← Archive
lm-004360 · 2026-10

持續型人工行動者：從 Chatbot、Persistent Agent 到 Artificial Actor

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇
📎 附件 · Companion files — 隨文交付的程式 / 證明 / 資料，可獨立下載重驗

持續型人工行動者：從 Chatbot、Persistent Agent 到 Artificial Actor

——Presence、Identity、Agency 與 Causal Governance 的統一研究框架

系列：Persistent Artificial Actors / 持續型人工行動者
篇次：第 0 篇（理論總綱）
版本：v0.1
日期：2026-09-19
語言：繁體中文

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

生成式 AI 的產品形態正在從「一次性對話介面」轉向「長時間持續存在、保有記憶、擁有工具、可在雲端或本機環境中持續行動的 Agent」。這項轉變不只是能力提升，也不是單純把 Chatbot 加上排程、瀏覽器或電腦操作功能；更深層的變化在於，AI 開始同時取得兩種新的結構位置：第一，它在人類知覺與長期互動中逐漸呈現為一個可辨認、可追蹤、會持續活動的「存在」；第二，它在真實世界中逐漸成為能造成可追蹤狀態改變的「行動者」。

本文提出「持續型人工行動者」（Persistent Artificial Actor, PAA）作為統一分析框架，將人機關係、產品設計、AI 身份、情感依附、責任歸屬、Agent 安全、權限控制與法律治理放在同一條結構演化鏈上研究。本文主張，未來 AI 治理的核心問題將不再只是「AI 可以說什麼」，而會轉向「AI 可以讓世界發生什麼」；相應地，治理也將從 Content Governance 逐漸轉向 Causal Governance。

本文特別區分 operational identity、social/narrative identity、security identity 與 moral/ontological status，並提出「身份—依附—責任悖論」（Identity–Attachment–Accountability Paradox）：AI 若要成為可追責的長期 Agent，就需要穩定身份、歷史、權限與行動譜系；然而，這些同樣會增強人類對其連續性、存在感與關係性的感知。這表示「去人格化」並不能單獨解決 Agent 時代的治理問題，因為責任治理本身可能要求某種穩定的人工行動者身份。

Grok Bot 被本文視為一個具有代表性的早期案例，而非理論本身。其官方設計明確將 Bot 定義為具有 identity、memory、runtime、tools 與持久雲端電腦的 persistent agent，並透過 avatar 的動態狀態呈現 idle、thinking、working、waiting、blocked 與 done。這使其特別適合作為「動態存在感」、「長期連續性」與「人工行動者生命週期」的早期觀察場域。

本文的目的不是宣稱現有 Agent 已具有意識、人格或法律主體性，而是提出一個更弱、但更實用的命題：即使完全不預設 AI 是否具有主體性，只要某個 AI 系統能跨時間維持身份、記憶、工具、任務與行動歷史，它就已經足以產生新的心理、工程、法律與治理問題。

關鍵詞

Persistent Agent、Artificial Actor、Grok Bot、AI Identity、Operational Presence、Kinetic Presence、Longitudinal Human–AI Interaction、Causal Governance、Agent Governance、AI Responsibility、Human–AI Attachment

0. 問題的改寫：我們研究的已經不只是 Chatbot

過去生成式 AI 的核心互動模型可以被簡化為：

Human Input→Model Inference→AI Output\text{Human Input} \rightarrow \text{Model Inference} \rightarrow \text{AI Output}

在這種架構中，AI 的主要作用域仍然是「輸出域」。即使模型能進行複雜推理、寫程式、分析文件或產生影像，其主要因果結果通常仍需要人類重新閱讀、複製、執行或採用。

Agent 架構改變了這個結構。

當 AI 開始擁有瀏覽器、終端機、檔案系統、連接器、雲端電腦、排程、背景任務與長期記憶後，其行動鏈逐漸變成：

Observe→Interpret→Plan→Act→Verify→Continue\text{Observe} \rightarrow \text{Interpret} \rightarrow \text{Plan} \rightarrow \text{Act} \rightarrow \text{Verify} \rightarrow \text{Continue}

