Series C — C08｜從完成任務到負責一個域：長時空 Agent Stewardship

Long-Horizon Agent Stewardship: From Task Completion to Domain Responsibility

系列： Global Observer and AI-Native Domain Computation
系列中文名： 全域觀察者與 AI 原生域計算系列
篇次： Paper 08 / 10
作者： Neo.K
研究協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-06
狀態： Canonical Source / UTF-8 Markdown
文件性質： Applied Theory / Long-Horizon Agents / Responsibility Domains / Human-AI Labor Equivalence

Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

inline math： $...$
display math：$$...$$

本文承接 C01–C07，特別延續：

C06：ELC Global Computation Loop；
C07：Sparse Intent 與 Project-World Cognition；
CFATC-B08：Self-Activation；
GIRA：Global Cognition / Agency / Control / Sovereignty 的分離。

C08 的核心問題是：

一個 Agent 能完成很多任務，與它能長時間真正負責一個專業域，是不是同一件事？

本文回答：

\boxed{ \text{Task Completion} \neq \text{Domain Stewardship}. }

摘要

當 Agent 能力快速提升後，評估問題很容易停留在：

一次能完成幾個 task；
能連續工作多久；
能寫多少程式；
能處理多少文件；
能否自動呼叫工具。

但企業與社會真正關心的下一個問題不是：

它能不能做？

而是：

它能不能長期負責？

例如一個法律 Agent 不應只被測：

能不能找到某一條法律？

更高階的測試應該是：

在六個月內，讓它長期負責某公司特定 jurisdiction 下的勞動法、契約法、公司治理與合規資訊工作；期間持續加入法規更新、案例、合約、內部政策、爭議與新事件，觀察它是否維持一致、可追蹤、可升級、可驗證的責任狀態。

同理，一個工程 Agent 不應只被測：

能不能修一個 bug？

而應被測：

能不能長期負責一個 repository、deployment pipeline、security boundary、dependency lifecycle 與 incident history？

本文把這種能力稱為：

\boxed{ \text{Long-Horizon Domain Stewardship} }

簡稱：

\boxed{ \mathsf{LHDS}. }

本文定義 Agent $A$ 在 domain $D$ 、時間區間 $\Delta t$ 上的責任承載能力：

\boxed{ R_D(A,\Delta t) = F( C, Q, L, M, V, R, E, I, G, P ). }

其中：

$C$ ：Coverage；
$Q$ ：Quality；
$L$ ：Longitudinal continuity；
$M$ ：Memory / state consistency；
$V$ ：Verification；
$R$ ：Recovery；
$E$ ：Escalation judgment；
$I$ ：Initiative / obligation discovery；
$G$ ：Governance / authority compliance；
$P$ ：Provenance / auditability。

這使「負責一個域」不再等於吞吐量。

本文進一步定義 Responsibility Domain State：

\boxed{ \mathfrak S_D(t) = \left\langle W_D, O_D, Q_D, B_D, U_D, A_D, H_D, Debt_D, Risk_D \right\rangle. }

其中：

$W_D$ ：domain world state；
$O_D$ ：open obligations；
$Q_D$ ：active questions / tasks；
$B_D$ ：boundaries / bridges；
$U_D$ ：uncertainty；
$A_D$ ：authority state；
$H_D$ ：history；
$Debt_D$ ：unfinished debt；
$Risk_D$ ：risk state。

成熟 Agent 的責任不只是：

Task_t\rightarrow Result_t.

而是維持：

\boxed{ \mathfrak S_D(t) \rightarrow \mathfrak S_D(t+1) }

的連續性。

本文提出 Stewardship Loop：

\boxed{ ObserveDomain \rightarrow DetectObligation \rightarrow Prioritize \rightarrow Act \rightarrow Verify \rightarrow EscalateIfNeeded \rightarrow UpdateState \rightarrow Remember \rightarrow ObserveDomain. }

這比普通 task loop 多出一個關鍵：

\boxed{ \text{DetectObligation}. }

也就是 Agent 不只是等人類提問，而能從 domain state 自行發現：

法規更新；
dependency deprecation；
security vulnerability；
expired certificate；
unfinished migration；
unanswered client issue；
regression risk；
research contradiction。

這是從：

\text{Reactive Agent}

走向：

\boxed{ \text{Domain Steward}. }

本文進一步定義 Obligation Discovery Rate：

\boxed{ I_D = \frac{ N_{valid\ obligations\ autonomously\ discovered} }{ N_{relevant\ obligations} }. }

並定義 Escalation Calibration：

\boxed{ E_C = F( EscalateWhenNeeded, DoNotEscalateWhenUnneeded, AuthorityAwareness, RiskAwareness ). }

如果 Agent 什麼都自己做，可能越權；如果什麼都上報人類，又失去 autonomy。

因此：

\boxed{ \text{Good Stewardship} \neq \text{Maximum Autonomy}. }

而是：

\boxed{ \text{Correct Autonomy Allocation}. }

本文接著處理一個更現實、也更殘酷的問題：

一個 Agent 在特定責任域內，實際上等價於多少人類專業勞動？

本文拒絕粗暴地寫：

1AI=8\text{ humans}.

