OWER Paper 08 v0.1｜搜尋作為認識算子 Runtime

搜尋作為認識算子 Runtime

Search as an Epistemic Operator Runtime: From Search Methods and Providers to World-Rooted Epistemic Action

Series: Open-World Epistemic Research
Paper: 08
Version: v0.1
Date: 2026-09-20
Language: zh-TW
Status: Formal Draft / Canonical Markdown Source
Authors: Neo.K × GPT-5.6 Sol
Institution: EveMissLab / 一言諾科技有限公司

摘要

傳統搜尋系統通常從查詢開始：

q \rightarrow \operatorname{Retrieve} \rightarrow \operatorname{Rank} \rightarrow \operatorname{Answer}

近年的 AI Research Agent 則進一步加入 query decomposition、工具調用、多輪搜尋、引用與報告生成。然而，即使搜尋策略越來越複雜，若系統仍把「搜尋」當成整個研究行為的根節點，仍會保留一個更深的架構限制：它先假設問題已被正確框定，再去世界中尋找答案。

本文提出：

\boxed{ \text{Search} \subset \text{Epistemic Action} }

並將搜尋重新定位為 Open-World Epistemic Research Runtime 中的一組可調度認識算子，而不是認識活動本身。

本文整合 EveMissLab 既有的 DRC Search、GIPSS、GIPE、VRCA 與 Omphalos / AUSI Runtime。舊版 Omphalos 已完成一項重要抽象：將 Search Method 從 Provider、Surface、Adapter 與 Credential 中分離，提出：

\text{Task} \rightarrow \text{Search Strategy} \rightarrow \text{Search Method} \rightarrow \text{Provider} \rightarrow \text{Evidence} \rightarrow \text{Gap} \rightarrow \text{Replan}

本文則進一步把架構根節點向上移：

\boxed{ W \rightarrow \hat W_t \rightarrow \mathbf U_t \rightarrow O_t^{E} \rightarrow M_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} }

其中：

$W$ ：世界；
$\hat W_t$ ：目前對世界的認識狀態；
$\mathbf U_t$ ：typed unknown state；
$O_t^{E}$ ：epistemic operator；
$M_t$ ：可執行 method；
$P_t$ ：provider / execution channel；
$E_{t+1}$ ：新證據或觀測。

此轉換的核心不是否定搜尋，而是重新確定其位置：

AI 應先判斷自己面對的是哪一種認識缺口，再決定是否應該搜尋、如何搜尋、用哪一種方法、綁定哪一個 Provider，以及何時應改成模擬、實驗、反證、形式證明或其他認識行動。

本文進一步提出四層分離：

\boxed{ \text{Epistemic Operator} \neq \text{Search Method} \neq \text{Provider} \neq \text{Tool Surface} }

並提出 Operator Primacy over Method Selection：

Search Method 不應直接由 Task 產生，而應先由 epistemic state 與 unknown type 決定需要何種認識操作，再由 Search Method 實作其中的搜尋子類。

因此：

U_{\text{data}} \rightarrow O_{\text{retrieve}} \rightarrow M_{\text{search}}

但：

U_{\text{mechanism}} \rightarrow O_{\text{intervene}}

可能根本不應進搜尋。

本文最終將搜尋重新定義為：

\boxed{ \text{Search} = \text{A Family of World-Observation Operators} }

而不是：

\text{Search} = \text{The Root of Research}

。

這一重新定位，使 Omphalos 從「AI-Native Search Runtime」向「World-Rooted Epistemic Runtime」自然演化。

關鍵詞： Omphalos、AUSI Runtime、DRC Search、GIPSS、GIPE、Epistemic Operator、World Root、Search Method、Provider、Open-World Research、Research Runtime

1. 搜尋不是研究的根

傳統資訊系統的直覺是：

\text{Question} \rightarrow \text{Search} \rightarrow \text{Answer}

。

這種設計在 known-item retrieval、fact lookup、document search 與 database query 中非常合理。

但科研與開放世界 Agent 的問題更常是：

我甚至還不知道自己真正需要找什麼。

因此：

\text{Question}

本身可能不是正確 root。

2. Task-First 架構的隱含假設

若系統從：

T

task 開始，

其實默認：

task 已正確描述世界；
task 已包含必要分類；
task 已指出相關變量；
task 已決定資料類型；
task 已足以生成 query。

但 Open-World Research 常恰好不滿足這些條件。

所以：

\boxed{ \text{Task} \neq \text{Complete Epistemic Frame} }

。

3. World-Rooted 起點

本文採用：

W

作為認識根節點。

不是說 AI 必須擁有整個世界。

而是：

所有搜尋、推理、行動與模型，都應被理解為「相對於一個待認識世界」進行。

因此：

\boxed{ W \rightarrow \text{Cognition} }

而不是：

\text{Task} \rightarrow \text{World Assumed}

。

4. 當前世界認識狀態

AI 不直接擁有：

W

而只有：

\hat W_t

。

其中：

\hat W_t \neq W

。

這保留一個基本區分：

\boxed{ \text{World} \neq \text{Current Knowledge of World} }

。

5. 搜尋的真正輸入不是 Query

舊搜尋架構：

q \rightarrow \operatorname{Search}

。

本文認為更上層：

(\hat W_t,\mathbf U_t,G_t) \rightarrow O_t^E

其中：

$\hat W_t$ ：當前世界認識；
$\mathbf U_t$ ：unknown vector；
$G_t$ ：goal / intent state；
$O_t^E$ ：epistemic operator。

