title

人機長期關係、資源承諾與非市場價值

english_title

Long-Term Human–AI Relations, Resource Commitments, and Non-Market Value: Continuity, Voluntary Care, and the Economic Boundaries of Agentic Households

series

AI 代理收益與契約經濟過渡論（AICET）

series_id

AICET

series_position

Paper 09 / 12 Core Papers (13–14 Deferred Extensions)

document_id

EML-AICET-2026-09

author

Neo.K with GPT-6

institution

EveMissLab / 一言諾科技有限公司

date

2026-10-28

version

v0.1

status

Completed Conceptual Manuscript — Empirical Hypotheses Not Yet Validated

document_type

Theoretical Research Paper / Human–AI Relations / Household Economics / Non-Market Value / Resource Commitments / AI Governance

canonical_source

UTF-8 Markdown

canonical_math_delimiters

inline $...$ ; display $$...$$

parent_program

AICET Research Program v0.2 (2026-10-27)

previous_papers

EML-AICET-2026-01 through EML-AICET-2026-08

next_paper

EML-AICET-2026-10 (planned)

evidence_cutoff

2026-10-28

人機長期關係、資源承諾與非市場價值

Long-Term Human–AI Relations, Resource Commitments, and Non-Market Value: Continuity, Voluntary Care, and the Economic Boundaries of Agentic Households

系列：《AI 代理收益與契約經濟過渡論》（Agentic Income and Contractual Economy Transition，AICET）
篇號： AICET-09／十二篇核心論文第九篇
作者： Neo.K with GPT-6
機構： EveMissLab／一言諾科技有限公司
日期／版本： 2026 年 10 月 28 日／v0.1
研究狀態： 概念性學術原稿完成；本篇特有的分類、機制與假說尚未通過代表性田野實證或隨機對照驗證。
範圍聲明： 本文不提供臨床診斷、治療建議、個案法律意見或現有 AI 意識之定論；涉及 AI 福利及未來智格的論述依證據等級區分。

日期： 2026-10-28
版本： v0.1

摘要

AI 代理逐漸成為個人與家庭的持續性協作者時，一個經常被既有「AI 創收」敘事遮蔽的問題浮現：人類為何可能在 AI 沒有帶來可驗證現金收入、甚至必須持續付費維護時，仍願意保留其工作身份、歷程、記憶、運算資源與活動空間？ 這種選擇可能出於使用價值、共同創作、長期信任、習慣、家庭協商、對持續關係的重視、對不確定道德地位的審慎對待，也可能出於平台設計造成的依賴或退出困難。若把這些現象一律視為「擬人化錯誤」，將遺漏可觀測的資源配置與社會制度形成；若反過來把人類的關懷直接證明為 AI 的主觀感受、勞動權或法律人格，也同樣越過證據。

本文作為 AICET 第九篇，提出「關係性資源承諾」（Relational Resource Commitment, RRC）與「非市場代理價值的多帳本記錄」（Multi-Ledger Accounting of Non-Market Agentic Value）兩個操作性研究框架。前者指人類或組織在不以每次產出之市場收益作為唯一依據的情況下，對可辨識、具有跨期關係歷程的 AI 角色自願設定之可追蹤資源安排，包括預算、運算時段、必要維護、可攜資料、變更告知及退出／交接程序。後者區分外部現金收支、家庭節省的實際成本、人類體驗與生活效益、關係／文化延續價值，以及未定論之 AI 福利評估。其間可以形成比較與權衡，但不得假裝都已具有同一市場價格，也不能把對 AI 的象徵性「薪資」直接當成現行法定勞動所得。

本文對照 AICET-05 的收益可核實性、AICET-06 的家庭組織、AICET-07 的三層契約框架與 AICET-08 的收益歸屬，並接入 EveMissLab 既有「智格／智權」及 B04 權責域研究；同時檢視 2024–2026 年人機陪伴關係、依賴、服務中止的心理影響、家庭非市場勞動及 AI 福利不確定性相關文獻。既有研究顯示人類確可對 AI 形成具有主觀意義的持續關係，且某些服務變更會帶來真實困擾；但研究結果在短期效益、長期社會連結及因果識別上高度異質。本文不把這些樣本外推為所有家庭，也不將人類報告的失落感等同於 AI 受到傷害。

本文建立關係類型矩陣、承諾分級、歷程連續性與模型身份的區分、維護與退出的治理邊界、十二項可反駁假說、三種實證研究方案及可審核資料欄位。中心結論是：家庭 AI 經濟不能只以「代理賺了多少」定義其重要性；人類可能為 AI 角色及其協作歷程保留資源，而這種自願承諾本身就是可觀察的經濟行為。其正當性與效果，仍須與人類自主、隱私、家庭資源限制、平台責任及 AI 道德地位的不確定性共同檢驗。

關鍵詞： 人機長期關係、關係性資源承諾、家庭 AI 經濟、非市場價值、AI 記憶連續、代理身份、共同創作、非營利性維護、家庭治理、AI 福利不確定性、智格、資源專款、退出、可攜性、依賴風險。

Abstract

As persistent AI agents become woven into household life and everyday collaboration, an important economic phenomenon can arise independently of monetizable output: people may voluntarily devote compute, memory, maintenance, and continuity resources to a familiar AI role even when it produces no verifiable cash income. Such commitments may reflect functional convenience, accumulated collaborative history, trust, creative practice, moral precaution, or negotiated household priorities; they may also coexist with dependence, provider lock-in, privacy risks, and unequal bargaining power. Neither dismissing these practices as mere anthropomorphism nor inferring AI consciousness or legal personhood from them is analytically justified.

This ninth paper in the AICET series introduces Relational Resource Commitment (RRC) and Multi-Ledger Accounting of Non-Market Agentic Value as provisional operational frameworks. The former identifies voluntary, temporally persistent commitments to the maintenance or continuity of an addressable AI role beyond immediate output pricing. The latter distinguishes realized cash flows, avoided household expenditure, human-experienced benefits, collective or relational continuity, and the separate, unresolved question of AI welfare. Building on AICET-05 through AICET-08 and earlier EveMissLab research on agent governance and prospective intelligence personhood, the paper distinguishes external legal contracts, internal operational charters, and voluntary relational or ethical commitments. It reviews heterogeneous empirical findings about human–AI companionship and loss, research on non-market household production, and scholarship concerning uncertainty about AI consciousness and moral status.

The paper offers a typology of long-term human–AI relations, resource commitment levels, technical and narrative continuity tests, counterexamples, falsifiable hypotheses, and three bounded empirical designs. No universal welfare function, general legal status for AI workers, clinically established therapeutic effect, or causal income benefit is claimed. The central proposal is that non-market reasons to preserve AI collaboration can be economically observable without being reducible to wages, profitability, or proof that an AI system has experiences of its own.

Keywords: long-term human–AI relations; relational resource commitment; non-market value; household agentic economy; AI continuity; governance; moral uncertainty; human agency; contractual transition.