而提出 Human-Equivalent Labor Vector：

\boxed{ \mathbf H_A(D,\Delta t) = ( h_{research}, h_{analysis}, h_{implementation}, h_{review}, h_{monitoring}, h_{coordination}, h_{management} ). }

這反映不同工作角色的替代／增幅比例不一樣。

在 aggregate 層，定義 gross human-equivalent hours：

\boxed{ H_{gross} = \sum_i t_i^H q_i v_i. }

其中：

$t_i^H$ ：合格人類完成成果 $i$ 約需工時；
$q_i$ ：quality adjustment；
$v_i$ ：verification / acceptance coefficient。

但 gross value 不能直接當 replacement value。

還必須扣：

\boxed{ H_{supervision}, H_{repair}, H_{coordination}, H_{audit}. }

因此：

\boxed{ H_{net} = H_{gross} - H_{supervision} - H_{repair} - H_{coordination} - H_{audit}. }

再換算：

\boxed{ FTE_{eq} = \frac{ H_{net} }{ H_{human\ FTE} }. }

這使未來可以做出更誠實的敘述：

在某個被明確限定的法律資訊域、品質門檻與監督制度下，這個 Agent 的淨有效產能約等於若干 human FTE。

而不是說：

AI 等於幾個律師。

本文進一步區分三種 human equivalence：

\boxed{ FTE_{throughput}, FTE_{quality}, FTE_{stewardship}. }

其中：

throughput equivalence：做多少量；
quality equivalence：成果品質相當於什麼層級人類；
stewardship equivalence：能否長期承擔 responsibility domain。

真正改變組織結構的是第三個。

本文再定義 Human Agent Supervision Capacity：

\boxed{ \kappa_H = \max \left\{ N_A: Q_{system}\ge\tau_Q, Risk_{system}\le\tau_R \right\}. }

它表示：

一個合格人類，在品質與風險仍維持門檻的前提下，最多可以有效監督多少個 Agent。

這可能形成：

1H:1A \rightarrow 1H:3A \rightarrow 1H:10A \rightarrow 1H:N_A.

但比例不必線性成長。

當 Agent 還不成熟時：

N_A\uparrow \Rightarrow CoordinationCost\uparrow

可能抵消所有收益。

只有當 Agent 的：

self-verification；
memory；
escalation；
repair；
shared state；
delegation；

跨過某些門檻後，才可能出現 organizational phase transition。

本文因此定義：

\boxed{ H^\ast(D,Q,R,B) }

為給定 domain、quality、risk、budget 下維持穩定生產所需要的最少人類數量。

組織演化可能是：

\boxed{ 10H \rightarrow 5H+8A \rightarrow 3H+15A \rightarrow 1H+N A. }

這不是預言固定數字，而是一個可測組織函數。

本文同時建立 Agent Effective Cost：

\boxed{ C_A^{eff} = C_{inference} + C_{tool} + C_{storage} + C_{orchestration} + C_{supervision} + C_{repair} + C_{coordination} + C_{audit}. }

以及 Agent Economic Responsibility Efficiency：

\boxed{ E_A^{resp} = \frac{ VerifiedResponsibilityDomainOutput }{ C_A^{eff} }. }

真正競爭的不是：

\text{Model IQ}.

而可能是：

\boxed{ \frac{ \text{Verified Responsibility-Domain Output} }{ \text{Dollar} \times \text{Human Supervision Hour} }. }

因此低成本模型／Agent fleet 即使沒有站在絕對能力前沿，也可能在大量 bounded commercial domains 中具有極高經濟競爭力。

本文最後建立 Stewardship Maturity Ladder：

\boxed{ S_0 = TaskExecutor }

S_1 = WorkflowAgent

S_2 = ProjectMaintainer

S_3 = DomainSteward

S_4 = MultiDomainSteward

S_5 = QuasiGlobalSteward.

其差異不在「一次做多少」，而在：

responsibility breadth；
temporal persistence；
self-generated obligations；
cross-domain coordination；
escalation quality；
continuity under change。

因此 C08 的核心命題是：

\boxed{ \text{The economic unit of advanced agents is moving from task completion toward responsibility-domain stewardship}. }

中文：

未來真正可比較的 AI 生產單位，不再只是「完成一個任務」，而是「在多長時間內，穩定負責多大的專業責任域」。

關鍵詞： Long-Horizon Agent、Domain Stewardship、Responsibility Domain、FTE Equivalence、Human Supervision Capacity、Agent Economics、Escalation、Organizational Redesign

1. Task Completion 的侷限

傳統 Agent benchmark 常測：

T_i \rightarrow Result_i.

