從可持續模擬到自演化世界
——AI-Native Game Reference Architecture 與會產生歷史的 Agent World
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
如果把大型語言模型放進遊戲角色，我們很容易得到：
AI NPC . \text{AI NPC}. AI NPC . 如果再加入：
個性；
記憶；
自主行動；
多 Agent 對話；
便可能得到：
Generative Agent Simulation . \text{Generative Agent Simulation}. Generative Agent Simulation . 如果進一步加入：
真實 World State；
行動驗證；
工作；
生產；
物流；
社會事項；
衝突；
資訊傳播；
Persistent Memory；
系統便開始接近：
AI-Native Game World . \text{AI-Native Game World}. AI-Native Game World . 然而，本系列最終研究得到的結論是：
真正困難的部分並不是讓 Agent 更會說話，而是讓 Agent 的選擇能夠穿過世界規則、留下持久結果、改變其他 Agent 的認知，再逐步改寫未來世界的可能性空間。
因此，一個完整的 AI 原生遊戲世界不能只由：
[
LLM+Prompt
]
構成。
它需要至少三個彼此耦合的大層：
R e a l i t y + C o g n i t i o n + H i s t o r y \boxed{
Reality
+
Cognition
+
History
} R e a l i t y + C o g ni t i o n + H i s t or y 本篇將前八篇的研究壓縮成一套通用 Reference Architecture：
W o r l d S t a t e → P r o j e c t i o n → C o g n i t i v e S c h e d u l e r → M e m o r y / B e l i e f → I n t e n t → W o r l d A u t h o r i t y → S e t t l e m e n t → W o r l d S t a t e ′ \boxed{
WorldState
\rightarrow
Projection
\rightarrow
CognitiveScheduler
\rightarrow
Memory/Belief
\rightarrow
Intent
\rightarrow
WorldAuthority
\rightarrow
Settlement
\rightarrow
WorldState'
} W or l d S t a t e → P r o j ec t i o n → C o g ni t i v e S c h e d u l er → M e m or y / B e l i e f → I n t e n t → W or l d A u t h or i t y → S e ttl e m e n t → W or l d S t a t e ′ 並於長期歷史層加入：
A s s e t + C a p a b i l i t y + C l a i m + K n o w l e d g e + S o c i a l G r a p h \boxed{
Asset
+
Capability
+
Claim
+
Knowledge
+
SocialGraph
} A sse t + C a p abi l i t y + C l aim + K n o w l e d g e + S oc ia l G r a p h 使：
W o r l d t World_t W or l d t 不只是持續運行，
而能逐漸成為：
W o r l d t + n ≇ W o r l d t . \boxed{
World_{t+n}\not\cong World_t.
} W or l d t + n ≅ W or l d t . 這就是本系列所稱：
S e l f - E v o l v i n g A I - N a t i v e W o r l d . \boxed{
Self\text{-}Evolving\ AI\text{-}Native\ World.
} S e l f - E v o l v in g A I - N a t i v e W or l d . 1. 從一句最簡單的問題開始
整個系列最初可以濃縮成一句：
一群 AI NPC 到底什麼時候才算真正住在一個世界裡？
如果角色只是：
I n p u t → L L M → D i a l o g u e , Input
\rightarrow
LLM
\rightarrow
Dialogue, I n p u t → LL M → D ia l o g u e , 它仍然主要是一個 Conversation Interface。
如果角色能自己決定：
我要去市場。
但 World 不驗證，那只是：
[
GenerativeNarration.
]
如果角色可以：
去市場；
工作；
被拒絕；
送貨；
受傷；
改變職業；
學到東西；
留下承諾；
並且這些事情都由獨立 World Runtime 判定，
那才開始真正成為：
W o r l d R e s i d e n t . \boxed{
WorldResident.
} W or l d R es i d e n t . 2. 第一原則：Reality 必須獨立於 Agent
本系列第一個不可退讓的原則：
A g e n t I n t e n t ≠ W o r l d T r u t h . \boxed{
AgentIntent
\neq
WorldTruth.
} A g e n t I n t e n t = W or l d T r u t h . Agent 可以說：
我要去診所。
但不能直接宣告：
我已經到了診所。
Agent 可以說：
我要幫他。
但不能直接宣告：
我已經完成幫助。
完整流程必須是：
I n t e n t → V a l i d a t i o n → E x e c u t i o n → S e t t l e m e n t . Intent
\rightarrow
Validation
\rightarrow
Execution
\rightarrow
Settlement. I n t e n t → V a l i d a t i o n → E x ec u t i o n → S e ttl e m e n t . 因此：
W o r l d \boxed{
World
} W or l d 必須是獨立 Authority。
3. Agent 擁有的是主觀主權
這不代表 World 要支配 Agent 的一切。
更合理的是：
W o r l d o w n s o c c u r r e n c e ; A g e n t o w n s i n t e r p r e t a t i o n . \boxed{
World\ owns\ occurrence;
Agent\ owns\ interpretation.
} W or l d o w n s occ u r r e n ce ; A g e n t o w n s in t er p r e t a t i o n . World 決定：
B 拒絕了 A。
A 可以理解：
B 很忙。
也可以理解：
B 看不起我。
這部分屬於：
S u b j e c t i v e S t a t e A . SubjectiveState_A. S u bj ec t i v e S t a t e A . 因此 AI 原生世界不是只有：
W t . W_t. W t . 而是：
W t + { B i ( t ) } i = 1 N \boxed{
W_t+\{B_i(t)\}_{i=1}^{N}
} W t + { B i ( t ) } i = 1 N 一個客觀世界，加很多主觀世界。
4. 第二原則：World State 不能直接變成 Prompt
完整世界：
W t W_t W t 可能包含：
所有居民；
所有工作；
所有庫存；
所有對話；
所有秘密；
所有衝突；
所有歷史。
如果每個 Agent 都直接得到：
W t , W_t, W t , 那麼：
K i = K j = W t . K_i=K_j=W_t. K i = K j = W t . 所有居民都變成全知者。
因此：
O i ( t ) = P i ( W t ) . \boxed{
O_i(t)=P_i(W_t).
} O i ( t ) = P i ( W t ) . 每個居民只能看到自己的 Projection。
5. Projection 是 Ontology Boundary
Projection 不只是：
節省 Token。
它決定：
誰看見誰；
誰知道哪項公告；
誰知道哪個 Social Matter；
誰聽見哪段談話；
誰能看到哪份工作任務。
例如 Agent Wake Packet 只投影該居民相關的 conversation、social matters、social exposures、conflict 等局部狀態，而不是完整 World Database。
所以：
P r o j e c t i o n \boxed{
Projection
} P r o j ec t i o n 本身就是：
[
WorldLaw.
]
6. 第三原則：Persistent Agent 不等於 Persistent LLM
角色可以一直存在：
A g e n t i ( t ) Agent_i(t) A g e n t i ( t ) 但不必：
L L M i ( t ) = a c t i v e LLM_i(t)=\mathrm{active} LL M i ( t ) = active 每一秒。
因此：
P e r s i s t e n t A g e n t ≠ P e r s i s t e n t I n f e r e n c e . \boxed{
PersistentAgent
\neq
PersistentInference.
} P er s i s t e n t A g e n t = P er s i s t e n t I n f er e n ce . Agent 可以被表示為：
A g e n t i = ( S t a t e i , M e m o r y i , P o l i c y i ) . Agent_i
=
(
State_i,
Memory_i,
Policy_i
). A g e n t i = ( S t a t e i , M e m or y i , P o l i c y i ) . 其中 State 與 Memory 持續存在，
Policy 則：
[
OnDemand.
]
7. Cognitive Scheduler 是 AI 世界的核心基礎設施
所以在 Projection 之後，需要：
C o g n i t i v e S c h e d u l e r . \boxed{
CognitiveScheduler.
} C o g ni t i v e S c h e d u l er . 它回答三件事：
[
When?
]
[
WhichModel?
]
[
HowMuchContext?
]
即：
哪個居民現在真的需要高階推理？
這比「每個 NPC 綁一個永遠在線的 LLM」更合理。
8. Sparse Cognition
大型 Agent World 真正可擴張的方向不是：
[
DenseIntelligence.
]
而是：
S p a r s e C o g n i t i o n . \boxed{
SparseCognition.
