UNPNP Series 02

底空間與真正的超連結：跨空間可尋址轉移的計算本體

Subspaces and Real Hyperlinks: An Ontology of Addressable Cross-Space Transitions

系列名稱： UNPNP Hyperlink & Crystallized Computation Series
系列篇次： 02
作者： Neo.K with Aletheia（GPT）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-07
文件性質： 計算本體論／AI 原生計算架構論文
狀態： Canonical Draft

摘要

傳統 Web 中的 hyperlink 通常被理解為一種介面元件：使用者點擊文字、按鈕或 URL，瀏覽器便從一個頁面移動到另一個頁面。然而，若將這個操作從 UI 表面剝離，可以看到更一般的計算結構：一個可識別的地址，使執行狀態能從目前所在的操作空間，轉移到另一個操作空間。

本文將這種結構稱為廣義超連結。其基本形式為：

\ell: (\mathcal B_i,s_i) \rightarrow (\mathcal B_j,s_j),

其中 $\mathcal B_i$ 與 $\mathcal B_j$ 是不同的計算底空間， $s_i$ 與 $s_j$ 是對應狀態，而 $\ell$ 是一個可尋址、可解析、可執行的跨底空間 transition。

本文中的「底空間」不是限定於拓撲學或幾何學中的既定數學術語，而是一個操作性計算概念：它表示一組具有自身狀態、地址、操作子、邊界、資料與驗證規則的局部計算世界。檔案系統、函數作用域、資料庫、Web 頁面、API、遊戲場景、模組、Agent 工具環境與語義記憶圖，都可以在適當抽象層級上被視為底空間。

本文進一步提出：

\boxed{ \text{Hyperlink} = \text{Addressable Cross-Subspace Transition} }

因此 Web URL 只是廣義超連結的一種表面實作。函數位址、資料庫 key、檔案路徑、API endpoint、object reference、content hash、semantic address、graph edge、capability reference，以及由程序動態生成的 intensional address，都可以是廣義超連結的不同實作。

本文亦區分「UI traversal」與「semantic direct addressing」。人類常透過滑鼠、畫面辨識、層級選單與逐步操作進入新空間；AI 原生 runtime 則可以直接使用符號、狀態與語義地址，在不重置整體工作狀態的情況下連續跨越多個底空間。由此形成：

\boxed{ \text{Subspace Boundary} \not\Rightarrow \text{Reasoning Reset}. }

在 UNPNP 框架中，這種能力使巨大計算空間可以被改寫為跨底空間的 transition network。真正的研究焦點不再只是「如何在一個空間中搜尋」，而是：

如何找到、驗證、穿越並最終重新編譯跨空間的有效 transition？

本文為後續自適應快速通道、展開—連結—收斂、耦合計算、路徑編譯與結晶化超連結建立正式計算本體。

關鍵詞： UNPNP、底空間、超連結、跨空間計算、直接尋址、AI 原生計算、semantic address、typed transition、MSSP、hypergraph、path compilation

1. 超連結從來不只是藍色文字

一般使用者所見的超連結通常是：

Page A
→ click
→ Page B

因此超連結容易被理解為：

一個讓使用者方便跳頁的 Web UI 元件。

但這只是表面。

真正重要的結構是：

\text{Current State} \rightarrow \text{Address Resolution} \rightarrow \text{New State}.

若目前存在於一個操作空間：

\mathcal B_A,

而某個地址：

a_B

可以將執行狀態轉移到：

\mathcal B_B,

則超連結真正做的是：

\mathcal B_A \xrightarrow{\ell} \mathcal B_B.

因此本文提出：

\boxed{ \text{Hyperlink is fundamentally a transition primitive, not a visual widget.} }

2. 底空間的操作性定義

本文將一個計算底空間定義為：

\boxed{ \mathcal B_i = \langle S_i, A_i, O_i, D_i, V_i, C_i \rangle. }

其中：

$S_i$ ：state space，底空間可表達的狀態；
$A_i$ ：address space，可識別的內部與外部地址；
$O_i$ ：operator set，可在底空間內執行的操作；
$D_i$ ：data / object domain，可操作資料與物件；
$V_i$ ：validation rules，狀態與結果的驗證規則；
$C_i$ ：capability boundary，可用能力與權限邊界。

這個定義刻意保持抽象。

因為底空間可以是一個：

Web page；
process；
function scope；
class / object graph；
database；
game scene；
inventory；
combat state；
repository；
filesystem subtree；
API domain；
knowledge graph；
memory region；
agent tool environment；
semantic field。

底空間不是固定尺度。

3. 底空間具有巢狀性

一個底空間內可以包含其他底空間。

形式上：

\mathcal B_i \supset \{ \mathcal B_{i1}, \mathcal B_{i2}, \ldots, \mathcal B_{in} \}.

