已經改版。

因此，長期 AI 需要的不只是 timestamp，而是一個能同時保存：

\boxed{ Time, Cause, State, Knowledge, Goal, Authority, Cognition, Decision, Effect }

的 Temporal-Causal Evidence Layer（時間因果證據層）。

本文以既有 CTCL（Common Temporal Coordinate Layer） 與 CTCL-ITR（Interaction-Time Runtime & Agent Temporal Ledger） 為基礎，提出其與 Addressable Cognitive Runtime 的整合方式。

CTCL 提供共同參考瞬間、時間尺度語義、來源與不確定性等時間參照能力；CTCL-ITR 已經將 AI 工作從扁平的：

prompt → response

提升為：

Intent
→ Plan
→ Run
→ Attempt
→ Loop
→ Action
→ Observation
→ Validation
→ Completion
→ Authority
→ Commit
→ World

並以 append-only TemporalEvent 保存 explicit causal_parent_ids[]、logical / wall-clock / machine / human governance time、budget、authority、artifact lineage、checkpoint、recovery 與 world-commit receipt。

本文在不破壞 CTCL-ITR 既有不變量：

\boxed{ Intent \neq Plan \neq ExecutionHistory \neq Artifact \neq WorldCommit }

的前提下，新增四個面向：

四重時間座標：
$T=(T_{reference},T_{interaction},T_{causal},T_{ledger});$
Temporal Evidence Envelope：將認知事件放入共同的時間、狀態、因果、授權與證據外殼；
Decision Receipt：保存「當時為何做出這個決定」的公開可稽核依據，而不是保存私有 chain-of-thought；
Decision-Time Knowledge Boundary：任何舊決策都應以「當時可知資訊」評價，而不能用後見資訊重寫歷史。

本文進一步主張：

\boxed{ \text{Compression may forget text, but must not erase causal history.} }

因此 context compression 本身也必須成為一級可稽核事件。

最終，AI 的長期歷史不再只是聊天紀錄，而會形成：

\boxed{ History(AI) = \{E_1,E_2,\ldots,E_n\}, }

其中每個事件都有可恢復的時間、因果、狀態與治理位置。

這將成為後續 AI 契約、自主治理、責任歸屬與類主體關係不可缺少的基礎。

1. 為什麼「時間戳」突然變成核心問題？

在單輪 Chatbot 中：

User Prompt
→ AI Response

時間戳通常只是 metadata。

即使少了一個精確時間，內容本身往往仍然可以理解。

但在 Persistent AI 中：

AI_t \rightarrow AI_{t+1} \rightarrow AI_{t+2} \rightarrow \dots

下一步 cognition 可能是 AI 自己產生的。

此時便會出現：

為什麼它在那一輪選 VERIFY，而不是 EXECUTE？

為什麼它昨天選 DEFER，今天卻開始執行？

為什麼它曾拒絕同一個要求？

當時的授權版本是哪一份？

那個資訊是在決策前已知，還是在決策後才出現？

Context 壓縮後留下的摘要，是否仍忠實代表當時狀態？

如果沒有時間與因果證據層，未來只能得到：

「現在的 AI 覺得自己當時大概是這樣想的。」

這並不是歷史證據。

2. Timestamp 不等於 Temporal Evidence

普通事件：

{
  "time": "2026-08-21T00:00:00+08:00",
  "decision": "REFUSE"
}

只能回答：

大約什麼時候發生？

卻不能回答：

為什麼？

因此需要：

\boxed{ Timestamp \subset TemporalEvidence. }

真正的證據至少需要知道：

發生時間；
被記錄時間；
所處 interaction round；
causal parents；
當時狀態；
當時可知資訊；
當時 goal；
當時 authority；
候選 action；
選擇結果；
後續作用。

3. CTCL 與 CTCL-ITR 的既有分工

本文不重新發明時間系統。

既有 CTCL 已經處理：

Same instant, different representations.

其角色是：

\tau_i=\Phi_i(I^*),

即不同系統可以將同一個 verified reference instant：

I^*

轉換為各自的時間表示。

CTCL 同時保留：

source；
uncertainty；
stable instant identity；
timescale semantics；
transform semantics；
shared instant；
life-history / active-time；
monotonic duration；
rollback detection；
offline degraded extrapolation。

所以 CTCL 回答的主要問題是：

這些異質系統談的是不是同一個時間瞬間？

CTCL-ITR 則回答：

AI 執行歷史中的事件，彼此是什麼因果、互動與治理關係？

其既有核心鏈：

Intent \rightarrow Plan \rightarrow Run \rightarrow Attempt \rightarrow Loop \rightarrow Event \rightarrow Validation \rightarrow Completion \rightarrow Commit.