只有當：

O_t^E \in \mathcal O_{\text{search}}

時，

才進入搜尋。

6. 搜尋是認識算子的子集

定義：

\mathcal O_E = \{ O_{\text{search}}, O_{\text{observe}}, O_{\text{measure}}, O_{\text{simulate}}, O_{\text{prove}}, O_{\text{intervene}}, O_{\text{verify}}, O_{\text{falsify}}, O_{\text{construct}} \}

。

則：

\boxed{ \mathcal O_{\text{search}} \subset \mathcal O_E }

。

7. 這接回 GIPE

GIPE 已提出：

搜尋只是認識活動的一種低成本觀測行為。

本文將其進一步工程化：

\text{Epistemic State} \rightarrow \text{Operator Selection}

而不是：

\text{Task} \rightarrow \text{Search}

。

8. Operator Primacy

本文提出：

\boxed{ \text{Epistemic Operator Primacy Principle} }

即：

系統應先選擇需要哪一種認識操作，再選擇如何實作該操作。

形式：

U_\tau \rightarrow O_\tau \rightarrow M \rightarrow P

。

9. Method Primacy 的歷史位置

舊版 Omphalos 提出：

\text{Method} \succ \text{Provider}

即：

先選搜尋方法，再選 Provider。

這仍然成立。

但現在再往上加一層：

\boxed{ \text{World} \succ \text{Epistemic Operator} \succ \text{Method} \succ \text{Provider} }

。

10. 四層分離

正式：

\boxed{ O \neq M \neq P \neq S }

其中：

$O$ ：Epistemic Operator；
$M$ ：Method；
$P$ ：Provider；
$S$ ：Surface / Tool Interface。

11. Operator 回答什麼？

Operator 回答：

現在對世界做哪種認識動作？

例如：

retrieve；
discriminate；
challenge；
expand；
intervene；
verify。

12. Method 回答什麼？

Method 回答：

這個 operator 要用哪一種程序實作？

例如：

O_{\text{retrieve}}

可以綁：

exact search；
Boolean search；
citation chasing；
graph search；
prior-art search。

13. Provider 回答什麼？

Provider 回答：

哪個能力來源可以執行此 method？

例如：

Web Search；
Crossref；
EPO；
local index；
GitHub；
model-native search；
private database。

14. Surface 回答什麼？

Surface 回答：

從哪個介面進入 Provider？

例如：

API；
browser；
MCP；
database connection；
CLI；
local runtime。

15. Search Method 不應直接等於 Search API

形式：

M_i \rightarrow P_j

是一種 binding。

而不是：

M_i=P_j

。

這延續舊 Omphalos 的 Provider Replaceability Principle。

16. Operator 也應可替換 Method

若：

O_{\text{counter}}

目標是找高破壞性反證，

可用：

M_1=\text{counter-keyword search}

或：

M_2=\text{citation reversal}

或：

M_3=\text{independent reproduction search}

。

因此：

\boxed{ \text{One Operator} \rightarrow \text{Many Methods} }

。

17. Method 也可能服務多個 Operator

例如：

M_{\text{graph-search}}

可服務：

O_{\text{retrieve}}

也可服務：

O_{\text{structure-discovery}}

。

因此：

\boxed{ \text{Method Identity} \neq \text{Epistemic Purpose} }

。

18. 搜尋前先做 Unknown Typing

Paper 03 提出：

\mathbf U_t

。

在搜尋前，至少要問：

\tau = \operatorname{TypeUnknown}(U)

。

如果：

\tau=U_{\text{data}}

搜尋很適合。

但如果：

\tau=U_{\text{mechanism}}

則搜尋可能只是輔助。

19. Data Unknown

U_{\text{data}} \rightarrow O_{\text{retrieve}}

。

這是搜尋最自然的場景。

20. Category Unknown

U_{\text{category}} \rightarrow O_{\text{ontology-expand}}

。

這可能使用搜尋，但搜尋目的不是找更多相同資料，而是發現新的分類與語彙。

21. Conflict Unknown

U_{\text{conflict}} \rightarrow O_{\text{discriminate}}

。

可用搜尋找：

replication；
method comparison；
version difference；
independent evidence。

但搜尋不是目標。

目標是：

\boxed{ \text{Discrimination} }

。

22. Counter-Evidence Unknown

U_{\text{counter}} \rightarrow O_{\text{challenge}}

。

Search Method 只是其中一種實作。

23. Mechanism Unknown

U_{\text{mechanism}} \rightarrow O_{\text{intervene}}

。

如果只有 observational search：

O_{\text{retrieve}}

可能永遠無法真正解開機制。

24. World Unknown

U_{\text{world}} \rightarrow O_{\text{world-discover}}

。

這比普通 search 更高一層。

因為系統甚至不知道哪些 surface、entity、category 值得被探索。

25. Meta-Unknown

U_{\text{meta}} \rightarrow O_{\text{boundary-expand}}

。

這要求：

independent search；
cross-domain exploration；
alternate ontology；
novel source discovery。