例如遊戲世界：

\mathcal B_{\mathrm{game}}

可以包含：

\mathcal B_{\mathrm{world}}, \mathcal B_{\mathrm{city}}, \mathcal B_{\mathrm{combat}}, \mathcal B_{\mathrm{inventory}}, \mathcal B_{\mathrm{dialogue}}.

而：

\mathcal B_{\mathrm{combat}}

又可以包含：

\mathcal B_{\mathrm{target}}, \mathcal B_{\mathrm{position}}, \mathcal B_{\mathrm{ability}}, \mathcal B_{\mathrm{resource}}.

因此：

\boxed{ \text{Subspace is scale-relative.} }

同一個結構在上一層可以是一個節點，在下一層則可以展開成整個內部世界。

4. 底空間不是資料夾

需要避免一個過度簡化。

底空間不是：

把不同資料放進不同資料夾。

真正的底空間至少要有局部計算語義。

也就是：

\mathcal B_i

不只是保存資料，而是決定：

什麼狀態在這裡有效；
什麼地址可解析；
什麼操作可執行；
什麼資料可見；
什麼 transition 可以離開；
什麼結果算有效。

所以：

\boxed{ \text{Container} \neq \text{Computational Subspace}. }

一個資料夾可以被當作底空間，但只有在系統賦予它操作邊界與狀態語義之後才成立。

5. 廣義超連結的基本定義

令：

\mathcal B_i

與：

\mathcal B_j

為兩個底空間。

則一個廣義超連結：

\ell_{ij}

定義為：

\boxed{ \ell_{ij}: (\mathcal B_i,s_i) \rightarrow (\mathcal B_j,s_j). }

它至少要回答：

從哪裡出發？
到哪裡？
需要什麼輸入？
轉移時執行什麼？
哪些狀態被攜帶？
到達後產生什麼狀態？
如何知道轉移成功？

所以真正可執行的超連結不是一個裸地址。

它是一個 transition contract。

6. Typed Hyperlink

本文提出第一版 typed hyperlink：

\boxed{ \ell = \langle a, \tau, I, G, E, O, V, P \rangle. }

其中：

$a$ ：address；
$\tau$ ：transition type；
$I$ ：input contract；
$G$ ：guard / precondition；
$E$ ：execution semantics；
$O$ ：output / postcondition；
$V$ ：validator；
$P$ ：provenance。

因此：

\operatorname{Traverse}(\ell,s)

不是單純「開啟一個位置」，而是：

\operatorname{Traverse}(\ell,s) \rightarrow (s',o,v,p).

其中：

$s'$ ：新狀態；
$o$ ：observation；
$v$ ：validation result；
$p$ ：provenance / receipt。

7. Web URL 只是超連結的一種 Surface

Web 中：

a= \text{URL}.

但廣義計算中，地址可以是：

a\in \{ \text{URL}, \text{filepath}, \text{function}, \text{database key}, \text{API endpoint}, \text{object ID}, \text{graph node}, \text{hash}, \text{semantic address}, \text{capability reference} \}.

因此：

\boxed{ \text{Hyperlink} \neq \text{URL}. }

更準確地說：

\boxed{ \text{URL} \subset \text{Hyperlink Surfaces}. }

8. Extensional Address 與 Intensional Address

傳統地址通常回答：

東西在哪裡？

例如：

a_{\mathrm{ext}} = \text{location}(x).

本文稱為 extensional address。

但 AI 原生計算還可能使用另一種地址：

如何生成我要的下一個狀態？

令：

a_{\mathrm{int}} = \operatorname{GenerateSpec}(x).

則：

a_{\mathrm{int}}

不直接指向已存在物件，而指向一個可生成該物件或狀態的 procedure。

因此：

\boxed{ \text{Address} = \text{Location} \cup \text{Procedure}. }

更一般地：

\boxed{ \text{Address} = \text{Resolvable Transition Specification}. }

這將成為後續「尋址即生成」的重要基礎。

9. 直接尋址與 UI Traversal

人類常以 GUI 執行：

S_0 \rightarrow S_1 \rightarrow S_2 \rightarrow \cdots \rightarrow S_k.