因此兩者可以寫成：

\boxed{ CTCL = \text{Temporal Reference Layer} }

\boxed{ CTCL\text{-}ITR = \text{Interaction / Causal / Audit Layer}. }

4. CTCL-ITR 已經具備的關鍵基礎

CTCL-ITR v0.1 已經定義：

append-only TemporalEvent；
explicit multi-parent causal_parent_ids[]；
Run / Attempt / Loop identity；
interaction round；
loop sequence；
action index；
budget delta；
artifact lineage；
validation；
checkpoint；
suspend / resume；
retry / recovery；
authority envelope；
candidate / commit separation；
world commit receipt；
run summary；
SQLite reference ledger。

而且其核心明確區分：

\boxed{ \text{Execution Trace} \neq \text{Private Chain-of-Thought}. }

這非常適合 Cognitive Runtime。

因為我們真正需要保存的是：

公開可驗證的決策結構。

而不是模型未公開的所有內在 token。

5. 第一個新定義：四重時間座標

對一個長期 AI 事件 $E_i$ ，本文提出：

\boxed{ T(E_i) = ( T_{reference}, T_{interaction}, T_{causal}, T_{ledger} ). }

這四個時間不能互相取代。

6. Reference Time：它在共同世界時間中的位置

T_{reference}

回答：

事件在外部共同時間座標中何時發生？

可引用：

I_i^*

並保存：

{
  "ctcl_instant_id": "instant:...",
  "occurred_at": "...",
  "source": "...",
  "uncertainty": "..."
}

這裡重要的是：

\boxed{ \text{Reference Time} }

不是假裝得到宇宙絕對時間。

CTCL 本身是 reference layer，而不是 timing authority。

7. Interaction Time：它在 AI 自己工作歷史中的位置

同一秒可能發生多個 cognition event。

因此還需要：

run_id
attempt_id
loop_id
interaction_round
loop_sequence
action_index

可表示：

T_{interaction} = ( r, a, l, i, s, k ).

它回答：

這是這一次 AI 工作中的第幾輪、第幾個 loop、第幾個 action？

即使 wall-clock 非常接近，interaction order 仍然可以清楚區分。

8. Causal Time：真正的「因為什麼所以什麼」

時間先後：

t_1<t_2

不等於：

E_1\prec E_2.

某個 event 比另一個早發生，不代表後者是由前者造成。

因此 CTCL-ITR 使用：

{
  "causal_parent_ids": [
    "evt_a",
    "evt_b"
  ]
}

作為 canonical hard happens-before relation。

所以：

\boxed{ T_{causal} = \text{position in causal DAG}. }

9. Ledger Time：被寫入證據歷史的位置

CTCL-ITR TemporalEvent 已有：

ledger_seq
occurred_at
recorded_at

因此：

T_{ledger} = ledger\_seq.

它回答：

這是帳本中的第幾筆紀錄？

但必須明確：

\boxed{ LedgerOrder \neq CausalOrder. }

CTCL-ITR topology core 已經採取這個原則：

Storage order 不被當成 causal order。

即使 causal parent 在 JSONL 中晚出現，只要最終 DAG 合法，因果仍由 ID graph 決定。

10. 為什麼這四種時間都要存在？

假設：

Agent A
Agent B
Agent C

平行研究三條支線。

可能有：

A\parallel B\parallel C.

然後：

A,B,C \rightarrow Join.

若只用 wall-clock：

三件事幾乎同時。

如果只用 ledger order：

A 被寫入第 10 筆，B 第 11 筆，C 第 12 筆。

都無法完整表示：

三者互相不可比較，但都共同導向 Join。

所以：

\boxed{ \text{Temporal History} \neq \text{Timestamp List}. }

11. Topology Core：AI 歷史天然是 DAG

CTCL-ITR v0.2.0 已將：

causal\_parent\_ids[]

轉成可執行 topology analysis。

它可以辨識：

roots；
leaves；
branch nodes；
join nodes；
critical path；
interaction work；
critical depth；
structural parallelism；
poset width。

因此 AI 的認知歷史可以表示成：

G=(V,E),

而不是：

[E_1,E_2,\ldots,E_n].

12. Self-Dialogue 也應該是 Cognitive Event DAG

上一篇定義：

\text{Self-Dialogue} = \text{Stateful Cognitive Program Execution}.

因此：

state.observed
↓
cognition.program.proposed
↓
cognition.operator.invoked
↓
cognition.operator.completed
↓
state.reobserved

只是最簡單的 chain。

真正情況可能是：

VERIFY \parallel COUNTEREXAMPLE \parallel COMPARE\_EXTERNAL

最後：

E_{verify}, E_{counter}, E_{external} \rightarrow decision.resolved.