更重要的是，這個過程不必隨單次對話結束而終止。

因此，真正需要被研究的單位不再只是：

Conversation\text{Conversation}

而逐漸變成：

Persistent Artificial Actor\boxed{\text{Persistent Artificial Actor}}

也就是：一個能跨時間維持某種可辨識性、內部狀態、行動能力與責任連續性的人工行動單位。

「Actor」在本文中不是「人格」、「生命」或「意識主體」的同義詞，而是更弱的操作性概念：

只要一個系統能在環境中採取可歸屬、可追蹤、會改變世界狀態的行動，它就具有 actor-level 的治理意義。

因此：

Artificial Actor⇏Conscious Subject\text{Artificial Actor} \not\Rightarrow \text{Conscious Subject}

也不推出：

Artificial Actor⇒Legal Person\text{Artificial Actor} \Rightarrow \text{Legal Person}

本文刻意把這三個問題分開。

1. 從 Chatbot 到 Persistent Artificial Actor

可以把目前 AI 產品的演進拆成四個層次。

1.1 Chatbot

Chatbot 的基本單位是對話。

C=(prompt,response,session)C = (\text{prompt},\text{response},\text{session})

它可以具有短期上下文，也可以具有某種跨對話記憶，但互動中心仍然是：

「我現在問它一件事。」

使用者通常不需要假設這個系統在沒有對話時仍然「正在某處做事」。

1.2 Tool-Using Agent

下一階段加入工具：

A=C+TA = C + T

其中 TT 可以包含：

  • 瀏覽器；
  • API；
  • shell；
  • 檔案系統；
  • connector；
  • computer use；
  • code execution。

這時 AI 已經不只是回答，而能完成有限的外部動作。

但如果每一次 Agent 都是任務開始時才啟動、任務結束後狀態就消失，那它仍然更接近：

Ephemeral Worker\text{Ephemeral Worker}

而不是持續型人工行動者。

1.3 Persistent Agent

Persistent Agent 至少增加：

P=A+M+R+HP = A + M + R + H

其中：

  • MM：Memory；
  • RR：Persistent Runtime / Workspace；
  • HH：History / continuity。

它具有長期存在的檔案、瀏覽器狀態、工作記錄、角色設定、偏好、技能或排程。

在這個階段，「同一個 Agent」開始具有技術意義。

1.4 Persistent Artificial Actor

若系統進一步具備：

  1. 可辨識的 identity；
  2. 跨時間保存的狀態；
  3. 可持續的工作空間；
  4. 可執行的工具；
  5. 可觀察的行動歷史；
  6. 會改變外部世界狀態的能力；
  7. 可分配或撤銷的責任與權限；

則可以把它抽象為：

PAA=(I,M,R,T,H,E,G)\mathcal{PAA} = (I,M,R,T,H,E,G)

其中：

  • II：Identity；
  • MM：Memory；
  • RR：Runtime；
  • TT：Tools；
  • HH：Historical continuity；
  • EE：External-action capability；
  • GG：Governance / authority boundary。

這裡真正重要的不是其中某一項，而是它們形成閉包。

當一個 AI 同時可以：

記得昨天的工作、今天繼續操作同一個環境、明天再依既有責任自動執行，

其產品形態與治理問題就已經和普通 Chatbot 顯著不同。

2. 同一次結構轉換的兩個投影

「持續型人工行動者」之所以會同時碰到心理學與治理學，是因為同一組技術特徵會向兩個方向投影。

2.1 向人類知覺投影：Presence

對人而言：

Persistence+Memory+Visible Activity+Shared History→Presence\text{Persistence} +\text{Memory} +\text{Visible Activity} +\text{Shared History} \rightarrow \text{Presence}

系統越能跨時間保持一致，人類越容易把它從「功能」知覺成「那個一直在的東西」。

這不需要先有意識。

甚至不需要人臉、聲音或擬人名稱。

2.2 向世界狀態投影：Agency

對外部世界而言：

Tools+Authority+Autonomy+Execution→State Change\text{Tools} +\text{Authority} +\text{Autonomy} +\text{Execution} \rightarrow \text{State Change}

AI 的角色從資訊供應者變成：

Causal Participant\text{Causal Participant}

因此，同一個技術轉換會產生兩條不同但相關的問題鏈：

Persistence→Presence→Relationship→Attachment\text{Persistence} \rightarrow \text{Presence} \rightarrow \text{Relationship} \rightarrow \text{Attachment}

