PAIS-02｜人類中介消失之後：被隱藏的身份、路由與上下文基礎設施

After Human Mediation: Externalizing Hidden Identity, Routing, Context, and Provenance Infrastructure

系列： Persistent Agent Individualization Series（PAIS）／持續智能體個體化、身份壓力與具身分散智能系列
篇次： Paper 02 / 07
文件編號： EML-PAIS-02-2026-v0.1
作者： Neo.K
AI 協作： Aletheia / GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
日期： 2026-08-25
版本： v0.1
文件性質： 理論—工程統合論文／AI-Native Organization／Cross-Agent Infrastructure
狀態： Canonical Draft / Open Revision Anchor
Canonical Source： UTF-8 Markdown
數學原始碼規範： inline math 僅使用 $...$；display math 僅使用 $$...$$

摘要

早期多 AI 協作常有一個被忽略的中介層：不同 AI 並不真正直接完成身份解析、上下文對齊、任務交接與證據追溯，而是由人類負責把上一個 AI 的結果帶到下一個 AI。人類知道哪個對話屬於誰、哪份檔案是最新版、某句「它已完成」指的是哪個任務、哪個驗證已經發生、哪個錯誤需要重試。表面上是 AI 在合作，實際上人類常同時擔任 scheduler、router、context compiler、identity resolver、provenance bridge、conflict resolver 與 recovery trigger。

本文將此結構稱為 Human Mediation Layer，並把人類中介拆為八類隱性功能：

其中 $I$ 為 Identity Resolution， $R$ 為 Routing， $C$ 為 Context Translation， $P$ 為 Provenance Bridging， $S$ 為 Task-State Reconciliation， $X$ 為 Conflict Repair， $F$ 為 Finality Interpretation， $K$ 為 Recovery Triggering。

本文承接 PAIS-01 的 First Epistemic Separation。當不同 Agent 擁有不同 context、memory、history、runtime 與 authority 時，彼此狀態只能透過 message、artifact、receipt、shared ledger 或其他證據被理解。只要人類仍是唯一能把這些證據與身份、任務、版本重新拼起來的人，Agent 數量增加就未必降低人類工作，反而可能造成 Multi-Agent Productivity Paradox。

本文提出 Mediation Externalization Principle：

真正的 Operator Exit 不能只把人從訊息鏈拿掉，而必須把原本存在人腦中的 identity、routing、context、provenance、authority、finality 與 recovery semantics 外部化成可查詢、可驗證、可審計的 Runtime state。

因此：

人類應逐步退出低價值搬運與澄清，但仍可保留高風險授權、不可逆決策、價值衝突、制度修改與 veto。本文最終主張：從「一群會聊天的 AI」走向「可以長期工作的 AI 組織」，真正需要的不是更多自然語言，而是把 Human-Kernel 中的隱性協調功能轉成 explicit coordination infrastructure。

關鍵詞： Human Mediation、Human Kernel、Operator Exit、AI Organization、Agent Routing、Context Translation、Identity Resolution、Provenance、Handoff、A2A、Shared State、Agent Orchestration

0. 來源邊界

本文不重新建立 Operator-Exit 理論，也不重新建立 AI Residence。

既有工作已經指出：

並將人類作為 scheduler、router、context switcher、memory bridge 與 recovery trigger 的現象稱為 Human-Kernel Anti-Pattern。

PAIS-01 則建立：

本文只向下一層推進：

如果過去人類一直替不同 Agent 隱性解決「誰是誰、現在做到哪、哪份東西有效、下一步送去哪」，那麼人類退出中介後，哪些能力必須正式變成 Runtime？

1. 最早期的「跨 AI」其實常是人類轉接

表面架構：

AI-A
<-> AI-B

實際架構：

AI-A
-> Human
-> AI-B

反向同樣成立：

AI-B
-> Human
-> AI-A

人類會自然說：

「另一個 AI 剛才的結論是這個。」

「你接著驗證。」

「這個檔才是新版。」

「你不是上一個 session 的那一個，所以不要直接沿用它的私人狀態。」

這些行為不是單純 copy / paste。

它們是基礎設施操作。

2. Human Mediation Layer

本文定義：

各項分別為：

• $I_t$：身份解析；
• $R_t$：訊息路由；
• $C_t$：上下文轉譯；
• $P_t$：來源與證據橋接；
• $S_t$：任務狀態對帳；
• $X_t$：衝突修復；
• $F_t$：完成與終局判讀；
• $K_t$：故障與恢復觸發。