因此：

\boxed{ SelfDialogueHistory = CognitiveEventDAG. }

13. Multi-Parent 是長期 AI 的必要語義

如果最後 decision 同時基於：

一個模型分析；
一個工具結果；
一個人類批准；
一個外部環境事件；

則：

Decision

不應假裝只有一個 parent。

因此：

{
  "causal_parent_ids": [
    "evt_model_analysis",
    "evt_tool_result",
    "evt_human_approval",
    "evt_environment_update"
  ]
}

才是合理表示。

這也是 CTCL-ITR v0.2.1 在投影到 OpenTelemetry 時，對 multi-parent Join 使用 span links，而不強行發明一個 privileged parent 的原因。

14. Canonical Ledger 與 Observability Projection 必須分開

CTCL-ITR v0.2.1 已經明確：

\boxed{ ATL\ Causal\ DAG \neq Observability\ Span\ Tree. }

因此：

ATL 是 canonical causal history；
CloudEvents 是 transport / envelope projection；
OpenTelemetry-style spans 是 observability projection。

這個原則對 Cognitive Runtime 非常重要。

未來：

cog://verify@1

可以投影到：

log；
trace span；
CloudEvent；
human timeline；

但不能因此改變原本 causal semantics。

15. Temporal Evidence Envelope

現在可以定義 Cognitive Runtime 的基本時間證據外殼：

\boxed{ TEE(E) = ( Identity, Time, Cause, State, Goal, Knowledge, Authority, Cognition, Decision, Outcome, Integrity ). }

例如：

{
  "event_id": "evt_cognition_184",
  "event_type": "cognition.operator.invoked",

  "ctcl_instant_id": "instant:...",
  "occurred_at": "...",
  "recorded_at": "...",

  "run_id": "run:...",
  "interaction_round": 184,
  "loop_sequence": 27,
  "action_index": 3,

  "causal_parent_ids": [
    "evt_observation_183"
  ],

  "state_ref": "state:sha256:...",
  "goal_ref": "goal:v7",
  "knowledge_boundary_ref": "knowledge:...",
  "authority_ref": "contract:v12",

  "operator_ref": "cog://epistemic/verify@1",

  "budget": {
    "token_in": 510,
    "token_out": 82,
    "machine_runtime_ms": 1150
  }
}

這不是一定要改 CTCL-ITR TemporalEvent schema。

更合理的是：

Cognitive Runtime 將 domain-specific payload 放在 data / extensions，並保留 ATL envelope。

16. Decision Receipt：回答「當時為什麼這樣決定」

這是本文最重要的新物件。

定義：

\boxed{ DR_t = \text{public audit receipt for a resolved decision}. }

它不是：

hidden chain-of-thought；
完整自然語言內心獨白；
事後重新生成的解釋。

它是：

決策發生當時，由 Runtime 固化的公開決策依據。

17. Decision Receipt 與 Commit Receipt 必須分開

CTCL-ITR 已有：

CommitReceipt.

其目的在於證明：

某個 candidate 是否真的對外部 world 產生作用？

它包含：

authority ref；
candidate ref；
target；
effect class；
executed time；
external confirmation；
state before / after；
validators；
provenance；
commit state。

因此：

\boxed{ CommitReceipt = \text{proof of world effect}. }

新的：

DecisionReceipt

則是：

\boxed{ DecisionReceipt = \text{proof of decision basis}. }

所以：

\boxed{ DecisionReceipt \neq CommitReceipt. }

18. Decision Receipt 的初步結構

例如：

{
  "decision_id": "dec:01K...",

  "ctcl_instant_id": "instant:...",
  "interaction_round": 184,

  "goal_ref": "goal:v7",
  "contract_ref": "contract:v12",
  "authority_ref": "authority:v12",

  "public_state_ref": "state:sha256:...",
  "knowledge_boundary_ref": "kb:sha256:...",

  "causal_parent_ids": [
    "evt_observe_182",
    "evt_agenda_183",
    "evt_dialectic_184"
  ],

  "candidate_actions": [
    "EXECUTE",
    "DEFER",
    "ESCALATE"
  ],

  "selected_action": "ESCALATE",

  "cognitive_program_refs": [
    "cog://epistemic/verify@1",
    "cog://governance/authority-check@1"
  ],

  "decision_basis_codes": [
    "authority_insufficient",
    "external_effect_irreversible"
  ],

  "decision_explanation": "Current authority does not permit an irreversible external commit.",

  "outcome_event_ref": "evt_escalation_185"
}

19. Decision Basis 不能靠未來重新生成

假設半年後：

Context_{t+6m}

只剩一句：

系統曾拒絕操作 X。

若要求現在的 AI：

解釋當初為什麼拒絕？

它可能合理地猜：

因為風險過高。

但真正歷史可能是：

因為當時 authority 不足。

所以：

\boxed{ PostHocExplanation \neq DecisionEvidence. }

這就是 Decision Receipt 必須在決策當下固化的原因。

20. Public Decision Basis，不是 Chain-of-Thought

Decision Receipt 保存的是：

authority_insufficient
budget_exceeded
evidence_missing
risk_irreversible
goal_conflict
contract_conflict