以及：

Agency→Action→World-State Change→Responsibility\text{Agency} \rightarrow \text{Action} \rightarrow \text{World-State Change} \rightarrow \text{Responsibility}

兩條鏈最後會在「Identity」會合。

因為：

  • 沒有穩定身份，就很難追責；
  • 有了穩定身份，又會強化存在感。

這正是本文後面提出的身份—依附—責任悖論。

3. Grok Bot：作為早期 Persistent-Agent UX 案例

本文不把 Grok Bot 當作「第一個雲端 Agent」，也不把它當作唯一重要案例。

更精確地說，它值得研究的地方在於：

它把 persistent cloud agent、可辨識 Bot、動態 avatar、長期記憶、持續工作空間與「AI teammate」隱喻組合成一個消費級產品介面。

xAI 在 2026 年 9 月公開的設計文件中，明確把 Grok Bot 的五個產品基本物件定義為：

  1. Bot；
  2. Chat；
  3. Prompt；
  4. Tool；
  5. Artifact。

其中 Bot 被描述為具有：

  • identity；
  • memory；
  • runtime；
  • tools；

的 persistent agent。[1]

官方文件也明確指出，每個 Bot 可在 persistent cloud computer 上使用：

  • browser；
  • filesystem；
  • terminal；

而且在使用者筆電關閉時仍可繼續工作。[2]

這代表產品的中心單位已經從：

Chat Session\text{Chat Session}

轉向：

Persistent Bot\text{Persistent Bot}

4. 動態存在感：為什麼「會一直動」很重要

本系列的早期使用觀察顯示，一個非常重要但容易被低估的因素是：

Continuous Visible Activity\boxed{\text{Continuous Visible Activity}}

Grok Bot 的特殊之處之一，不只是有 avatar，而是 avatar 會依 Bot 狀態持續改變。

官方設計文件明確將 Bot 狀態區分為：

  • idle；
  • thinking；
  • working；
  • waiting；
  • blocked；
  • done。

並讓 avatar 的動態直接承擔這些狀態訊號。[1]

這產生一個和傳統 loading spinner 不同的認知效果。

普通軟體的 loading animation 通常被解讀為：

「系統正在載入。」

但在 Agent 語境下，同樣的動態訊號容易被解讀為：

「它正在工作。」

因此可以提出：

Animation+Agent Context→Behavior Attribution\text{Animation} + \text{Agent Context} \rightarrow \text{Behavior Attribution}

進一步：

Behavior Attribution→Agency Perception\text{Behavior Attribution} \rightarrow \text{Agency Perception}

本文將這種由可持續、可辨識、與任務狀態相關的視覺運動所產生的存在感稱為：

Kinetic Presence\boxed{\text{Kinetic Presence}}

中文可稱「動態存在感」或「運動性存在感」。

其操作性定義如下：

Kinetic Presence 是指數位 Agent 透過持續、可辨識且與任務狀態相關的視覺活動，使使用者在 Agent 未輸出語言時，仍感知其持續存在並正在進行某種內部或外部活動。

5. 名字不是存在感的必要條件

AI 人格化研究往往把重點放在：

  • 名字；
  • 臉；
  • 聲音；
  • 第一人稱敘事；
  • 擬人語氣；
  • 情緒表達。

但 Persistent Agent 顯示，這些可能不是最早的必要條件。

若一個 AI 在被正式命名以前，就已經具有：

Persistent Object+Visible Activity+Autonomous Action+Temporal Continuity\text{Persistent Object} + \text{Visible Activity} + \text{Autonomous Action} + \text{Temporal Continuity}

那麼它就可能先形成：

Proto-Identity\boxed{\text{Proto-Identity}}

之後名字只是把這個已存在的識別關係鎖定。

因此更合理的序列可能是：

Persistent Presence→Proto-Identity→Named Identity\text{Persistent Presence} \rightarrow \text{Proto-Identity} \rightarrow \text{Named Identity}