} S p a r se C o g ni t i o n . 大量：
可以由 World Runtime 執行。
只有遇到：
[
DecisionBoundary
]
才呼叫較高級模型。
9. Cognitive LOD
因此可以將 Agent Cognition 分成：
C 0 → C 5. C0\rightarrow C5. C 0 → C 5. 例如：
C0：Dormant；
C1：Routine；
C2：Reactive；
C3：Compressed Policy；
C4：Full LLM；
C5：Foreground / Player Interaction。
令：
L i ( t ) = f ( I m p o r t a n c e , N o v e l t y , P l a y e r P r o x i m i t y , S o c i a l P r e s s u r e ) . L_i(t)
=
f(
Importance,
Novelty,
PlayerProximity,
SocialPressure
). L i ( t ) = f ( I m p or t an ce , N o v e l t y , P l a y er P r o x imi t y , S oc ia l P r ess u r e ) . 這使：
P o p u l a t i o n ≫ C o n c u r r e n t L L M C a l l s . Population
\gg
ConcurrentLLMCalls. P o p u l a t i o n ≫ C o n c u r r e n t LL M C a l l s . 10. 第四原則：Memory 不是 Chat Log
真正的長期 Agent 不能只有：
[
ConversationHistory.
]
它需要：
E v i d e n c e → C l a i m → B e l i e f . \boxed{
Evidence
\rightarrow
Claim
\rightarrow
Belief.
} E v i d e n ce → C l aim → B e l i e f . 正式 Memory Entry 可以保存：
subject；
interpretation；
source；
claim root；
confidence；
evidence refs；
belief state。
my_ai_town 的正式記憶 schema 已明確區分 firsthand / hearsay / implanted，並保存 claim_root_id、confidence 與 evidence_refs。
11. Belief 必須可以錯
如果 Agent 永遠只相信真實資訊：
B e l i e f i = T r u t h W , Belief_i=Truth_W, B e l i e f i = T r u t h W , 那麼：
都無法存在。
因此：
B e l i e f i ( k ) ≠ T r u t h W ( k ) \boxed{
Belief_i(k)
\neq
Truth_W(k)
} B e l i e f i ( k ) = T r u t h W ( k ) 必須被允許。
12. Belief 也必須能修正
新的 Evidence 進來後：
B i ( k , t + 1 ) = R ( B i ( k , t ) , e ) . B_i(k,t+1)
=
R(
B_i(k,t),
e
). B i ( k , t + 1 ) = R ( B i ( k , t ) , e ) . 目前 Formal Memory Reappraiser 已具有：
reinforce；
doubt；
anomaly；
correct；
等狀態轉換。
所以：
M e m o r y \boxed{
Memory
} M e m or y 應被理解為：
[
DynamicEpistemicState.
]
13. 第五原則：世界自己產生問題
真正的 emergent gameplay 不能全部靠：
[
LLMStoryGenerator.
]
更好的方式：
P r o b l e m = G ( W o r l d S t a t e ) . \boxed{
Problem=G(WorldState).
} P r o b l e m = G ( W or l d S t a t e ) . 例如：
D e m a n d > C a p a c i t y Demand>Capacity D e man d > C a p a c i t y 產生服務壓力。
[
VacantPost
]
產生職缺。
[
Promise
]
產生義務。
因此：
W o r l d S t a t e → M a t t e r . WorldState
\rightarrow
Matter. W or l d S t a t e → M a tt er . 14. Social Matter 是未閉合世界狀態
可以定義：
M a t t e r = ( S o u r c e , S u b j e c t s , A w a r e n e s s , G o a l , P a r t i c i p a n t s , R e s o l u t i o n ) . Matter=
(
Source,
Subjects,
Awareness,
Goal,
Participants,
Resolution
). M a tt er = ( S o u r ce , S u bj ec t s , A w a r e n ess , G o a l , P a r t i c i p an t s , R eso l u t i o n ) . 它不是：
發生了一個事件。
而是：
世界還有一件沒有閉合的事情。
Social Matter Runtime 本身會追蹤 awareness、involvement、exposures、channels、participants 等狀態。
15. Agent 可以不幫忙
真正的社會問題不能保證：
R e s p o n s e = A c c e p t . Response=Accept. R es p o n se = A cce pt . 居民應該可以：
[
accept,
reject,
defer,
withdraw.
]
所以：
P r o b l e m → C h o i c e \boxed{
Problem
\rightarrow
Choice
} P r o b l e m → C h o i ce 而不是：
P r o b l e m → S c r i p t e d S o l u t i o n . Problem
\rightarrow
ScriptedSolution. P r o b l e m → S cr i pt e d S o l u t i o n . 16. Commitment 是第一種 Relational Claim
一旦 Agent 正式答應：
我去幫你。
它應該產生：
C l a i m B ( A , X ) . Claim_B(A,X). C l ai m B ( A , X ) . 即：
B 對 A 有一項可期待的 X。
所以：
[
Promise
]
不應只是 Dialogue。
而是：
P e r s i s t e n t R e l a t i o n a l S t a t e . \boxed{
PersistentRelationalState.
} P er s i s t e n tR e l a t i o na l S t a t e . 17. 第六原則：Information 必須在世界裡傳播
資訊不能：
F a c t E x i s t s ⇒ E v e r y o n e K n o w s . FactExists
\Rightarrow
EveryoneKnows. F a c tE x i s t s ⇒ E v er y o n eK n o w s . 它必須經過：
C h a n n e l . \boxed{
Channel.
} C hann e l . 例如：
對話；
旁聽；
郵政；
公告；
Artifact；
Social Exposure。
18. Exposure、Awareness、Belief 必須分離
完整資訊認知鏈：
E x p o s u r e → A w a r e n e s s → B e l i e f . \boxed{
Exposure
\rightarrow
Awareness
\rightarrow
Belief.
} E x p os u r e → A w a r e n ess → B e l i e f . 看到線索：
[
Exposure.
]
知道有這回事：
[
Awareness.
]
決定相信多少：
[
Belief.
]
這三者不能混成：
K n o w n = t r u e . Known=true. K n o w n = t r u e . 19. 空間本身就是 Epistemic Graph
對話發生時，附近居民可以得到 旁聽 Event；系統從 participant 的 nearby 集合建立旁聽接收者。
所以：
S p a t i a l G r a p h → I n f o r m a t i o n G r a p h . SpatialGraph
\rightarrow
InformationGraph. S p a t ia l G r a p h → I n f or ma t i o n G r a p h . 你在哪裡，
決定：
你有機會知道什麼。
20. Communication 也必須具有世界成本
私人訊息不是 Telepathy。
它可以變成：
M e s s a g e → P o s t a l T a s k → D e l i v e r y → C o n v e r s a t i o n → R e c e i p t . Message
\rightarrow
PostalTask
\rightarrow
Delivery
\rightarrow
Conversation
\rightarrow
Receipt. M ess a g e → P os t a l T a s k → D e l i v er y → C o n v er s a t i o n → R ece i pt . 因此：
C o m m u n i c a t i o n L a t e n c y > 0. CommunicationLatency>0. C o mm u ni c a t i o n L a t e n cy > 0. 這使資訊本身開始具有：
等世界性質。
21. 第七原則：Event Emergence 不等於 Structural Emergence
一個世界每天可以發生：
E 1 , E 2 , E 3 , … E_1,E_2,E_3,\dots E 1 , E 2 , E 3 , … 大量不同事件。
但如果：
Ω ( W t + 1 ) ≈ Ω ( W t ) , \Omega(W_{t+1})
\approx
\Omega(W_t), Ω ( W t + 1 ) ≈ Ω ( W t ) , 那麼：
[
Structure
]
仍然沒有真正改變。
因此：
E v e n t E m e r g e n c e ≠ S t r u c t u r a l E m e r g e n c e . \boxed{
EventEmergence
\neq
StructuralEmergence.
} E v e n tE m er g e n ce = S t r u c t u r a l E m er g e n ce . 22. Homeostasis 是必要的
生活模擬必須有：
[
Energy
]
[
Satiety
]
[
Sleep
]
[
Recovery.
]
例如居民 passive needs 會週期性降低 energy 與 satiety，飢餓跨越門檻時再觸發決策。
因此：
N e e d → A c t i o n → R e s t o r a t i o n . Need
\rightarrow
Action
\rightarrow
Restoration. N ee d → A c t i o n → R es t or a t i o n . 這形成：
[
HomeostaticLoop.
]
23. Homeostasis 不是歷史的敵人
真正需要的是：
L o c a l H o m e o s t a s i s + G l o b a l E v o l u t i o n . \boxed{
LocalHomeostasis
+
GlobalEvolution.
} L oc a l H o m eos t a s i s + Gl o ba l E v o l u t i o n . 居民每天仍然：
但：
可以改變。
所以：
[
MicroStability
+
MacroHistory.