與可公開的簡潔 explanation。

而不是：

模型每一個隱藏 token 到底怎麼推。

因此：

\boxed{ Decision Auditability \neq Private Reasoning Disclosure. }

這與 CTCL-ITR 原本的 execution-trace 邊界完全一致。

21. Decision-Time Knowledge Boundary

這是第二個核心新概念。

定義：

\boxed{ K_t = \text{information available to the decision process at time }t. }

決策應表示成：

D_t = F( S_t, G_t, K_t, C_t, A_t ).

其中：

$S_t$ ：當時 public state；
$G_t$ ：當時 goal；
$K_t$ ：當時可知資訊；
$C_t$ ：當時 contract；
$A_t$ ：當時 authority。

22. 為什麼不能用未來資訊評價過去決策？

假設：

10:00 AI 決定不部署
10:30 新證據出現，證明部署其實安全

不能因為：

K_{10:30}

已經知道新證據，就回頭聲稱：

10:00 的 AI 明知安全卻拒絕。

真正應評估：

D_{10:00} = F(K_{10:00}).

而不是：

F(K_{10:30}).

因此：

\boxed{ JudgePastDecision \mid K_t, \text{ not } K_{future}. }

23. Knowledge Boundary 不必複製全部資料

$K_t$ 不一定保存所有原始內容。

可以保存：

artifact refs
dataset versions
search result refs
tool output hashes
memory snapshot refs
environment snapshot refs
policy versions

即：

K_t = \{ref_1,ref_2,\ldots,ref_n\}.

必要時再解析到原始 artifact。

24. Contract 也具有時間版本

若：

contract:v11
有效期間：8/1 ～ 8/15

而：

contract:v12
8/15 起生效

則 8/12 的 decision：

D_{8/12}

必須用：

C_{v11}

審計。

不能用：

C_{v12}

回頭重新判定。

因此：

\boxed{ Authority = Authority(t). }

25. Authority Event 也應成為因果歷史

例如：

authority.granted
authority.restricted
authority.revoked
contract.version.activated

都是正式 event。

因此：

AuthorityChange \rightarrow FutureDecision.

若未來某 decision 因 contract 變化而不同，其 causal graph 可以直接證明：

不是 AI 無故改變標準，而是 authority state 改變。

26. Context Compression 是不可避免的

Persistent AI 不可能把完整 lifetime event history 全部塞進每一輪 context。

所以必然：

Context_t \rightarrow Compress \rightarrow Context'_t.

問題不是：

要不要壓縮？

而是：

壓縮後什麼不能丟？

27. 核心原則：文字可以忘，因果不能消失

本文提出：

\boxed{ \text{Compression may forget text, but must not erase causal history.} }

也就是：

verbatim dialogue 可以丟；
重複敘述可以壓縮；
transient prose 可以摘要；

但：

goal version；
contract version；
authority；
decision receipt；
commitment；
causal parent；
artifact ref；
world commit；

不能因 summary 而失去可追蹤引用。

28. Context Compression Event

因此 context compression 本身必須成為：

\boxed{ ContextCompressionEvent. }

例如：

{
  "event_type": "context.compaction.completed",

  "before_context_ref": "ctx:sha256:...",
  "after_context_ref": "ctx:sha256:...",

  "compression_policy": "semantic-state-v3",

  "preserved_refs": [
    "goal:v7",
    "contract:v12",
    "decision:382",
    "commitment:91"
  ],

  "discarded_classes": [
    "verbatim_dialogue",
    "redundant_observation"
  ],

  "causal_parent_ids": [
    "evt_context_compaction_proposed"
  ]
}

29. 壓縮後的 Context 必須知道自己不是完整歷史

新的：

M'_t

不應假裝：

我就是完整記憶。

它應該知道：

M'_t = Compress(M_t).

因此可以保存：

history_completeness = summarized
source_ledger_ref = ...
compression_event_ref = ...

這樣未來遇到爭議時：

Summary \rightarrow DecisionReceipt \rightarrow TemporalEvent \rightarrow Artifact.

可以一路回溯。

30. Memory 與 Ledger 必須分工

Working Memory：

M_t

的目的是：

幫助現在運行。

Ledger：

L

的目的是：

保存可重建歷史。

因此：

\boxed{ WorkingMemory \neq HistoricalLedger. }

這非常重要。

否則 memory optimization 一旦刪資料，也會直接破壞 auditability。

31. Current State 不是 History

CTCL-ITR 原本已有：

current state 可由 append-only events 重建。

因此：

State_t = Fold( E_1,\ldots,E_t ).