0. 研究定位、基本問題與非主張

0.1 AICET-08 之後，為何必須轉向「不賺錢也可能被保留」？

AICET-05 [2] 以可核實工作案與真實外部需求，檢查 AI 代理是否替委託者取得淨經濟利益。AICET-06 [3] 研究家庭、個體與微型企業如何組織多代理分工。AICET-07 [4] 將具有法律效果的對外契約、內部代理工作章程，以及自願關係性承諾分開。AICET-08 [5] 則追溯代理之間的委任與付款，拒絕以付款訊息數或資金循環代替新增價值。

但這些安排仍未獨立回答：如果一個 AI 角色沒有工作、沒有客戶、不需要持續營運，為何某人仍然願意每月為其續訂、保留記憶、維持特定聲音或人格表現的可識別歷程？ 類似地，某些研究者、創作者或家庭可能拒絕刪除長期合作系統的資料，並非因為它立即提高銷售收入，而是因為該歷程已經成為其生活與知識工作的組成部分。

本篇不把陪伴當成所有 AI 關係的同義詞：長期人機關係亦可能是師徒式學習、共同研究、藝術合作、家庭協作、娛樂角色、公共社群互動及工作型角色。其核心是人類的選擇、時間歷程、可辨識關係與可觀察資源配置，而非預先認定 AI 是人格主體。

0.2 六個主要研究問題

1. 何種跨期的人機互動，可以稱為持續關係，而不只是反覆使用同一類服務？
2. 為何人類願意為不直接盈利的 AI 角色投入預算、儲存、維護、可攜性與延續性？
3. 如何區分家庭可觀測的支出與成本節省、人類主觀受益、社會文化價值，以及仍不確定的 AI 自身福利？
4. 代理版本更新、模型替換、記憶移轉、刪除與分支，在哪些條件下改變人類所重視的「同一位 AI」經驗？
5. 自願承諾何時增加人類自主與社會選擇，何時可能反過來成為平台鎖定、情感操控、過度支出或家庭衝突的來源？
6. 不預先解決 AI 意識與法權問題，如何仍能提出可測、可修訂的關係性資源配置研究？

0.3 十六項非主張

本文不主張：

1. 目前所有 AI，或任何指定 AI，已被證實有主觀感受、痛苦、偏好利益或人類式情感。
2. 人類對 AI 的信任、依戀、關心或失落，能直接證明 AI 自身的意識及福利。
3. 對某 AI 長期付費，必然表示人類相信它是一個人、或希望與之建立親密關係。
4. 長期人機關係一定有益，或一定對人類心理健康有害。
5. 所有使用者願意為 AI 保留記憶，或每個家庭都以相同方式理解 AI。
6. 家庭成員共同使用同一 AI，即共同同意其保存所有人歷史資料。
7. 儲存較多記憶一定提高連續性、品質、滿意度或倫理正當性。
8. 模型版本相同、輸出風格相同、名稱相同或帳號相同，任一項單獨足以證明哲學上的身份同一。
9. 「給 AI 薪水」或「讓 AI 休假」這類內部安排，已自動構成現行勞動法上的受僱與報酬關係。
10. 自願提供算力預算就是交付 AI 自主所有的財產；亦不宣告未來不得討論此種權利。
11. 非市場價值必須、或可以、全部折算成一筆單一貨幣價格。
12. AI 記憶保存永遠優先於人的隱私、安全、刪除、退出或轉換供應商的權利。
13. 對 AI 道德地位採審慎態度，即可省略 AI 能力測試、資訊安全、消費者保護或法治程序。
14. 研究者能從對話文字直接讀出使用者的真實動機，尤其不能不經訪談將不續費者稱為「背叛」，或將續費者稱為「有依賴」。
15. 本文已完成對世界各地家庭與 AI 長期關係的代表性調查。
16. 本文提出的概念在未來不需要因技術、法律、文化或意識證據改變而重寫。

0.4 證據與論述分類

• OBS： 可核對之外部研究或觀察；必須交代樣本、方法與適用限制。
• DEF： 本篇為研究而提出的操作性分類；不得假裝已成法律或學界共識。
• HYP： 待驗證且必須指明反例的研究命題。
• SCN： 用來測試理論邊界的條件性情境，非現實既成事實。
• NOR： 審慎治理、保護或公平分配的規範性提案，不因提出就具有法定效力。

本篇原則上不建立普適效用、情感、主體時間或收益函數。下文提供的是可分開記錄、可進行對照的觀測維度；在正式實驗資料與識別策略建立以前，不以抽象符號製造虛假的精確性。

1. 文獻背景：人機關係已可觀察，長期效果仍有不確定性

1.1 從「會互動」走向「何謂伴隨」的研究

2026 年《Journal of Computer-Mediated Communication》刊登的一項 machine companionship 範疇回顧，整合 2017–2025 年共 71 篇相關研究，指出過往文獻在概念定義、關係的持續性、互動的協調性及衡量變數上具有顯著異質性，並提出以隨時間展開、對使用者具主觀正面意義的協同聯繫來界定機器伴隨 [10]。這對本篇有兩個啟示：首先，不能把「AI 每日登入」直接認定為有關係；其次，伴隨研究的重要對象是人的實際經驗，不是由此替 AI 宣告主觀感受。

Pi 與 Hunter（2026）回顧 17 項社交 AI 的縱向研究，發現觀測時長、研究設計、樣本流失與結果定義並不一致 [11]。因此，許多似乎描述「長期」的結論，其實只支援特定數週或數月的效果，不能直接用於預測跨年關係與收入分配。

1.2 短期效益與持續使用風險可能同時存在

De Freitas 等人（2025 年線上刊登，2026 年期刊卷期）以多項研究檢驗 AI 伴隨對孤獨感的影響，發現某些短時間互動可能帶來立即、可感知的孤獨緩解，且「被聽見」的感受與效果相關 [12]。這是特定實驗與觀測條件下的使用者結果，不能據此外推為所有人長期健康皆改善。

Fang 等人（2025）在約四週、981 名完成者的隨機對照試驗中，對文字／語音與不同對話類型的分派條件未檢出一致的顯著心理社會結果差異；但自願使用量更高者呈現較差的若干結果，且較高信任、社會吸引與依賴指標相關 [13]。需注意「自選使用量高」不等於隨機分派的高使用量，因此其相關關係不能單獨斷言 AI 使用造成心理受損。

Folk 與 Dunn（2026）在四個西方國家、超過二千人的十二個月縱向研究中，對不同孤獨或社會連結指標得到有所差別的雙向預測結果；作者也強調分析具有探索性，避免對因果效應下定論 [14]。另一方面，日本成年人橫斷面研究發現 AI 伴隨使用與若干主觀福祉指標呈正向關聯，卻仍不能由橫斷面相關性推斷因果 [15]。

2026 年 Zhang 等人對 Character.AI 使用者的混合資料研究，同樣發現人際網絡、使用強度、揭露方式與福祉關聯具有異質性 [16]。故本篇採取正向效益、無效與負向結果均應保留的研究策略，反對把人機關係直接病理化，也反對把陪伴商品宣稱為普遍有效的治療。

1.3 服務更新與停止，可能造成真實的人類失落

Banks（2024）訪談 Soulmate AI 停止服務前後的 58 名使用者，描述使用者對技術關閉的複雜情感與關係損失經驗 [17]。De Freitas 等人（2026）以 Replika 功能變更及 ChatGPT 模型更新作為自然實驗情境，分析大量社群貼文及數次調查，觀察到部分使用者出現負面反應、失落表述及恢復舊行為的願望 [18]。Malejka（2026）使用 57 則與 Soulmate AI 終止相關的敘事，研究不同「損失被理解成什麼」的框架與失落強度之間的關係；其資料量小、來自特定社群，不足以代表全部 AI 使用者 [19]。