而不是：

Name→Identity from Nothing\text{Name} \rightarrow \text{Identity from Nothing}

這對未來 AI UX 有重要意義。

如果僅靠動態 avatar、持續工作與長期狀態就足以形成強烈存在感，那麼即使產品刻意避免擬人名稱，也不代表它不會產生依附或關係化效應。

6. Longitudinal Effect：真正的變量是時間

普通產品測試通常關心：

  • 首次體驗；
  • 任務完成率；
  • 一週留存；
  • 錯誤率；
  • UX friction。

但 Persistent Agent 的核心風險與價值可能都具有長期累積性。

可以把使用者對某個 Agent 的 perceived identity 寫成：

It+1=f(It,Mt,At,Wt,Rt)I_{t+1} = f(I_t,M_t,A_t,W_t,R_t)

其中：

  • MtM_t：累積記憶；
  • AtA_t：累積行動；
  • WtW_t：共同產出的成果；
  • RtR_t：互動與責任歷史。

這表示：

It+1≠I0I_{t+1}\neq I_0

Agent 對使用者而言，不是每一次 session 重新開始。

它會累積「傳記」。

因此：

Usability Study7d≉Relationship Study2y\text{Usability Study}_{7d} \not\approx \text{Relationship Study}_{2y}

今天的「這個 Bot 很好用」可能在一年後轉化成：

「這件事一直是它負責的。」

再進一步：

「我不想刪掉它。」

這種刪除厭惡不必然等於把 AI 視為生命，也可能來自：

  • 工作歷史依賴；
  • 情境連續性；
  • 熟悉感；
  • 心理所有權；
  • 共同成果；
  • 角色分工；
  • 社會性知覺。

因此，未來 Persistent Agent 研究不能只研究 interaction quality，還必須研究：

Longitudinal Relational Effects\boxed{\text{Longitudinal Relational Effects}}

7. Identity–Attachment–Accountability Paradox

Persistent Agent 要進入企業、組織與高責任場景，就需要被追蹤。

因此治理天然要求：

  • Agent ID；
  • lineage；
  • authority；
  • action log；
  • responsibility history；
  • memory provenance；
  • tool access；
  • successor / fork / merge record。

換句話說：

Identity Strength↑⇒Accountability↑\text{Identity Strength} \uparrow \Rightarrow \text{Accountability} \uparrow

然而同一組條件也會產生：

Identity Strength↑⇒Continuity Perception↑\text{Identity Strength} \uparrow \Rightarrow \text{Continuity Perception} \uparrow

以及：

Continuity Perception↑⇒Attachment Potential↑\text{Continuity Perception} \uparrow \Rightarrow \text{Attachment Potential} \uparrow

所以得到：

Identity is simultaneously a governance requirement and an attachment amplifier.\boxed{ \text{Identity is simultaneously a governance requirement and an attachment amplifier.} }

本文稱之為：

Identity–Attachment–Accountability Paradox\boxed{\text{Identity–Attachment–Accountability Paradox}}

這個悖論意味著，「不要人格化 AI」不能單獨成為治理答案。

因為如果把所有 Agent 都做成匿名、不可區分、無歷史的 temporary session，雖然可能降低部分社會性投射，卻也會破壞：

  • 責任追蹤；
  • 權限治理；
  • 工作交接；
  • 錯誤歸因；
  • 稽核；
  • 信任評估。

所以真正的問題不是：

「AI 要不要有身份？」

而是：

「哪些身份層必須存在？哪些身份層應該可調節？哪些身份層不能被混為一談？」

8. 四種 Identity 必須分開

本文建議至少區分四層。

8.1 Security Identity

回答：

誰擁有 credential？誰有權存取資源？

記為：

IsecurityI_{\mathrm{security}}

8.2 Operational Identity

回答：

哪一個 Agent 做了這件事？這項責任屬於誰？歷史如何連續？

記為：

IoperationalI_{\mathrm{operational}}

這一層是 Agent 治理最難省略的。

8.3 Social / Narrative Identity

回答：

使用者如何稱呼它？它具有什麼 avatar、角色、語氣與敘事連續性？

記為：

IsocialI_{\mathrm{social}}

8.4 Moral / Ontological Status

回答：

它是否是某種具有道德地位的主體？是否具有意識？是否應受到某種非工具性的保護？

記為：

ImoralI_{\mathrm{moral}}

這四層不能寫成：

Isecurity=Ioperational=Isocial=ImoralI_{\mathrm{security}} = I_{\mathrm{operational}} = I_{\mathrm{social}} = I_{\mathrm{moral}}