]
24. 第八原則：歷史必須被提升成 Ontology
如果一件事只存在：
[
Log,
]
它只是過去。
如果：
E v e n t → P e r s i s t e n t S t a t e , Event
\rightarrow
PersistentState, E v e n t → P er s i s t e n tS t a t e , 未來 World 必須尊重它，
它才成為：
[
History.
]
因此：
H i s t o r y = P a s t E n c o d e d A s P r e s e n t C o n s t r a i n t . \boxed{
History
=
PastEncodedAsPresentConstraint.
} H i s t or y = P a s tE n co d e d A s P r ese n tC o n s t r ain t . 25. State Promotion
定義：
P : E v e n t C h a i n → P e r s i s t e n t P r i m i t i v e . \boxed{
\mathcal P:
EventChain
\rightarrow
PersistentPrimitive.
} P : E v e n tC hain → P er s i s t e n tP r imi t i v e . 例如：
T r i a l S u c c e s s → Q u a l i f i c a t i o n . TrialSuccess
\rightarrow
Qualification. T r ia l S u ccess → Q u a l i f i c a t i o n . V e r i f i e d R e s e a r c h → K n o w l e d g e R e c o r d . VerifiedResearch
\rightarrow
KnowledgeRecord. V er i f i e d R ese a r c h → K n o w l e d g e R ecor d . P r o m i s e → C l a i m . Promise
\rightarrow
Claim. P r o mi se → C l aim . 這就是：
H i s t o r y - t o - O n t o l o g y P r o m o t i o n . History\text{-}to\text{-}Ontology\ Promotion. H i s t or y - t o - O n t o l o g y P r o m o t i o n . 26. Qualification 是非常乾淨的例子
Staffing Runtime 會保存：
qualificationsByResident
居民已有職業也會被重建為 qualification。
因此：
E x p e r i e n c e → C a p a b i l i t y . Experience
\rightarrow
Capability. E x p er i e n ce → C a p abi l i t y . 之後居民的：
Ω i \Omega_i Ω i 就不同。
27. 第九原則：Persistent Feature 不如 Persistent Primitive
與其分別建立：
money system；
company system；
family system；
reputation system；
debt system；
更值得找：
C o m p o s a b l e P r i m i t i v e s . \boxed{
ComposablePrimitives.
} C o m p os ab l e P r imi t i v es . 本系列提出：
A s s e t + C a p a b i l i t y + C l a i m . \boxed{
Asset
+
Capability
+
Claim.
} A sse t + C a p abi l i t y + C l aim . 28. Asset
Asset 回答：
你控制什麼？
可以包含：
物品；
工具；
貨幣；
房屋；
生產設備；
知識載體。
形式：
A i ( t ) . A_i(t). A i ( t ) . 29. Capability
Capability 回答：
你能做什麼？
形式：
C i ( t ) . C_i(t). C i ( t ) . 它可以是：
[
binary
]
或：
[
scalar.
]
Qualification 只是其中一種。
30. Claim
Claim 回答：
誰對誰、對什麼，具有什麼權利或義務？
例如：
[
Claim(A,B,X).
]
可以表示：
31. 三者可以組成大量制度
例如公司：
C o m p a n y = A g e n t s + A s s e t s + C l a i m s . Company
=
Agents
+
Assets
+
Claims. C o m p an y = A g e n t s + A sse t s + C l aim s . 職位：
R o l e = C a p a b i l i t y R e q u i r e m e n t + A u t h o r i t y C l a i m . Role
=
CapabilityRequirement
+
AuthorityClaim. R o l e = C a p abi l i t y R e q u i r e m e n t + A u t h or i t y C l aim . 債務：
D e b t = A s s e t T r a n s f e r + R e p a y m e n t C l a i m . Debt
=
AssetTransfer
+
RepaymentClaim. D e b t = A sse tT r an s f er + R e p a y m e n tC l aim . 所以：
I n s t i t u t i o n \boxed{
Institution
} I n s t i t u t i o n 可以變成 primitive relations 的穩定模式。
32. 第十原則：知識是歷史放大的核心
研究如果只增加：
[
ArchiveCount,
]
並不代表文明進步。
真正重要的是：
K n o w l e d g e → C a p a b i l i t y . Knowledge
\rightarrow
Capability. K n o w l e d g e → C a p abi l i t y . my_ai_town 已經具有完整的 Research Pipeline：
Q u e s t i o n → O b s e r v a t i o n → V e r i f i c a t i o n → R e c o r d → A c c e s s i o n . Question
\rightarrow
Observation
\rightarrow
Verification
\rightarrow
Record
\rightarrow
Accession. Q u es t i o n → O b ser v a t i o n → V er i f i c a t i o n → R ecor d → A ccess i o n . 但一般化：
K n o w l e d g e → C a p a b i l i t y Knowledge
\rightarrow
Capability K n o w l e d g e → C a p abi l i t y 尚未完全閉合。
33. Knowledge Supply Chain
目前已經有：
R e s e a r c h → A c c e s s i o n → A r t i f a c t → L o g i s t i c s → S e r v i c e . \boxed{
Research
\rightarrow
Accession
\rightarrow
Artifact
\rightarrow
Logistics
\rightarrow
Service.
} R ese a r c h → A ccess i o n → A r t i f a c t → L o g i s t i cs → S er v i ce . 甚至某些 service request 必須引用真正已入藏 research record，否則 World 會拒絕。
所以：
[
Knowledge
]
已經進入世界。
34. Knowledge Evolution Loop
下一階段則是：
K W → K i → C i → P r a c t i c e → W ′ → K W ′ \boxed{
K_W
\rightarrow
K_i
\rightarrow
C_i
\rightarrow
Practice
\rightarrow
W'
\rightarrow
K_W'
} K W → K i → C i → P r a c t i ce → W ′ → K W ′ 這會讓：
Day 100 不只是有更多論文。
而是：
Day 100 的社會真的能做 Day 1 做不到的事情。
35. 第十一原則：Cross-Domain Coupling 比 Feature Count 重要
如果：
F 1 , F 2 , … , F 100 F_1,F_2,\dots,F_{100} F 1 , F 2 , … , F 100 彼此互不影響，
那仍然只是：
[
FeatureCollection.
]
真正的 Emergence 來自：
C o u p l i n g s . \boxed{
Couplings.
} C o u pl in g s . 例如：
K n o w l e d g e → C a p a b i l i t y Knowledge
\rightarrow
Capability K n o w l e d g e → C a p abi l i t y C a p a b i l i t y → P r o d u c t i o n Capability
\rightarrow
Production C a p abi l i t y → P r o d u c t i o n P r o d u c t i o n → A s s e t Production
\rightarrow
Asset P r o d u c t i o n → A sse t A s s e t → C l a i m Asset
\rightarrow
Claim A sse t → C l aim C l a i m → S o c i a l P o w e r . Claim
\rightarrow
SocialPower. C l aim → S oc ia l P o w er . 36. Historical Amplifier
只要形成：
S m a l l E v e n t → P e r s i s t e n t S t a t e → N e w O p p o r t u n i t y → N e w E v e n t , SmallEvent
\rightarrow
PersistentState
\rightarrow
NewOpportunity
\rightarrow
NewEvent, S ma l l E v e n t → P er s i s t e n tS t a t e → N e w O pp or t u ni t y → N e w E v e n t , 便產生：
H i s t o r i c a l A m p l i f i e r . \boxed{
HistoricalAmplifier.
} H i s t or i c a l A m pl i f i er . 每一次歷史開始增加下一次歷史的可能性。
37. AI-Native Game Runtime 的三個平面
到這裡，可以把整個 Reference Architecture 壓縮成三個 Plane。
Plane A：Reality Plane
負責：
[
What\ exists?
]
包括：
World State；
Movement；
Work；
Production；
Logistics；
Conflict；
Services；
Social Matter。
Plane B：Cognition Plane
負責：
[
What\ does\ each\ agent\ perceive,\ believe,\ and\ intend?
]
包括：
Projection；
Memory；
Belief；
Attention；
Cognitive Scheduler；
Model Policy。
Plane C：Historical Plane
負責：
[
What\ persists\ and\ changes\ future\ possibility?
]
包括：
Assets；
Capabilities；
Claims；
Knowledge；
Social Graph；
Institutions。
38. 三個 Plane 必須分離，也必須閉合
如果只有 Reality：
[
TraditionalSimulation.
]
如果只有 Cognition：
[
ChatAgents.
]
如果只有 Historical State：
[
StrategyDatabase.
]
真正的 AI 原生世界需要：
R e a l i t y ↔ C o g n i t i o n ↔ H i s t o r y . \boxed{
Reality
\leftrightarrow
Cognition
\leftrightarrow
History.