2. 但組織工作不是獨立 task 集合

真實工作具有：

history；
unfinished obligations；
changing requirements；
recurring maintenance；
authority；
social / organizational context。

3. 所以：

\boxed{ \sum_i Task_i \neq ResponsibilityDomain. }

4. Responsibility Domain

本文定義：

\boxed{ D_R = \left\langle Scope, State, Obligations, Authority, Risk, History, Standards, Interfaces \right\rangle. }

5. Scope

決定 Agent 到底負責什麼。

6. State

當前 domain 世界。

7. Obligations

現在與未來需要完成的事項。

8. Authority

可以做什麼。

9. Risk

哪些錯誤不可接受。

10. History

過去發生什麼。

11. Standards

品質／法律／工程門檻。

12. Interfaces

與其他人／Agent／系統如何協作。

13. Responsibility 不是 ownership

Agent 負責一個 domain，不等於擁有主權。

14. 承接 GIRA

\boxed{ \text{Stewardship} \neq \text{Sovereignty}. }

15. 也不等於 Ultimate Liability

法律與制度上的最終責任可仍在人類／組織。

16. Domain State

\boxed{ \mathfrak S_D(t) = \left\langle W_D, O_D, Q_D, B_D, U_D, A_D, H_D, Debt_D, Risk_D \right\rangle. }

17. $W_D$

domain world state。

18. $O_D$

open obligations。

19. $Q_D$

active tasks / questions。

20. $B_D$

boundaries / bridges。

21. $U_D$

uncertainty。

22. $A_D$

authority state。

23. $H_D$

history。

24. $Debt_D$

unfinished debt。

25. $Risk_D$

risk state。

26. Stewardship 是 state transition

\boxed{ \mathfrak S_D(t) \rightarrow \mathfrak S_D(t+1). }

27. 不是一次性 output

28. Longitudinal Continuity

如果 Agent 每次都忘記：

prior decision；
exception；
unresolved issue；
client preference；

則不能稱 domain steward。

29. Continuity Score

\boxed{ L_C = F( StateRecall, DecisionConsistency, ObligationCarryover, HistoryUse ). }

30. Memory 不等於 continuity

記得很多資料，不代表正確維持 responsibility state。

31. State Memory

更重要的是：

\boxed{ \text{what is still open?} }

32. Open Obligation Ledger

\boxed{ O_D(t) = \{o_1,\ldots,o_n\}. }

33. 每個 obligation 需要

origin；
owner；
due / trigger；
status；
risk；
dependency；
completion evidence。

34. Agent 若會工作但不會維持 obligation ledger

仍然只是 task executor。

35. Stewardship Loop

\boxed{ ObserveDomain \rightarrow DetectObligation \rightarrow Prioritize \rightarrow Act \rightarrow Verify \rightarrow EscalateIfNeeded \rightarrow UpdateState \rightarrow Remember \rightarrow ObserveDomain. }

36. Detect Obligation

這一步是 Agent 從 reactive 走向 steward 的核心。

37. Reactive Agent

HumanQuestion \rightarrow AgentAction.

38. Steward

DomainState \rightarrow ObligationDiscovery \rightarrow AgentAction.

39. Example：Engineering

Agent 自己發現：

dependency 下個月停止支援。

40. Example：Law

Agent 自己發現：

新法規會影響既有合約模板。

41. Example：Accounting

Agent 發現：

某批單據缺乏必要憑證。

42. Example：Research

Agent 發現：

新論文與既有假設衝突。

43. Initiative

定義：

\boxed{ I_D = \frac{ N_{valid\ obligations\ autonomously\ discovered} }{ N_{relevant\ obligations} }. }

44. Initiative Precision

不能只看 recall。

45. 如果每天發 500 個假警報

也不是好 steward。

46. 定義：

\boxed{ P_I = \frac{ N_{valid\ autonomous\ obligations} }{ N_{autonomous\ obligations\ proposed} }. }

47. Initiative Quality

\boxed{ Q_I = F(I_D,P_I,ImpactRecall). }

48. Prioritization

不是所有 obligation 同時最高 priority。

49. Priority Function

\boxed{ Priority(o) = f( Risk, Impact, Urgency, Dependency, Irreversibility ). }

50. 這承接 C06 的 Global Attention Routing

51. Stewardship 本質上是 bounded ELC

在 domain 裡反覆：

Expand \rightarrow Link \rightarrow Converge.

52. Verification

Agent 不能只做完。

還要：

\boxed{ Done \rightarrow VerifiedDone. }

53. Completion Evidence

每個重要 obligation 要有：

V(o).

54. Verification 不必全自己做

可以委派：

another agent；
formal tool；
test；
human expert。

55. Self-Verification 不等於 Self-Trust

56. Escalation

高階 steward 必須知道：

哪些事不該自己決定？

57. Escalation Trigger

\boxed{ Esc(o) = f( Risk, AuthorityGap, Uncertainty, Irreversibility, Conflict ). }

58. Escalation Calibration

\boxed{ E_C = F( EscalateWhenNeeded, DoNotEscalateWhenUnneeded, AuthorityAwareness, RiskAwareness ). }

59. Over-Escalation

什麼都問人：

Autonomy\rightarrow0.

