事情如何自己發生

——Social Matter、Endogenous Problem Generation 與 AI 社會的最小動力學

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-10-07（整理日期；原稿未標註日期）
版本： 原稿未標註（本次整理版）

摘要

很多 AI 遊戲在追求「世界自己發生故事」時，直覺做法是：

讓大型語言模型定期生成一個新事件。

例如：

今天市場爆發爭吵；
某居民突然失蹤；
酒館出現神秘旅人；
小鎮發生節慶。

這種方法確實能產生內容，但它仍然是：

\boxed{ StoryGenerator \rightarrow World }

事件的真正來源不是世界本身，而是另一個內容生成器。

如果希望 AI 世界逐漸具有「社會」，更加重要的問題其實是：

當世界狀態產生失衡、缺口、需求或承諾時，它能不能自己形成需要居民回應的社會問題？

因此，本篇提出：

\boxed{ WorldState \rightarrow SocialMatter }

而不是：

LLM \rightarrow RandomEvent.

my_ai_town 的 Social Matter Runtime 已經建立了一套相當清楚的狀態機：

latent \rightarrow open \rightarrow collecting \rightarrow assigned \rightarrow executing \rightarrow closed.

它同時追蹤：

awareness；
involvement；
exposure；
channels；
candidates；
responses；
participants；
assignments；
result refs。

這表示一件「社會事件」不再只是文字，而是一個具有來源、參與者、知情範圍、行動目標與結算條件的 World Object。

本篇將其抽象為：

\boxed{ Problem \rightarrow Awareness \rightarrow Attention \rightarrow Response \rightarrow Commitment \rightarrow Execution \rightarrow Resolution }

並主張：

AI 社會真正的最小單位，不一定是 Agent，而可能是 Agent 與 World 共同形成的 Matter。

1. 隨機事件不等於內生事件

假設系統每隔一天呼叫一次 LLM：

「請生成一個今天可能發生在小鎮的新事件。」

得到：

「咖啡館人手不足。」

這是一個事件。

但它的因果來源其實是：

[ Generator. ]

而不是世界。

另一種方式是：

WaitingCustomers=5

ActiveWorkers=1

ServiceCapacity=2.

因此：

WaitingCustomers > ServiceCapacity.

World 根據這個真實狀態建立：

Matter(\text{service pressure}).

這兩者表面都可能讓玩家看到：

咖啡館缺人。

但本體完全不同。

前者：

Narrative \rightarrow State.

後者：

State \rightarrow Narrative.

本篇研究的是第二種。

2. Endogenous Problem Generation

我們將內生問題生成定義為：

\boxed{ M_t=G(W_t) }

其中：

$W_t$ ：當前 World State；
(G)：Problem Generation Operator；
$M_t$ ：從世界狀態產生的 Matter。

如果：

Condition(W_t)=\mathrm{true}

才建立 Matter。

因此：

[ Matter ]

不是作者說：

「現在應該有故事。」

而是世界自己出現：

尚未解決的狀態差異。

3. Social Matter 是「未閉合的世界關係」

可以把 Social Matter 更抽象地理解成：

\boxed{ Unresolved\ Relation }

例如：

服務問題

Demand>Capacity.

職缺

RequiredRole \land NoWorker.

居民求助

Need_i \land CannotResolveAlone_i.

對話承諾

Promise(A,B,X) \land X\ not\ completed.

這些本質上都是：

\boxed{ CurrentState \neq DesiredClosureState. }

Social Matter 就是這個差值的社會化表示。

4. Matter 不只是 Event

普通 Event 常表示：

E_t: \text{Something happened.}

而 Matter 表示：

M_t: \text{Something remains unresolved.}

兩者差異很大。

Event：

咖啡館今天很忙。

Matter：

咖啡館目前有超過服務能力的需求，需要有人處理。

因此 Matter 至少需要：

source；
current state；
target；
expiry；
capacity；
response options；
resolution rule。

TownSocialMatterRuntime 正式保存 source_state_ref、subject_ids、resolution_rules、capacity、expires_at、result_refs 等資料。

這表示：

[ Matter ]

是一個可執行的社會狀態機，而不是一段劇情文字。

5. Matter 的完整生命周期

目前可以抽象成：

\boxed{ Latent \rightarrow Open \rightarrow Collecting \rightarrow Assigned \rightarrow Executing \rightarrow Closed }

5.1 Latent

問題已存在，但尚未進入公開社會處理。

例如：

ServicePressure>Threshold.