} R e a l i t y ↔ C o g ni t i o n ↔ H i s t or y . 39. 完整短週期循環
單次 Agent Decision：
W t → P i ( W t ) → O i → R e t r i e v e ( M i ) → π i → I n t e n t i → V a l i d a t e → E x e c u t e → S e t t l e → W t + 1 \boxed{
W_t
\rightarrow
P_i(W_t)
\rightarrow
O_i
\rightarrow
Retrieve(M_i)
\rightarrow
\pi_i
\rightarrow
Intent_i
\rightarrow
Validate
\rightarrow
Execute
\rightarrow
Settle
\rightarrow
W_{t+1}
} W t → P i ( W t ) → O i → R e t r i e v e ( M i ) → π i → I n t e n t i → V a l i d a t e → E x ec u t e → S e ttl e → W t + 1 這是：
C o g n i t i v e A c t i o n L o o p . \boxed{
CognitiveActionLoop.
} C o g ni t i v e A c t i o n L oo p . 40. 完整中週期循環
多 Agent Social Loop：
W o r l d P r o b l e m → M a t t e r → E x p o s u r e → A w a r e n e s s → R e s p o n s e → C o m m i t m e n t → A c t i o n → R e s o l u t i o n . WorldProblem
\rightarrow
Matter
\rightarrow
Exposure
\rightarrow
Awareness
\rightarrow
Response
\rightarrow
Commitment
\rightarrow
Action
\rightarrow
Resolution. W or l d P r o b l e m → M a tt er → E x p os u r e → A w a r e n ess → R es p o n se → C o mmi t m e n t → A c t i o n → R eso l u t i o n . 這是：
S o c i a l C o o r d i n a t i o n L o o p . \boxed{
SocialCoordinationLoop.
} S oc ia l C oor d ina t i o n L oo p . 41. 完整資訊循環
W o r l d E v e n t → C h a n n e l → E v i d e n c e i → C l a i m i → B e l i e f i → S p e e c h / A c t i o n → E v i d e n c e j . WorldEvent
\rightarrow
Channel
\rightarrow
Evidence_i
\rightarrow
Claim_i
\rightarrow
Belief_i
\rightarrow
Speech/Action
\rightarrow
Evidence_j. W or l d E v e n t → C hann e l → E v i d e n c e i → C l ai m i → B e l i e f i → S p eec h / A c t i o n → E v i d e n c e j . 這是：
E p i s t e m i c L o o p . \boxed{
EpistemicLoop.
} E p i s t e mi c L oo p . 42. 完整長週期循環
E v e n t → P e r s i s t e n t P r i m i t i v e → O p p o r t u n i t y → N e w E v e n t . Event
\rightarrow
PersistentPrimitive
\rightarrow
Opportunity
\rightarrow
NewEvent. E v e n t → P er s i s t e n tP r imi t i v e → O pp or t u ni t y → N e w E v e n t . 這是：
H i s t o r i c a l L o o p . \boxed{
HistoricalLoop.
} H i s t or i c a l L oo p . 43. 完整文明循環
P r o b l e m → R e s e a r c h → K n o w l e d g e → C a p a b i l i t y → P r o d u c t i o n → W o r l d C h a n g e → N e w P r o b l e m . Problem
\rightarrow
Research
\rightarrow
Knowledge
\rightarrow
Capability
\rightarrow
Production
\rightarrow
WorldChange
\rightarrow
NewProblem. P r o b l e m → R ese a r c h → K n o w l e d g e → C a p abi l i t y → P r o d u c t i o n → W or l d C han g e → N e w P r o b l e m . 這是：
C i v i l i z a t i o n a l L o o p . \boxed{
CivilizationalLoop.
} C i v i l i z a t i o na l L oo p . 44. 五個 Loop 必須互相耦合
因此完整世界不是一條線。
而是：
M u l t i L o o p D y n a m i c S y s t e m . \boxed{
MultiLoopDynamicSystem.
} M u l t i L oo p D y nami c S y s t e m . 至少包含：
L a c t i o n L_{action} L a c t i o n L s o c i a l L_{social} L soc ia l L e p i s t e m i c L_{epistemic} L e p i s t e mi c L h i s t o r i c a l L_{historical} L hi s t or i c a l L c i v i l i z a t i o n a l . L_{civilizational}. L c i v i l i z a t i o na l . 真正的 Emergence 來自：
L i ↔ L j . L_i
\leftrightarrow
L_j. L i ↔ L j . 45. Canonical World Ontology
為了避免每個 subsystem 都建立自己的平行資料定義，需要：
O n e O n t o l o g y → M a n y P r o j e c t i o n s . \boxed{
OneOntology
\rightarrow
ManyProjections.
} O n e O n t o l o g y → M an y P r o j ec t i o n s . 例如一個 Action Definition 應該可以投影成：
Prompt Schema；
Validation；
Execution；
UI；
Persistence；
Tests。
而不是維護多份互相漂移的 action table。
46. 同樣的原則應延伸到 History
Asset、Capability、Claim、Knowledge、Relationship 也不應分散成互不相容的 Feature Islands。
理想形式：
C a n o n i c a l P e r s i s t e n t O n t o l o g y . \boxed{
CanonicalPersistentOntology.
} C an o ni c a l P er s i s t e n tO n t o l o g y . 然後：
Economy；
Politics；
Family；
Career；
Research；
只是對它的不同投影與組合。
47. Reference Architecture
可以將完整架構寫成：
W o r l d S t a t e → O b s e r v a t i o n P r o j e c t i o n → T r i g g e r D e t e c t i o n → C o g n i t i v e S c h e d u l e r → M e m o r y R e t r i e v a l → B e l i e f S t a t e → P o l i c y M o d e l → C a n o n i c a l I n t e n t → W o r l d V a l i d a t i o n → E x e c u t i o n → S e t t l e m e n t → E v i d e n c e G e n e r a t i o n → P e r s i s t e n t P r o m o t i o n → W o r l d S t a t e ′ \boxed{
\begin{aligned}
WorldState
&\rightarrow ObservationProjection\\
&\rightarrow TriggerDetection\\
&\rightarrow CognitiveScheduler\\
&\rightarrow MemoryRetrieval\\
&\rightarrow BeliefState\\
&\rightarrow PolicyModel\\
&\rightarrow CanonicalIntent\\
&\rightarrow WorldValidation\\
&\rightarrow Execution\\
&\rightarrow Settlement\\
&\rightarrow EvidenceGeneration\\
&\rightarrow PersistentPromotion\\
&\rightarrow WorldState'
\end{aligned}
} W or l d S t a t e → O b ser v a t i o n P r o j ec t i o n → T r i g g er D e t ec t i o n → C o g ni t i v e S c h e d u l er → M e m or y R e t r i e v a l → B e l i e f S t a t e → P o l i cy M o d e l → C an o ni c a l I n t e n t → W or l d V a l i d a t i o n → E x ec u t i o n → S e ttl e m e n t → E v i d e n ce G e n er a t i o n → P er s i s t e n tP r o m o t i o n → W or l d S t a t e ′ 這就是整個系列的核心 Reference Architecture。
48. 歷史層插在哪裡？
不是 World Loop 的最後才加一個：
Save History。
而是每次 Settlement 後問：
[
Promote?
]
即：
R e s u l t → S t a t e P r o m o t i o n . Result
\rightarrow
StatePromotion. R es u l t → S t a t e P r o m o t i o n . 例如：
W o r k R e s u l t → Q u a l i f i c a t i o n ? WorkResult
\rightarrow
Qualification? W or k R es u l t → Q u a l i f i c a t i o n ? A g r e e m e n t → C l a i m ? Agreement
\rightarrow
Claim? A g r ee m e n t → C l aim ? R e s e a r c h R e s u l t → K n o w l e d g e ? ResearchResult
\rightarrow
Knowledge? R ese a r c h R es u l t → K n o w l e d g e ? R e p e a t e d I n t e r a c t i o n → R e l a t i o n s h i p E d g e ? RepeatedInteraction
\rightarrow
RelationshipEdge? R e p e a t e d I n t er a c t i o n → R e l a t i o n s hi pE d g e ? 49. Promotion Layer 是通往 L6 的關鍵
因此真正能讓 AI World 從：
[
L4
]
跨向：
[
L5/L6
]
的可能不是更大的 LLM。
而是：
P r o m o t i o n L a y e r . \boxed{
PromotionLayer.
} P r o m o t i o n L a y er . 它決定：
哪些短期事件應該成為長期世界本體。
50. World Generator 應該生成 Constraint，不只是 Content
AI 原生世界的生成器最好不是：
[
GenerateStory().