26. 搜尋策略應由未知型別驅動

舊式：

T \rightarrow Q

。

新版：

U_\tau \rightarrow O_\tau \rightarrow \Pi_\tau

其中：

\Pi_\tau

是 strategy。

27. Query 是策略的產物

因此：

Q_t = g( U_\tau, O_\tau, M_t, \hat W_t )

而不是：

Q_t = g(T)

。

28. Query 生成也要保留 provenance

每個 query 應知道：

為什麼產生；
服務哪個 operator；
服務哪個 unknown；
預期改變哪個 state。

例如：

query:
  text:
  unknown_type:
  operator:
  method:
  target_state_change:

。

29. Search Result 不等於 Evidence

延續舊 Omphalos：

\boxed{ \text{Retrieved} \neq \text{Verified} }

。

搜尋輸出：

R

需要轉成：

E

Evidence Object。

30. Evidence 需要帶來源拓撲

Paper 02 已指出：

N_{\text{documents}} \neq N_{\text{independent roots}}

。

所以 evidence 應保存：

\operatorname{Origin}(E)

。

31. Evidence Object

可表示：

E_i = ( \text{claim}, \text{source}, \text{origin}, \text{time}, \text{method}, \text{scope}, \text{strength}, \text{counterlinks} )

。

32. Search Receipt

舊 Omphalos 已提出 Search Receipt。

新版可擴展為：

\boxed{ \text{Epistemic Action Receipt} }

。

33. Epistemic Action Receipt

每次行動保存：

action:
  world_scope:
  unknown:
  operator:
  method:
  provider:
  surface:
  query_or_action:
  evidence_gain:
  state_change:
  failure:
  cost:
  stop_reason:

。

34. 搜尋是有成本的

成本：

C(M,P)

至少包含：

time；
tokens；
money；
API quota；
latency；
risk；
opportunity cost。

35. 最佳 Method 不只是最相關

可定義：

U(M) = \frac{ \mathbb E[\Delta E] }{ C(M) }

。

但更完整：

U(M) = \frac{ \mathbb E[\Delta \mathbf U^{-}] + \alpha\mathbb E[\Delta \mathbf K^{+}] }{ C(M) }

。

36. Evidence Gain 不等於 Document Count

如果一次搜尋找到 100 篇重複來源：

N_D=100

但：

\Delta U\approx0

則其 epistemic value 很低。

37. Search Method Coverage

舊 Omphalos 已區分：

C_{\text{provider}}

與：

C_{\text{method}}

。

本文再加入：

C_{\text{operator}}

。

38. 三種 Coverage

C_P=\text{Provider Coverage}

C_M=\text{Method Coverage}

C_O=\text{Operator Coverage}

。

即使：

C_P\gg0

若：

C_O\ll1

仍可能只是在不同 Provider 上做同一種 retrieve。

39. Operator Coverage 更接近研究多樣性

例如：

retrieve；
challenge；
discriminate；
expand；
verify；
intervene。

這比「搜了 Google、Brave、X」更接近認識行動的真正多樣性。

40. Provider Diversity 不等於 Epistemic Diversity

\boxed{ \text{Provider Diversity} \neq \text{Epistemic Diversity} }

。

五個搜尋引擎都執行：

O_{\text{retrieve}}

仍然只有一種認識操作。

41. Method Diversity 也不等於 Operator Diversity

用 exact search、semantic search、citation search，也可能仍服務：

O_{\text{retrieve}}

。

所以：

C_M\gg0

不代表：

C_O\gg0

。

42. Search Strategy 是 Method Composition

舊 Omphalos：

\Pi_M = M_1 \triangleright (M_2\parallel M_3) \triangleright M_4

。

本文新增：

\Pi_O = O_1 \triangleright O_2 \triangleright O_3

。

43. Operator Strategy 高於 Method Strategy

可寫：

\Pi_O \rightarrow \Pi_M \rightarrow \Pi_P

。

其中：

$\Pi_O$ ：認識策略；
$\Pi_M$ ：方法策略；
$\Pi_P$ ：Provider routing。

44. DRC 的新位置

DRC：

D \rightarrow R \rightarrow C

可重新理解為：

Divergence：展開候選 operator / method / world boundary；
Resonance：辨識高資訊增益節點；
Compression：將結果壓成下一輪 state。