5.2 Open

問題正式被暴露到可回應狀態。

5.3 Collecting

World 正在收集：

[ ResidentResponses. ]

包括：

accept；
reject；
defer；
withdraw。

5.4 Assigned

某一位或多位居民被正式指派。

5.5 Executing

承諾已經轉成真實 World Action。

5.6 Closed

問題已：

完成；
取消；
過期；
失效。

這使 Social Matter 從：

[ NarrativeObject ]

變成：

\boxed{ WorldTransaction. }

6. Awareness：不知道問題的人不能回應問題

這是這套架構最重要的設計之一。

Social Matter 不應直接：

Matter \rightarrow AllAgents.

而必須經過：

[ Awareness. ]

TownSocialMatterRuntime 會保存：

[ awareness[resident]. ]

而 response round 開始時，若某居民根本沒有 awareness：

Resident\notin Awareness(M)

則不能被放入 response candidates。

系統甚至會返回：

SOCIAL_RESPONSE_CANDIDATE_UNAWARE

因此：

\boxed{ Participation \Rightarrow PriorKnowledge }

成立。

這是 AI 社會非常重要的因果邊界。

7. Exposure：看到線索不等於知道整件事

更進一步，World 並不一定直接把居民標成：

[ known. ]

Social Matter 還有：

[ Exposure. ]

例如：

你經過咖啡館，看起來有點忙。

居民只得到：

[ clue. ]

而不是完整 Matter State。

Exposure 可以經由：

visible；
audible；
direct request；
bulletin；
relayed；
experienced。

這使：

\boxed{ Exposure \neq Awareness. }

8. Attention：Agent 可以選擇不注意

my_ai_town 的 Exposure 更有意思的一點是，Agent 收到 exposure 後可以選：

[ { notice, ignore, defer }. ]

如果：

[ notice ]

才產生：

awareness=partial.

如果：

[ ignore ]

那件事可能根本不進入該居民的後續社會決策。

所以：

\boxed{ WorldSignal \neq CognitiveAttention. }

這是 AI 社會比傳統腳本 NPC 更有價值的地方之一。

9. Attention 本身是一種有限資源

更重要的是，每次 Agent Wake 目前最多只提供：

[ 1 ]

個 actionable exposure。

這可以抽象為：

AttentionCapacity_i(t)=1.

並不代表未來永遠只能是一，而是在概念上承認：

\boxed{ Attention\ is\ scarce. }

世界可能同時存在：

M_1,M_2,\dots,M_{10}.

但居民不必同時處理全部。

這會產生真正的社會差異：

有人看到。
有人忽略。
有人晚點才注意。

10. Initial Contact Topology

問題出現後，第一批知情者不應隨機挑。

TownInitialSocialContactPolicy 已根據 Matter source 決定不同接觸集合。

例如：

10.1 Place Service Pressure

初始候選主要來自：

[ ResidentsAtPlace. ]

也就是：

當下真的在現場的人。

10.2 Resident Request

由：

Requester \rightarrow Recipient.

直接形成 awareness。

10.3 Job Vacancy

候選職務居民進入：

[ Affected+Aware. ]

10.4 Conversation Commitment

承諾者與受益者透過：

direct\_conversation

正式知情。

因此 Matter 的傳播不是：

[ RandomSelection. ]

而是：

\boxed{ SourceStructure \rightarrow InitialSocialTopology. }

11. Place Service Pressure：世界失衡自己變成社會問題

這是最典型的內生事件。

假設某地點：

WaitingCount>ServiceCapacity.

World 可以產生：

Matter_{service}.