]
而是：
G e n e r a t e C o n s t r a i n t ( ) \boxed{
GenerateConstraint()
} G e n er a t e C o n s t r ain t ( ) 或更精確：
[
DetectConstraintMismatch().
]
例如：
D e m a n d > S u p p l y . Demand>Supply. D e man d > S u ppl y . [
ClaimConflict.
]
[
KnowledgeGap.
]
[
StaffingGap.
]
這些會自然產生：
[
Gameplay.
]
51. Story 應該是歷史投影
因此故事可以被重新定義：
S t o r y = P r o j e c t i o n ( C a u s a l W o r l d H i s t o r y ) \boxed{
Story
=
Projection(
CausalWorldHistory
)
} S t or y = P r o j ec t i o n ( C a u s a l W or l d H i s t or y ) 而不是：
S t o r y = L L M G e n e r a t e d P l o t . Story
=
LLMGeneratedPlot. S t or y = LL M G e n er a t e d P l o t . LLM 可以負責：
但 Story Skeleton 來自：
[
WorldHistory.
]
52. AI 原生遊戲真正的「內容」是狀態空間
傳統遊戲內容可以數：
AI 原生世界更值得問：
H o w L a r g e I s T h e C o m p o s a b l e S t a t e S p a c e ? \boxed{
HowLargeIsTheComposableStateSpace?
} H o w L a r g e I s T h e C o m p os ab l e S t a t e S p a ce ? 如果少量 primitives 就可以產生：
10 n 10^n 1 0 n 種關係與歷史，
那才是真正的：
[
GenerativeContent.
]
53. 不是更多 NPC，而是更多因果自由度
1000 個只會：
的 NPC，
不一定比 20 個具有：
Asset；
Capability；
Claim；
Knowledge；
Belief；
的 Agent 更 emergent。
所以：
E m e r g e n c e ∝ C a u s a l D e g r e e s O f F r e e d o m . \boxed{
Emergence
\propto
CausalDegreesOfFreedom.
} E m er g e n ce ∝ C a u s a l D e g r ees O f F r ee d o m . 而不是單純：
[
AgentCount.
]
54. 也不是模型越大，世界越活
更大的模型可以提高：
但如果：
[
WorldOntology
]
很窄，
模型仍然只能：
用更漂亮的方式描述同一批有限行動。
因此：
M o d e l C a p a b i l i t y ≠ W o r l d C a p a b i l i t y . \boxed{
ModelCapability
\neq
WorldCapability.
} M o d e l C a p abi l i t y = W or l d C a p abi l i t y . 55. 模型智能與世界自由度必須共同提升
可以近似：
E m e r g e n t C a p a c i t y = f ( A g e n t I n t e l l i g e n c e , W o r l d D e g r e e s O f F r e e d o m , P e r s i s t e n t C o u p l i n g ) . EmergentCapacity
=
f(
AgentIntelligence,
WorldDegreesOfFreedom,
PersistentCoupling
). E m er g e n tC a p a c i t y = f ( A g e n t I n t e l l i g e n ce , W or l d D e g r ees O f F r ee d o m , P er s i s t e n tC o u pl in g ) . 如果任一項接近 0：
[
Emergence
]
都會受限。
56. Agent 智能很高，但世界很窄
結果：
很會聊天的 NPC。
57. 世界很複雜，但 Agent 很弱
結果：
傳統 Simulation NPC。
58. 兩者都高，但沒有 Persistence
結果：
每天都很精彩，但沒有歷史。
59. 三者都高
如果：
A g e n t I n t e l l i g e n c e ↑ AgentIntelligence\uparrow A g e n t I n t e l l i g e n ce ↑ W o r l d F r e e d o m ↑ WorldFreedom\uparrow W or l d F r ee d o m ↑ P e r s i s t e n t C o u p l i n g ↑ , PersistentCoupling\uparrow, P er s i s t e n tC o u pl in g ↑ , 才逐漸得到：
H i s t o r i c a l A g e n t W o r l d . \boxed{
HistoricalAgentWorld.
} H i s t or i c a l A g e n t W or l d . 60. 六級成熟度重新閉合
現在可以重新整理第 0 篇的 L1–L6。
L1 — Agent Autonomy
Agent 自己決定。
L2 — World Grounding
Agent 必須服從 World Reality。
L3 — Persistent Causality
世界與 Agent 記住發生過什麼。
L4 — Endogenous Dynamics
世界狀態自己產生問題。
L5 — Persistent Differentiation
歷史開始改變未來 Action Space。
L6 — Structural Evolution
歷史開始生成新的持久結構。
因此：
L 6 \boxed{
L6
} L 6 不是：
NPC 特別聰明。
而是：
世界本身可以因 Agent 歷史而改變自己的可能性空間。
61. Day 100 Test
整個系列最後可以保留一個極簡測試：
讓世界自主運行 100 個遊戲日。
然後問：
Day 100 與 Day 1 有什麼本質不同？
如果只是：
那主要仍是：
[
EventEmergence.
]
62. 真正的 Day 100
如果 Day 100 出現：
新技能；
新職業分布；
新資產配置；
新組織；
新知識；
新社會關係；
新制度；
新世界空間；
則：
H i s t o r i c a l D i f f e r e n t i a t i o n . \boxed{
HistoricalDifferentiation.
} H i s t or i c a l D i f f er e n t ia t i o n . 已經成立。
63. 更嚴格的測試：Possibility Space Test
比較：
Ω ( W 1 ) \Omega(W_1) Ω ( W 1 ) 與：
Ω ( W 100 ) . \Omega(W_{100}). Ω ( W 100 ) . 如果：
Ω ( W 100 ) ≅ Ω ( W 1 ) , \Omega(W_{100})
\cong
\Omega(W_1), Ω ( W 100 ) ≅ Ω ( W 1 ) , 世界主要只是走過不同路線。
若：
Ω ( W 100 ) ≇ Ω ( W 1 ) , \Omega(W_{100})
\not\cong
\Omega(W_1), Ω ( W 100 ) ≅ Ω ( W 1 ) , 則：
S t r u c t u r a l H i s t o r y . \boxed{
StructuralHistory.
} S t r u c t u r a l H i s t or y . 64. Open-ended 不代表無限
這裡要避免最後一個誤解。
Open-ended 不要求：
[
InfiniteContent.
]
也不要求：
[
InfiniteOntology.
]
它只需要：
U n b o u n d e d C o m b i n a t i o n W i t h i n F i n i t e P r i m i t i v e s . \boxed{
UnboundedCombinationWithinFinitePrimitives.
} U nb o u n d e d C o mbina t i o nW i t hin F ini t e P r imi t i v es . 有限 primitive：
P 1 , … , P n P_1,\dots,P_n P 1 , … , P n 也可以產生極大的：
[
StateSpace.
]
65. 因此 Small Ontology 可以形成 Large World
例如只用：
[
Asset
]
[
Capability
]
[
Claim
]
[
Knowledge
]
[
Relationship
]
五類 primitive，
如果允許：
[
ComposableCoupling,
]
就可能生成：
公司；
家庭；
行會；
債務；
合作；
專家；
財產；
學校；
派系。
所以：
S m a l l O n t o l o g y × H i g h C o m p o s a b i l i t y → L a r g e E m e r g e n t S p a c e . \boxed{
SmallOntology
\times
HighComposability
\rightarrow
LargeEmergentSpace.
} S ma l l O n t o l o g y × H i g h C o m p os abi l i t y → L a r g e E m er g e n tS p a ce . 66. Relationship Graph 是最後缺的重要橋
前面的研究顯示：
目前 NPC–NPC Relationship 很大一部分仍存在：
[
NaturalLanguageMemory.
]
而真正數值化、World-queryable 的 Relationship Runtime 主要仍集中於玩家／旅行者與居民的關係。
因此下一代完整架構需要：
D i r e c t e d S u b j e c t i v e S o c i a l G r a p h . \boxed{
DirectedSubjectiveSocialGraph.
