動態視角路由 v0.1

——從固定角色到 Goal-Conditioned Perspective Switching

English Title: Dynamic Perspective Routing: From Fixed Roles to Goal-Conditioned Observation Switching
系列：《宏觀個體導向的動態全域觀察方法論》05 / 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

若宏觀對象只能透過不同 observation operators 被局部看見，那麼全域 Agent 的關鍵能力不是固定扮演「架構師」或同時開啟所有角色，而是能根據任務、狀態、不確定性、風險、異常與成本，動態選擇下一個最有辨識價值的 perspective。

本文提出動態視角路由（Dynamic Perspective Routing, DPR），把 perspective selection 視為 Agent 的顯式 cognition action。

1. Observation Operator Registry

令可用 operators：

\mathcal O = \{O_1,O_2,\dots,O_n\}.

每個 operator 有 metadata：

Meta(O_i) = ( \text{Domain}, \text{Modalities}, \text{Cost}, \text{Latency}, \text{RiskCoverage}, \text{Questions}, \text{Dependencies} ).

Agent 不必永久實例化所有角色，只需知道它們存在並可在需要時啟動。

2. Perspective Selection Policy

當前狀態：

S_t,

目標：

G_t,

不確定性：

U_t,

風險：

R_t,

預算：

B_t.

選擇：

\boxed{ O_t^* = \arg\max_{O_i\in\mathcal O} \left[ IG(O_i\mid G_t,S_t,U_t,R_t) - \lambda Cost(O_i) \right] }

其中 $IG$ 是 task-relevant information gain。

3. 何時切換視角

典型 trigger：

T1 — Persistent Uncertainty

U_t>\tau_U.

T2 — Cross-Boundary Anomaly

某兩 projection 不一致：

O_i(X) \not\sim O_j(X).

T3 — Repeated Same-Class Failure

FailureClass_t = FailureClass_{t-1} = \cdots

應從 instance 升到 pattern / architecture / substrate perspective。

T4 — Expert-Level Surprise

出現能力與錯誤不相稱的 failure。

T5 — Risk Escalation

action blast radius 或 irreversibility 上升。

T6 — Stale World Belief

Age(Evidence)>\tau.

4. 視角切換不是 Multi-Agent Ceremony

視角路由可以由同一 Agent 內部完成：

implementation view
→ visual view
→ runtime view
→ architecture view
→ back to implementation

只要保留 operator-specific policy 與 evidence provenance。

所以：

\boxed{ \text{PerspectiveSwitching} \neq \text{AgentSwitching} }

多 Agent 只是其中一種實作。

5. Perspective Stack

維持：

\Pi_t = [O_{base},O_{1},O_{2},\dots].

當新 evidence 需求出現，push operator；完成其 question set 後 pop。

這避免：

永久 role sprawl；
多 Agent context duplication；
review ceremony；
token explosion。

6. Global Awareness 與 Local Focus

全域 Agent 不等於：

O_1+O_2+\cdots+O_n

全部常駐。

而是：

\boxed{ \text{GlobalAwareness} = Knowledge(\mathcal O) + Knowledge(CurrentProjection) + Knowledge(Unknowns) }

局部 focus 則是：

O_t^*.

因此：

\boxed{ \text{Global Mind, Local Lens} }

可以成為本方法的一句工程口號。

7. 與 Responsibility-Layer Escalation 的耦合

若 repeated repair 失敗：

\text{Instance} \rightarrow \text{Pattern} \rightarrow \text{Architecture} \rightarrow \text{Substrate},

DPR 應同步切換 observation operator。

例如：

button broken
→ frontend implementation
→ recurring across pages
→ design-system operator
→ recurring across framework boundary
→ architecture/substrate operator

所以 causal escalation 與 perspective escalation 應協同。

8. Perspective Budget

定義：

B_P = \text{Perspective Activation Budget}.

每次 operator 啟動有：

retrieval cost；
context cost；
tool cost；
modality cost；
reasoning cost；
switching cost。

因此 DPR 的目標不是最大化：

|\mathcal O_t^*|,

而是最大化：

\frac{ \Delta RelevantResolution }{ \text{Cost} }.

9. 核心命題

\boxed{ \textbf{P1: Global competence requires operator awareness, not simultaneous operator activation.} }

\boxed{ \textbf{P2: Perspective selection is a cognitive action.} }

\boxed{ \textbf{P3: Repeated same-class failures should escalate both causal layer and observation perspective.} }

\boxed{ \textbf{P4: Perspective switching can occur within one agent if operator semantics remain explicit.} }

10. 結論

真正的全域視角不是一個固定的「上帝視角」。

它更像：

知道自己現在站在哪裡，也知道什麼時候必須換位置。

下一篇將把 DPR 放進 APR：先選 perspective，再選 modality、region、resolution、history 與 reasoning depth，形成真正受預算治理的動態全域感知。