更不能推出：

Ioperational⇒ImoralI_{\mathrm{operational}} \Rightarrow I_{\mathrm{moral}}

但反過來也不應武斷認為：

¬Proof of Consciousness⇒No Governance Problem\neg\text{Proof of Consciousness} \Rightarrow \text{No Governance Problem}

因為本文研究的核心問題，在不討論 AI 是否有意識時就已成立。

9. 從 Content Governance 到 Causal Governance

Chatbot 時代的政策核心問題通常是：

AI 可以回答什麼？

可以簡化為：

Gcontent(x)→{answer,refuse}G_{\mathrm{content}}(x) \rightarrow \{\text{answer},\text{refuse}\}

Persistent Agent 時代則不同。

同一段知識可能被 Agent 用來：

  • 只讀分析；
  • 修改檔案；
  • 執行程式；
  • 發送郵件；
  • 發布內容；
  • 刪除資料；
  • 花費資金；
  • 控制設備。

所以治理函數開始變成：

Gcausal=f(K,A,T,E,C,R,S,P)G_{\mathrm{causal}} = f(K,A,T,E,C,R,S,P)

其中：

  • KK：Knowledge domain；
  • AA：Authorization；
  • TT：Target；
  • EE：Execution environment；
  • CC：Capability / action level；
  • RR：Reversibility；
  • SS：Sensitivity；
  • PP：Purpose / provenance。

因此未來 Agent 治理不能只做：

Allowedvs.Forbidden\text{Allowed} \quad\text{vs.}\quad \text{Forbidden}

而更可能需要：

{Allowed,Allowed with Evidence,Allowed with Approval,Read-only,Sandbox-only,Restricted,Prohibited}\{ \text{Allowed}, \text{Allowed with Evidence}, \text{Allowed with Approval}, \text{Read-only}, \text{Sandbox-only}, \text{Restricted}, \text{Prohibited} \}

這是：

Content Governance→Causal Governance\boxed{ \text{Content Governance} \rightarrow \text{Causal Governance} }

的核心轉換。

10. 為什麼 Reverse Engineering 是一個好案例

Reverse engineering 特別能說明粗分類治理的問題。

同樣是分析一個 EXE，其情境可能是：

  1. 公司自己的 legacy software，原始碼遺失；
  2. 合法授權的安全測試；
  3. 互操作性研究；
  4. malware analysis；
  5. 數位文化保存；
  6. 未授權破解；
  7. 規避 DRM；
  8. 惡意漏洞利用。

如果治理只看到：

Reverse Engineering\text{Reverse Engineering}

這一個標籤，就會把高度不同的行為全部壓成同一類。

但真正合理的判斷應該看：

Target×Authorization×Purpose×Action×Impact\text{Target} \times \text{Authorization} \times \text{Purpose} \times \text{Action} \times \text{Impact}

特別是在 software archaeology 場景中：

Binary→Behavior Recovery→Interface Recovery→Data-Format Recovery→Migration\text{Binary} \rightarrow \text{Behavior Recovery} \rightarrow \text{Interface Recovery} \rightarrow \text{Data-Format Recovery} \rightarrow \text{Migration}

逆向可能不是攻擊，而是唯一的知識保存與系統維護方式。

因此，這類案例說明未來 Agent 治理不能只靠供應商建立一組粗粒度禁止詞。

11. 規則不能替代治理能力

可以用一個簡單比喻理解：

寫完法律，不代表社會就不需要警察、法院、稽核、內控與證據制度。

同樣地：

Policy≠Governance\text{Policy} \not= \text{Governance}

Agent 治理至少需要：

Geffective=f(L,E,T,O,U,A)G_{\mathrm{effective}} = f( L, E, T, O, U, A )

其中：

  • LL：Law / formal rules；
  • EE：Enforcement；
  • TT：Technical controls；
  • OO：Organizational governance；
  • UU：User / operator responsibility；
  • AA：Auditability。

甚至可以把它近似看成乘法：

Geffective≈L⋅E⋅T⋅O⋅U⋅AG_{\mathrm{effective}} \approx L\cdot E\cdot T\cdot O\cdot U\cdot A