例如：

打開選單
→ 找到背包
→ 點擊物品
→ 找藥水
→ 選擇角色
→ 確認

這種路徑包含大量：

視覺辨識；
操作定位；
選單切換；
畫面重讀；
人類動作成本。

若存在語義地址：

a= \operatorname{UseBestHealingItem}(\text{character}),

AI 原生 runtime 可以直接：

S_0 \xrightarrow{a} S_k.

因此：

\boxed{ \text{UI traversal} \neq \text{semantic addressing}. }

UI 是為人類操作設計的表面。

AI 不必永遠模仿人類 UI 路徑。

10. 為什麼終端機常給人「更快」的感覺？

終端機並不是因為文字本身具有神秘速度。

真正的差異是：

\boxed{ \text{symbolic direct addressing}. }

GUI 常需要：

\text{perceive} \rightarrow \text{locate} \rightarrow \text{move} \rightarrow \text{click} \rightarrow \text{perceive again}.

命令列則可能：

\text{symbol} \rightarrow \text{address} \rightarrow \text{execute}.

所以真正的效率來源不是：

\text{mouse}<\text{keyboard}.

而是：

\boxed{ \text{indirect navigation} < \text{direct symbolic addressing}. }

這個原理可以被 AI 原生計算進一步放大。

11. 跨底空間不應等於認知重置

人類點進新頁面後通常需要重新理解：

我現在在哪裡？

這一頁在說什麼？

接下來要做什麼？

所以人類 traversal 常近似：

\mathcal B_i \rightarrow \text{cognitive reset} \rightarrow \mathcal B_j.

但 AI runtime 可以保持一個跨空間狀態：

H_t.

於是：

(\mathcal B_i,H_t) \xrightarrow{\ell} (\mathcal B_j,H_{t+1}).

因此本文提出：

\boxed{ \text{Subspace Boundary} \not\Rightarrow \text{Reasoning Reset}. }

這是 AI 相對於人類操作介面最重要的計算優勢之一。

12. State-Carrying Hyperlink

更完整地，超連結不只轉移位置，也可以攜帶狀態。

令：

h_t

表示跨空間工作狀態。

則：

\ell: (\mathcal B_i,s_i,h_t) \rightarrow (\mathcal B_j,s_j,h_{t+1}).

其中：

h_{t+1} = U(h_t,o_j).

所以 link 可以同時攜帶：

任務；
目標；
已知證據；
當前假說；
權限狀態；
資源預算；
搜尋歷史；
失敗記錄；
下一步條件。

這讓多底空間 traversal 形成連續計算，而不是多個互不相干的工具呼叫。

13. Hyperlink Chain

若：

\ell_1: \mathcal B_1 \rightarrow \mathcal B_2,

\ell_2: \mathcal B_2 \rightarrow \mathcal B_3,

則：

\ell_2\circ\ell_1

形成一個兩階 transition。

一般化：

\Gamma = \ell_n \circ \ell_{n-1} \circ \cdots \circ \ell_1.

因此：

\Gamma: \mathcal B_0 \rightarrow \mathcal B_n.

第一次執行時：

\Gamma

可能真的需要逐步 traversal。

後續路徑編譯則可能將：

\Gamma

重新結晶為：

\widehat{\ell}_{0n}.

因此：

\boxed{ \text{Hyperlink chain} \rightarrow \text{compiled hyperlink} }

是後續計算結晶化的核心接口。

14. 搜尋不再只尋找內容，而是尋找 Link

傳統搜尋：

q \rightarrow \{d_1,d_2,\ldots,d_k\}.

其中：

d_i

通常是文件或結果。

但在跨底空間計算中，更核心的輸出可以變成：

q \rightarrow \{\ell_1,\ell_2,\ldots,\ell_m\}.

也就是：

哪些 transition 可以把目前狀態帶往更有價值的底空間？

因此：

\boxed{ \text{Search} = \text{Candidate Transition Discovery}. }

文件本身只是某些 transition 的證據或中介。

15. Semantic Revealing 作為 Link Frontier 顯影

設完整可用 transition 集合：

\mathcal L.

AI 不應每次對：

|\mathcal L|

全部做深度推理。

可以依目前條件：

\xi_t

生成局部 frontier：

F_t = \Pi_{\xi_t}(\mathcal L).