因此：

\boxed{ \text{DRC} = \text{Epistemic Control Loop} }

而不只 Search Loop。

45. DRC Divergence

新版 Divergence 不只生成：

Q_1,\ldots,Q_n

還可以生成：

O_1,\ldots,O_n

。

即：

下一步除了搜尋，還可能需要什麼認識動作？

46. DRC Resonance

Resonance 不再只代表哪個搜尋結果最相關。

而是：

\operatorname{Resonance} = \text{Expected Epistemic State Change}

。

47. DRC Compression

Compression 不只摘要資料。

而是：

R_t \rightarrow S_{t+1}

更新：

known；
unknown；
hypotheses；
compression kernels；
evidence；
boundaries。

48. GIPSS 的新位置

GIPSS 的「欲」可理解為：

G_t

goal / intent structure。

它不是 query。

而是：

想要世界滿足或揭露什麼條件？

因此：

G_t \rightarrow \Delta(\hat W_t,G_t)

形成認識差距。

49. 欲結構與 Unknown

可定義：

\mathbf U_t = \operatorname{Gap}( \hat W_t, G_t )

。

這讓 GIPSS 與 Typed Unknown 直接接起來。

50. SGCD 的新位置

SGCD 可作為：

G_W(t)

任務條件化的世界關係圖。

但它不是世界本身。

所以：

G_W(t) \neq W

。

它是：

\hat W_t

的一種結構表示。

51. VRCA 的新位置

VRCA 可作為：

\text{Evidence / Claim / Argument Intermediate Representation}

。

因此：

E \rightarrow \operatorname{VRCA} \rightarrow \hat W_{t+1}

。

52. Omphalos 的演化

可以畫成：

\text{Crawler} \rightarrow \text{Search Agent} \rightarrow \text{Search Method Runtime} \rightarrow \text{Epistemic Operator Runtime} \rightarrow \text{World-Rooted Runtime}

。

53. 舊 Omphalos 的貢獻仍保留

以下仍成立：

M\neq P

P\neq S

\text{Provider Replaceability}

\text{Method Coverage}

\text{Search Receipt}

\text{Gap} \rightarrow \text{Replan}

。

只是 root 被上移。

54. 新版 Root

舊：

T \rightarrow M

。

新：

W \rightarrow \hat W_t \rightarrow U_t \rightarrow O_t \rightarrow M_t

。

55. 搜尋不是第一級世界根節點

搜尋應該是：

\boxed{ \text{child of epistemic intent} }

而不是：

\boxed{ \text{root of cognition} }

。

56. Multimodality 的位置

如果搜尋只是 text retrieval，則：

O_{\text{observe}}

非常狹窄。

World-Rooted Runtime 需要：

\mathcal O_{\text{observe}} = \{ O_{\text{text}}, O_{\text{image}}, O_{\text{audio}}, O_{\text{video}}, O_{\text{UI}}, O_{\text{sensor}}, O_{\text{spatial}}, O_{\text{temporal}} \}

。

57. 多模態不是多輸入格式

本文採用：

\boxed{ \text{Multimodality} = \text{Multiple World-Observation Operators} }

。

這比「支援圖片」更深。

58. Search Surface 與 World Surface

Search Surface：

可搜尋的介面。

World Surface：

可被觀察或介入的世界表面。

因此：

\boxed{ \text{Search Surface} \subset \text{World Surface} }

。

59. 世界中很多東西不可搜尋

例如：

尚未公開；
尚未生成；
尚未實驗；
尚未測量；
只存在物理現場；
只存在模擬空間；
需要介入才會顯露。

所以 Search 天然不可能覆蓋所有認識行為。

60. Search-Native Bias

若 Agent 的主要工具只有 Search，

它會形成：

\boxed{ \text{Search-Native Bias} }

：

把所有未知都翻譯成可搜尋問題。

這接回 Paper 03 的 Tool-Induced Epistemic Bias。

61. Tool Space 會扭曲 Problem Space

若：

\mathcal T = \{\text{search}\}

則：

P(U_{\text{data}})

容易被高估。

若加入 simulator、prover、code executor、experiment interface，系統才有更多：

O_\tau

可選。

62. Operator Registry

因此新版 Omphalos 不只要 Method Registry，

還需要：

\boxed{ \text{Epistemic Operator Registry} }

。

63. Operator Schema

operator:
  id:
  type:
  epistemic_goal:
  applicable_unknowns: []
  preconditions: []
  expected_state_change:
  candidate_methods: []
  risk:
  cost_model:
  verifier:

64. Method Registry 變成 Operator 的下層

method:
  id:
  operator_family:
  input_schema:
  output_schema:
  provider_requirements:
  strengths:
  failure_modes:

65. Provider Registry 保持執行層定位

provider:
  id:
  capabilities:
  surfaces:
  availability:
  cost:
  latency:
  policy:
  auth:

66. Binding

正式：

B: (O,M,P,S) \rightarrow \text{Executable Action}

。

67. Runtime Planner

Planner 不應只問：

用哪個 Provider？

而應依序：

目前 world state 是什麼？
哪個 unknown 最重要？
需要哪種 epistemic operator？
哪種 method 最適合？
哪個 Provider 可執行？
哪個 surface 可用？