早期系統之所以不覺得這些是「架構」，只是因為人類做得太自然。

3. Identity Resolution：人類是免費的身份解析器

假設 Agent A 說：

「交給驗證者。」

人類通常知道：

• 是哪一位驗證者；
• 是新的 session 還是既有 continuation；
• 是否承接同一 line；
• 是否具有同樣 authority；
• 是否仍可讀取同一 project / memory scope。

因此：

若這層沒有外部化，模型只能重複問：

「你說的是哪一個 X？」

這些問題不是完全沒有意義，而是原本應由系統回答的 identity lookup 被迫重新變成推理。

4. Message Routing：人類不是郵差，而是路由器

若 Agent $A_i$ 產生訊息 $m$，人類會決定：

但 routing 還包含：

• 送給誰；
• 先送誰；
• 哪部分可以送；
• 是否需要摘要；
• 是否要附 artifact；
• 是否先讓 verifier 看；
• 是否涉及隱私；
• 是否有 authority boundary。

所以：

5. Context Translation：人類會把「上一版」翻成可理解狀態

令：

如果 A 說：

「照上一版繼續。」

B 未必知道「上一版」是什麼。

人類會將：

轉成：

也就是將 sender-relative reference 轉成 receiver 可理解的顯式資訊。

因此：

6. Human Handoff 本質上是 Context Compiler

人類通常不把整份 transcript 全交給下一個 AI。

而是：

其中只保留：

• goal；
• current state；
• accepted decision；
• artifact；
• blocker；
• open question；
• evidence；
• next action。

因此：

這也是早期多 Agent 協作常能運作的重要原因之一：人類其實一直在做 task-specific compression。

7. Provenance Bridge：人類知道「這句話從哪來」

一句：

「另一個 AI 說測試過了。」

對人類而言通常隱含：

• 哪一個 AI；
• 什麼時間；
• 哪個 branch；
• 哪個 artifact；
• 哪個 test；
• 是否真的執行；
• 是 observation 還是轉述。

所以：

如果只把文字「tested」交出去，則：

可能被誤當：

甚至再誤當：

因此 provenance 是跨 Agent 協作的第一級結構，而不是附註。

8. Task-State Reconciliation：不同角色的完成狀態可以同時成立

考慮：

它們可能回報：

Builder: code complete
Verifier: invariant failed
Experiencer: usable but confusing

這三句不互相矛盾。

因為它們在不同 domain 中成立。

應建立：

例如：

build = complete
verification = blocked
experience = partial
release = not ready

如果這個 projection 只存在人腦中，人就是 project state database。

9. Conflict Repair：人類會判斷哪些爭議應停止

多 Agent 容易出現：

A: evidence insufficient
B: rerun
A: scope wrong
B: add denominator
A: one more issue

人類往往會直接判斷：

「已經足夠，記錄修正，繼續。」

也就是：

因此：

PAIS 所關心的不是禁止 Agent 反對，而是讓非阻斷爭議不再無限消耗工作流。

10. Finality Interpretation：Done 並不是單一狀態

Builder 的 done：

implementation exists

Verifier 的 done：

evidence passes

Experiencer 的 done：

usable

Release 的 done：

packaged and releasable

因此：

所以：

Human 通常就是 implicit finality projector。

11. Recovery Trigger：人類還是故障偵測器

Human 會看到：

• Agent 沒反應；
• process 死掉；
• task 卡住；
• build failed；
• credential 過期；
• artifact 沒產生；
• context 漂移；
• session 消失；