其中：

F_t \subset \mathcal L,

且理想情況：

|F_t| \ll |\mathcal L|.

這裡：

\Pi_{\xi_t}

可以由：

語義顯影；
DRC；
graph search；
exact search；
temporal filtering；
constraint filtering；
identity resolution；
learned routing；

等方法共同構成。

所以顯影的不是「全部世界」。

而是：

\boxed{ \text{the currently actionable hyperlink frontier}. }

16. 底空間之間的 transition 不一定對稱

若：

\ell_{ij}: \mathcal B_i \rightarrow \mathcal B_j

存在，

不代表：

\ell_{ji}

也存在。

因此：

\boxed{ \mathcal B_i\rightarrow\mathcal B_j \centernot\Rightarrow \mathcal B_j\rightarrow\mathcal B_i. }

這可能來自：

不可逆狀態；
資料損失；
權限限制；
side effect；
時間前進；
destructive mutation；
one-way transformation。

所以 Hyperlink Graph 一般不是 undirected graph。

它更適合表示成：

G_H=(V,E)

的有向圖，甚至有向超圖。

17. 從 Graph 到 Hypergraph

傳統二元 link：

\ell: B_i\rightarrow B_j.

但很多 transition 需要多個前置空間共同成立。

例如：

\{ B_{\mathrm{inventory}}, B_{\mathrm{skill}}, B_{\mathrm{position}} \} \rightarrow B_{\mathrm{combat-action}}.

這時更自然的是 hyperedge：

e: \{B_1,B_2,\ldots,B_k\} \rightarrow B_j.

因此更一般的計算結構是：

\boxed{ \mathcal H = (V,\mathcal E). }

其中：

\mathcal E

可以承載：

多來源狀態；
多重前置條件；
多輸入資料；
聯合權限；
複合驗證條件。

這與自指 Hypergraph Programming 的思想形成自然接口，但本文不要求所有實作必須採用同一種 hypergraph representation。

18. 自指底空間

一個節點可以在當前層級被視為：

v_i.

但需要時展開為：

\rho(v_i)=\mathcal H_i.

因此：

\boxed{ \text{node at level }k = \text{subspace at level }k+1. }

這形成：

v_i \rightarrow \mathcal B_i \rightarrow \{v_{i1},v_{i2},\ldots\}.

所以：

一個已經結晶化的超連結，在上一層可以是一個 primitive；在下一層仍可以展開回完整 traversal。

這為後續「結晶可以解壓」建立結構基礎。

19. MSSP 與底空間

MSSP 的母集—子集思想可以與底空間形成結構對應。

一個 MSSP 可看成：

\mathcal M = (F,C,S,T,D,R,X),

其中不同模組具有：

身分；
穩定性；
任務性；
設定契約；
診斷；
路由；
執行。

若將一個 MSSP instance 視為：

\mathcal B_i,

則其內部 TMS 或子 MSSP 可以形成：

\mathcal B_{ij}.

因此：

\boxed{ \text{Nested MSSP} \approx \text{Nested Computational Subspaces} }

但兩者不是定義同一物件。

MSSP 是架構方法。

底空間是 UNPNP 中的計算本體。

兩者可以相互映射，但不應混為同一理論。

20. Reachability 與 Computability

若從：

B_i

存在 transition chain：

B_i \rightsquigarrow B_j,

則：

B_j

對目前系統而言是 reachable。

但：

\boxed{ \text{Reachable} \neq \text{Cheap}. }

也：

\boxed{ \text{Reachable} \neq \text{Authorized}. }

更不是：

\boxed{ \text{Reachable} \Rightarrow \text{Globally Optimal}. }

所以 UNPNP 後續需要把：

\text{reachability}, \text{cost}, \text{authorization}, \text{verification}, \text{optimality}

分開。

本文只建立 transition ontology，不在此處提前完成安全與最短路徑理論。

21. Transition Cost

每條 link 都有成本：

C(\ell).

其成本可能包含：

C(\ell) = C_A + C_R + C_E + C_V + C_S.

其中：

$C_A$ ：address resolution；
$C_R$ ：routing；
$C_E$ ：execution；
$C_V$ ：verification；
$C_S$ ：state transfer。

一條路徑：

\Gamma = (\ell_1,\ldots,\ell_n)

的成本可以寫成：

C(\Gamma) = \sum_{i=1}^{n}C(\ell_i) + C_{\mathrm{boundary}} + C_{\mathrm{coordination}}.