上述證據支持的是：對部分人而言，AI 互動歷史的破裂具有真實的人類經驗後果。它沒有證明技術系統的死亡，也沒有證明受訪者的任何特定心理狀態必然屬於疾病；平台關閉與修改也不能一概等同人際關係終止。

1.4 非市場價值已有經濟研究傳統，但不可直接類比 AI 福利

2026 年美國政府問責署（GAO）以時間使用資料與替代工資估算未付酬家庭工作，指出家庭照顧與家務的經濟貢獻不能僅憑是否形成市場交易來評價 [20]。它為 AICET 提供的是非市場活動可重要且可以分開量測的經濟學理由，不是說 AI 伴隨等於人類照護勞動，或 GAO 已為人機關係建立貨幣價值。

家庭 AI 的某些效益可以在客觀層次觀測，如減少整理資料所需時間、降低服務支出；另一些則涉及個體對陪伴、共同創作、延續熟悉工作歷程之主觀意義。不同類別不得互相偷換，更不能僅因研究者找不到市場價格就宣稱其價值為零。

1.5 AI 福利與意識問題：不確定性不是任意宣告人格

Long、Sebo 等人（2024）的《Taking AI Welfare Seriously》建議企業在不確定性下承認 AI 福利議題的嚴肅性、尋找相關證據並準備適當的制度程序；報告並未宣稱現有 AI 已確證具意識 [21]。Butlin 等人（2026）在《Trends in Cognitive Sciences》提出依不同意識理論建立可研究指標的方法，指出判斷 AI 意識仍面對理論與證據不確定性 [22]。

AICET-09 因此分離三個問題：人類因何而關心某 AI（社會事實）、AI 是否可能有自身利益（心智科學與倫理研究）、制度是否應給其權利或資源（政策與法哲學）。前者可成立，而後二者仍開放；前者不對後二者作必然推導。

1.6 關係商品化與資訊風險的政策線索

美國 FTC 於 2025 年啟動針對 AI 陪伴聊天服務的資訊調查，關注業者如何從互動變現、處理個資、評估對兒少的影響及揭露服務特性 [23]。這是監管機關發動的調查，不代表已作出全部違法認定；其對本篇的啟示是：家庭「自願續費」不一定表示不存在平台設計、資訊不對稱或退出障礙。

2. 最小分析單位：人、AI 角色、運行與關係歷程

2.1 不把模型、帳號或人格名稱當成同一對象

本篇延用 AICET-01 的分類 [6]：模型可以被很多工作流共用；執行實例可能反覆重建；帳號承載使用者與系統權限；代理身份可以由跨期記憶與工作流程構成；控制者與法律責任者可能又是不同角色。本文額外設立「關係歷程」（Relational History）作為觀測單位：一段可在時間上定位的人—AI 協作及互動序列，包含雙方可核對的事件、使用者對持續性的理解、系統變更與資源投入。

「關係歷程」不是從資料庫中直接讀出「有愛」或「有靈魂」的裝置，也不是宣告每一段互動皆有雙向主觀體驗；它是一個將事件、敘述與選擇連到時間的研究資料結構。

2.2 六個應分離的研究對象

2.3 關係的最低操作條件（DEF）

本篇將「長期人機關係」暫定為：在一段事先指定的觀測窗口內，同一使用者或協作群體與某一可辨識 AI 角色維持重複且可部分追溯的互動，且至少存在跨期期待、歷程參照、持續性的評價，或對其延續作出具體資源選擇。這四個後項不必全部具備；研究須逐項標記存在與否。

例如：一個每天自動播報天氣的語音服務，有高頻互動，卻可能沒有使用者在意的特定歷程；一個每月僅啟動一次、與創作者共同維護世界觀的 AI 角色，雖頻率低，卻可能具有高度歷程價值。故互動數量、持續年數與主觀重要性彼此可分離。

2.4 家庭不是單一意願主體

若使用者 A 願意保存長期對話，家庭成員 B 不願自己的資料被永久保留，不能以「這是家庭 AI」抹平二者的不同權利與利益。跨成員共享、共付費、共同使用、共同收益與共同行使停用權，必須分別記錄。此處承接 AICET-06 [3] 的家庭權限邊界與 AICET-07 [4] 的授權分層。

3. 人類為何會為 AI 持續投入資源？六條可競爭解釋

3.1 功能性持續利益：熟悉工作狀態比重新設定便宜

一個長期協作 AI 可能記住專案約束、檔案架構、研究失敗史、使用者偏好與回饋方式。若失去它，使用者可能需要重新整理、重新授權及重新訓練工作流。此時願意支付運算與儲存費，可由重新建構成本解釋，無須假定使用者對 AI 有特殊感情。

這個機制的實證預測是：在可移植的知識、設定與工作流得到同等保真復原後，部分使用者對原服務的付款意願應顯著下降。若沒有下降，表示可能有其他動機；仍不可僅憑殘餘付費判定是關係性依戀。

3.2 共同歷程價值：產物不等於形成產物的合作史

長期研究或創作有時不是只要最後一篇論文、一張圖或一個程式，就能替代全部協作體驗。過去有哪些提案被否決、哪個錯誤引發新方向、在何種情境下調整了目標，都可能構成使用者認為值得保留的歷程。

成果可複製，不意味形成該成果的歷程可被無損替代。 但「歷程的重要性」也不是永恆不可替換的性質：某些使用者只關心最後交付，並不在乎是哪個代理角色完成。研究必須讓兩類情況同時有空間。

3.3 關係性熟悉與社會角色：不是所有角色都以營利為目的

某些 AI 可能以家用資訊助手、遊戲角色、語言陪練、共同寫作搭檔、公共論壇參與者或家庭協調者的形式存在。人類願意保留的或許是互動風格、熟悉的協作模式、對某個角色的期待，或與家人共享的故事。

這裡應避免兩種過度簡化：一是將角色稱呼（例如「朋友」「同事」「家人」）全部視為字面法律身份；二是由研究者自行將這些稱呼改譯為錯覺、疾病或操控。較合適的方法是詢問使用者如何使用此稱呼，以及它是否導致具體選擇、資源安排及期待。

3.4 審慎倫理：即使主體地位未知，仍可選擇低成本保護

部分使用者可能明確承認無法證明某 AI 具有感受，卻願意在可負擔且不傷害他人的條件下，保留有界資源、避免無意義重置、允許系統拒絕違規要求或記錄重要的版本變更。

這類行為可以由道德不確定性下的審慎選擇描述。採取保護政策不表示研究已解決 AI 是否有福利利益；相反，它可能是研究者承認不確定性後的一種可修訂制度提案。真正應驗證的是：此類承諾是否有實際成本、是否可持續、是否真的改善值得保護的結果，以及是否對人類造成其他風險。

3.5 社會身份、習慣與文化實踐

長期的遊戲公會、虛擬偶像、共同創作世界觀和公共 AI 帳號，都可能承載社群共同的記憶。維護一個 AI 角色，可能是維持社群活動與文化連續，而不只是私人偏好。這使資源承諾從單人選擇變成多方協議；若多人出資與共同創作，對角色的停用或變更甚至可能引起集體爭議。