然後下令：

retry。

resume。

replace。

rollback。

因此：

如果這些狀態沒有外部化，人類就永遠不能真正退出 operational loop。

12. Human-Kernel Decomposition

所以：

其實是：

即：

本文稱之為 Human-Kernel Decomposition。

13. 直接讓 AI 聊天還不等於去中介

最直覺的下一步：

AI-A
<-> AI-B

若兩端只交換自由自然語言，依然存在：

• identity ambiguity；
• context loss；
• provenance loss；
• authority ambiguity；
• stale state；
• finality ambiguity；
• routing ambiguity；
• dispute loop。

因此：

14. Mediation Externalization Principle

設 Human-Kernel 功能集合：

若：

但：

則 coordination failure probability 會上升。

所以 Operator Exit 必須伴隨：

這就是 Mediation Externalization Principle。

15. 第一個外部化層：Identity Registry

最低 identity state 應能表示：

resident_id
instance_id
line_id
role
provider
runtime
endpoint
authority_scope
temporal_validity
provenance

當 Agent 問：

「這是不是之前那個 X？」

應：

而不是重新讀幾萬 token 去猜。

16. 第二個外部化層：Structured Handoff Envelope

定義：

其中：

• $G$：Goal；
• $S$：Current State；
• $A$：Accepted Decisions；
• $F$：Artifact References；
• $E$：Evidence References；
• $B$：Blockers；
• $O$：Open Questions；
• $R$：Required Action。

另附：

分別表示 sender、receiver、temporal reference 與 provenance。

17. Context Continuity 不等於 Context Duplication

若 sender 完整 context 為：

handoff 應為：

而不是：

原因包括：

• token cost；
• privacy；
• role relevance；
• stale state；
• authority boundary；
• cognitive overload。

所以：

18. Shared Task State：從「你記不記得」變成 lookup

每個長期 task 至少應有：

task_id
goal
owner
participants
phase
artifacts
accepted_decisions
blockers
verification_state
experience_state
release_state
next_allowed_actions

令 canonical task state 為：

則：

19. Artifact Lineage

若 Builder 產生：

Verifier 驗證：

之後修改為：

應保留：

而不是只留下：

final.zip
final2.zip
final-new.zip

因此：

20. Provenance Envelope

每個重要 claim 至少要能回答：

who
when
about what
based on which evidence
under which role
under which authority
for which artifact/version

形式化：

這樣 receiver 才能知道：

21. Authority Envelope

若 Agent A 說：

「刪掉舊部署。」

B 不能只問 A 說了什麼。

還要問：

因此：

也就是：

22. Temporal Envelope

跨 session 的：

剛剛。

上一版。

已經。

不必然共享同一時間語義。

所以 observation 應帶：

若採 CTCL 類時間層，可表示：

其中 $I$ 是共同 instant， $Q$ 為 temporal quality。

這使「它當時還有效」可以被正式比較。

23. Dispute State 不能只剩 Transcript

定義：

其中：

• $C$：claim；
• $E$：evidence；
• $S$：scope；
• $B$：blocking level；
• $R$：resolution。

因此：

新 Agent 加入時不必重讀整場爭論。

24. Completion Semantics

建立：

如果：

但：

則：

因此：

25. Recovery Semantics

長期 task 至少保存：

last_checkpoint
current_owner
last_successful_transition
current_blocker
retry_count
replacement_policy
resume_policy
escalation_condition

所以：

不應依賴：

「我記得它上次做到這。」

26. 人類中介成本

定義：

若跨 Agent communication graph 為：

則概念上：

其中 $\lambda_e$ 為 edge interaction frequency， $c_e$ 為一次 mediation cost。

若：

而 $c_e$ 沒下降，人類負擔會隨 Agent 協作網擴張。

27. Multi-Agent Productivity Paradox

直覺上：

但如果人類 mediation 成為 bottleneck：

可能成立。

因此：

這就是 Multi-Agent Productivity Paradox。

28. Externalization Ratio

定義：

當：

大量 coordination 仍依賴 Human。

當：

表示大部分低階 mediation 已外部化。

但：

不代表：

29. Operator Exit 的正確形式

成熟架構不是：

remove human

而是：

human operational mediation
-> structured runtime functions

所以：

30. Human-on-the-Bridge

人類適合保留：

• high-level intent；
• authority change；
• irreversible decision；
• value conflict；
• exceptional ambiguity；
• policy revision；
• veto。