如果 path compilation 能消除大量 boundary cost：

C(\widehat{\ell}) < C(\Gamma),

那麼新的超連結才具有真正計算價值。

22. 快速通道的真正來源：移除邊界成本

很多軟體流程慢，不只因為核心運算慢。

還因為：

\text{serialize} \rightarrow \text{transfer} \rightarrow \text{parse} \rightarrow \text{reconstruct} \rightarrow \text{revalidate}

在每個底空間邊界反覆發生。

因此：

C_{\mathrm{boundary}}

可能非常大。

如果一段：

B_1 \rightarrow B_2 \rightarrow \cdots \rightarrow B_n

被重新編譯，使中間邊界不再需要完整 materialization，

則：

\boxed{ \text{Path Compression} = \text{Transition Reduction} + \text{Boundary Reduction}. }

這是「一個新超連結」能真正比 macro 更快的重要條件之一。

23. Direct Hyperlink 不代表跳過語義

如果從：

B_1

直接生成：

\widehat{\ell}_{1,100}

到：

B_{100},

真正要求的是保持必要語義：

\operatorname{Semantics} (\widehat{\ell}_{1,100}) \simeq \operatorname{Semantics} (\Gamma_{1,100}).

不是：

因為中間步驟看不到，所以它們不重要。

因此：

\boxed{ \text{Direct Transition} \neq \text{Unverified Skipping}. }

後續結晶化必須建立：

equivalence；
guard；
validator；
fallback；
provenance。

否則只是把錯誤藏在 shortcut 裡。

24. 人類與 AI 的根本差異之一

人類非常依賴可視 UI。

這是因為 UI 同時負責：

提示目前狀態；
顯示可用操作；
降低記憶需求；
防止錯誤；
建立可導航性。

AI 若具備：

\text{state model} + \text{typed addresses} + \text{tool contracts} + \text{semantic routing}

則不必透過完整 UI 才能操作。

因此未來程式可能同時存在兩個表面：

\boxed{ \text{Human Surface} }

與：

\boxed{ \text{AI Address Surface}. }

兩者可以指向同一底層計算世界。

這不是取消 GUI，而是承認：

人類與 AI 的最佳尋址介面不必相同。

25. 從 Application 到 Addressable World

傳統應用通常是：

Application
→ screens
→ menus
→ buttons
→ functions

AI 原生版本則可以重新表示為：

\mathcal W = (\mathcal B,\mathcal L).

其中：

\mathcal B

是底空間，

\mathcal L

是可尋址 transitions。

此時 application 不再主要是一堆畫面。

而是：

\boxed{ \text{Addressable Computational World}. }

GUI 只是其中一種投影。

CLI、API、Agent tool、semantic interface 也只是其他投影。

26. UNPNP 中的超連結不是固定集合

設：

\mathcal L_t

為時間 $t$ 可用 link 集合。

傳統程式通常假設：

\mathcal L_{t+1} \approx \mathcal L_t

除非程式被人修改。

但 UNPNP Computer 的核心假設之一是：

\boxed{ \mathcal L_{t+1} \neq \mathcal L_t }

可以由 runtime learning 發生。

例如：

\Gamma: B_1 \rightarrow B_2 \rightarrow \cdots \rightarrow B_{100}

經過驗證與編譯後生成：

\widehat{\ell}_{1,100}.

則：

\mathcal L_{t+1} = \mathcal L_t \cup \{ \widehat{\ell}_{1,100} \}.

計算世界因此會隨運行而增加新的有效通道。

27. 超連結的生命週期

一條 AI 生成 link 不應永久有效。

它可以具有生命週期：

\boxed{ \text{candidate} \rightarrow \text{tested} \rightarrow \text{verified} \rightarrow \text{warm} \rightarrow \text{hot} \rightarrow \text{stale} \rightarrow \text{retired}. }

當底空間改變：

\mathcal B_i(t+1) \neq \mathcal B_i(t),

舊 link 可能失效。

所以需要：

\operatorname{Validate} (\ell,\mathcal B_i(t+1)).

若失敗：

\ell \rightarrow \text{repair}

或：

\ell \rightarrow \text{retire}.

這使 hyperlink network 成為動態結構，而不是一次建好的靜態圖。

28. Hyperlink Stability

可以定義一個簡化穩定度：

S_H(\ell) = f( \text{success rate}, \text{semantic invariance}, \text{environment stability}, \text{verification history} ).