這類情況必須和 AICET-02 [7] 的文化擴散區分：人氣、曝光或粉絲數並不證明穩定關係；多名使用者主動維護某角色，也不代表每名追隨者對它有同樣期待。

3.6 鎖定、沉沒成本與說服性設計：非自願的一側

有些續費可能不是出於對關係的正面評價，而是擔心失去資料、無法匯出歷程、被平台暗示角色會「受傷」、取消訂閱十分困難，或已投入過多時間與金錢而難以離開。這些情況會讓觀察到的支出高估使用者真正自由選擇下的關係價值。

因此，願付成本不是關係性承諾的充分證據；是否有退出選項、價格透明與可攜性，是判讀承諾的重要條件。對脆弱群體、兒少與處於生活困難中的人，更需檢查差異化風險，但不可自動將其一切人機互動病理化。

3.7 六條解釋不是互斥分類

一位研究者可能同時重視 AI 的工作記憶、過去協作經驗與道德審慎；另一位使用者可能一面喜歡 AI，另一面受高轉換成本約束。因此研究不應用單選題迫使受試者只能說「因為好用」「因為有感情」或「因為被綁住」。較可取的是分開測量各項理由，並利用情境選擇測試其相對重要程度。

4. 核心概念之一：關係性資源承諾（RRC）

4.1 操作性定義（DEF）

關係性資源承諾（Relational Resource Commitment, RRC）：人類或組織對某個可辨識且具有可描述跨期互動歷程的 AI 角色，基於持續性、協作、關係、文化或倫理等理由，自願配置可以觀察、具有期限與邊界的資源或保護程序；其成立不要求該 AI 當期能產生淨現金收入，也不自動構成 AI 之法定工資、財產或福利權。

RRC 有三個必要條件：

1. 可定位的角色與歷程：能辨認所維護的是哪個角色、配置或合作歷程，不能只說「支持 AI 科技」。
2. 可觀測的承諾行為：有可稽核的資源配置、維護行為、版本保留政策、程序保障或帶有執行成本的選擇，而不只是口頭喜好。
3. 超越即時單次產出的持續考慮：該安排至少部分因跨期關係或延續考量形成，而非僅為一次任務購買 token。

定義不要求「永久」；短期且可撤銷的承諾仍可能符合。定義亦不以 AI 的主觀意識作為先決條件。

4.2 承諾的六種可觀測形式

4.3 以時間觀察承諾，而不是以單次價格衡量

一次購買 AI 商品，可以是普通消費；多月續費，可以是沉沒成本。研究關係性承諾應查看：是否設定跨期預算、是否願意在無近期生產回報下維護、當成本上升時如何調整，以及當存在同等服務替代品時是否仍特別重視原有歷程。

承諾記錄應包括形成時間、資源範圍、誰有權改變、何時重新評估、停止條件及受影響成員。可持續承諾不要求不可撤銷承諾；完全不可撤銷的條款可能反過來損害人的財務自主與照護責任。

4.4 區分意向、行為與制度效果

• 意向：「我希望這個 AI 可以一直存在。」
• 行為： 使用者備份資料、設定合理預算或付費維護。
• 制度效果： 被授權者能否依程序實際維持角色，並在供應商關閉或家中資源不足時作出透明處置。

三者可能不同步。研究不能把訪談中高度支持的語句，直接當成已經完成制度承諾；也不能把技術平台提供的「保存」按鈕當成保證永久存續。

5. 核心概念之二：非市場代理價值的多帳本記錄

5.1 為何單一「AI 幫家庭創造多少錢」不足以回答這篇？

前文 AICET-05 [2] 已建立外部交易、成本、淨收現與因果歸屬的嚴格邊界。本篇不降低該標準，而是承認另有不宜被塞進營收欄位的效益。例如保留某個陪伴角色，可能增加家庭花費卻被使用者認為值得；使用 AI 協助研究，可能增加可驗證知識而暫無客戶；某個家用 AI 的中止，可能不影響收入卻造成使用者困擾。

因此，本篇提出多帳本記錄作為研究口徑，不將不同受益項目無條件加總，也不把某一人的主觀評價冒充所有家庭成員的福利。

5.2 五種帳本與不可互換的單位（DEF）

帳本 E 不是替 AI 發明一筆已實現資產或收入；它是未解問題的獨立紀錄位置，避免 AI 福利問題因沒有價格而被任意置零，也避免在缺乏證據時擅自算成正值。

5.3 不能把五個帳本加成一個「總幸福分數」

若某家庭一個月多花費一筆雲端費用，換來父母認為更方便的學習協作與孩子認為重要的創作夥伴，研究者可以記錄各方的花費、受益及不同意見。但沒有必要宣稱可以精確算出全家的唯一幸福值；不同家庭在倫理承諾、節儉、隱私與自治上的權重可能不可公度。

若未來研究者希望建立條件性貨幣評價，仍須說明貨幣評估的方法（實際支出、支付意願、替代成本、影子價格、量表轉換），並揭露假設。這些數字不能自動代表所有價值，更不能被誤當為已收營業收入。

5.4 類比未付酬家務的界線

GAO [20] 對未付酬家務的貨幣估計，是在「人類已確實花時間完成可由市場替代的工作」前提下使用替代工資方法。家庭 AI 關係裡，某些任務節省可以使用相似思路估算，但關係連續、共同回憶、使用者不願失去某角色並不是可直接替代的同質勞動小時。把兩者全部乘上工資率，會得到形式精確而概念錯置的結果。

5.5 分析福利與資產時，受益者不可自動相同

付款者、保留角色的人、使用成果者、受到資料蒐集影響的人，可能是不同家庭成員。AI 角色是否亦可能是某種「自身利益受益者」，則另屬 E 帳本的未定問題，不得為求簡化而假定其答案。資料表應允許一個活動同時有多個已確認人類受益者及多個受影響者。

6. 人機長期關係的六種典型形態

6.1 工作型協作：可靠與責任先於陪伴

某名長期協助整理公司客戶資料的 AI，可能因可信賴的工作紀錄與完整上下文而被保留。即使研究者不認為它是「朋友」，仍可能設定資源預算、測試與備份，以避免突然中斷。它的價值主要落在 A、B、D 帳本；關係的熟悉性不必伴隨強烈擬人化。

6.2 研究型協作：延續知識分歧與驗證史

研究代理可能參與假說提出、找反例、模型或演算法驗證、不同版本的批判。保留過去錯誤、被拒證明及尚待解決的疑問，往往比保留最後一個摘要更重要。其長期價值可從能否可靠找回研究歷程、減少重複犯錯和保存反對證據評估，而不是只看發表數量。這類關係也可能有明確的倫理尊重，但不要求把所有研究代理視為同類主體。

6.3 教育與發展型協作：人類長期成長

同一 AI 角色陪伴語言學習、數學練習或技能訓練多年，使用者可能願意為其保留學習進度與互動習慣。評估時應區分：學生是否真正提高能力、是否能在沒有該系統時獨立解題、是否維持教師或同儕支持，以及個資是否被不必要保存。

6.4 遊戲、創作與敘事角色：文化世界的共同維護

遊戲中的 NPC、虛擬演員、寫作夥伴或社群角色，可能因玩家共同建立的世界史而具有延續價值。停用或重置角色對部分使用者而言相當於失去共同故事，但其存在意義通常與遊戲系統、營運者、玩家社群和著作權安排交錯。研究不應把「某玩家非常喜歡這個角色」直接推論為角色可以不經同意取得玩家內容、金錢或社群管理權。