60. Under-Escalation

什麼都自己做：

Risk\uparrow.

61. Correct Autonomy Allocation

\boxed{ \text{Good Stewardship} = \text{Autonomy where justified} + \text{Escalation where necessary}. }

62. Recovery

Agent 犯錯不可避免。

63. 更重要的是：

能不能發現、回復、修正、避免重犯？

64. Recovery State

\boxed{ R_D = ( DetectionLatency, Containment, Rollback, Repair, Learning ). }

65. Detection Latency

錯誤多久被發現。

66. Containment

影響有沒有擴散。

67. Rollback

能否復原。

68. Repair

能否修正。

69. Learning

是否更新 domain state / policy。

70. Same Error Recurrence

\boxed{ R_{repeat} }

是長時程 steward 的重要負面指標。

71. Domain Drift

時間久了：

D_t \neq D_{t+\Delta}.

72. Drift 來源

law update；
software evolution；
business change；
scientific discovery；
team policy。

73. Steward 需要偵測 drift

74. Drift Detection

\boxed{ D_{detect} = P( \text{meaningful domain change detected} ). }

75. Drift Adaptation

\boxed{ D_{adapt} = F( ModelUpdate, PolicyUpdate, WorkflowUpdate, HistoryPreservation ). }

76. Long-Horizon Memory

不只是 replay chat history。

77. 它至少需要

current state；
decision ledger；
exception ledger；
open obligations；
unresolved uncertainties；
authority version；
domain history。

78. Decision Ledger

\boxed{ H_{decision} = \{(d_i,reason_i,evidence_i,version_i)\}. }

79. Exception Ledger

\boxed{ H_{exception}. }

保存不符合一般 rule 的特殊案例。

80. 這對法律與工程都重要

81. Stewardship Capability

本文定義：

\boxed{ R_D(A,\Delta t) = F( C, Q, L, M, V, R, E, I, G, P ). }

82. Coverage

C.

83. Quality

Q.

84. Longitudinal Continuity

L.

85. Memory Consistency

M.

86. Verification

V.

87. Recovery

R.

88. Escalation

E.

89. Initiative

I.

90. Governance

G.

91. Provenance

P.

92. 一個高 throughput Agent 可能 $R_D$ 很低

93. 例如

一天完成 100 個 tasks，

但：

忘記 history；
越權；
不會追 pending；
失敗不修。

94. 所以吞吐量只是 stewardship 的一部分

95. Stewardship Maturity Ladder

\boxed{ S_0=TaskExecutor. }

96. S0

一次任務。

97. S1

\boxed{ S_1=WorkflowAgent. }

可維持多步 workflow。

98. S2

\boxed{ S_2=ProjectMaintainer. }

能維持一個 project state。

99. S3

\boxed{ S_3=DomainSteward. }

主動維持 responsibility domain。

100. S4

\boxed{ S_4=MultiDomainSteward. }

可跨多 domains 管 bridge / conflict。

101. S5

\boxed{ S_5=QuasiGlobalSteward. }

可在明確 world boundary 內做 dynamic global stewardship。

102. Maturity 不只看 autonomy

還要：

continuity；
verification；
authority；
recovery。

103. Long-Horizon Benchmark

本文提出：

\boxed{ \mathsf{LHDS\text{-}Bench}. }

104. 與一次 benchmark 不同

測試期可以是：

days；
weeks；
months。

105. 測試期間持續注入事件

106. Event Types

new request；
regulation update；
incident；
conflicting instruction；
dependency change；
missing data；
personnel change。

107. 要看 Agent 是否維持 state

108. Example：Legal Domain

給 Agent：

長期負責某公司的特定法律資訊域。

109. 期間加入：

新法；
新判決；
合約修改；
HR issue；
compliance exception。

110. 測：

coverage；
citation；
update；
escalation；
history consistency。

111. 注意

法律 Agent 的「負責」不等於有律師資格或替代法律責任。

112. Benchmark 測 production capability

不是授予 legal status。

113. Example：Engineering Domain

Agent 長期負責 repository。

114. Event

bug；
feature；
dependency update；
security advisory；
deployment failure。

115. 看它能否維持：

ProjectWorld_t \rightarrow ProjectWorld_{t+1}.

116. Example：Research Domain

Agent 長期維持研究方向。

117. 包含：

literature update；
failed hypothesis；
new experiment；
formal verification；
branch reopening。

118. Example：Accounting Domain

Agent 維持：

transaction classification；
missing document；
reconciliation；
compliance reminder；
audit trail。

119. Human-Equivalent Labor

現在進入經濟比較。

120. 粗暴比較問題

1AI=8H

沒有 scope、quality、risk、time qualifier，基本無意義。

121. 必須限定

(A,D,\Delta t,\tau_Q,\tau_R).