若：

S_H(\ell)\ge\theta_H,

則允許更積極重用。

若：

S_H(\ell)<\theta_H,

則降低權重或重新展開。

因此：

\boxed{ \text{Hyperlink reuse should be evidence-weighted}. }

這將成為路徑結晶化的重要工程條件。

29. 最短路徑不一定是步數最少

若：

\Gamma_1

只有兩個 transition，

但每一步成本高；

而：

\Gamma_2

有五個 transition，

但總成本低，

則：

|\Gamma_1|<|\Gamma_2|

不代表：

C(\Gamma_1)<C(\Gamma_2).

因此 UNPNP 的 shortest path 更合理地定義為：

\boxed{ \Gamma^\* = \arg\min_{\Gamma} C(\Gamma) }

而不是：

\arg\min |\Gamma|.

更後續還要加入：

risk；
latency；
energy；
verification；
repairability；
authorization。

所以「超連結越直接越好」本身也不是絕對定律。

30. 底空間轉移與語義保持

令：

\sigma_i

表示在：

\mathcal B_i

中的任務語義狀態。

一個有效 link 應滿足：

T_{\ell}(\sigma_i) = \sigma_j,

並且：

\operatorname{Invariant} (\sigma_i,\sigma_j)

保持任務所需要的語義不變量。

例如：

使用者目標不應無故改變；
object identity 不應錯置；
version 不應漂移；
已驗證 evidence 不應被未驗證資料覆蓋；
capability 不應無條件擴張。

這些都不是 URL 自身會處理的。

因此 AI-native hyperlink 必須比 Web hyperlink 更有語義。

31. Cross-Subspace Continuity

若存在一條 traversal：

\Gamma: B_0 \rightarrow B_1 \rightarrow \cdots \rightarrow B_n,

本文定義其 continuity condition 為：

\forall i, \quad I_{i+1} \subseteq \operatorname{ValidOutput}(O_i) \cup H_i,

其中：

H_i

是被允許跨空間攜帶的狀態。

直觀上：

下一個底空間所需要的東西，必須由前一個底空間產生，或由合法持續狀態提供。

如此才是一條真正的 computation chain。

32. 真正的超連結與假的超連結

本文可暫時區分三類。

32.1 Navigational Link

只做位置轉移：

B_i\rightarrow B_j.

32.2 Executable Link

轉移時帶有操作：

(B_i,s_i) \rightarrow (B_j,s_j).

32.3 Crystallized Computational Link

一個已驗證的複合 traversal 被重編譯為新的有效 transition：

\Gamma_{ij} \xrightarrow{K} \widehat{\ell}_{ij}.

真正與 UNPNP 密切相關的是第三種。

33. 從超連結到計算原語

一旦：

\widehat{\ell}

足夠穩定，它可以被上一層視為 primitive。

所以：

\text{complex path} \xrightarrow{K} \text{primitive transition}.

這代表 computation primitive 並不一定要在程式設計初期固定。

它可以由運行歷史產生。

因此：

\boxed{ \text{Runtime may create new primitives}. }

這是 AI 原生計算相對傳統固定 ISA、固定 API、固定函數圖的一個重要理論差異。

34. 從「程式」到「會長路的程式」

傳統程式：

P_t=P_0

通常只有在開發者修改後才變化。

UNPNP 的理想版本允許：

P_{t+1} = P_t + \Delta L_t,

其中：

\Delta L_t

是新驗證通道。

所以程式不只是執行：

\text{existing routes}.

也會：

\text{discover} \rightarrow \text{verify} \rightarrow \text{compile} \rightarrow \text{add new routes}.

這可以被描述為：

\boxed{ \text{a program that learns its own computational shortcuts}. }

但這不是無限制自我修改。

後續安全篇將處理：

哪些路徑可生成；
哪些可部署；
哪些只能 sandbox；
哪些需要外部批准。

35. 與傳統編譯器的關係

傳統 compiler 已經會做：

inlining；
dead-code elimination；
constant folding；
loop optimization；
instruction scheduling；
common-subexpression elimination。

UNPNP 不否認這些成熟技術。

其新問題在於：

能否在更高層的跨底空間、跨模組、跨工具、跨語義狀態上，產生新的 transition？

即：

\boxed{ \text{Compiler Optimization} \subset \text{Possible Corridor Rewriting}. }