然後附近居民得到：

[ Exposure. ]

有人選：

[ notice. ]

Matter 進一步開放回應：

[ accept/reject/defer. ]

World 再依：

人數；
資格；
commitment capacity；

選擇參與者。

因此完整鏈：

\boxed{ Demand \rightarrow Pressure \rightarrow Exposure \rightarrow Awareness \rightarrow Response \rightarrow Assignment \rightarrow Service }

這就是：

\boxed{ Endogenous\ Social\ Gameplay. }

12. Job Vacancy：制度缺口本身也能產生事件

假設：

OccupationPost=Vacant.

那麼這不應只是 UI 上顯示：

缺一個店員。

它可以變成：

Matter_{vacancy}.

候選居民得知：

某工作沒人做。

之後可以：

接受；
拒絕；
試做；
兼職；
延後。

最終：

Matter \rightarrow StaffingArrangement.

再接：

Trial \rightarrow Qualification \rightarrow Transfer.

於是：

\boxed{ InstitutionalGap \rightarrow CareerHistory. }

這就是從 Social Matter 接到 L5 Persistent Differentiation 的重要橋梁。

13. Resident Request：Agent 也可以主動製造 Matter

Matter 不只來自被動 World Condition。

Agent 本身也可以發起：

[ Request. ]

例如：

請你去某個地方幫忙。

但重要的是：

LLM 說「你幫我」不應自動變成對方承諾。

因此：

Request \rightarrow Matter.

接收者：

[ Awareness. ]

再由對方決定：

[ accept/reject/defer. ]

所以：

\boxed{ Speech \neq Commitment. }

只有 World 正式接受：

Response=Accept

才產生 Commitment。

14. Conversation Commitment：語言如何變成世界責任

這是 Social Matter 最有意思的部分之一。

普通對話：

「我等一下幫你拿。」

如果只是文字：

[ Speech. ]

幾分鐘後 LLM 很可能完全忘記。

更完整的架構需要：

Speech \rightarrow StructuredCommitment.

my_ai_town 的 conversation follow-up 能把對話中正式承諾轉成 Social Matter，再將已確認 assignment 轉回 World Action。

因此：

\boxed{ Language \rightarrow Commitment \rightarrow Action. }

這是 AI 社會非常重要的橋梁。

15. 承諾不是直接強制完成

即使居民說：

「好，我去。」

World 也只應建立：

[ Commitment. ]

真正執行仍可能：

失敗；
地點關閉；
被其他事件打斷；
居民退出；
超時。

所以：

Promise \neq Result.

而是：

Promise \rightarrow Goal \rightarrow Execution \rightarrow Settlement.

這又延續第 1 篇：

Intent\neq WorldTruth.

16. Commitment Capacity：社會責任不能無限疊加

Social Matter Runtime 還設置：

MAX\_ACTIVE\_COMMITMENTS\_PER\_RESIDENT=1.

這是一個非常值得注意的設計。

如果 Agent 可以同時答應：

[ 100 ]

件事，那麼「承諾」就沒有成本。

因此：

\boxed{ Commitment \rightarrow ResourceOccupation. }

也就是：

答應某件事情，應該降低同時承擔其他事情的能力。

未來這個上限可以更細緻，但概念非常重要。

17. Response 不是固定 Accept

真正的 Agent Society 不能讓所有人都：

「好的，我願意幫忙。」

Social Matter 正式提供：

[ accept ]

[ reject ]

[ defer ]

[ withdraw. ]

所以：

[ SocialProblem ]

不保證：

[ Cooperation. ]

而是：

\boxed{ Problem \rightarrow Choice. }

這是 emergent social dynamics 的必要條件。

18. Defer 很重要

defer 很容易被低估。

如果只有：

[ accept/reject ]

那麼所有社會決策都必須立即二元化。

但 Agent 真實行為常是：

我現在不確定。
我晚點看看。
我先把手上的事情做完。

因此：

[ Defer ]

讓 Social Matter 具有：

[ TemporalDecision. ]

這也使：

[ SocialState ]

和：

[ WorldTime ]

真正耦合。

19. Response Round：社會選擇需要結算

如果多人同時願意：

[ A,B,C ]

幫忙，World 不能隨意讓三人全部成為同一個工作結果。

因此：

Responses \rightarrow Settlement.