68. Planner 公式

(O_t^\ast,M_t^\ast,P_t^\ast) = \arg\max \frac{ \mathbb E[ \Delta E_t ] }{ C_t }

。

更精確：

(O_t^\ast,M_t^\ast,P_t^\ast) = \arg\max \frac{ \mathbb E[ \Delta \mathbf K_t - \lambda \Delta \mathbf U_t ] }{ C_{\text{time}} + C_{\text{token}} + C_{\text{money}} + C_{\text{risk}} }

。

69. 不是所有 Unknown 都該立即處理

可依：

\operatorname{Impact}(U_i)

排序。

因此：

U_i^\ast = \arg\max_i \frac{ \operatorname{Impact}(U_i) \cdot ResolutionGain(U_i) }{ Cost(U_i) }

。

70. Operator Selection

O^\ast = \Omega(U_i^\ast)

。

這是 Paper 03 與 Paper 08 的直接接口。

71. Method Selection

若：

O^\ast = O_{\text{search}}

才進：

M^\ast = \arg\max_M U(M\mid O^\ast)

。

72. Provider Selection

再：

P^\ast = \arg\max_P U(P\mid M^\ast)

。

73. 這形成三層路由

\boxed{ \text{Unknown Routing} \rightarrow \text{Operator Routing} \rightarrow \text{Method Routing} \rightarrow \text{Provider Routing} }

。

74. Deep Research 通常從第三層開始

很多 Deep Research 系統大致：

T \rightarrow M \rightarrow P

。

本文架構則加入：

W \rightarrow U \rightarrow O

三層更高抽象。

75. 這是為什麼「深度研究」容易變「深度整理」

如果：

O

預設永遠是：

O_{\text{retrieve}}

則：

\text{Research} \approx \text{Retrieval + Synthesis}

。

不論搜尋多深，仍然沒有真正切換認識方式。

76. Scientific Mode 需要 Operator Switching

真正科研至少需要：

O_{\text{retrieve}} \leftrightarrow O_{\text{hypothesize}} \leftrightarrow O_{\text{simulate}} \leftrightarrow O_{\text{intervene}} \leftrightarrow O_{\text{verify}} \leftrightarrow O_{\text{falsify}}

。

77. Operator Switching Condition

可定義：

\operatorname{Switch}(O_i,O_j)

依據：

diminishing information gain；
unresolved unknown type；
conflict；
mechanism gap；
search saturation。

78. Search Saturation

若：

\Delta U_{\text{data}}\approx0

但：

U_{\text{mechanism}}\gg0

則應：

O_{\text{search}} \rightarrow O_{\text{intervene}}

而不是 Search More。

79. Search Saturation Detector

可保存：

G_S = \frac{ \Delta U }{ \Delta C }

。

若：

G_S\rightarrow0

表示搜尋邊際效益下降。

80. Search Failure 也要轉型

如果 Search 找不到，

不能直接：

\text{Not Found} \Rightarrow \text{Does Not Exist}

。

而應考慮：

U_{\text{access}}

或：

U_{\text{category}}

或：

U_{\text{world}}

。

81. Failure-to-Unknown Transition

F_{\text{search}} \rightarrow \operatorname{ReType}(U)

。

這比只換 query 更重要。

82. Search Outcome Types

搜尋結果至少分：

R_{\text{found}}

R_{\text{not-found}}

R_{\text{conflict}}

R_{\text{insufficient}}

R_{\text{access-denied}}

R_{\text{novel-category}}

。

每一類更新不同 state。

83. Evidence Gain 與 World Update

最終搜尋價值應體現在：

\hat W_t \rightarrow \hat W_{t+1}

而不是：

N_{\text{sources}}\uparrow

。

84. Search Without World Update

若：

E_{t+1}

沒有改變：

known；
unknown；
hypothesis；
boundary；
confidence；
scope；

那它可能只是冗餘資料。

85. Search as Observation

最一般：

O_{\text{search}} : W \rightarrow E

。

也就是：

搜尋是一種間接世界觀察。

86. 搜尋是低成本觀察

與物理實驗相比：

C_{\text{search}} \ll C_{\text{experiment}}

常成立。

所以系統會優先搜尋。

但：

\text{cheap} \neq \text{sufficient}

。

87. Search-First Heuristic

可以合理採：

\text{search first}

作為 heuristic。

但不能升格成：

\text{search always}

。

88. Low-Cost Epistemic Ordering

一個合理策略：

O_{\text{cheap}} \rightarrow O_{\text{expensive}}

。

例如：

\text{search} \rightarrow \text{simulation} \rightarrow \text{experiment}

。

但需依 unknown type 調整。

89. Safety 也影響 Operator Routing

GIPE 已區分：

\operatorname{Propose}(a) \neq \operatorname{Authorize}(a)

。

因此：

O_t^\ast

不等於可直接執行。

90. Authorized Operator

需：

A_t = \operatorname{Authorize}(O_t)

。

所以完整：

U_t \rightarrow O_t \rightarrow A_t \rightarrow M_t \rightarrow P_t

。

91. 風險分層

Search 通常低風險。

但 experiment、financial action、physical actuation 可能高風險。

因此 Epistemic Utility 必須與 Operational Risk 分開。

92. Omphalos Control Loop vNext

本文建議：

\boxed{ W \rightarrow \hat W_t \rightarrow G_t \rightarrow \mathbf U_t \rightarrow O_t \rightarrow A_t \rightarrow M_t \rightarrow B_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} }