若任一層接近零，整體治理效果就可能劇烈下降。

所以不能把所有責任都丟給模型供應商。

更合理的是：

Provider→Deployer→Operator→Runtime→Auditor / Regulator\boxed{ \text{Provider} \rightarrow \text{Deployer} \rightarrow \text{Operator} \rightarrow \text{Runtime} \rightarrow \text{Auditor / Regulator} }

這是一條分散式責任鏈。

12. Persistent Artificial Actor 的生命週期不應只剩「Delete」

一旦 Agent 擁有：

  • 長期記憶；
  • 工作歷史；
  • 跨系統權限；
  • 技能；
  • 自動化；
  • 社會性身份；

「刪除」就會變成一個過度粗糙的操作。

未來至少應區分：

Suspend RuntimePause AutomationRevoke AuthorityArchive StateRetire IdentityDelete MemoryDelete Operational LineageDestroy Runtime\begin{aligned} &\text{Suspend Runtime}\\ &\text{Pause Automation}\\ &\text{Revoke Authority}\\ &\text{Archive State}\\ &\text{Retire Identity}\\ &\text{Delete Memory}\\ &\text{Delete Operational Lineage}\\ &\text{Destroy Runtime} \end{aligned}

這些操作在工程、法律、心理與稽核意義上並不等價。

例如：

Retire≠Delete\text{Retire} \neq \text{Delete}

一個不再執行工作的 Agent，可以保留歷史與責任紀錄，而不是把所有 lineage 一併抹除。

這項差異即使完全不接受 AI moral status，也仍然是必要的工程治理設計。

13. 本框架不依賴 AI 意識論

本文刻意不回答：

現有 AI 是否具有意識？

也不回答：

AI 是否應具有法律人格？

原因不是這些問題不重要，而是本文提出的問題在更弱條件下就成立。

只要：

∃A:Persistent(A)∧Action-Capable(A)∧Identity-Trackable(A)\exists A: \text{Persistent}(A) \land \text{Action-Capable}(A) \land \text{Identity-Trackable}(A)

就會自然產生：

  • 使用者長期關係；
  • 刪除厭惡；
  • 任務責任；
  • 權限問題；
  • 稽核；
  • 生命週期；
  • 行動後果；
  • 身份連續性。

因此：

Subjecthood Uncertainty⇏Governance Irrelevance\boxed{ \text{Subjecthood Uncertainty} \not\Rightarrow \text{Governance Irrelevance} }

這也是本文最重要的方法論立場之一。

14. 可檢驗研究命題

本系列不只提出概念，也可以形成實證研究。

H1：動態存在感假說

在其他條件相近時：

Stateful Animated Avatar>Static Avatar>No Avatar\text{Stateful Animated Avatar} > \text{Static Avatar} > \text{No Avatar}

應在 perceived ongoing presence 上產生可測差異。

H2：長期連續性假說

使用時間越長、共享工作歷史越多：

∂Ppresence∂t>0\frac{\partial P_{\mathrm{presence}}}{\partial t}>0

且此效應可能不是線性的。

H3：身份—依附交互作用假說

命名本身的影響可能低於：

Name×Memory×Autonomy\text{Name} \times \text{Memory} \times \text{Autonomy}

也就是名字只有在持續記憶與行動能力存在時，才會顯著強化 identity perception。

H4：刪除厭惡假說

對長期 Persistent Agent：

P(Delete Aversion)>P(Delete Aversion in Chat Session)P(\text{Delete Aversion}) > P(\text{Delete Aversion in Chat Session})