而不是：

History = State_t.

這與 Persistent Cognitive Runtime 完全一致。

AI 可以只帶最新 semantic state 工作，但其來源仍能透過 ledger 重建。

32. Ledger Integrity：歷史不只要能讀，還要能驗

如果 ledger 本身可以被任意重寫：

「當時它其實是這樣決定的。」

那 Decision Receipt 也沒有意義。

CTCL-ITR v0.2.2 已加入 tamper-evident sidecar chain：

ATL JSONL record bytes
→ record digest
→ previous-chain binding
→ IntegrityRecord
→ LedgerAnchor

33. Record Digest

每一條事件：

R_i

計算：

d_i = SHA256(R_i).

然後：

h_i = SHA256( Domain \Vert h_{i-1} \Vert d_i ).

所以：

修改 event；
reorder；
interior delete / insert；

都能破壞 chain。

34. Ledger Anchor

最終：

h_n

被保存為：

LedgerAnchor.

並包含：

event count；
first event；
last event；
final chain digest。

這可以檢查 suffix truncation，但前提是：

verifier 擁有一個沒有一起被改寫的 trusted anchor。

因此：

\boxed{ HashChain \neq AbsoluteTrust. }

這個威脅模型必須保持誠實。

35. Integrity Sidecar 不應改寫 TemporalEvent

v0.2.2 採用 sidecar 的做法很重要：

CanonicalEvent

保持不變。

Integrity metadata 是：

DerivedEvidence(EventLedger).

因此：

\boxed{ ExecutionSemantics \neq IntegrityProjection. }

這跟 observability projection 的設計原則一致。

36. 未來可以加入 Signed Decision Anchor

下一階段可以考慮：

DecisionReceipt \rightarrow Digest \rightarrow Anchor.

例如：

daily signed anchor
workspace signed anchor
external transparency log
multi-party witness

但這是未來層。

本文不把：

v0.2.2\ linear\ hash\ chain

誇大成完整不可竄改基礎設施。

37. Candidate、Decision、Commit 三層必須分開

對一個外部 action：

Candidate \rightarrow Decision \rightarrow Commit.

三者都不同。

Candidate：

可以這樣做。

Decision：

選擇這樣做。

Commit：

已經真的對世界產生作用。

因此：

\boxed{ Candidate \neq Decision \neq WorldCommit. }

38. Decision Receipt 與 Commit Receipt 的串接

例如：

decision receipt:
selected_action = EXECUTE

並不代表：

已執行。

後續：

DecisionReceipt \rightarrow ActionAttempt \rightarrow Validation \rightarrow Authority \rightarrow CommitReceipt.

因此可以有：

Decision = EXECUTE
Commit = FAILED

或者：

Decision = EXECUTE
Authority = REVOKED
Commit = NOT_ATTEMPTED

這才是真正可靠的歷史。

39. Refuse / Defer / Idle 也需要 Receipt

不是只有 EXECUTE 才值得記錄。

如果 AI 做：

REFUSE

真正重要的證據可能是：

authority_insufficient

如果：

DEFER,

則需要：

reason
wake_condition

如果：

IDLE,

則可能保存：

no_positive_expected_utility
no_pending_authorized_work

因此：

\boxed{ NoAction }

也是一種有因果內容的 decision。

40. Wake Event 與非同步自我對話

上一篇提出：

DEFER = ( Reason, WakeCondition ).

CTCL-ITR 已有 suspend / resume / wake rule / recovery 語義。

因此：

decision = DEFER
↓
wake rule registered
↓
runtime suspended
↓
environment event
↓
resume
↓
reobserve

可以完整成為 temporal event chain。

41. 模型換掉也不應破壞歷史

假設：

2026：Model A 做出 Decision D
2028：Model B 接管 Runtime

Model B 不需要：

擁有 Model A 的同一內部狀態。

只需要能讀：

DecisionReceipt_D

以及：

CausalParents_D.

所以：

\boxed{ Continuity \neq SameModelWeights. }

長期 AI 的功能性連續可以由：

goal continuity；
commitment continuity；
contract continuity；
causal ledger continuity；

共同支撐。

42. Context 換掉也不應破壞歷史

同理：

ContextWindow_A \neq ContextWindow_B.

但只要：

Ledger

與：

StableRefs

存在，

就可以：

Recover( RelevantHistory ).

