APR 驅動的動態全域感知 v0.1

——在不爆 Token 的條件下實現多模態全域觀察

English Title: APR-Governed Dynamic Global Perception: Multimodal Global Observation Without Context Explosion
系列：《宏觀個體導向的動態全域觀察方法論》06 / 07
作者： Neo.K × AI 協作
版本： v0.1
日期： 2026-09

機構： EveMissLab／一言諾科技有限公司

摘要

如果解決局部視角的方法是「把所有檔案、所有 screenshot、所有影片、所有 logs、所有 traces、所有角色 prompt 永遠塞進 context」，系統會迅速遭遇 token、latency、memory 與 attention overload。本文將 Dynamic Perspective Routing 接入既有 Adaptive Perceptual Reading（APR），提出一個三層感知治理：Perspective Routing、Modality Routing、Evidence Routing。

核心不是最大化輸入，而是：

\boxed{ \text{Global Awareness} + \text{Minimum Necessary Observation} + \text{Adaptive Resolution} }

1. APR 的既有原則

APR 已建立：

\text{WorldState} \rightarrow \text{Need} \rightarrow \text{PerceptualPolicy} \rightarrow \text{EvidenceAcquisition} \rightarrow \text{BeliefRevision} \rightarrow \text{Action} \rightarrow \text{WorldState}.

以及：

\boxed{ \text{AvailableInformation} \neq \text{InformationThatMustBeProcessed} }

本系列不重造 APR，而是在 Need 與 PerceptualPolicy 之間增加 perspective layer。

2. 三層路由

Layer 1 — Perspective Routing

P_t^* = SelectPerspective(G_t,S_t,U_t,R_t,B_t).

例如：

implementation；
UX；
architecture；
security；
runtime；
player；
data。

Layer 2 — Modality Routing

m_t^* = SelectModality(P_t^*,Need_t).

例如：

text/code；
image；
video；
audio；
browser trace；
runtime metric；
profiler；
structured state。

Layer 3 — Evidence Routing

決定：

(\Omega_t,\rho_t,\nu_t,d_t,h_t,q_t).

即區域、解析度、讀取速率、推理深度、歷史跨度與是否 revisit。

3. Dynamic Global Observation Loop

完整 loop：

\boxed{ \text{MacroObjectBelief} \rightarrow \text{Need} \rightarrow \text{Perspective} \rightarrow \text{Modality} \rightarrow \text{EvidencePolicy} \rightarrow \text{Observation} \rightarrow \text{BeliefRevision} \rightarrow \text{Action} \rightarrow \text{OutcomeObservation} }

然後回到新的 MacroObjectBelief。

4. 例：UI 修復

User intent: 修好設定頁底部按鈕
↓
Global product graph: UI + state + save action + layout
↓
Implementation operator
↓
code diff + component tests PASS
↓
Boundary requires visual confirmation
↓
Perspective route → visual/UX
↓
APR selects one viewport + relevant screenshot
↓
button overlaps footer
↓
responsibility cone → layout container
↓
repair
↓
targeted visual re-observation
↓
interaction smoke
↓
closure

不需要：

掃整個 repository；
看所有頁面；
錄完整影片；
跑所有 benchmark；
啟動 security review。

5. Information-Gain Budgeting

令 observation action $a$ 的預期資訊增益：

IG(a),

成本：

C(a) = C_{tok}+C_{io}+C_{lat}+C_{compute}+C_{human}.

APR-DGO 可選：

\boxed{ a_t^* = \arg\max_a \frac{ IG_{relevant}(a) }{ C(a) } }

並受 risk floor 約束：高風險時，即使成本高，也必須取得最低必要 evidence。

6. Persistent World State

全域觀察不應每次從零讀完整世界。

維持：

W_t = \text{Persistent World Belief}.

新 evidence 只更新受影響區域：

W_{t+1} = Update(W_t,E_t).

並保留：

provenance；
timestamp；
confidence；
contradiction；
stale status；
operator source。

這能避免：

\text{FullWorldRecompute}

成為每次修改的默認成本。

7. Global Attention 不是 Full Attention

定義：

\text{GlobalAttention} \neq UniformProcessing(AllData).

更合理：

\boxed{ \text{GlobalAttention} = \text{GlobalStateAwareness} + \text{SparseTargetedInspection} }

與 APR 的 attention governance 一致：問題不是「模型內部 attention 怎麼算」，而是「哪些世界資料值得先進昂貴 attention」。

8. Post-Action Observation

執行 receipt 不等於 outcome。

因此每個重要 action：

Execute(a_t)

之後需要新的 evidence：

E_{post}, \qquad Time(E_{post})\ge Time(a_t).

且：

\text{ExpectedOutcome} \neq \text{ObservedOutcome}.

這能直接防止綠燈錯置中的循環自證。

9. 停止規則

感知不能永久進行。

若：

U_{decision}<\tau_U,

且：

RiskCoverage\ge\tau_R,

並且：

MarginalIG<\tau_{IG},

則：

\boxed{ \text{StopPerception} }

10. 核心命題

\boxed{ \textbf{P1: Dynamic global perception should route perspective before modality.} }

\boxed{ \textbf{P2: Global awareness does not require globally maximal input resolution.} }

\boxed{ \textbf{P3: Persistent world belief plus targeted re-observation dominates repeated full re-reading for many tasks.} }

\boxed{ \textbf{P4: Post-action world evidence must remain distinct from execution receipt and expected outcome.} }

\boxed{ \textbf{P5: Perception must have an explicit stopping rule.} }

11. 結論

APR 讓「多模態全局注意力」不必變成暴力 context accumulation。

真正的形態是：

\boxed{ \textbf{Global awareness, sparse observation, adaptive resolution.} }

下一篇將收束整個系列：何時可以說 macro-object 真的 closure，而不是所有局部觀察器各自 green？