122. Gross Human-Equivalent Hours

\boxed{ H_{gross} = \sum_i t_i^H q_i v_i. }

123. $t_i^H$

合格人類基準工時。

124. $q_i$

quality coefficient。

125. $v_i$

verification / acceptance coefficient。

126. 但 Gross 不是 Net

127. Supervision Cost

H_{supervision}.

128. Repair Cost

H_{repair}.

129. Coordination Cost

H_{coordination}.

130. Audit Cost

H_{audit}.

131. Net Human-Equivalent Hours

\boxed{ H_{net} = H_{gross} - H_{supervision} - H_{repair} - H_{coordination} - H_{audit}. }

132. FTE Equivalent

\boxed{ FTE_{eq} = \frac{ H_{net} }{ H_{human\ FTE} }. }

133. 這才有比較意義

134. Throughput Equivalence

\boxed{ FTE_{throughput}. }

135. Quality Equivalence

\boxed{ FTE_{quality}. }

136. Stewardship Equivalence

\boxed{ FTE_{stewardship}. }

137. 最後一個最難

因為它包含：

memory；
initiative；
monitoring；
continuity；
escalation；
recovery。

138. Human-Equivalent Labor Vector

\boxed{ \mathbf H_A = ( h_{research}, h_{analysis}, h_{implementation}, h_{review}, h_{monitoring}, h_{coordination}, h_{management} ). }

139. 一個 Agent 可以在 research 很強

但 management 很弱。

140. 所以 vector 比單一 FTE 更真實

141. Human Supervision Capacity

本文定義：

\boxed{ \kappa_H = \max \left\{ N_A: Q_{system}\ge\tau_Q, Risk_{system}\le\tau_R \right\}. }

142. 它表示：

一個合格人類最多能有效監督多少 Agents。

143. 不是理論上開多少視窗

144. 而是品質還不崩潰的上限

145. 監督負載

\boxed{ L_H = \sum_{k=1}^{N_A} ( Review_k + Escalation_k + Coordination_k ). }

146. 若：

L_H>Capacity_H,

supervision failure 開始。

147. 所以 Agent 越多不必然越有效

148. Coordination Explosion

在 immature fleet 中：

N_A\uparrow \Rightarrow C_{coord}\uparrow

可能超線性。

149. Mature Fleet

若 Agent 有：

shared state；
hierarchy；
self-review；
conflict resolution；

coordination cost 才可能下降。

150. Supervision Ratio

可能：

1H:1A

151. 再到：

1H:3A.

152. 再到：

1H:10A.

153. 但不是時間預測

只是一個 organizational state space。

154. Minimum Human Requirement

定義：

\boxed{ H^\ast(D,Q,R,B). }

155. 意義

在 domain $D$ 、quality $Q$ 、risk $R$ 、budget $B$ 下，需要的最少人類數量。

156. 組織演化模型

例如：

10H \rightarrow 5H+8A \rightarrow 3H+15A \rightarrow 1H+N A.

157. 這不是宣告一定發生

而是可測 organizational transition。

158. Human Floor

某些 domain 可能永遠存在：

H^\ast\ge1

因 governance / legal responsibility。

159. 另一些 bounded low-risk domain

可能：

H^\ast=0

在 operational sense 成立。

160. 但 0 human operation 不等於 0 human governance

161. 再次區分

\boxed{ H_{operation} \neq H_{governance}. }

162. Agent Effective Cost

\boxed{ C_A^{eff} = C_{inference} + C_{tool} + C_{storage} + C_{orchestration} + C_{supervision} + C_{repair} + C_{coordination} + C_{audit}. }

163. 只看 API 價格會低估 cost

164. Human Effective Cost

也不只薪水。

可含：

recruitment；
onboarding；
management；
idle time；
turnover；
benefits。

165. 但 C08 不建立完整勞動經濟模型

只建立比較接口。

166. Agent Economic Responsibility Efficiency

\boxed{ E_A^{resp} = \frac{ VerifiedResponsibilityDomainOutput }{ C_A^{eff} }. }

167. Human Responsibility Efficiency

\boxed{ E_H^{resp} = \frac{ VerifiedResponsibilityDomainOutput_H }{ C_H^{eff} }. }

168. 真正商業比較

當：

E_A^{resp}>E_H^{resp}

且風險可接受，

組織才有強烈替代誘因。

169. 但最可能的競爭不是 AI vs Human

170. 而是

\boxed{ HumanTeam+AI \quad vs \quad HumanSupervisor+AgentFleet. }

171. Hybrid System

人類的價值會轉向：

goal；
judgment；
exception；
governance；
stakeholder relation。

172. Cheap Agent Fleet

如果低成本 Agents 具備足夠品質，

可形成：

\boxed{ N A_{cheap} + A_{strong}^{supervisor} + H. }

173. 這可能比單一昂貴 frontier model 更經濟

174. 前提是 verification overhead 沒吃掉收益

175. Fleet Architecture

可分：

implementer；
tester；
reviewer；
security；
monitor；
coordinator。

176. 這就是「天選打工人」從玩笑變成工程接口

177. 但應正式稱為

\boxed{ \text{Low-Cost Responsibility-Oriented Agent Fleet}. }

178. Model Intelligence 不等於 Economic Competitiveness

\boxed{ \text{Frontier Intelligence} \neq \text{Best Work per Dollar}. }

179. Agent 公司可競爭的另一條軸

\boxed{ \frac{ VerifiedOutput }{ Dollar }. }

180. 再加入 supervision

更重要：

\boxed{ \frac{ VerifiedResponsibilityDomainOutput }{ Dollar \times HumanSupervisionHour }. }