} D i r ec t e d S u bj ec t i v e S oc ia l G r a p h . 67. Social Edge 不應只有 Affinity
可以表示：
e i j = ( F a m i l i a r i t y , T r u s t , I n t i m a c y , A u t h o r i t y , O b l i g a t i o n ) . e_{ij}
=
(
Familiarity,
Trust,
Intimacy,
Authority,
Obligation
). e ij = ( F ami l ia r i t y , T r u s t , I n t ima cy , A u t h or i t y , O b l i g a t i o n ) . 這些值可以：
topic-dependent；
directional；
evidence-driven。
68. Relationship Graph 再接 Belief Graph
之後：
T r u s t i ← j Trust_{i\leftarrow j} T r u s t i ← j 參與：
B e l i e f U p d a t e i ( k ) . BeliefUpdate_i(k). B e l i e f U p d a t e i ( k ) . 形成：
S o c i a l G r a p h → E p i s t e m i c G r a p h . SocialGraph
\rightarrow
EpistemicGraph. S oc ia l G r a p h → E p i s t e mi c G r a p h . 這時：
才會真正自然形成。
69. Epistemic Graph 再接 Action
如果：
B e l i e f i ( k ) Belief_i(k) B e l i e f i ( k ) 改變：
I n t e n t i . Intent_i. I n t e n t i . 然後：
I n t e n t i → W o r l d A c t i o n . Intent_i
\rightarrow
WorldAction. I n t e n t i → W or l d A c t i o n . 就得到：
I n f o r m a t i o n → R e a l i t y . \boxed{
Information
\rightarrow
Reality.
} I n f or ma t i o n → R e a l i t y . 例如：
錯誤流言導致真實衝突。
這就是：
[
EpistemicCausality.
]
70. Reality 再反過來更新 Belief
衝突結果：
[
WorldResult
]
又產生：
[
Evidence.
]
所以：
R e a l i t y → B e l i e f → R e a l i t y ′ \boxed{
Reality
\rightarrow
Belief
\rightarrow
Reality'
} R e a l i t y → B e l i e f → R e a l i t y ′ 完整閉環成立。
71. 這就是「社會」開始成立的地方
社會不是：
很多 Agent 同時存在。
而是：
A g e n t s change each other’s future state spaces. \boxed{
Agents
\text{ change each other's future state spaces.}
} A g e n t s change each other’s future state spaces. A 的行動改變 B 的：
B 再改變 C。
這種：
[
CrossAgentCausality
]
才是 Social World。
72. 文明則是社會開始跨世代保存狀態
如果：
[
Knowledge
]
[
Institution
]
[
Assets
]
可以活得比：
[
IndividualAgent
]
更久，
則：
C i v i l i z a t i o n . \boxed{
Civilization.
} C i v i l i z a t i o n . 開始成立。
73. AI Agent 可以死亡，但世界不能失憶
因此：
[
IndividualMemory
]
與：
[
InstitutionalMemory
]
需要分離。
Agent 死亡：
M i M_i M i 可以消失。
但：
K W K_W K W 仍存在。
這就是：
[
CivilizationalPersistence.
]
74. AI 原生世界的真正最低閉環
如果只要一個最小版本，我們可以壓縮成：
O b s e r v e → B e l i e v e → C h o o s e → A c t → P e r s i s t → C h a n g e F u t u r e O b s e r v a t i o n \boxed{
Observe
\rightarrow
Believe
\rightarrow
Choose
\rightarrow
Act
\rightarrow
Persist
\rightarrow
ChangeFutureObservation
} O b ser v e → B e l i e v e → C h oose → A c t → P er s i s t → C han g e F u t u r e O b ser v a t i o n 這六步只要真正閉合，
世界就已經開始具有：
[
HistoricalAgency.
]
75. 工程層 Reference Stack
可以將系統工程層整理為：
World Runtime
│
├─ State Domains
│ ├─ Life / Needs
│ ├─ Work / Production
│ ├─ Logistics
│ ├─ Social Matter
│ ├─ Conflict
│ └─ Environment
│
├─ Projection Layer
│ ├─ Perception
│ ├─ Knowledge Access
│ ├─ Work Context
│ └─ Social Exposure
│
├─ Cognitive Runtime
│ ├─ Wake Trigger
│ ├─ Scheduler
│ ├─ Memory Retrieval
│ ├─ Model Router
│ └─ Prompt Compiler
│
├─ Intent Protocol
│ ├─ Canonical Actions
│ ├─ Schema Validation
│ └─ Semantic Validation
│
├─ Execution / Settlement
│
├─ Epistemic Runtime
│ ├─ Evidence
│ ├─ Claim
│ ├─ Belief
│ └─ Revision
│
└─ Historical Runtime
├─ Assets
├─ Capabilities
├─ Claims
├─ Knowledge
├─ Social Graph
└─ Promotion Rules
這就是本系列最終 Reference Stack。
76. LLM 應該放在哪裡？
注意：
[
LLM
]
只在其中一部分。
主要位於：
[
CognitiveRuntime.
]
也可能輔助：
memory organization；
semantic interpretation；
hypothesis generation。
但：
L L M ≠ W o r l d . \boxed{
LLM
\neq
World.
} LL M = W or l d . 這是整個架構最重要的工程邊界。
77. AI-Native 的「Native」真正指什麼
AI-Native 並不是：
使用了 AI API。
真正的 AI-Native 是：
世界架構從一開始就假設 Agent 具有開放決策能力，因此世界必須具有足夠嚴格的 Authority、足夠局部的 Projection、足夠持久的 Ontology 與足夠可組合的因果接口。
所以：
A I - N a t i v e AI\text{-}Native A I - N a t i v e 更接近：
A r c h i t e c t u r e D e s i g n e d F o r O p e n P o l i c y A g e n t s . \boxed{
ArchitectureDesignedForOpenPolicyAgents.
} A r c hi t ec t u r eD es i g n e d F or O p e n P o l i cy A g e n t s . 78. 傳統遊戲是 Designer 預先枚舉可能歷史
通常：
D e s i g n e r → Q u e s t B r a n c h e s . Designer
\rightarrow
QuestBranches. D es i g n er → Q u es tB r an c h es . 系統允許：
B r a n c h 1 , … , B r a n c h n . Branch_1,\dots,Branch_n. B r an c h 1 , … , B r an c h n . 79. AI 原生世界則應讓 Rules 定義可能性空間
更理想的是：
D e s i g n e r → P r i m i t i v e s + R u l e s . Designer
\rightarrow
Primitives+Rules. D es i g n er → P r imi t i v es + R u l es . 然後：
A g e n t s → H i s t o r y . Agents
\rightarrow
History. A g e n t s → H i s t or y . 即：
D e s i g n R u l e s , n o t A l l O u t c o m e s . \boxed{
DesignRules,
notAllOutcomes.
} D es i g n R u l es , n o t A l l O u t co m es . 80. 這也重新定義 Game Design
未來 AI-native Game Designer 的工作不只：
而會更多變成：
D e s i g n i n g C a u s a l S p a c e s . \boxed{
DesigningCausalSpaces.
} D es i g nin g C a u s a l S p a ces . 也就是設計：
哪些狀態存在；
哪些狀態能互相影響；
哪些歷史可以被提升；
哪些限制維持世界穩定。
81. Emergence 需要限制，不只是自由
如果 Agent 什麼都能做：
[
UnlimitedActionSpace,
]
世界會變得不可讀。
因此：
E m e r g e n c e ≠ U n l i m i t e d C h a o s . \boxed{
Emergence
\neq
UnlimitedChaos.
} E m er g e n ce = U n l imi t e d C ha os . 更好的方向是：
R e a d a b l e E m e r g e n c e . \boxed{
ReadableEmergence.
} R e a d ab l e E m er g e n ce . 82. Readable Emergence
每個結果都應該能回答：
為什麼發生？
即：
R e s u l t → C a u s e C h a i n . Result
\rightarrow
CauseChain. R es u l t → C a u se C hain . 所以 World Log、Event IDs、Claim Roots、Source Refs 都非常重要。
因為：
[
Emergence
]
如果無法追溯，
玩家只會感覺：
AI 又亂來了。
83. Causality 是信任 AI 世界的基礎
玩家不需要所有事情都可預測。
但需要：
P o s t H o c E x p l a i n a b i l i t y . \boxed{
PostHocExplainability.
} P os t H oc E x pl ainabi l i t y . 也就是：
事情發生後，世界可以指出它的因果來源。
這與：
[
Determinism
]
完全不同。
84. 所以「可解釋」不是顯示 Chain-of-Thought
真正需要的是：
[
WorldCausalTrace.
]
例如：
缺貨
→ 生產任務
→ 物流延誤
→ 診所缺研究冊
→ 服務等待
→ 居民不滿
這種結構比模型內部推理更重要。
85. Simulation 的價值在於外部因果
LLM 可以有自己的內部推理。
但玩家真正關心：
[
WhyWorldChanged?