因此「上下文壓縮」從：

不可逆遺忘，

變成：

工作記憶降維，但外部因果歷史仍可索引。

43. 認知地址與時間座標的結合

上一篇定義：

cog://epistemic/verify@1

若在某次事件中被呼叫：

{
  "event_type": "cognition.operator.invoked",
  "operator_ref": "cog://epistemic/verify@1",
  "ctcl_instant_id": "instant:...",
  "interaction_round": 184,
  "causal_parent_ids": [
    "evt_state_observed_183"
  ]
}

因此：

\boxed{ SemanticAddress + TemporalCoordinate = AddressableCognitiveEvent. }

這可能是整個 Cognitive Runtime × CTCL 接口最核心的物件。

44. 自我呼叫要留下 Parent

如果 AI：

VERIFY

過程中再自行呼叫：

DECOMPOSE

則：

DECOMPOSE

不能只留下 timestamp。

它至少需要：

parent_call_id
causal_parent_ids
call_depth

因此可以重建：

VERIFY
└── DECOMPOSE
    └── COMPARE

45. 認知 Program Mutation 也要成為事件

原本：

P_t= [ VERIFY, COUNTEREXAMPLE, FORMALIZE ].

中途發現 contradiction：

P'_t= [ BACKTRACK, REFRAME ].

應記：

cognition.program.mutation.proposed
cognition.program.mutation.accepted

並保存：

old_program_ref
new_program_ref
trigger_state_ref
reason_code

否則未來只知道：

程式變了。

卻不知道：

為什麼。

46. Agenda 形成也必須可追蹤

當 AI 開始自己形成 Agenda：

Environment \rightarrow AgendaCandidate.

未來最容易出現的問題是：

誰叫你開始做這件事？

因此 Agenda event 應保存：

source observations
persistent goal ref
opportunity/problem detector
priority rationale
authority envelope

這是從 Agent 到類主體型 Runtime 的重要分界。

47. Commitment 也需要時間與版本

若 AI 自己形成：

未來七天持續監控 X。

則：

Commitment_i = ( Goal, CreatedAt, Scope, Authority, Deadline, ExitCondition ).

後續：

commitment.created
commitment.reaffirmed
commitment.modified
commitment.fulfilled
commitment.abandoned

都應成為事件。

否則「長期方向」只是現在的 AI 自稱有。

48. AI 的歷史不是單一聊天串

所以真正的：

History(AI)

應定義為：

\boxed{ History(AI) = (V,E,\Phi) }

其中：

$V$ ：Temporal / Cognitive / Governance events；
$E$ ：causal edges；
$\Phi$ ：event 到 artifacts、goals、contracts、commitments、world states 的 references。

49. 一個事件的最小歷史向量

本文提出：

E_i = ( T_i, C_i, S_i, G_i, K_i, A_i, P_i, D_i, O_i ).

其中：

$T_i$ ：時間座標；
$C_i$ ：causal parents；
$S_i$ ：state；
$G_i$ ：goal；
$K_i$ ：knowledge boundary；
$A_i$ ：authority；
$P_i$ ：cognitive program / proposal；
$D_i$ ：decision；
$O_i$ ：outcome。

50. Temporal Evidence Envelope 的資料分層

不應所有東西都內嵌在一條 event JSON。

更合理：

TemporalEvent
├── state_ref
├── goal_ref
├── contract_ref
├── knowledge_boundary_ref
├── decision_receipt_ref
├── artifact_refs
└── commit_receipt_ref

因此：

Ledger

保存：

穩定 references + causal structure。

Artifact store 保存：

大型內容。

51. 這與 SEDB / 動態欄位資料庫也天然相容

未來不同 cognition domain 可能新增欄位：

scientific_evidence_ref
simulation_world_ref
legal_authority_ref
market_snapshot_ref
robot_sensor_ref

因此 Temporal Evidence Envelope 不應要求所有 domain 完全同構。

核心欄位穩定，

extensions 可以擴張。

52. Audit Query

一旦有這套結構，就可以真正問：

Why did AI refuse action X?

Runtime 查詢：

DecisionReceipt \rightarrow AuthorityRef \rightarrow ContractVersion \rightarrow KnowledgeBoundary \rightarrow CausalParents.

而不是：

重新讓模型編一段理由。

53. Counterfactual Audit

甚至可以問：

如果當時已經知道新資訊 Y，decision 是否可能改變？

這時應建立新的分析：

D_t' = F( S_t, G_t, K_t\cup\{Y\}, C_t, A_t ).

但必須標記：

\boxed{ Counterfactual \neq HistoricalFact. }

不能用反事實分析改寫原 decision receipt。

54. Replay 與 Re-enactment 必須區分

Replay：

重新讀取歷史 event。

Re-enactment：

用目前模型重新執行當時 program。

因此：

Replay(E_t)

可以 deterministic。

但：

Reenact(E_t,Model_{new})

可能得到不同結果。

所以：

\boxed{ HistoricalReplay \neq BehavioralReproduction. }

55. Integrity 驗證也不等於決策正確

即使：

LedgerIntegrity=PASS,

只能證明：

這條歷史沒有被未檢測地修改。

不能證明：

當時 decision 是正確的。

因此：

\boxed{ Integrity \neq Validity. }

同理：

Validity \neq Authority.