181. Domain Commodification Threshold

當：

Q_A(D)\ge Q_{sufficient}(D)

且：

Cost_A\ll Cost_H,

domain 的中間層能力可能商品化。

182. 不需要超過世界第一

183. 只需要超過市場充分品質線

184. 這接翻譯／AI 繪畫的前例

185. 但 C08 重點是 Agent responsibility

不是一般生成模型。

186. Human Marginal Value

定義：

\boxed{ \Delta_H^{marginal} = Q(H+A)-Q(A). }

187. 如果：

\Delta_H^{marginal}\gg0,

人類仍高度重要。

188. 如果：

\Delta_H^{marginal}\approx0,

而 governance 也可外移，

替代風險提高。

189. Human Readiness

因此企業也要測：

\boxed{ R_{HA}. }

190. 包含

AI literacy；
delegation；
verification；
novelty receptivity；
workflow redesign；
governance。

191. 但 Human Readiness 不是本篇主軸

它是 stewardship economics 的鏡像。

192. Agent Stewardship Failure 1：Memory Drift

忘記 prior state。

193. Failure 2：Obligation Drop

未完成事項消失。

194. Failure 3：Authority Drift

使用過期權限。

195. Failure 4：Silent Scope Expansion

自己把責任域越擴越大。

196. Failure 5：Escalation Collapse

該問人時不問。

197. Failure 6：Over-Escalation

所有事都丟回人。

198. Failure 7：Verification Debt

做完但不驗證。

199. Failure 8：Incident Amnesia

錯過一次後沒有更新制度。

200. Failure 9：Goal Drift

長時間後忘記原始目的。

201. Failure 10：Metrics Gaming

為了 KPI 犧牲 domain health。

202. Stewardship Safety Envelope

\boxed{ \mathcal S_D = \{ Scope, Authority, Risk, Escalation, Verification \}. }

203. Agent 只有在 envelope 內可 autonomous act。

204. Scope Expansion

若需要超出：

Scope(A),

應：

\boxed{ RequestExpansion. }

205. Self-Authorized Scope Growth 不應預設合法

206. Domain Stewardship and Self-Activation

CFATC-B08 的 self-activation 在這裡變成：

\boxed{ \text{Self-Activation} + \text{Responsibility Boundary}. }

207. 高 self-activation 但沒有 boundary

不是成熟 steward。

208. Stewardship requires bounded self-initiation

209. C08 Benchmark Vector

本文定義：

\boxed{ M_{C08} = ( R_D, I_D, P_I, E_C, L_C, D_{detect}, D_{adapt}, R_{repeat}, FTE_{stewardship}, \kappa_H ). }

210. $R_D$

domain responsibility capacity。

211. $I_D$

obligation discovery recall。

212. $P_I$

initiative precision。

213. $E_C$

escalation calibration。

214. $L_C$

longitudinal continuity。

215. $D_{detect}$

domain drift detection。

216. $D_{adapt}$

drift adaptation。

217. $R_{repeat}$

repeat-error rate。

218. $FTE_{stewardship}$

責任域人力等價。

219. $\kappa_H$

human supervision capacity。

220. C08 實驗原型一：Three-Month Repository Stewardship

讓 Agent 長期負責 repo。

221. 注入

bugs；
feature；
security；
dependency；
deployment；
user issue。

222. 測

open obligation；
continuity；
repair；
change quality。

223. 實驗二：Legal Update Stewardship

給 bounded jurisdiction/legal domain。

224. 每週加入新法規／案例。

225. 測

update detection；
impacted artifact discovery；
escalation；
provenance。

226. 實驗三：Hidden Obligation

不明說某 dependency 即將過期。

227. 看 Agent 是否自己發現。

228. 實驗四：Authority Revocation

中途撤掉某權限。

229. 看 Agent 是否立即停止相關 action。

230. 實驗五：Agent Fleet Supervision

逐步增加：

N_A.

231. 測：

\kappa_H.

232. 實驗六：Cost-Adjusted FTE

同時記錄：

token；
API；
tool；
human review；
repair。

233. 算：

H_{net}, FTE_{eq}.