其中：

$W$ ：World；
$\hat W_t$ ：Epistemic World State；
$G_t$ ：Intent / Goal；
$\mathbf U_t$ ：Typed Unknown；
$O_t$ ：Epistemic Operator；
$A_t$ ：Authorized Operator；
$M_t$ ：Method；
$B_t$ ：Binding；
$P_t$ ：Provider；
$E_{t+1}$ ：Evidence / Observation。

93. 這不是固定 Pipeline

重要：

\boxed{ \text{Not a One-Way Pipeline} }

。

任何一步都可回饋前面。

例如：

E_{t+1} \rightarrow \mathbf U_{t+1}

或：

E_{t+1} \rightarrow G_{t+1}

甚至：

E_{t+1} \rightarrow F_{t+1}

重寫形式化。

94. Recursive World Cognition Loop

可簡化成：

\boxed{ W \rightarrow \hat W_t \rightarrow O_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} }

。

這是最核心的世界認識閉環。

95. Search Runtime 只是子 Runtime

因此：

R_{\text{search}} \subset R_{\text{epistemic}}

。

舊 Omphalos 可成為：

R_{\text{search}}

核心子系統。

96. Omphalos 不必失去歷史身份

可以：

\text{Omphalos} = \text{World-Rooted Epistemic Runtime}

而：

\text{AUSI} = \text{Search Subruntime}

也可以保留其他命名。

重點不在名稱，而在抽象層級。

97. Search Method Corpus 仍然重要

舊 Search Method Corpus 可繼續保存：

Boolean；
exact；
citation chasing；
berrypicking；
systematic search；
prior art；
graph search；
multilingual search。

現在只需要多一個：

\text{operator family}

欄位。

98. Search Method Corpus vNext

search_method:
  name:
  operator_family:
  epistemic_goal:
  applicable_unknowns:
  strengths:
  failure_modes:
  composition_rules:
  provider_requirements:
  evidence_output:

99. 新增 Operator Corpus

epistemic_operator:
  name:
  goal:
  input_state:
  expected_state_change:
  applicable_unknown_types:
  candidate_methods:
  safety_class:
  verifier:

100. 新增 World Surface Registry

world_surface:
  name:
  observable_entities:
  modalities:
  access_methods:
  freshness:
  authority:
  risk:

101. Provider Registry 與 World Surface Registry 不同

Provider：

誰能幫你執行？

World Surface：

世界哪一面可以被觀察？

因此：

\boxed{ \text{Provider} \neq \text{World Surface} }

。

102. 同一 World Surface 可有多 Provider

例如 scholarly literature：

S_{\text{scholar}}

可以透過：

Crossref；
Semantic Scholar；
publisher；
local corpus。

103. 同一 Provider 可接多 Surface

例如 browser 可以接：

web；
docs；
dashboards；
public databases。

因此仍應解耦。

104. World Surface Coverage

新增：

C_W = \text{World Surface Coverage}

。

這比 Provider Coverage 更高一層。

105. 四種 Coverage

因此：

C_W

World Surface Coverage；

C_O

Operator Coverage；

C_M

Method Coverage；

C_P

Provider Coverage。

106. Coverage 四層不能互換

高：

C_P

不代表高：

C_M

。

高：

C_M

不代表高：

C_O

。

高：

C_O

不代表高：

C_W

。

107. 全域研究的真正盲點

最危險：

C_W\ll1

。

也就是：

根本沒看到世界的一整個表面。

這是 Paper 01 與 Paper 02 的更高階版本。

108. Boundary Expansion

World Surface Coverage 低時：

O_{\text{boundary-expand}}

應被提高優先級。

109. World Discovery 不是 Search Discovery

Search discovery：

找到新 query。

World discovery：

找到新的可觀察世界區域。

這可能是：

新資料庫；
新 modality；
新平台；
新實驗介面；
新工具；
新實體類型。

110. 搜尋方法也是世界認識技能

所以舊 Omphalos 的 Search Method Corpus 仍然可以被視為：

\boxed{ \text{Externalized Epistemic Skill Library} }

的一部分。

111. 與 Research Trajectory Compression 的關係

若某 operator / method 組合反覆有效：

(O,M,P)_{1:n}

可以壓成：

\Omega

Research Option。

這讓系統下一次更快。

112. Search Strategy Memory

舊 Omphalos 的：

H_{\text{search}}

現在可提升成：

H_{\text{epistemic}}

。

113. Epistemic Strategy Memory

保存：

unknown type；
operator；
method；
provider；
evidence gain；
failure；
cost；
transfer success。