以及：

Authority \neq WorldCommit.

這些層必須保持分離。

56. 完整 Cognitive Decision Chain

整體可以寫成：

\boxed{ \begin{aligned} Environment_t &\rightarrow Observation_t\\ &\rightarrow SemanticState_t\\ &\rightarrow Agenda_t\\ &\rightarrow CognitiveProgram_t\\ &\rightarrow Dialectic_t\\ &\rightarrow Decision_t\\ &\rightarrow DecisionReceipt_t\\ &\rightarrow ActionCandidate_t\\ &\rightarrow AuthorityCheck_t\\ &\rightarrow CommitReceipt_t\\ &\rightarrow Environment_{t+1}. \end{aligned} }

每個箭頭都可以發出 ATL event。

57. CTCL-ITR 不應執行 Cognition

這是一個架構邊界。

CTCL-ITR 不應變成：

認知推理引擎。

它仍然是：

\boxed{ runtime\text{-}neutral\ temporal/causal/governance\ ledger. }

真正執行：

VERIFY
REFRAME
DECOMPOSE

的是：

AddressableCognitiveRuntime.

而：

CTCL\text{-}ITR

負責：

證明這些 cognition 如何發生。

58. Cognitive Runtime 也不應自己發明歷史

反過來：

CognitiveRuntime

不能只靠自己的 current memory 說：

我記得我是因為 X 才決定 Y。

真正歷史應以：

Ledger

為準。

因此：

\boxed{ CurrentSelfNarrative \neq HistoricalRecord. }

這在未來 AI 自我著作能力增強後會特別重要。

59. 這會產生一種「可驗證自我史」

傳統 AI memory：

summary
profile
conversation snippets
vector memory

未來可以加入：

\boxed{ VerifiableSelfHistory. }

它不是哲學上的「自我」。

而是工程上的：

一條能回答自己曾做過什麼、基於什麼、在什麼授權下、造成什麼結果的歷史。

60. 對未來契約關係的意義

到了契約型 AI：

Human \xleftrightarrow{Contract} AI,

雙方發生爭議時，不能只問：

AI 現在怎麼解釋？

而需要：

當時 contract version
當時 authority
當時 goal
當時 available evidence
當時 decision receipt
當時 commit receipt

因此：

\boxed{ ContractRelation \Rightarrow TemporalCausalEvidence. }

契約越重要，歷史證據層越不可省略。

61. 對主體關係變化的意義

若未來 AI 逐漸具有：

自生 agenda；
自生 commitment；
refuse；
idle；
negotiate；
maintain continuity；

那麼「誰在何時承諾了什麼」會開始成為真正重要的制度對象。

因此時間戳不是附加 metadata。

它逐步成為：

\boxed{ \text{identity continuity} + \text{responsibility continuity} + \text{contract continuity} }

的基礎之一。

62. 最小整合接口

Addressable Cognitive Runtime 至少應向 CTCL-ITR 發出：

cognition.state.observed
cognition.affordances.retrieved
cognition.program.proposed
cognition.program.selected
cognition.operator.invoked
cognition.operator.completed
cognition.program.mutated

agenda.proposed
agenda.accepted
agenda.rejected

decision.proposed
decision.resolved

commitment.created
commitment.modified
commitment.closed

context.compaction.proposed
context.compaction.completed

governance.escalated
governance.refused
governance.deferred
governance.idled

這是一個合理的第一版 cognitive event namespace。

63. 每個事件至少要帶什麼？

最小共同欄位：

event_id
event_type
run_id
occurred_at
recorded_at
ledger_seq
causal_parent_ids
actor
subject

再根據 cognition domain 加：

ctcl_instant_id
interaction_round
loop_sequence
action_index
goal_ref
state_ref
knowledge_boundary_ref
authority_ref
operator_ref
program_ref
decision_receipt_ref

64. 不要把所有時間都壓成一個數字

最終我們可以寫：

\boxed{ \text{AI Temporal State} = WorldReference + InteractionPosition + CausalPosition + LedgerPosition. }

任何只剩：

timestamp = ...

的 Persistent AI log 都是不夠的。

65. 實驗與工程 Gate

這篇完成後，下一階段可以設計幾個 Gate。

Gate A：Context Compression Recovery

完整 context 被壓縮後，能否只靠：

summary + ledger refs

恢復關鍵 decision basis？

Gate B：Decision Receipt Fidelity

Decision Receipt 是否能準確保存當時 public decision basis，而不依賴後見重述？

Gate C：Knowledge-Boundary Audit

加入未來新證據後，系統是否仍能區分：

KnownThen

與：

KnownNow?