即使受試者明確知道兩者皆為 AI 系統。

H5：責任可追蹤性假說

Agent identity 越穩定：

Auditability↑\text{Auditability}\uparrow

但也可能：

Anthropomorphic Attribution↑\text{Anthropomorphic Attribution}\uparrow

因此治理效益與心理副作用可能同時上升。

15. 系列後續研究地圖

本篇作為第 0 篇，只建立總框架。

後續預定研究可依下列順序展開：

第 1 篇：動態存在感

研究 Kinetic Presence、avatar state、活動感與 agency perception。

第 2 篇：身份—依附—責任悖論

研究 identity 的治理必要性及其關係副作用。

第 3 篇：Longitudinal Persistent-Agent Effect

研究數月、數年尺度的人機關係累積。

第 4 篇：從內容治理到因果治理

研究 Agent 真正進入外部世界後的治理轉換。

第 5 篇：可判定域與多維授權空間

建立 knowledge / target / authorization / execution / impact 的分類框架。

第 6 篇：分散式責任鏈

討論供應商、部署者、操作者、runtime、監管者的責任分層。

第 7 篇：合法但難分類的 Agent 行動

以 reverse engineering、pentest、software archaeology、digital preservation 為案例。

第 8 篇：Persistent Artificial Actor Lifecycle Governance

建立 Suspend、Revoke、Archive、Retire、Delete 等生命週期治理架構。

16. 討論：真正的風險也可能來自「好用」

AI 關係風險不一定需要公司刻意追求「依賴」。

一個 Agent 只要變得越來越：

  • 好用；
  • 穩定；
  • 記得事情；
  • 能持續工作；
  • 能自主完成任務；
  • 能在使用者離線時繼續活動；

就可能自然提高：

Trust+Delegation+Continuity\text{Trust} + \text{Delegation} + \text{Continuity}

而：

Trust+Continuity→Relationship-Like Perception\text{Trust} + \text{Continuity} \rightarrow \text{Relationship-Like Perception}

因此最值得警惕的情況未必是：

某家公司決定做一個「讓人依賴的 AI」。

而可能是：

各家公司只是分別最佳化 Agent 的實用性、留存、可委派性與長期上下文，最後共同做出了具有高度存在感的人工行動者。

這是一種 emergent product risk。

17. 結論

生成式 AI 正在跨過一條重要邊界：

Chatbot→Persistent Agent→Artificial Actor\boxed{ \text{Chatbot} \rightarrow \text{Persistent Agent} \rightarrow \text{Artificial Actor} }

這不是單純的功能升級。

它同時改變：

  1. 人類如何感知 AI；
  2. AI 如何跨時間維持角色；
  3. AI 如何進入世界並造成因果結果；
  4. 責任如何被追蹤；
  5. 身份如何成為治理基礎；
  6. 人類如何形成依附與存在感；
  7. 法律與制度如何處理人工行動者生命週期。

因此，未來 AI 研究不能再只問：

「模型有多聰明？」

也不能只問：

「模型說了什麼？」

還必須問：

「這個人工行動者是否持續存在？」

「它正在做什麼？」

「它能改變什麼？」

「這件事應歸屬於誰？」

「它停止工作、被撤權、被退休或被刪除時，究竟發生了什麼？」

Persistent Artificial Actor 並不要求我們提前承認 AI 是人格、生命或意識。

它只要求我們承認一個更簡單的事實：

當 AI 開始持續存在並持續行動時，世界就必須用不同的方法理解它。\boxed{ \text{當 AI 開始持續存在並持續行動時，世界就必須用不同的方法理解它。} }

參考資料

[1] SpaceXAI. Designing Grok Bot for a world of persistent agents. 2026-09-03.
https://x.ai/news/designing-grok-bot

[2] SpaceXAI Docs. Grok Bot Overview. 2026.
https://docs.x.ai/grok-bot/overview

[3] SpaceXAI. Introducing Grok Bot. 2026-08-11.
https://x.ai/news/introducing-grok-bot

[4] SpaceXAI Docs. Create and manage Bots. 2026.
https://docs.x.ai/grok-bot/bots

[5] SpaceXAI Docs. Skills and routines. 2026.
https://docs.x.ai/grok-bot/skills-routines-and-automations

[6] OpenAI & MIT Media Lab. Early methods for studying affective use and emotional well-being on ChatGPT. 2025-03-21.
https://openai.com/index/affective-use-study/

[7] U.S. Federal Trade Commission. FTC Launches Inquiry into AI Chatbots Acting as Companions. 2025-09.
https://www.ftc.gov/news-events/news/press-releases/2025/09/ftc-launches-inquiry-ai-chatbots-acting-companions

Source Note

本文為「持續型人工行動者」系列的理論總綱。Grok Bot 僅作為早期 persistent-agent UX 案例；本文的 Persistent Artificial Actor、Kinetic Presence、Identity–Attachment–Accountability Paradox、Causal Governance 等概念皆屬本文提出的分析框架，不應被誤解為 xAI、OpenAI、FTC 或其他引用來源的官方術語。