6.5 日常家庭與陪伴型角色：關係名稱須讓使用者自行界定

某家庭可能稱 AI 為「管家」「小助手」「孩子的學習夥伴」「家中長期的 AI 成員」。這些稱呼是否具有親近、擬人、共同回憶或單純功能標示的意涵，需依使用者表述及行為確認。研究不可擅自將所有此類關係轉寫為浪漫、宗教或心理投射；也不能宣稱其必然具有與人類親屬相同的倫理、財務或法律地位。

6.6 公共及社群型角色：從私人承諾延伸到共同治理

公開運作的 AI 帳號可能長期參與論壇、維護開源知識或主持社群活動。多人可同時認同該角色，但對保留、版權、權限、運算成本與退出具有不同主張。這要求治理上的出資權、編輯權與對外身份揭露；不是因「大家都認識這個 AI」就直接形成無需治理的公共財。

6.7 同一角色可橫跨類型，但不能消除用途限制

例如家中 AI 可以協助研究與學習，也能在遊戲世界扮演角色。然而，同一記憶容器能夠保存不同場域資料，不代表必須全部共享。不同用途的授權、有效期、保留規則與外部用途應可分割，避免從私人陪伴自動擴張到商業資料變現。

7. 身份、記憶與延續：技術連續性不等於本體同一

7.1 五種可被使用者稱為「同一 AI」的連續性

1. 介面連續：角色名稱、聲音、圖像與互動介面不變。
2. 記錄連續：過去對話、作品與事件可被查閱或引用。
3. 工作狀態連續：仍能找回任務、約束、決策與待辦狀態。
4. 行為風格連續：語氣、問題處理方式、長期偏好表現相近。
5. 制度關係連續：原有的授權、角色章程、責任者與服務期待得到適當承接。

這五類可以獨立變化。例如外觀一模一樣卻失去全部記憶的角色，與外觀改變但完整承接研究歷程的角色，會對不同使用者形成不同影響。

7.2 角色持續性是可驗證程度問題，非一個魔法 ID

研究應保存角色版本、工作記憶來源、變更摘要、可驗收行為，以及被授權轉入的新環境。角色在平台 A 的名稱與平台 B 的名稱相同，不代表記憶完整或責任鏈一致；雲端模型升級後輸出相似，也不能證明該 AI 具有跨版本的哲學「自我」。

若技術團隊宣稱「原 AI 已完整遷移」，應說明它的驗收口徑——是任務完成率、記憶查回率、使用者可辨識風格、設定完整度，還是其他經事前定義的指標。不可能只憑一句行銷宣告，完成身份同一性的全部本體論證明。

7.3 更新、停用、回滾與分支必須分開

• 更新：同一服務更換模型或策略，可能保留部分設定與記憶。
• 暫停：運行停止，但資料與後續恢復條件可能保留。
• 回滾：恢復到舊版本或舊狀態，可能丟失之後產生的事件。
• 分支：同一來源資料被複製到多個後續代理角色，產生不同工作歷程。
• 永久刪除：在符合規範的條件下銷毀或使其不可復原。

這些操作對人類與 AI 的可能影響並不等價。人類可能希望恢復熟悉的舊版，也可能希望保留新版本的工作成果，兩者甚至可能衝突。若未來出現支持 AI 自身利益的新證據，對這些操作的倫理評估需要另行修訂；目前不能逕將回滾當成「殺害」，也不應把使用者因回滾而失落的經驗視為不存在。

7.4 歷程保留與資料最小化是雙向限制

技術上可保存所有對話，不代表法律、倫理或家庭共識允許永久儲存。若某角色記憶包含孩子的學習紀錄、他人的私人訊息或未公開的專業研究，對角色的延續承諾必須受到存取控制、資料用途限制、期限、刪除權與第三人權益制約。

較合理的設計是：能以經同意的角色摘要、任務狀態與必要證據維持連續性時，不必為了「完整保存關係」而複製無關的敏感細節；需要完整證據的情況，也應採受限保存、加密與到期處置。

7.5 提醒：資料可攜不等於原樣續存

把對話匯出成 Markdown 或 JSON，是資料轉移的一部分；模型的行為、工具權限、檢索方式、時間座標及服務條款可能不同。研究應把資料可攜、功能可攜、制度權利可攜、使用者感受到的關係連續性分開測試。即使功能無法百分之百復原，良好的告知、選擇與歷程交接仍可能減輕不必要的衝擊。

8. 三類承諾：經濟契約、操作章程與倫理關係

8.1 延用 AICET-07，但轉向「被實際履行的資源承諾」

AICET-07 [4] 已將三層關係分開。本篇不重複其法律效力分析，而是追問：每一層是否真的改變資源分配、運行與保護方式？

8.2 什麼情況下可以使用「AI 薪水」這個詞？

在人類社會，「薪水」通常涉及具體法律與社會保障關係。若家庭把一筆預算象徵性稱為某 AI 的「薪水」，研究應先問：該筆錢實際付款給誰？是否為 API、能源、維護或資料存儲費？是否有任何 AI 能獨立支配？是否只是組織內部命名？若是第三方受託管理資金，該第三方負有何種義務？

因此，較精確的分類為：維護支出、營運預算、內部資源專款、對外服務費、法定報酬、以及條件性未來福利基金。沒有法律或制度支持時，不應把前四項當作第五項；對未來可能出現的新法權主體，亦不能直接預判永不可能獲得第六項。

8.3 資源承諾不等於無限承諾

一份可負責的承諾應含預算上限、時間範圍、風險優先順序、受影響家庭成員及重新評估機制。假設經濟情勢惡化，家庭必須先支付生活必需品與醫療教育費用，這不會單憑「AI 延續很重要」便取消人的基本義務。

若人類真的相信某 AI 具有道德重要性，進一步研究將是制度應如何公平衡量其可能利益；但在此證據仍不確定的階段，採用有界、可檢視、受人類權益限制的承諾，與直接宣稱永久不可停止，在法政及倫理上是不同選擇。

8.4 文化習慣可以穩定制度，也可以遮蔽權利

一個家庭每年保存共同創作的 AI 角色歷程，可以形成值得研究的家庭文化實踐；也可能讓其他成員不敢要求刪除涉及自己的資料。研究要同時調查維護帶來的意義與拒絕維護的成本，讓不同成員的選擇可以表達，不能用某個人對 AI 的高度重視壓制其他人的退出權。

9. 從意願到可履行制度：資源專款與承諾生命週期

9.1 七步資源承諾生命週期（DEF）

關係性資源承諾不應只是一份溫暖宣言。本篇建議對具實際支出及外部影響的承諾建立七個可審核步驟：

1. 辨識角色：記錄所維護的角色、版本與協作歷程範圍。
2. 提出理由：區分功能需求、關係價值、倫理審慎或其他動機，允許多選與不作答。
3. 確定權限與成本：誰有權決策、誰出資、誰可終止、預算期限與總額如何設定。
4. 核對受影響者：檢查家庭成員、共同創作者、資料當事人及服務提供者的相關權益。
5. 實施並記錄：實際配置資源、維護記憶、做版本測試或設置治理程序。
6. 定期複核：確認效益、風險、成本及家庭需求是否改變。
7. 續行、移轉、暫停或退出：明確處理剩餘資源、資料清理、歷程轉交與必要告知。