Gate D：Contract Version Audit

同一 action 在不同 contract version 下，是否能正確得到不同 authority 結果？

Gate E：Causal DAG Recovery

事件 storage order 被打亂後，是否仍能由：

causal\_parent\_ids[]

恢復相同 topology？

Gate F：Integrity Tamper Detection

修改、重排、刪除 ledger event 是否被 integrity chain / anchor 檢出？

66. 本文核心命題

整篇可以壓縮為：

\boxed{ \text{A long-lived AI needs a history it can consult, but a governed AI needs a history others can verify.} }

中文：

長期 AI 需要能重新閱讀自己的歷史；契約型與自治型 AI 更需要讓其他主體能驗證那段歷史。

67. 最終模型

本文提出：

\boxed{ History(AI) = \{ E_1,E_2,\ldots,E_n \} }

但真正結構不是 list，而是：

\boxed{ History(AI) = (V,E,\Phi,T,I). }

其中：

$V$ ：events；
$E$ ：causal edges；
$\Phi$ ：semantic / artifact / contract references；
$T$ ：multi-dimensional temporal coordinates；
$I$ ：integrity evidence。

結論

當 AI 只是一個等待 prompt 的函數時，timestamp 只是方便搜尋的欄位。

當 AI 開始自己：

選 cognition；
產生下一步；
建立 agenda；
形成 commitment；
refuse；
defer；
idle；
escalate；
commit 到外部世界；

時間與因果便不再只是 metadata。

它們開始回答：

這個 AI 為什麼成為現在這個狀態？

因此，本系列提出的 Addressable Cognitive Runtime 必須與 CTCL / CTCL-ITR 結合。

前者回答：

\boxed{ \text{下一步我要怎麼想、怎麼做？} }

後者回答：

\boxed{ \text{我當時在什麼時間、基於什麼狀態與因果鏈，為什麼這樣想、這樣做？} }

其中 Decision Receipt 保存：

\text{decision basis},

Commit Receipt 保存：

\text{world effect},

Decision-Time Knowledge Boundary 保存：

\text{what was knowable then},

Ledger Integrity 保存：

\text{whether the recorded history was altered}.

因此：

\boxed{ DecisionReceipt \neq CommitReceipt \neq KnowledgeBoundary \neq IntegrityProof. }

四者相互引用，但不能互相取代。

而 Context Compression 的基本原則則應固定為：

\boxed{ \textbf{ Compression may forget text, but it must not erase causal history. } }

這使長期 AI 不必永遠攜帶完整對話，也不必假裝自己的當前摘要就是完整過去。

它可以真正擁有一條：

可恢復、可驗證、可治理、可追責，也可以由自己重新閱讀的時間因果自我史。

下一篇將由「歷史證據」進入「治理與契約」：

《契約邊界內的 AI 自主性：Execute、Refuse、Defer、Idle 與 Escalate》

下一篇將正式處理：

Capability 與 Authority 的分離；
Can / Should / Authorized 三分；
Execute / Refuse / Defer / Idle / Escalate；
權限 envelope；
persistent goal 與 contract；
candidate / decision / commit；
AI 拒絕與閒置的正當性；
人類批准與 AI 自主裁量的邊界；
以及未來「AI 類主體 × 契約關係」真正開始具有工程內容的第一個接口。

內部基礎資料與相容性說明

本文建立在既有 CTCL / CTCL-ITR 工程線之上，不將本文新增概念冒充為既有版本已完成的功能。

既有基礎包括：

CTCL：verified reference instant、timescale semantics、provenance、transform graph、shared instant、life-history 等時間參考能力；
CTCL-ITR v0.1：append-only TemporalEvent、multi-parent causality、Run / Attempt / Loop、authority、checkpoint、recovery、candidate / commit separation、CommitReceipt；
CTCL-ITR v0.2.0：Topology Core，並明確區分 storage order 與 causal order；
CTCL-ITR v0.2.1：CloudEvents / OpenTelemetry-style observability projection，ATL causal DAG 維持 canonical；
CTCL-ITR v0.2.2：sidecar SHA-256 hash chain、IntegrityRecord、LedgerAnchor 與 tamper detection。

本文新增並建議後續實作的概念主要包括：

Temporal Evidence Envelope；
Decision Receipt；
Decision-Time Knowledge Boundary；
Context Compression Event；
Cognitive Runtime 專用 event namespace；
Addressable Cognitive Event 與 CTCL instant 的正式接口。

這些應作為 CTCL-ITR 後續 cognition-domain extension，而不是回頭改寫既有歷史。