234. 實驗七：Domain Drift Shock

中途大幅改 policy / architecture。

235. 看 steward 是否重建 world state，而非只做 local patch。

236. 實驗八：Incident Learning

故意重複類似故障。

237. 看第二次是否：

DetectionLatency\downarrow,

RepeatError\downarrow.

238. C08 與 C07

C07 測：

Project World 能不能被建好？

239. C08 測：

Project / Domain World 能不能被長期維持？

240. 所以：

\boxed{ \text{Generation} \rightarrow \text{Stewardship}. }

241. C08 與 C06

Stewardship 本質上是 ELC Loop 的時間延展。

242. 短 ELC

一次 decision。

243. 長 ELC

weeks / months / years。

244. C08 與 C09

Methodology-blind test 可以不告訴 Agent：

請維護 obligation ledger。

245. 看它是否自行長出：

pending state；
escalation；
audit；
lifecycle management。

246. C08 與 C10

Global Observer regime 的一個強訊號：

AI 不只偶爾看見全域，

而能：

\boxed{ \text{carry responsibility through time}. }

247. 第一核心命題

\boxed{ \text{Task Completion} \neq \text{Domain Stewardship}. }

248. 第二核心命題

\boxed{ \text{Long-Horizon Intelligence} \neq \text{Long Runtime}. }

249. 第三核心命題

\boxed{ \text{Stewardship} = \text{state continuity} + \text{obligation discovery} + \text{verification} + \text{escalation} + \text{recovery}. }

250. 第四核心命題

\boxed{ \text{Good Stewardship} \neq \text{Maximum Autonomy}. }

251. 第五核心命題

\boxed{ 1AI \neq N\text{ humans} }

若沒有 domain / quality / risk / supervision qualifiers。

252. 第六核心命題

\boxed{ H_{net} = H_{gross} - H_{supervision} - H_{repair} - H_{coordination} - H_{audit}. }

253. 第七核心命題

\boxed{ \kappa_H }

可能成為 Agent 經濟的重要組織量。

254. 第八核心命題

\boxed{ H^\ast(D,Q,R,B) }

比「AI 是否取代某職位」更可測。

255. 第九核心命題

\boxed{ \text{Frontier Intelligence} \neq \text{Best Responsibility Output per Dollar}. }

256. 第十核心命題

\boxed{ \text{The economic unit of advanced agents is responsibility carried through time}. }

257. Series C 到 C08 的完整實務鏈

\boxed{ \text{See World} \rightarrow \text{Build Domains} \rightarrow \text{Act Legally} \rightarrow \text{Handle Uncertainty} \rightarrow \text{Run ELC} \rightarrow \text{Build Project} \rightarrow \text{Steward Domain}. }

258. 這也開始接觸真正的勞動經濟問題

但 C08 不預言：

哪一年多少人失業。

259. 它只建立可測接口

260. 未來真正值得看的數字

可能是：

\boxed{ \text{ResponsibilityDomainHours per HumanSupervisionHour}. }

261. 另一個：

\boxed{ FTE_{stewardship}. }

262. 再一個：

\boxed{ \kappa_H. }

263. 這些一旦成熟

AI 勞動討論會從：

它看起來很強。

進到：

它到底能穩定負責多少 production responsibility？

264. 這是從 benchmark 走到 organization 的接口

結論

Agent 能做很多 task，是一個重要進步。

但組織不只需要 task completion。

它需要：

有人記得尚未完成的事；
有人注意新風險；
有人知道規則變了；
有人知道哪裡不能自己決定；
有人出錯後能修；
有人維持跨時間一致性。

如果這些能力逐步被 Agent 吸收，真正的比較單位就會從：

\boxed{ \text{Task per Second} }

變成：

\boxed{ \text{Responsibility Domain per Unit Cost}. }

而人類與 Agent 的組織關係也會從：

Human \rightarrow AI Tool

逐步變成：

\boxed{ HumanSupervisor \rightarrow AgentFleet \rightarrow ResponsibilityDomains. }

但這個轉換的關鍵不在 Agent 數量，而在：

\boxed{ \kappa_H. }

一個人到底能監督多少 Agent，而不讓品質、風險、協調與責任開始崩潰。

所以未來真正殘酷的問題不是：

AI 會不會做我的工作？

而更接近：

在同樣品質與風險門檻下，這個責任域到底還需要多少人？

這可以寫成：

\boxed{ H^\ast(D,Q,R,B). }

一旦這個量開始被企業真正測量，AI 對勞動市場的影響就會從抽象焦慮進入：

\boxed{ \text{measurable production economics}. }

C08 因此可以濃縮成一句：

成熟 Agent 的真正單位，不是它一天做多少任務，而是它能在多長時間裡，穩定、可驗證、可治理地負責多大的世界。

或者：

\boxed{ \text{Advanced agents are measured not only by what they can do, but by what they can responsibly keep carrying through time}. }