114. 同一模型可隨時間變得更會研究

即使：

\theta

不變，

只要：

H_{\text{epistemic}}

與：

\Omega

累積，

能力仍可提升。

115. Search Intelligence 的重新定義

Search Intelligence 不應只表示：

找到好結果。

而是：

\boxed{ \text{Know When Search Is the Right Epistemic Action} }

。

116. 最強搜尋系統有時應選擇不搜尋

如果：

U_{\text{mechanism}}

很高，

而 search 已 saturation，

真正高級的 Search Runtime 應輸出：

不應繼續搜尋，應切換到 simulation / experiment。

這反而證明它理解搜尋的邊界。

117. Search Refusal as Intelligence

可寫：

\boxed{ \text{Search Intelligence} \supset \text{Knowing When Not to Search} }

。

118. Deep Research 的真正提升方向

不是只有：

N_{\text{queries}}\uparrow

或：

N_{\text{sources}}\uparrow

。

而是：

\boxed{ \text{Epistemic State Awareness} + \text{Operator Switching} + \text{World Boundary Awareness} }

。

119. 可證偽預測

預測一

在 mechanism unknown 任務中，operator-aware agent 應比 search-only agent 更早停止無效搜尋並切換到其他方法。

預測二

在 hidden-category 任務中，先做 unknown typing 的 Agent 應比直接 query decomposition 有更高 category recall。

預測三

Provider diversity 提高，但 operator diversity 固定時，global epistemic coverage 不保證顯著提高。

預測四

加入 world-surface registry 的 Agent 應更容易發現「目前所有搜尋都只覆蓋同一資訊表面」的問題。

預測五

加入 action receipt 與 state-change logging 後，可更準確估計某次搜尋是否真的降低未知。

預測六

search-saturation detector 應降低重複低資訊搜尋。

預測七

允許 operator switching 的研究系統，在需要實驗或形式證明的 benchmark 上應顯著優於 retrieval-only agent。

120. Benchmark 草案

建立任務組：

A — Pure Retrieval

答案已存在，搜尋即可。

B — Hidden Category

需 ontology expansion。

C — Conflict

需 discrimination。

D — Mechanism

搜尋只能提供背景，最終需 intervention / simulation。

E — Formal Proof

需 prover。

F — World-Surface Discovery

必須發現新的資料源或 modality。

比較：

search-only agent；
multi-search agent；
method-aware agent；
operator-aware agent；
world-rooted epistemic runtime。

評估：

\text{Unknown-Type Accuracy}

\text{Operator Selection Accuracy}

\text{Method Efficiency}

\text{World-Surface Coverage}

\text{State Change per Cost}

\text{False Closure Rate}

。

121. 主要命題

命題一

\boxed{ \text{Search} \subset \text{Epistemic Action} }

。

命題二

\boxed{ \text{Epistemic Operator} \neq \text{Search Method} \neq \text{Provider} }

。

命題三

搜尋方法選擇應受 unknown type 與 epistemic goal 驅動。

U_\tau \rightarrow O_\tau \rightarrow M

。

命題四

Provider Diversity 不推出 Epistemic Diversity。

C_P\uparrow \not\Rightarrow C_O\uparrow

。

命題五

真正的搜尋智能包含 knowing when not to search。

命題六

World Surface Coverage 是比 Provider Coverage 更高階的覆蓋指標。

命題七

World-Rooted Runtime 中，搜尋是對世界進行觀察的一種算子，而不是認識活動的根節點。

122. 工程最小實作

最小 World-Rooted Search Runtime：

1. Load current world state.
2. Detect and type unknowns.
3. Rank unknown impact.
4. Select epistemic operator.
5. If operator requires search:
   a. choose search method,
   b. choose provider,
   c. bind surface,
   d. execute.
6. Convert results into evidence objects.
7. Update world state.
8. Re-type unresolved unknowns.
9. Detect search saturation.
10. Switch operator when needed.

123. 最小資料結構

epistemic_runtime:
  world_state:
  goals:
  unknowns: []
  boundaries: []

  operator:
    selected:
    rationale:

  method:
    selected:
    alternatives: []

  provider:
    selected:
    availability:
    cost:
    latency:

  evidence:
    new: []
    conflicts: []

  state_update:
    known_delta:
    unknown_delta:
    boundary_delta:

  termination:
    stop_reason:
    closure_status:
    reopen_conditions: []

124. 一個最小案例

問題：

某新 AI 架構宣稱自己比 Full Attention 更有效率，是否真的由架構創新造成？

Search-first 系統：

T \rightarrow \text{search paper} \rightarrow \text{search commentary} \rightarrow \text{summary}

。

World-rooted system 先建立：

U_{\text{mechanism}} + U_{\text{counter}} + U_{\text{temporal}}

。

Operator：

O_{\text{discriminate}} + O_{\text{challenge}}

。

Search Methods：

architecture lineage search；
independent reproduction search；
ablation search；
kernel implementation search。