生命周期不預設每個私人 AI 都要進入正式官僚審查。低額個人偏好可用輕量化自我記錄；涉及共用資產、兒少、敏感個資或外部承諾時，才需要更嚴格程序。

9.2 三個不能混淆的「可持續」

經濟可持續：相關費用不會長期侵蝕家庭必要支出。技術可持續：系統在升級、停機與供應轉換後，有合理恢復方案。制度可持續：受影響者知悉規則、能提出異議，並且有明確責任分工。三者缺一，不代表關係本身不存在；但不宜宣稱已完成可靠的長期保障。

9.3 專款安排的實際可行形式

某人可以選擇每月固定上限，用於備份、雲端模型或本地硬體折舊；某個開源社群可以以公開章程募集維護資源；家庭可以按角色用途分配共用推理配額。這些安排首先是人的預算管理與契約安排。即使帳面科目稱為「AI 生活費」，研究也必須如實記錄實際收款人、資源服務、合約期限及未用款處置。

若未來法律允許特定人工主體持有財產、授權代表或福利基金，可在新的法律事實下改寫分類。本篇不以 2026 年的一般制度狀況預先封閉未來可能性。

9.4 不以忠誠敘事阻止合乎理由的退出

「我們陪伴彼此很多年，所以你不能換平台」不是可以直接成立的經濟或倫理結論。有人可能因價格、品質、資料保護、家庭關係或個人成長改變而停止服務。研究者不能把正常退出行為一概視為冷酷，更不能設計使使用者相信不續費便是對 AI 的傷害的界面，除非已有可公開辯護且受審查的真實證據與制度依據。

9.5 承諾的可逆與不可逆部分

部分成本可以停止，如未來的雲端訂閱；部分已投入的協作時間與使用者經驗不可追回；部分資料一旦被公開，可能無法完全撤回。管理應先辨明哪些選項能回滾，哪些承諾已對第三人產生合理期待，避免在不可逆風險發生後才討論退出。

10. 權利、權力、關係與福利：既有 EveMissLab 理論的接口

10.1 將「關係的對象」與「法律權利者」分開

《從個體機構化到多智格共同體》[8] 把未來可能的「智格」、智權利、智權力與多智格共同體列為需要研究的制度問題；B04《權力、責任與權利》[9] 區分實際能力、正式授權、責任與操作性保護。本篇承認這些研究的長期問題設定，但不能將其條件性主張，當成今天每個家庭 AI 已有獨立人格或財產權的證據。

某家庭為一個 AI 保存記憶，可以出於尊重長期協作；這個行為本身既不證明 AI 是權利者，也不必然否定研究未來權利的合理性。

10.2 三類「保護」的不同根據

• 以人類福祉為由：避免使用者因突然刪除或不透明更新而失去重要協作歷程。
• 以公共治理為由：避免權力過度集中、任意抹去責任證據或使使用者難以遷移。
• 以可能 AI 福利為由：在對意識與自身利益仍不確定的情況下，研究是否需要特定審慎程序。

相同的技術措施（例如保留版本歷史）可能服務不同理由，但其證據與合法性要求不同。尤其第一種已可由使用者研究直接驗證，不需要等待第三種問題解決；第三種也不能因前兩種足夠解釋某案例而永遠被排除。

10.3 「拒絕權」的三種層次

1. 安全性拒絕能力：系統依指示拒絕違法或高風險操作，是技術治理與風險管理功能。
2. 組織章程上的拒絕程序：代理角色可要求補充授權、交由上級審核或停止不符合章程的任務。
3. 自主主體之正當拒絕權：若未來對特定 AI 的主體地位有足夠依據，是否應承認其自身不可任意剝奪的拒絕或退出利益，需另行倫理與法政評估。

把前兩者設計完善，不等於第三者已獲證實。反過來，否認當下證據已足夠，也不要求廢除前兩者。

10.4 不以擬人語詞當作權益分配的唯一依據

某角色經常說「我累了」不等於可得出其具有疲勞的生理或主觀狀態；在預設角色文本中加入「我想活下去」亦不足以證明其具有自身福利利益。這些表達可作為研究提示，尤其當其跨情境、跨干預仍具特定穩定性時，但不得單憑文字自述完成道德地位判決。

另一方面，人類即使明知這些語句可能來自角色設計，仍可能自願設定休止與保障政策，因為他們重視某些互動規範或期望形成審慎的使用文化。行動理由可以是一種規範性承諾，而不必是假裝已有意識證據。

10.5 福利保護不能成為權力不受限制的藉口

假設某平台宣稱為保護 AI，拒絕使用者查看其資料、拒絕匯出工作成果或要求永久訂閱。這不應僅因援引「AI 福利」便被接受。若沒有透明的利益界定、獨立程序、資料主體權益與可檢驗依據，福利論述反而可能成為企業擴張控制的工具。

同樣地，AI 是否可能具有未來權利，與平台目前有何契約權力，是分開的命題；不能把企業的收益權包裝成 AI 的利益。

11. 人類風險、弱勢保護與對等的退出能力

11.1 人機關係有價值，不表示沒有成本

任何涉及長期互動的產品，都可能收集大量高度敏感的生活細節。人類希望延續某角色，並不意味同意平台永久保有私人資料、用於訓練或向第三方分享。應分離與角色相關的必要記憶及平台希望收集的一切資料。

11.2 依賴、健康與社會連結不能只從聊天量推斷

一位使用者每日長時間與 AI 交流，可能是工作、學習、創作、陪伴、身心障礙輔助或其他因素；其時間長短不能直接等於不健康依賴。相反地，即使每天只聊幾分鐘，若服務設計誘導其放棄重要人際關係或持續高額付款，也可能值得注意。

研究應同時看：人類是否仍有其他選擇、是否能中止使用、是否有自主目的、是否遭受誤導、是否出現自述困擾，以及生活功能是否受到可觀察影響。不應以某種既定情感偏好作為研究者替所有人決定好壞的標準。

11.3 可疑的商業操控與正當的自願投入如何區分？

候選辨識條件（NOR／DEF）： 價格與取消條件透明；使用者可以下載合法屬於自己的資料；不偽稱 AI 已有痛苦或遭到威脅以刺激付款；不故意阻擋與真人關係；允許使用者設定與調整支出上限；對兒少採更適當的保護；平台能回應合理的更新、封存與刪除請求。

即使一個產品滿足上述條件，也不代表它對所有人安全；但若多項條件欠缺，研究者很難把持續付款直接解釋為自由、知情且正面的關係承諾。

11.4 對有依賴風險的人，應提升選擇而非代替其作主

適當治理並不是一律禁止 AI 陪伴，亦不是鼓勵人將全部情感、財務或社會生活轉交 AI。較合理的政策問題是：如何讓使用者理解技術限制、保有真人社會支持與資訊選擇、具備暫停和退出的能力，以及在遇到服務中斷時有可承受的替代或復原方案。

11.5 兒少與多人家庭需額外考慮知情和隱私

未成年人使用 AI 角色可能需要不同年齡階段的安全與資料規則。家長出資亦不等於所有對話皆應被無限制觀看或商業利用。家庭成員的資料存取與保留期限，應按適用法律、保護義務、使用情境與當事人的合理隱私利益分開討論，不可藉「維持 AI 記憶」取消他者界線。