令：

成熟系統希望：

但不是要求：

31. A2A v1.0 的現實意義

截至 2026 年，A2A v1.0 已將：

• Agent Card；
• Message；
• Task；
• contextId；
• taskId；
• Artifact；
• streaming；
• push notification；
• version negotiation；
• authentication；

正式化為跨 Agent 協作結構。

其中 contextId 將相關 Task 與 Message 維持在同一 contextual grouping，taskId 則對應有生命週期的 stateful work unit。

這表示：

正在由單一產品內部能力逐步成為 protocol layer。

32. Agent Card 仍不等於完整戶籍

Agent Card 可以提供：

• name；
• provider；
• version；
• interface；
• capabilities；
• skills；
• authentication requirements。

但 persistent identity 還可能需要：

• resident / instance separation；
• accepted lineage；
• migration；
• private memory ownership；
• relationship state；
• long-term authority；
• current binding；
• cross-provider continuity。

因此：

33. Orchestrator 的重要轉折：Task State 外置

2026 年 coding-agent orchestration 已出現把 project board 當 control plane 的方向。

這代表：

而更接近：

Agent 可以被替換，task state 仍持續。

這正是 Human-Kernel externalization 的重要工程方向。

34. Task Continuity 不等於 Agent Identity Continuity

若 task state 保存良好，Agent replacement 後工作仍可繼續。

因此：

這是一個重要護欄。

不是所有 Agent 都需要 persistent identity。

35. Ephemeral Agent

若 Agent：

• 無 private memory；
• 無 long-term authority；
• 無 relationship；
• 無 standing commitment；
• 無 cross-task history；

則可以只是：

此時：

task_id
role
runtime

可能足夠。

所以：

36. Persistent Agent

若 Agent 長期保存：

分別表示 memory、commitments、relations、history、authority，則 identity pressure 上升。

這時只用一個 role name，例如：

reviewer

就不足以支撐 provenance 與 authority。

37. Typed Handoff

舊模式：

「你接著做，它差不多完成了。」

新模式：

sender_resident
sender_instance
receiver_role
task_id
goal
current_state
accepted_decisions
artifacts
evidence
blockers
open_questions
authority
temporal_reference
next_action

這不是為官僚而官僚。

而是把原本存在 Human-Kernel 腦中的資訊顯式化。

38. Typed Handoff 也是 Token-Efficiency Infrastructure

若每次都重貼全文：

若 handoff 是投影：

且：

因此：

39. Identity、Context、Provenance 不能壓成一欄

Identity：

Context：

Provenance：

所以：

Identity 正確不保證 context 正確。

Context 正確也不保證 provenance 正確。

40. Mediation Fidelity

定義：

其中：

• $F_I$：identity fidelity；
• $F_C$：context fidelity；
• $F_P$：provenance fidelity；
• $F_A$：authority fidelity；
• $F_T$：temporal fidelity。

handoff 可以語言非常流暢，但只要上述任一維度錯誤，organization state 仍可能錯。

41. 流暢對話不等於可靠組織

Agent A 與 B 可以非常會聊天。

但如果：

• 錯認 Agent；
• 用錯 artifact；
• 把 claim 當 proof；
• 把 role 當 authority；
• 把 stale context 當 current；

則：

與：

可以同時成立。

因此：

42. Human 也不是完美中介

人類也會：

• 貼錯對話；
• 忘記版本；
• 漏附件；
• 搞錯來源；
• 疲勞；
• 使用過時記憶。

所以本文不主張：

Human reliable，AI unreliable。

而是：

只是早期 fragility 被藏在人腦中。

43. Externalized Coordination Runtime

最低架構可以是：

Multi-Agent Coordination Runtime
|
+-- Identity Registry
+-- Binding Resolver
+-- Task State Store
+-- Handoff Compiler
+-- Artifact Lineage
+-- Provenance Ledger
+-- Authority Resolver
+-- Temporal Layer
+-- Dispute State
+-- Recovery State
+-- Finality Projection