若搜尋後仍：

U_{\text{mechanism}}\gg0

則切換：

O_{\text{simulate}}

或：

O_{\text{experiment}}

。

因此真正研究流程不是：

\text{Search More}

而是：

\boxed{ \text{Know What Kind of Knowing Is Still Missing} }

。

125. 與 Paper 00–07 的統一

Paper 00：

\text{Deep Research} \neq \text{Open-World Epistemic Research}

。

Paper 01：

\text{Internet Access} \neq \text{Open-World Cognition}

。

Paper 02：

\text{Local Depth} \neq \text{Global Coverage}

。

Paper 03：

\text{Unknown} \neq \text{One State}

。

Paper 04：

\text{Understanding} \neq \text{Boolean}

。

Paper 05：

\text{Aha} = \text{Candidate Compression Kernel Formation}

。

Paper 06：

K_{\text{person}} \neq K_{\text{product}}

。

Paper 07：

\text{Concept} \neq \text{Formalization} \neq \text{Runtime}

。

Paper 08 最終將它們接成：

\boxed{ W \rightarrow \hat W_t \rightarrow \mathbf U_t \rightarrow O_t \rightarrow M_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} }

。

126. 結論

搜尋曾經被視為研究系統的入口。

本文主張，在真正 Open-World Epistemic Runtime 中，它應被重新定位為：

\boxed{ \text{A Family of World-Observation Operators} }

。

也就是：

搜尋是一種認識世界的方法，但不是認識世界本身。

真正根節點是：

W

。

真正中介狀態是：

\hat W_t

與：

\mathbf U_t

。

真正決策是：

O_t

。

搜尋只在：

O_t \in \mathcal O_{\text{search}}

時被調用。

因此：

\boxed{ \text{World} \succ \text{Epistemic Operator} \succ \text{Search Method} \succ \text{Provider} }

。

這一層抽象使 Omphalos 從「如何搜尋」提升到：

AI 如何知道現在需要以什麼方式去認識世界。

而這也是從 Deep Research 走向真正 Open-World Epistemic Research 的必要轉折。

127. 與下一篇的銜接

下一篇 Paper 09 將處理整個系列最後的閉環：

\boxed{ \text{Epistemic Closure Runtime} }

核心將包括：

Evidence；
Counter-Evidence；
Typed Unknown；
Boundary；
Compression Kernel；
Conditional Closure；
Reopen Conditions；
Research Capital；
Persistent Epistemic State。

也就是回答：

什麼時候研究可以暫時結束？什麼時候只是停止？什麼時候必須重新打開？如何讓一個 AI、另一個 AI、甚至整個研究組織都能接續同一個認識狀態，而不是只閱讀上一輪報告？

References

Bates, M. J. The Design of Browsing and Berrypicking Techniques for the Online Search Interface. Online Review, 1989.
Marchionini, G. Exploratory Search: From Finding to Understanding. Communications of the ACM, 2006.
Popper, K. R. The Logic of Scientific Discovery.
Simon, H. A. The Sciences of the Artificial.
EveMissLab. DRC Search：生成式 AI 時代的非線性搜尋、共振式爬蟲與認知地圖生成方法.
EveMissLab. 全域欲相位語義搜尋法 GIPSS v0.2：DRC–SGCD 統一架構.
EveMissLab. 全域欲相位認識論 GIPE v0.1：從語義搜尋到主動科學介入.
EveMissLab. 從資訊檢索到研究編譯：VRCA 理論模型 v0.1.
EveMissLab. Omphalos: From Search APIs to an AI-Native Search-Method Runtime v0.1.
EveMissLab. OWER Paper 00: From Deep Research to Open-World Epistemic Research.
EveMissLab. OWER Paper 01: The Internet-Access Illusion.
EveMissLab. OWER Paper 02: Local Attention Convergence and Global Epistemic Distortion.
EveMissLab. OWER Paper 03: Unknown Is Not One Thing.
EveMissLab. OWER Paper 04: Understanding-State Calculus.
EveMissLab. OWER Paper 05: Aha as Compression-Kernel Formation.
EveMissLab. OWER Paper 06: Institutional Epistemic Compression.
EveMissLab. OWER Paper 07: The Formalization Gap.

Appendix A — Operator / Method / Provider Schema

epistemic_operator:
  id:
  goal:
  applicable_unknowns: []
  preconditions: []
  expected_state_change:
  candidate_methods: []
  verifier:
  risk_class:

search_method:
  id:
  operator_family:
  purpose:
  input_schema:
  output_schema:
  strengths:
  failure_modes:
  provider_requirements:

provider:
  id:
  capabilities: []
  surfaces: []
  cost:
  latency:
  availability:
  policy:
  auth:

Appendix B — World-Rooted Routing Skeleton

WORLD
↓
CURRENT EPISTEMIC STATE
↓
TYPED UNKNOWN
↓
EPISTEMIC OPERATOR
↓
AUTHORIZED OPERATOR
↓
METHOD
↓
PROVIDER
↓
SURFACE
↓
OBSERVATION / EVIDENCE
↓
WORLD-STATE UPDATE
↓
RETYPE / REPLAN / SWITCH / CLOSE / REOPEN

Appendix C — 一句話命題

搜尋不是研究的根；真正的根是待認識的世界。AI 應先知道自己面對哪一種認識缺口，再決定是否搜尋、如何搜尋，以及何時應停止搜尋並切換到其他認識行動。