World 可以根據：

capacity；
qualification；
availability；
policy；

決定：

[ AssignedResidents. ]

所以：

\boxed{ Willingness \neq Assignment. }

這再次保持：

[ AgentAgency + WorldAuthority. ]

20. Social Assignment 是真正的世界責任

一旦 Assigned：

ParticipantStatus=assigned.

Social Matter 就開始產生正式的：

[ ActionGoal. ]

例如：

Capability=world.go\_to\_place.

或：

Capability=world.perform\_activity.

Agent Prompt 也會把已確認 assignment 告訴 Agent：

你已經承諾這件事。

這使 Agent 的：

[ Moral/SocialObligation ]

不再只是自然語言。

而是：

[ WorldState. ]

21. Obligation 是 Claim 的另一種類型

到這裡可以看出：

Social Matter 與前面提出的：

[ Asset+Capability+Claim ]

其實可以直接連接。

一個承諾：

[ Promise(A,B,X) ]

可以表示為：

Claim_B(A,X).

也就是：

B 對 A 有一項可以期待的責任。

因此：

\boxed{ Commitment \subset RelationalClaim. }

這會成為後面第 7 篇 Persistent Ontology 的重要基礎。

22. Matter Resolution：問題必須由世界結果關閉

Matter 不能因為 Agent 說：

「我處理好了。」

就結束。

必須：

WorldResult \rightarrow MatterResolution.

例如：

[ ServicePressure ]

只有在：

WaitingCount\downarrow

或相應工作正式完成後才消失。

因此：

\boxed{ Resolution \neq NarrativeClosure. }

而是：

Resolution = StateClosure.

23. Event Generator 與 Problem Generator 的根本差異

現在可以正式比較：

Event Generator

輸入：

[ Prompt. ]

輸出：

[ StoryEvent. ]

通常：

Event \rightarrow Content.

Problem Generator

輸入：

[ WorldState. ]

輸出：

[ UnresolvedMatter. ]

然後：

Matter \rightarrow AgentResponse \rightarrow WorldChange.

所以：

\boxed{ ProblemGenerator }

不是故事生成器。

它更像：

\boxed{ DynamicConstraintExtractor. }

24. 世界事件真正有趣的來源是「約束失配」

很多 emergent gameplay 本質上都可以表示成：

[ ConstraintMismatch. ]

例如：

經濟

Demand>Supply.

工作

Task>WorkerCapacity.

社會

Need>AvailableHelp.

情報

RequiredKnowledge>KnownKnowledge.

醫療

Condition>TreatmentCapacity.

政治

CompetingClaims>InstitutionalResolutionCapacity.

因此：

\boxed{ EmergentProblem = DetectedConstraintMismatch. }

這個框架可以遠遠超出小鎮模擬。

25. Social Matter 其實是通用 Constraint Object

如果將它一般化：

Matter= ( Source, Subjects, Goal, Capacity, Awareness, Participants, Deadline, Resolution ).

那麼同一套架構可以表示：

幫忙；
職缺；
邀請；
承諾；
選舉；
工會談判；
組織任務；
公共危機。

因此真正可擴張的設計不是：

為每種社會行為寫一個獨立系統。

而是：

\boxed{ One\ Matter\ Ontology \rightarrow Many\ SocialPhenomena. }

26. Attention 與 Matter 可以產生「有人沒注意到」

這也是 AI 社會的重要來源。

假設：

[ M ]

在市場發生。

A 在場但：

[ ignore. ]

B：

[ notice. ]

C 根本不在場。

則：

Awareness_A=0

Awareness_B=partial

Awareness_C=0.

後來 B 告訴 C：

Awareness_C=known.

這樣真正的：

\boxed{ InformationHistory }

就開始形成。

同一個 Matter 的社會生命史，不再只是：

發生 → 結束。

而是：

Problem \rightarrow Spread \rightarrow Response.