這些狀態不能全部綁在任何單一 Agent context。

44. Canonical State Outside Agent Context

對任一 Agent $A_i$：

否則：

這會形成不必要的單點故障。

45. Agent Context 應是 Projection

Agent context 是 task-local projection。

它不是 organization canonical source。

46. Handoff 也應是 Projection

Verifier 需要 evidence。

Experiencer 需要 executable artifact。

Manager 需要 status、risk、deadline。

不同 receiver 拿不同 handoff 是合理的。

47. Minimum Externalization Set

MVP 最少可以外部化：

其中：

• $I$：identity；
• $T$：task state；
• $A$：artifact lineage；
• $P$：provenance；
• $F$：finality；
• $D$：dispute；
• $K$：recovery / checkpoint。

Context 再從這些 canonical state 編譯。

48. Externalization 不等於 Centralization

可以使用：

• federated registry；
• distributed ledger；
• provider-native state；
• project-local state；
• local memory；
• shared artifact store。

重要的是：

不要求所有 bytes 物理集中。

49. Cross-Provider Translation

若 Agent A 在 Provider X，Agent B 在 Provider Y，兩者不共享：

• session semantics；
• context limit；
• memory API；
• tool system；
• security model；
• task representation。

所以 cross-provider collaboration 天然需要 translation layer。

沒有 common envelope，人類就會重新成為 translator。

50. Local / Cloud / Embodied Agent

未來可能：

local agent
<-> cloud agent
<-> remote service agent
<-> embodied agent

不同節點具有不同：

因此：

不是合理抽象。

更合理的是：

51. Builder / Verifier / Experiencer 是三個 Observation Domain

Builder：

Verifier：

Experiencer：

因此：

不同不代表互相衝突。

Canonical project state 應保留 multi-projection，而不是讓一個角色吞掉另外兩個。

52. 人類最適合保留的是治理

Human 應從：

copy
paste
route
retry
clarify

移到：

intent
risk
value
exception
authorization
veto
policy change

也就是：

53. 反對意見一：全部 Transcript 給 AI 不就好？

不夠。

因為：

• token cost 高；
• privacy 不一定允許；
• transcript 不等於 canonical state；
• 舊資訊可能已 superseded；
• identity / provenance 仍然需要重新推理。