]
所以：
W o r l d E x p l a n a t i o n \boxed{
WorldExplanation
} W or l d E x pl ana t i o n 應建立在：
event；
state transition；
result；
而不是模型私有思考。
86. AI World 的成功指標不應只有對話品質
可以至少分成：
Agent Coherence
角色是否一致？
World Integrity
是否違反世界規則？
Causal Persistence
行動是否留下可追蹤後果？
Epistemic Locality
不同人是否真的知道不同事情？
Structural Drift
長期世界是否真正改變？
Computational Sustainability
規模增加後是否仍能跑？
87. Structural Drift Metric
可以近似：
D S ( t ) = D i s t a n c e ( P e r s i s t e n t O n t o l o g y t , P e r s i s t e n t O n t o l o g y 0 ) . D_S(t)
=
Distance(
PersistentOntology_t,
PersistentOntology_0
). D S ( t ) = D i s t an ce ( P er s i s t e n tO n t o l o g y t , P er s i s t e n tO n t o l o g y 0 ) . 但更重要的是：
D Ω ( t ) = D i s t a n c e ( Ω t , Ω 0 ) . D_\Omega(t)
=
Distance(
\Omega_t,
\Omega_0
). D Ω ( t ) = D i s t an ce ( Ω t , Ω 0 ) . 即：
世界現在能發生的事情，和開局差多少。
88. Computational Sustainability 也同等重要
如果一個「活世界」只能：
[
5Agents
]
跑 20 分鐘，
它仍然很難成為完整遊戲。
所以必須同時優化：
W o r l d C o m p l e x i t y × C o g n i t i o n C o s t . \boxed{
WorldComplexity
\times
CognitionCost.
} W or l d C o m pl e x i t y × C o g ni t i o n C os t . 89. 這再次回到 Sparse Cognition
最終可持續方向仍然是：
L a r g e W o r l d + S p a r s e H i g h I n t e l l i g e n c e . \boxed{
LargeWorld
+
SparseHighIntelligence.
} L a r g e W or l d + S p a r seH i g h I n t e l l i g e n ce . 不是：
[
EveryAgentAlwaysThinking.
]
90. 最終架構公式
將整個系列壓成一個式子：
W t → P i O i O i + M i → π i I i ( W t , I i ) → A u t h o r i t y R i , W t + 1 R i → E v i d e n c e B i ( t + 1 ) R i → P r o m o t i o n H t + 1 H t + 1 → C o u p l i n g Ω ( W t + 1 ) \boxed{
\begin{aligned}
W_t
&\xrightarrow{P_i}
O_i\\
O_i+M_i
&\xrightarrow{\pi_i}
I_i\\
(W_t,I_i)
&\xrightarrow{Authority}
R_i,W_{t+1}\\
R_i
&\xrightarrow{Evidence}
B_i(t+1)\\
R_i
&\xrightarrow{Promotion}
H_{t+1}\\
H_{t+1}
&\xrightarrow{Coupling}
\Omega(W_{t+1})
\end{aligned}
} W t O i + M i ( W t , I i ) R i R i H t + 1 P i O i π i I i A u t h or i t y R i , W t + 1 E v i d e n ce B i ( t + 1 ) P r o m o t i o n H t + 1 C o u pl in g Ω ( W t + 1 ) 其中：
(W)：World；
(P)：Projection；
(M)：Memory；
π \pi π (I)：Intent；
(R)：Result；
(B)：Belief；
(H)：Historical Persistent State；
Ω \Omega Ω
91. 如果沒有 Promotion
則：
H t + 1 ≈ H t . H_{t+1}\approx H_t. H t + 1 ≈ H t . 世界主要：
[
EventEmergence.
]
92. 如果沒有 Coupling
則：
[
H
]
只是很多孤立持久欄位。
世界具有：
[
MicroHistory.
]
93. 如果 Promotion + Coupling 都存在
則：
H t → Ω t + 1 → N e w H t + 2 . H_t
\rightarrow
\Omega_{t+1}
\rightarrow
NewH_{t+2}. H t → Ω t + 1 → N e w H t + 2 . 這時：
M a c r o H i s t o r y . \boxed{
MacroHistory.
} M a cr oH i s t or y . 開始形成。
94. 如果 Knowledge 再加入自我延伸
則：
K t → C t + 1 → W t + 1 → Q t + 1 → K t + 1 . K_t
\rightarrow
C_{t+1}
\rightarrow
W_{t+1}
\rightarrow
Q_{t+1}
\rightarrow
K_{t+1}. K t → C t + 1 → W t + 1 → Q t + 1 → K t + 1 . 這時：
C i v i l i z a t i o n a l E v o l u t i o n . \boxed{
CivilizationalEvolution.
} C i v i l i z a t i o na l E v o l u t i o n . 才真正出現。
95. 所以真正的自演化世界不是「AI 自己生成所有東西」
這是最後一個重要區分。
Self-Evolving 不應等同：
LLM 自己生成地圖、道具、任務、角色。
那只是：
[
ContentGeneration.
]
真正的：
S e l f E v o l u t i o n \boxed{
SelfEvolution
} S e l f E v o l u t i o n 是：
現有世界狀態經過 Agent 行動與持久耦合，自行產生新的世界結構。
96. 內容生成可以服務結構演化
當然 AI Generation 仍然重要。
例如世界新成立：
O r g a n i z a t i o n X . Organization_X. O r g ani z a t i o n X . AI 可以生成：
但這些應該是：
P r o j e c t i o n O f E m e r g e n t S t a t e . \boxed{
ProjectionOfEmergentState.
} P r o j ec t i o n O f E m er g e n tS t a t e . 不是：
[
CauseOfStateWithoutWorldBasis.
]
97. 最理想的順序
因此：
W o r l d N e e d → E m e r g e n t S t r u c t u r e → G e n e r a t i v e P r e s e n t a t i o n . \boxed{
WorldNeed
\rightarrow
EmergentStructure
\rightarrow
GenerativePresentation.
} W or l d N ee d → E m er g e n tS t r u c t u r e → G e n er a t i v e P r ese n t a t i o n . 而不是：
G e n e r a t e d P r e s e n t a t i o n → P r e t e n d W o r l d S t r u c t u r e . GeneratedPresentation
\rightarrow
PretendWorldStructure. G e n er a t e d P r ese n t a t i o n → P r e t e n d W or l d S t r u c t u r e . 98. 從 Generative Agents 到 Agent-Native Worlds
因此，可以重新整理整條發展路線：
L L M N P C \boxed{
LLMNPC
} LL M N P C ↓
G e n e r a t i v e A g e n t \boxed{
GenerativeAgent
} G e n er a t i v e A g e n t ↓
G r o u n d e d A g e n t \boxed{
GroundedAgent
} G r o u n d e d A g e n t ↓
P e r s i s t e n t A g e n t S o c i e t y \boxed{
PersistentAgentSociety
} P er s i s t e n t A g e n tS oc i e t y ↓
H i s t o r i c a l A g e n t W o r l d \boxed{
HistoricalAgentWorld
} H i s t or i c a l A g e n t W or l d ↓
S e l f E v o l v i n g W o r l d . \boxed{
SelfEvolvingWorld.
} S e l f E v o l v in g W or l d . 這是一條架構成熟路線，而不是產品評分。
99. my_ai_town 的真正研究價值
以這套框架重新看，my_ai_town 最值得研究的地方並不是：
它現在是否已經是一個完成度極高的商業遊戲。
而是它已經同時暴露出多個 AI-native game 的真正工程問題：
World Authority；
Agent Contract；
Projection；
Cognitive Scheduling；
Formal Memory；
Belief Revision；
Social Matter；
Information Channels；
Work / Production / Logistics；
Qualification；
Institutional Knowledge。
這些子系統放在一起，讓我們能看到：
從 Stanford 式 Generative Agent 到真正 Agent-native Game World 中間到底缺哪些橋。
100. 而它同時也暴露了下一階段的缺口
最重要的幾個缺口可以壓成：
S e m a n t i c K n o w l e d g e \boxed{
SemanticKnowledge
} S e man t i cK n o w l e d g e N P C - N P C T r u s t G r a p h \boxed{
NPC\text{-}NPCTrustGraph
} N P C - N P C T r u s tG r a p h K n o w l e d g e → C a p a b i l i t y \boxed{
Knowledge\rightarrow Capability
} K n o w l e d g e → C a p abi l i t y A s s e t / O w n e r s h i p \boxed{
Asset/Ownership
} A sse t / O w n er s hi p C r o s s D o m a i n P e r s i s t e n t C o u p l i n g \boxed{
CrossDomainPersistentCoupling
} C r ossD o main P er s i s t e n tC o u pl in g 這些不是「再多加幾個功能」。
而是：
讓目前已存在的歷史通道開始互相作用。
101. 最小第二代 AI-Native Architecture
如果重新 clean-room 建構，可以先只做：
World
[
W
]
Agent
[
State+Memory+Policy
]
Projection
P i ( W ) P_i(W) P i ( W ) Canonical Intent
[
I
]
Belief
B i ( k ) B_i(k) B i ( k ) Social Matter
[
M
]
Persistent Primitives
[
Asset+Capability+Claim+Knowledge+Relationship.