27. Matter 還可以產生旁觀者，而不是只有參與者

Social Matter 的 involvement role 包括：

creator；
affected；
participant；
observer。

這很重要。

因為一個社會事件不只改變：

[ Participants. ]

還可能改變：

[ Observers. ]

例如：

A 主動幫了陌生人。

C 雖沒有參與，但看到這件事。

未來：

Belief_C(A)

可能因此改變。

這就是：

SocialMatter \rightarrow ReputationEvidence.

目前這條還沒有完全一般化，但底座已經存在。

28. Social Matter 可以成為 Reputation 的證據生成器

如果未來加入：

[ TrustGraph ]

那麼每個 Matter 結果都可以產生：

[ Evidence. ]

例如：

履行承諾

Trust_{B\leftarrow A}\uparrow.

無故退出

Trust_{B\leftarrow A}\downarrow.

多次公共幫助

PublicReputation_A\uparrow.

注意：

World 不應直接說：

A 是好人。

World 只記：

A 完成了三次公共承諾。

再由不同居民形成不同 interpretation。

這樣：

\boxed{ Matter \rightarrow Evidence \rightarrow Belief }

就和第 3 篇接起來。

29. Matter 是 World 與 Cognition 的中介物

到這裡可以看到：

[ WorldState ]

太底層。

Agent Memory 太主觀。

Social Matter 剛好位於中間。

它把：

[ PhysicalState ]

轉成：

[ SociallyMeaningfulProblem. ]

例如：

WaitingCount=5

只是數值。

但：

Matter: \text{咖啡館忙不過來}

才是 Agent 可以理解與回應的社會語義。

因此：

\boxed{ WorldState \rightarrow Matter \rightarrow Cognition. }

30. LLM 的角色再次變得更清楚

在這套系統中，LLM 不需要：

自己發明今天有什麼問題。

它只需要回答：

我知道了這個問題之後，我想怎麼回應？

也就是：

LLM: Matter \rightarrow Response.

而：

World: State \rightarrow Matter.

這是比「讓 LLM 生成整個故事」穩定得多的分工。

31. 真正的故事是 Matter Chain 的投影

當多個 Matter 串起來：

M_1 \rightarrow M_2 \rightarrow M_3.

故事自然出現。

例如：

CafePressure \rightarrow TemporaryHelp

TemporaryHelp \rightarrow Trial

Trial \rightarrow Qualification

Qualification \rightarrow JobTransfer.

對玩家而言：

某居民原本只是臨時幫忙，後來竟然真的轉行了。

這就是一條故事。

但沒有 Story Generator。

它只是：

\boxed{ CausalProjection(WorldHistory). }

32. Endogenous Storytelling

因此我們可以重新定義：

\boxed{ Story = ReadableProjection( CausalStateTransitions ) }

而不是：

Story = GeneratedText.

這是 AI 原生遊戲非常重要的一個方向。

大型語言模型可以負責：

呈現；
語言；
角色反應。

但故事骨架：

\text{why A led to B}

最好由 World 因果產生。

33. Social Matter 與傳統 Quest 的差異

表面上 Social Matter 很像 Quest。

但兩者不同。

傳統 Quest：

Designer \rightarrow QuestDefinition.

Social Matter：

WorldState \rightarrow MatterDefinition.

Quest 通常有：

[ PredeterminedObjective. ]

Matter 則可能：

[ accept/reject/defer/expire. ]

因此它更接近：

\boxed{ DynamicSocialConstraint. }

而不是任務列表。

34. AI 原生遊戲真正需要「問題生成」而不是「內容生成」

這篇最核心的設計觀可以濃縮成：

\boxed{ GenerateProblems, notStories. }

不是：

AI 每天幫我生成十個事件。

而是：

世界每天自然產生十個尚未閉合的問題。

然後讓：

[ Agents ]

自己去：

處理；
忽略；
拒絕；
延後；
搞砸。

故事自然存在於後果裡。

35. 這也能降低 LLM 成本

如果故事事件全部由 LLM 主動創造：

N_{events} \propto N_{LLMCalls}.

但如果 Matter 由 deterministic World State 生成：

Matter=G(W).

那麼：

ProblemGenerationCost \ll LLMGenerationCost.

只有真的需要角色判斷時：

Matter \rightarrow AgentWake.