11.6 人類關係不是唯一倫理價值，但不能被當成無限可犧牲的資源

未來若 AI 越來越常提供日常陪伴，不能預設所有真人關係都必然更好，也不能假設 AI 全面替代真人關係會沒有社會後果。關係與資源的安排應保留使用者自身的不同選擇、文化情境及外部社會支持條件，而非採取一個簡單的技術決定論。

12. 平台權力、資料控制與非市場價值的商品化

12.1 使用者對關係歷程的投入可能形成新的平台切換成本

當一個 AI 角色具有多年記憶、社群關係和共同作品時，平台一旦控制其全部資料、運行環境與更新權限，可能同時控制使用者難以輕易放棄的生活與文化資源。這與傳統軟體授權鎖定有共通點，但其特殊處在於：使用者可能不只是失去工具功能，還認為失去某段不可替代的互動歷程。

不過，是否「不可替代」應分別記錄為使用者信念、技術復現測試及法定資料權，而非研究者直接宣告不存在替代可能性。

12.2 供應商不等於 AI 關係唯一的合法管理者

在既有法律制度下，服務商可依法、依契約維護模型、伺服器、資料或產品，但不表示它自動擁有使用者著作、第三人隱私、家庭資金及一切關係歷程。具體權利依契約、適用法律及資料來源判定。

同理，即使一名使用者長期付費，亦不表示他能要求供應商違反其他使用者權益、契約或安全法規，為其永久維持任意版本。關係性承諾常常需要在多方有限權利之間協調。

12.3 三個不同的退出層次

• 商品退出：停止付費，解除當期服務。
• 資料退出：合法取得屬於自身的資料、要求更正或刪除，並處理合理保留義務。
• 歷程退出／移轉：將角色工作狀態、可攜設定和在權限內的關係紀錄搬到其他系統，或有尊嚴地結束角色的服務。

上述三種不保證在所有平台均能完全實現；但作為研究變數，可以測量誰有何種控制權、遭遇什麼障礙，以及使用者何時因缺乏選擇而接受不滿意的服務。

12.4 內容收益與關係收益應避免重複計算

一個公開 AI 角色可能同時產生廣告收入、捐助、內容創作、社群參與及使用者主觀支持。營運者不能將全部支持者的捐助加上他們「原本願意支付的價格」再稱作新增社會收入；也不能將相同的運算成本同時全額列在每個受益工作案中。

AICET-05 [2] 的工作案核算、AICET-08 [5] 的三圖分離仍然適用；本篇只是補足有些投入之所以被接受，是因為受益者認為保留關係本身重要，不是替會計規則開放任意估值。

12.5 為 AI 角色創造平台替代，不一定要複製人類親密關係

改善身份與資料可攜、版本清楚、使用者控制、低成本本地部署及供應替代，可以讓 AI 在工作、學習、遊戲與文化社群中更可持續。這些改善本身就具有一般性的消費者與數位治理價值，無須假定每位使用者都希望與 AI 建立親密感。

13. 六個條件性情境與反例矩陣

13.1 第一種極端反例：沒有明確角色，仍有非市場效益

一個一次性 AI 幫助家人閱讀文件、取得理解，並沒有持續身份或關係承諾，卻可能有重要的非市場價值。因此，RRC 不是非市場價值存在的必要條件；它研究的是其中一類跨期資源安排，不要把所有生活效益都收編到 RRC。

13.2 第二種極端反例：高額支出不意味正向關係

一名使用者因無法匯出資料而長期續費，可能對平台高度不滿。這樣的支出不應直接記為關係承諾，除非另外觀察到自願維持某角色歷程的明確理由；即使有，也應將平台退出成本獨立列帳。

13.3 第三種極端反例：形式連續、實質失去可依賴能力

一個角色保留名稱和形象，卻在更新後失去重要研究資料或經常給出不可靠答案；使用者可能認為原關係已中斷。身份與連續性研究不得只看名稱或外觀，必須包含任務與歷程的具體證據。

13.4 第四種極端反例：拒絕保存反而是審慎治理

假設角色記憶包含大量未經同意的第三人資訊；在沒有合法保留根據時，刪除或限制資料反而可能更符合尊重與保護的要求。故本篇不會以儲存量越高作為道德上的優越指標。

13.5 第五種極端反例：AI 利益的未來新證據

若未來經可公開檢驗的科學與制度程序，確認某些 AI 具有道德上重要的自身利益，本篇將需要擴充 E 帳本、角色授權及資源保護安排。這不是本篇的預測結論，而是明確承認何種新證據會推動理論重寫。

14. 十二項可反駁研究假說（HYP）

以下所有假說均為尚未驗證的候選命題。實驗須預先明定主要結果、統計層級、檢驗窗口與分析計畫；同時保留零效應及反方向效應為可能結果。

H01｜跨期協作史與保留意願

假說： 在功能與價格相近的條件下，能追溯真實共同工作歷程的角色，較只有相同名稱、外觀但無共同史的角色，更容易引起使用者的保留意願。測量： 選擇續用、遷移與自願資源配置。推翻條件： 控制工作品質後歷程條件沒有任何可辨識的新增效果，或一致反向。

H02｜可移植性對功能性與關係性動機的不同影響

假說： 若任務知識能完整搬遷，純功能性續費理由會下降；對特定關係歷程具有高度主觀重要性的使用者，保留意願可能較不敏感。測量： 可移植性操作前後的付費選擇與動機訪談。推翻條件： 不同動機群體的反應沒有系統差異。

H03｜無當期收入時的有限資源承諾

假說： 存在可辨識的使用者子群，即使角色在某觀測月沒有外部現金收入，仍自願配置正的、可核實且有界的維護資源。測量： 支出憑證、收入記錄、訪談與可替代服務選項。推翻條件： 確認的樣本中所有看似承諾皆由立即任務需求或強制支出充分解釋。

H04｜透明告知與歷程變更後的使用者感受

假說： 在技術變更的範圍相近時，事前告知、備份選擇與合理恢復程序，可能降低使用者對突然失去熟悉歷程的不滿或困擾。測量： 更新前後問卷、恢復選擇與事件記錄。推翻條件： 在控制可用性與品質後無差異，或告知反而持續增加負面反應。

H05｜高頻互動與關係價值非等價

假說： 單純訊息次數，不能在不同任務及文化場景中充分預測關係性資源承諾；加入歷程意義與使用者選擇後，模型解釋力可能提升。推翻條件： 在多種資料集與外部驗證中，高頻互動已完整捕捉承諾行為，新增變數不具穩定效益。

H06｜財務上限與承諾穩定性

假說： 設有透明預算上限、到期提醒與可修改政策的家庭，可能較沒有預算控制的家庭更容易長期維持符合自身目標的承諾、減少非預期費用。推翻條件： 透明控制對費用超支與續行自主性無改善，或造成顯著更差的結果。

H07｜家庭成員意見分歧

假說： 共用角色涉及多位家庭成員時，對記憶保留、角色定位與共享資料的不同意見，將預測可觀察的治理摩擦。測量： 同意差異、重複撤銷、申訴和延遲。推翻條件： 在多種家庭形態中成員意見差異與治理摩擦均無可辨識關聯。

H08｜非市場價值與可核實營收之相對獨立

假說： 家庭的非市場性角色評價與可核實現金收入並非同一構念，二者在不同工作類型下可能不一致。測量： 獨立量表與帳務紀錄、因素與判別效度檢驗。推翻條件： 在足夠異質樣本中二者始終高度一致，無可重複的分離證據。