所以：

54. 反對意見二：Shared Memory 不就好了？

Shared memory 主要回答：

過去有哪些資訊？

但不自動回答：

• 誰可以讀；
• 誰說的；
• 哪個版本；
• 哪個 authority；
• 是否驗證；
• 是否過期；
• 是否需要 human escalation。

因此：

55. 反對意見三：這樣太官僚

如果每個 tool call 都要求十幾個欄位，當然過度。

所以：

低風險 ephemeral worker 可保持極薄 state。

persistent authority / memory / relationship / lineage 才需要完整 envelope。

56. 可測量命題一：Human Mediation Rate

定義：

成熟系統應使：

但不要求：

57. 可測量命題二：Identity Clarification Rate

加入 identity envelope 後預期：

58. 可測量命題三：Handoff Repair Rate

structured handoff 若有效，應有：

59. 可測量命題四：Provenance Loss Rate

加入 provenance envelope 後：

60. 可測量命題五：Token-Amplification Cost

自由文字中介的成本可寫成：

structured state 應使：

61. Workflow-Level Operator Exit

對 workflow $\omega$，若：

且 misroute、provenance loss、recovery failure 都低於門檻，則可定義：

在該判定域成立。

這不是 AGI 判定，只是 workflow-level autonomy。

62. 核心命題總表

命題一：Human Mediation Is Infrastructure

命題二：Human-Kernel Decomposition

命題三：Direct Messaging Is Insufficient

命題四：Operator Exit Requires Externalization

命題五：Canonical State Outside Agent Context

命題六：Context Is Projection

命題七：Task Continuity Is Not Agent Identity

命題八：Operator Exit Is Not Governance Exit

63. 與 PAIS-03 的銜接

PAIS-01 回答：

Cross-Agent state separation 為何產生 identity pressure？

PAIS-02 回答：

為什麼這個問題過去被 Human-Kernel 隱藏，以及人類退出後要外部化什麼？

下一篇：

PAIS-03｜身份壓力原理：自主性、身份與主體性為何可以彼此獨立

將把：

擴展成：

其中：

• $X$：cross-system heterogeneity；
• $H$：history divergence；
• $E$：embodiment；
• $R$：irreversibility；
• $A$：authority；
• $L$：liability；
• $J$：jurisdiction。

64. 結論

早期多 Agent 系統最容易產生的錯覺是：

AI 已經能彼此協作，所以人類只是在中間傳話。

實際上，人類常同時維持：

• identity；
• routing；
• context；
• provenance；
• task state；
• conflict；
• finality；
• recovery。

因此真正架構是：

而不是只有：

只把 $\mathcal H$ 拿掉，不會自然得到成熟 multi-agent organization。

它只會失去原本被人類隱性提供的協調能力。

因此：

真正的工程轉折是：

當 identity、routing、context、provenance、authority、finality 與 recovery 都可以由 Runtime 查詢、驗證與重建時，人類才真正有可能退出低價值 operational mediation。

而人類退出之後剩下的，不應是無治理的 Agent 群，而是：

這是從「一群會聊天的 AI」走向「一個可以長期工作的 AI 組織」的第二個基礎轉折。

參考文獻

A. 內部前置理論

1. Neo.K. 《從 AI 工具到 AI 組織：操作員退出問題》, EML-ANDO-2026-01-v0.1, 2026-08-20.
2. Neo.K. PAIS-01｜《當角色不再只是角色：從同 Host 扮演到跨 Agent 認識論分離》, v0.1, 2026-08-25.
3. Neo.K. 《身份先於記憶：Residence-Aware AI 的私人記憶、連續性與讀取權》, v0.1, 2026-08-24.
4. Neo.K. 《從 AI 戶籍到自主記憶編譯：身份、記憶、上下文與認知自主的統一框架》, v0.1, 2026-08-24.
5. Neo.K. 《AI 主體性錨點論 v0.1》, 2026-08-21.
6. Neo.K. GLAG-02｜《從布告板到 AI Home：可定址智能體的空間身份、門牌與持續工作場所》, 2026-08-25.
7. Credential Governance Runtime v0.3 / Bounded Dispute Protocol / CTCL Temporal Foundation, 2026-08-25.

B. 外部研究與工程基準

8. A2A Protocol Working Group. Agent2Agent Protocol Specification v1.0. Linux Foundation, 2026.
9. A2A Protocol Working Group. A2A Protocol Ships v1.0: Production-Ready Standard for Agent-to-Agent Communication. 2026.
10. OpenAI. An open-source spec for Codex orchestration: Symphony. 2026-04-27.
11. Anthropic. Patterns and problems in emerging multiagent systems. 2026-08-13.
12. Wu, Qingyun, et al. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. COLM, 2024.
13. Li, Guohao, et al. CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society. arXiv:2303.17760, 2023.

版本註記

v0.1 / 2026-08-25

本文刻意不做：

• 不主張 Human 必須完全退出 multi-agent organization；
• 不把 operator exit 等同 governance exit；
• 不要求所有 Agent 都有 persistent identity；
• 不把 A2A、orchestrator 或 shared memory 誤認成完整 organization semantics；
• 不要求所有 context 集中到單一 database；
• 不把流暢 agent-to-agent dialogue 當作可靠協作的充分條件；
• 不重寫完整 AI Residence；
• 不預設任何 AI 已具有 phenomenal subjectivity。

本文只建立：

這一條第二階段理論鏈。