才呼叫模型。

這和第 2 篇的：

[ SparseCognition ]

完全一致。

36. 從 Individual Agent 到 Agent Society

第 1～3 篇主要描述：

Agent_i.

到了 Social Matter，系統第一次真正出現：

\boxed{ CollectiveState. }

因為 Matter 不屬於任何單一 Agent。

它同時連接：

World；
creator；
affected residents；
observers；
candidates；
participants。

因此：

[ Matter ]

可以視為：

[ Hyperedge ]

把多個 Agent 與 World State 連起來。

37. Social Matter 作為 Hypergraph

假設：

G=(V,E).

其中：

V=\{Agents,Places,Objects,Institutions\}.

普通 Relationship 是：

[ Edge(A,B). ]

但 Social Matter 可以同時連接：

[ A,B,C,Place,Task. ]

因此更接近：

\boxed{ Hyperedge. }

例如：

M_{cafe} = \{ Cafe, WorkerA, CustomerB, HelperC \}.

這對未來大型 AI 社會非常有潛力。

38. 從 Matter Graph 可以自然形成制度

如果同類 Matter 一直重複：

M_1,M_2,M_3,\dots

社會可以開始形成：

[ Institution. ]

例如每週都有人手不足：

[ RepeatedStaffingMatter ]

最終可能產生：

[ NewShiftSystem. ]

如果這條再接上第 7 篇的 Persistent Ontology：

RepeatedProblem \rightarrow InstitutionalChange.

那麼：

\boxed{ SocialMatter \rightarrow InstitutionEvolution. }

就會真正把 L4 推往 L6。

39. 現階段的主要限制

my_ai_town 現有 Social Matter 已經相當完整，但目前仍主要用於：

服務壓力；
居民求助；
職缺；
對話承諾；
動物關注等。

也就是：

[ LocalCoordination. ]

它尚未普遍擴張成：

財產爭議；
長期組織；
權力競爭；
制度改革；
大規模資源衝突。

因此目前比較準確的定位是：

\boxed{ SocialCoordinationRuntime }

已存在。

而：

\boxed{ InstitutionalEvolutionRuntime }

尚未完整形成。

40. 結論：真正活著的世界，不需要每天有人編故事

如果一個世界具有：

[ Needs ]

[ Resources ]

[ Capacity ]

[ Roles ]

[ Promises ]

[ Constraints ]

那麼它自己就會產生：

[ Mismatch. ]

而：

Mismatch \rightarrow Matter.

Matter 又產生：

Awareness \rightarrow Response \rightarrow Commitment \rightarrow Action.

最後：

Action \rightarrow World'.

因此完整循環為：

\boxed{ WorldState \rightarrow Problem \rightarrow Awareness \rightarrow Choice \rightarrow Commitment \rightarrow Action \rightarrow WorldState' }

這就是：

\boxed{ Endogenous\ Social\ Dynamics. }

一個 AI 社會真正開始存在的時刻，不是當 NPC 可以彼此聊天。

而是當：

世界本身開始對居民提出問題。

居民可以：

注意；
忽略；
幫忙；
拒絕；
延後；
承諾；
退出。

而每一個選擇，都會真的改變：

W_{t+1}.

因此，本篇的核心命題可以濃縮成：

\boxed{ \text{Emergent stories should be consequences of unresolved world states.} }

也就是：

真正的湧現故事，應該是世界未閉合狀態的後果，而不是另一個模型替世界編寫的劇本。

接下來，問題自然變成：

Matter 出現之後，究竟是誰知道？
誰只看見線索？
誰可以轉告？
為什麼某個消息能傳遍小鎮，另一個秘密卻只存在三個人的記憶中？

因此下一篇進入：

第 5 篇

《誰知道什麼：Channel-Grounded Information Topology》

研究：

\boxed{ Exposure \neq Awareness \neq Belief }

以及：

World \rightarrow Channel \rightarrow AgentKnowledge.

當這一層完成後，AI 社會才真正具備：

消息；
秘密；
旁聽；
郵遞；
流言；

得以存在的資訊空間。