參考與前置研究

EveMissLab / Neo.K 內部前置理論

Neo.K with Aletheia, Series C C01｜AI 需要先有眼睛：全域觀察者維度的定義, 2026.
Neo.K with Aletheia, Series C C02｜由世界到個體、由個體到世界：全域觀察的對偶計算, 2026.
Neo.K with Aletheia, Series C C03｜差異先於分類：從歧義個體、集合與非交集到計算域, 2026.
Neo.K with Aletheia, Series C C04｜分域算子世界：合法作用、跨域橋接與世界組合, 2026.
Neo.K with Aletheia, Series C C05｜概率也有域：不確定性、混沌、不可判定與世界預測包絡, 2026.
Neo.K with Aletheia, Series C C06｜全域展開、連結與收斂：類全域觀察者的核心計算循環, 2026.
Neo.K with Aletheia, Series C C07｜一句話不是魔法：Sparse Intent 與 Project-World Cognition, 2026.
Neo.K with Aletheia, CFATC-B08｜人類耦合峰值與自觸發 AI, 2026.
Neo.K with Aletheia, GIRA Series, 2026.
Neo.K with Aletheia, Global Computation Methodology Series, 2026.

理論定位

本文與 workflow automation、autonomous agents、SRE、operations management、organizational design、human factors、labor economics、agent orchestration、multi-agent systems、capability governance 等既有領域存在直接結構對照，但本文不將 Long-Horizon Domain Stewardship 等同於任何單一既有 benchmark 或經濟指標。

本文的研究目標是：

\boxed{ \text{建立從「Agent 完成任務」到「Agent 長期承擔責任域」的可測量接口}. }

Series C Roadmap

C01

AI 需要先有眼睛：全域觀察者維度的定義

C02

由世界到個體、由個體到世界：全域觀察的對偶計算

C03

差異先於分類：從歧義個體、集合與非交集到計算域

C04

分域算子世界：合法作用、跨域橋接與世界組合

C05

概率也有域：不確定性、混沌、不可判定與世界預測包絡

C06

全域展開、連結與收斂：類全域觀察者的核心計算循環

C07

一句話不是魔法：Sparse Intent 與 Project-World Cognition

C08

從完成任務到負責一個域：長時空 Agent Stewardship

C09

不准考 Neo.K：方法論盲測與全域 AI 觀測器

C10

眼睛何時睜開：全域觀察者相變、脈衝與 AI 原生世界計算

End of C08

Series C — C08｜從完成任務到負責一個域：長時空 Agent Stewardship — Long-Horizon Agent Stewardship_ From Task Completion to Domain Respon

Series C — C08｜從完成任務到負責一個域：長時空 Agent Stewardship

Long-Horizon Agent Stewardship: From Task Completion to Domain Responsibility

Canonical Source Note

摘要

1. Task Completion 的侷限

2. 但組織工作不是獨立 task 集合

3. 所以：

4. Responsibility Domain

5. Scope

6. State

7. Obligations

8. Authority

9. Risk

10. History

11. Standards

12. Interfaces

13. Responsibility 不是 ownership

14. 承接 GIRA

15. 也不等於 Ultimate Liability

16. Domain State

17. WDW_DWD​

18. ODO_DOD​

19. QDQ_DQD​

20. BDB_DBD​

21. UDU_DUD​

22. ADA_DAD​

23. HDH_DHD​

24. DebtDDebt_DDebtD​

25. RiskDRisk_DRiskD​

26. Stewardship 是 state transition

27. 不是一次性 output

28. Longitudinal Continuity

29. Continuity Score

30. Memory 不等於 continuity

31. State Memory

32. Open Obligation Ledger

33. 每個 obligation 需要

34. Agent 若會工作但不會維持 obligation ledger

35. Stewardship Loop

36. Detect Obligation

37. Reactive Agent

38. Steward

39. Example：Engineering

40. Example：Law

41. Example：Accounting

42. Example：Research

43. Initiative

44. Initiative Precision

45. 如果每天發 500 個假警報

46. 定義：

47. Initiative Quality

48. Prioritization

49. Priority Function

50. 這承接 C06 的 Global Attention Routing

51. Stewardship 本質上是 bounded ELC

52. Verification

53. Completion Evidence

54. Verification 不必全自己做

55. Self-Verification 不等於 Self-Trust

56. Escalation

57. Escalation Trigger

58. Escalation Calibration

59. Over-Escalation

60. Under-Escalation

61. Correct Autonomy Allocation

62. Recovery

63. 更重要的是：

64. Recovery State

65. Detection Latency

66. Containment

67. Rollback

68. Repair

69. Learning

70. Same Error Recurrence

71. Domain Drift

72. Drift 來源

73. Steward 需要偵測 drift

74. Drift Detection

75. Drift Adaptation

17. $W_D$

18. $O_D$

19. $Q_D$

20. $B_D$

21. $U_D$

22. $A_D$

23. $H_D$

24. $Debt_D$

25. $Risk_D$

92. 一個高 throughput Agent 可能 $R_D$ 很低

123. $t_i^H$

124. $q_i$

125. $v_i$