]
這些就足以形成相當大的組合空間。
102. 不需要一開始就做完整文明模擬
這也是很重要的工程結論。
不需要立刻加入：
國家；
股市；
法院；
宗教；
政黨；
完整家庭樹。
只需要：
[
SmallComposableOntology.
]
然後讓：
[
History
]
可以持續組合。
103. 制度應該在需要時長出來
當：
[
RepeatedClaims
]
與：
[
Assets
]
形成穩定模式，
才 Promotion：
P a t t e r n → I n s t i t u t i o n . Pattern
\rightarrow
Institution. P a tt er n → I n s t i t u t i o n . 這比：
開局就硬寫一百種制度。
更接近 Open-ended Design。
104. Agent World 的真正設計哲學
可以濃縮成五句。
第一：
A I p r o p o s e s ; W o r l d d e c i d e s . \boxed{
AI\ proposes;\ World\ decides.
} A I p r o p oses ; W or l d d ec i d es . 第二：
W o r l d e x i s t s ; A g e n t s s e e p r o j e c t i o n s . \boxed{
World\ exists;\ Agents\ see\ projections.
} W or l d e x i s t s ; A g e n t s see p r o j ec t i o n s . 第三：
A g e n t s r e m e m b e r b e l i e f s , n o t a b s o l u t e t r u t h . \boxed{
Agents\ remember\ beliefs,\ not\ absolute\ truth.
} A g e n t s r e m e mb er b e l i e f s , n o t ab so l u t e t r u t h . 第四：
E v e n t s m a t t e r o n l y w h e n t h e y c h a n g e f u t u r e c o n s t r a i n t s . \boxed{
Events\ matter\ only\ when\ they\ change\ future\ constraints.
} E v e n t s ma tt er o n l y w h e n t h ey c han g e f u t u r e co n s t r ain t s . 第五：
E m e r g e n c e c o m e s f r o m p e r s i s t e n t c o u p l i n g , n o t c o n t e n t v o l u m e . \boxed{
Emergence\ comes\ from\ persistent\ coupling,\ not\ content\ volume.
} E m er g e n ce co m es f r o m p er s i s t e n t co u pl in g , n o t co n t e n t v o l u m e . 105. 最終回答：什麼時候 AI NPC 群體才成為真正的世界？
不是當：
NPC 可以自由聊天。
不是當：
NPC 有長期記憶。
不是當：
30 個 Agent 同時跑。
甚至不是當：
每天都有意外事件。
真正的轉折點是：
P a s t A g e n t A c t i o n s → P e r s i s t e n t W o r l d S t a t e → F u t u r e A g e n t P o s s i b i l i t y . \boxed{
PastAgentActions
\rightarrow
PersistentWorldState
\rightarrow
FutureAgentPossibility.
} P a s t A g e n t A c t i o n s → P er s i s t e n t W or l d S t a t e → F u t u r e A g e n tP oss ibi l i t y . 也就是：
今天做過的事情，開始決定明天哪些事情仍然可能、哪些事情已經不再可能，以及哪些原本不存在的事情現在第一次成為可能。
106. 這就是歷史
歷史不是：
[
LogLength.
]
而是：
C o n s t r a i n t I n h e r i t a n c e . \boxed{
ConstraintInheritance.
} C o n s t r ain t I nh er i t an ce . Day 100 繼承 Day 1～99 的：
所以：
[
Day100
]
不能被簡單還原成：
D a y 1 + different random events . Day1+\text{different random events}. D a y 1 + different random events . 107. 這也是文明
當一個 Agent 死去，
但：
[
Knowledge
]
仍存在；
當一個承諾完成，
但它改變了：
[
Trust;
]
當一項研究完成，
但它改變了：
[
Production;
]
當某人的成功，
最後產生：
[
Institution,
]
那麼世界就開始擁有：
H i s t o r i c a l C o n t i n u i t y B e y o n d I n d i v i d u a l s . \boxed{
HistoricalContinuityBeyondIndividuals.
} H i s t or i c a l C o n t in u i t y B ey o n d I n d i v i d u a l s . 108. 系列最終命題
整個系列最後可以壓縮成：
W o r l d → E v i d e n c e → B e l i e f → I n t e n t → A c t i o n → P e r s i s t e n t S t a t e → N e w W o r l d \boxed{
World
\rightarrow
Evidence
\rightarrow
Belief
\rightarrow
Intent
\rightarrow
Action
\rightarrow
PersistentState
\rightarrow
NewWorld
} W or l d → E v i d e n ce → B e l i e f → I n t e n t → A c t i o n → P er s i s t e n tS t a t e → N e w W or l d 然後：
N e w W o r l d → N e w E v i d e n c e NewWorld
\rightarrow
NewEvidence N e w W or l d → N e w E v i d e n ce 再次開始。
如果其中：
[
PersistentState
]
可以跨領域耦合，
則：
H i s t o r y → H i s t o r y G e n e r a t i o n C a p a c i t y . \boxed{
History
\rightarrow
HistoryGenerationCapacity.
} H i s t or y → H i s t or y G e n er a t i o n C a p a c i t y . 這就是自演化。
109. 最後的 Reference Formula
因此，完整 AI 原生世界可以表示為：
W = ( R , C , E , H ) \boxed{
\mathcal W
=
(
R,
C,
E,
H
)
} W = ( R , C , E , H ) 其中：
(R)：Reality Runtime
維持客觀世界與規則。
(C)：Cognition Runtime
維持 Agent Observation、Memory、Belief 與 Policy。
(E)：Epistemic/Social Network
維持資訊如何在 Agent 間流動。
(H)：Historical Ontology
維持 Asset、Capability、Claim、Knowledge 與 Institution。
世界演化：
W t + 1 = F ( W t , { I n t e n t i } , { E v i d e n c e i } ) \boxed{
\mathcal W_{t+1}
=
F(
\mathcal W_t,
\{Intent_i\},
\{Evidence_i\}
)
} W t + 1 = F ( W t , { I n t e n t i } , { E v i d e n c e i }) 其中：
[
F
]
不只更新即時狀態，
還可以改變：
Ω ( W ) . \Omega(\mathcal W). Ω ( W ) . 110. 結論：從「AI 住在遊戲裡」到「遊戲因 AI 而有歷史」
AI NPC 最早解決的是：
角色能不能自然說話？
Generative Agent 解決：
角色能不能記住、思考與自主行動？
Agent Society 進一步問：
多個自主 Agent 能不能彼此影響？
而 AI-native World 最後必須問：
這些影響會不會被世界永久承認？
如果不會：
[
AI
]
只是讓世界更熱鬧。
如果會：
[
AI
]
開始讓世界產生：
[
History.
]
而當：
[
History
]
又能改變下一輪：
[
Capability,
Asset,
Claim,
Knowledge,
Relationship
]
時，
世界便不再只是：
[
Simulation.
]
而開始成為：
H i s t o r i c a l G e n e r a t i v e S y s t e m . \boxed{
HistoricalGenerativeSystem.
} H i s t or i c a l G e n er a t i v e S y s t e m . 因此，本系列最後的核心判準是：
A true AI-native world is not one where agents can endlessly generate actions, \boxed{
\text{A true AI-native world is not one where agents can endlessly generate actions,}
} A true AI-native world is not one where agents can endlessly generate actions, but one where their past actions continuously redefine the space of future possibilities. \boxed{
\text{but one where their past actions continuously redefine the space of future possibilities.}
} but one where their past actions continuously redefine the space of future possibilities. 也就是：
真正的 AI 原生世界，不是 Agent 能無限生成行動的世界；而是 Agent 過去的行動，會持續重新定義未來可能性的世界。
從這個意義上，
真正值得追求的已經不只是：
A I N P C . \boxed{
AI\ NPC.
} A I N P C . 也不只是：
G e n e r a t i v e S o c i e t y . \boxed{
Generative\ Society.
} G e n er a t i v e S oc i e t y . 而是：
A W o r l d T h a t C a n A c q u i r e H i s t o r y . \boxed{
A\ World\ That\ Can\ Acquire\ History.
} A W or l d T ha t C an A c q u i r e H i s t or y . ——一個會獲得歷史的世界 。