但 UNPNP 的 corridor rewriting 不等同傳統 compiler optimization。

兩者應在後續工程研究中實際比較，而不是預設 UNPNP 一定更強。

36. 第一版 Hyperlink Computer

本文可以暫時將 Hyperlink Computer 定義為：

\boxed{ \mathfrak H = ( \mathcal B, \mathcal L, \mathcal A, \mathcal R, \mathcal V, \mathcal H_t ). }

其中：

$\mathcal B$ ：底空間；
$\mathcal L$ ：typed hyperlinks；
$\mathcal A$ ：address resolver；
$\mathcal R$ ：routing mechanism；
$\mathcal V$ ：verification；
$\mathcal H_t$ ：跨空間持續狀態。

一次運行：

(\mathcal B_t,s_t,H_t) \xrightarrow{\operatorname{Reveal}} F_t \xrightarrow{\operatorname{Route}} \ell_t \xrightarrow{\operatorname{Traverse}} (\mathcal B_{t+1},s_{t+1},H_{t+1}).

後續才加入：

\operatorname{Crystallize}.

37. 本篇與 UNPNP Series 01 的關係

Series 01 提出：

\boxed{ \text{複雜度不是消失，而是轉移。} }

本篇則建立：

複雜度究竟可以被轉移到什麼結構？

其中最重要的一種結構就是：

\boxed{ \text{Hyperlink Network}. }

原本每次都需要重新搜尋的路徑，可以逐步被轉化為：

\text{addressable transitions}.

因此：

\text{complexity externalization} \rightarrow \text{transition structure}.

這就是 Series 01 與 Series 02 的直接接口。

38. 理論邊界

本文不主張：

任何兩個底空間都能直接建立低成本 link。

不主張：

semantic address 一定比傳統函數呼叫更快。

不主張：

AI 一定能正確發現所有有效 transition。

也不主張：

只要把程式改成 hyperlink graph 就能自動改善複雜度。

真正待驗證的是：

\boxed{ \text{哪些跨底空間路徑值得被尋址化、編譯化與結晶化？} }

這是後續實驗的核心。

39. 核心命題

本文將第二篇的核心命題壓縮為：

\boxed{ \textbf{ 超連結的計算本體不是「跳到另一個頁面」， 而是一個可尋址、可解析、可攜帶狀態、可執行且可驗證的跨底空間 transition。 } }

更進一步：

\boxed{ \textbf{ AI 原生計算的優勢之一，是能在不重置整體推理狀態的前提下， 沿 typed hyperlinks 連續穿越多個底空間。 } }

因此：

\boxed{ \textbf{ 計算世界可以被重新表示為底空間與超連結所構成的可尋址世界。 } }

40. 結論

Web 超連結之所以強大，不只是因為它讓人類少打一段網址。

其更深的意義是：

它把兩個原本分離的資訊空間建立成一條可直接穿越的通道。

UNPNP 將這個原理推廣到一般計算。

一個函數、一個檔案、一個資料庫、一個遊戲狀態、一個 Agent 工具、一個 API、一個語義記憶節點，都可以被視為某個底空間中的可尋址對象。

一條真正的 AI-native hyperlink 則是：

\ell: (\mathcal B_i,s_i,H_t) \rightarrow (\mathcal B_j,s_j,H_{t+1}).

它不只是位置跳轉。

它是：

\boxed{ \text{Address} + \text{Transition} + \text{State Continuity} + \text{Execution} + \text{Validation}. }

當這些 link 可以被搜尋、組合、驗證與重新編譯時，計算就開始從：

\text{在固定空間中求解}

轉向：

\boxed{ \text{在可改寫的跨空間 transition network 中運行}. }

而後續最重要的問題便自然出現：

誰來決定下一條 link？

這正是下一篇的主題。

後續篇章

Series 03｜自適應快速通道：從固定演算法到 Corridor Generator

下一篇將正式建立：

\mathcal M: (s_t,g,h_t,B_t,R_t) \mapsto \Phi_t,

並討論：

固定通道與自適應通道；
Local／Family／Adaptive corridor；
AI 作為 corridor generator；
通道生成成本；
novelty threshold；
何時不需要 LLM reasoning；
何時應重新展開；
如何避免把「每個案例都有捷徑」誤認成「存在統一快速生成器」。

UNPNP Series 02 — 底空間與真正的超連結：跨空間可尋址轉移的計算本體