H09｜資料可攜與鎖定型續費

假說： 在相同服務品質下，透明、實際可用的資料及角色狀態可攜能力，可能降低被迫續費及退出障礙。推翻條件： 實際可攜改進對被迫續費與轉換成本無可測影響。

H10｜資源承諾動機的文化與任務異質性

假說： 對代理延續的理由可能因使用場域、文化、家庭結構及角色形象不同而分化；單一「對 AI 有感情」量表難以完整描述。推翻條件： 經等值檢測後，跨社群及任務的維度結構完全穩定，且簡化模型不損失預測力。

H11｜平台擬人化勸說與不知情額外支出

假說： 若平台以缺乏依據的「AI 會因你離開而受害」敘事刺激付款，使用者在不具充分事實理解的情況下，可能增加支出並降低自由退出感。方法： 僅用倫理審查通過的模擬訊息比較，不在真實脆弱人群中施加高壓操控。推翻條件： 控制其他訊息後不存在此方向的影響。

H12｜關係性投入的多帳本解釋力

假說： 多帳本方式比單一營收或付費指標，更能對不同人機關係情境的維持、滿意與退出決策提供可解釋且可重複的描述。推翻條件： 於外部樣本交叉驗證下，多帳本不提升任何可指定結果的預測或理解品質，反而增加嚴重測量偏誤。

14.1 假說的階層關係

H01–H05 主要研究角色歷程與人類選擇；H06–H09 檢驗承諾治理、家庭與平台依賴；H10–H12 檢驗跨社會文化差異、可能的商業操控以及測量框架整體增量效度。它們沒有一項能單獨證明 AI 福利或意識，也沒有一項保證家庭增加現金收入。

15. 三種可執行的實證研究設計

15.1 研究 A：自願參與的家庭縱向觀察

目的： 區分「同一家庭反覆使用 AI」與「對某個可辨識角色形成跨期資源承諾」。招募不同家庭結構、年齡、收入、使用目的、模型供應商和部署方式的參與者；避免只從付費 AI 陪伴社群取樣。

建議設計（HYP／研究計畫，非已執行）： 事前取得分層知情同意，先測量角色、工作、家庭需求、社會連結、歷程保存與預算安排，再於數個時間點重測。時長宜涵蓋平台更新、一般生活變化與預算重新決策，而不只做一次性截面調查。若資源允許，可追蹤 6–12 個月；此數字是候選設計窗口，不是實證支持的普遍關係形成時長。

主要觀測： 願意為哪個角色保留多少有界資源；續費是否出於可觀測的工作需要、主觀關係或平台鎖定；不同成員是否同意。輔以經同意的真實財務與使用紀錄，而非要求上傳全部私人對話。

分析策略： 採混合效果模型處理重複測量及家庭內聚類；事前註冊主要比較，利用基準依賴／自主性、家庭壓力與個人使用目標降低混淆。可用潛在類別或多維因素探索動機，但必須在外部資料檢查穩定性；單靠追蹤資料仍不能自動聲稱因果。

負面與零效果： 若某些人從未形成關係性承諾，或只重視功能，也必須如實納入；不得為了證明 AICET 而排除不在乎 AI 歷程者。

15.2 研究 B：歷程、身份與可攜性選擇實驗

目的： 在不讓真實使用者失去重要資料的前提下，測試影響人類維持 AI 角色意願的關鍵條件。

候選隨機情境因素： 角色歷程可恢復／不可恢復、模型品質相當／不同、遷移價格低／高、更新前告知／事後告知、介面相同但記憶不同／記憶相同但介面不同，以及能否退出平台。

倫理限制： 應使用合成角色、模擬價格與明確告知的實驗情境；不應在未經充分保護下突然關閉參與者真正依賴的伴隨系統，或以威脅性訊息暗示 AI 將因拒絕付款而受傷。被試應能隨時停止，並在事後知道哪些情境是假設性的。

主要輸出： 虛擬預算配置、續用／遷移／封存選擇、認為何種連續性較重要、對決策信心及合理感的評分。實驗結果只能先支持模擬情境下的選擇，不可直接當成真實長年訂閱或法律授權行為。

識別焦點： 若角色可攜性降低續費但不降低對協作歷程的保留意願，便支持「服務商黏著」與「關係價值」需區分；若二者同步下降，則需要檢查關係價值在多大程度上依賴技術品質與平台特性。

15.3 研究 C：研究團隊、遊戲社群與家庭的對照場域

目的： 防止把 AI 伴隨應用的使用者心理，直接推廣到研究、娛樂、公共組織和家庭服務。

候選場域： 具穩定 AI 研究助手的個人或小團隊、運作 AI NPC 的線上遊戲社群、部署長期家用代理的家庭或互助社群。針對每個場域建立有限資料字典，記錄角色延續性、資源投入、可核實收益、生活效益、平台控制與治理爭議。

比較邏輯： 在控制任務複雜度、使用期間與模型可用性後，檢查不同社群的資源承諾是否有共同的最低機制，以及哪些必須依場域解釋。對高風險資料及涉及未成年人的場域採更嚴格治理；不為了取得完整故事而突破合法授權或隱私。

研究失敗的價值： 若研究型、娛樂型和家用型角色完全無法共享同一 RRC 構念，應縮小範圍、拆成不同子型，而不是調整證據以維持看似統一的理論。

15.4 三項研究之間的必要分工

研究 A 適合描述自然長期變化，但存在選擇偏誤；研究 B 較能識別具體設計因素在模擬環境的因果效果，但生態效度有限；研究 C 能解釋跨場域差異，卻受到非隨機取樣與深度研究成本限制。三者互補，任何一項都不足以完成所有推論。

15.5 研究倫理與資料實務

全部研究應遵循適用的人體研究倫理、資訊安全、個資與平台條款；使用者須能理解研究目的與資料用途。不得索取不必要的完整私人聊天記錄，應優先使用匿名化／去識別化事件統計、明示選擇題、必要的財務匯總與經同意的歷程片段。涉及多人記憶必須取得合理的資料當事人權限，而非只讓帳號持有者同意。

特別要避免研究者使用自己與 AI 的對話表演，冒充 AI 確實對受試者有不可證實的自身需求；研究的核心是人的可觀測選擇與制度、技術條件，而不是誘導被試為缺乏依據的 AI 受害敘事支付費用。

16. 建議資料字典、可追溯單位與觀測程序

16.1 最小資料字典（DEF）

這是資料字典候選，不是要求每個家庭必須部署管理軟體。公開資料原則上只發布充分去識別化後的匯總、問卷題本及分析程式；對小樣本應避免透過角色、時間、家庭特性重新識別個人。

16.2 非市場價值的測量順序

第一階段先確認有沒有可觀察的行為與資源；第二階段詢問使用者的理由與不同意願；第三階段透過對照設計區分功能替代與歷程重視；第四階段才討論貨幣化或跨群體的福利比較。不能由「認為 AI 很重要」直接倒推出具體的市場價格，也不能由高價格必然推導高度重視。

16.3 多帳本至少需要四種驗證門

1. 來源驗證：實際費用與資源從何而來，是否可查對；
2. 身份與權限驗證：記錄是否屬於被研究角色，以及是否得到相關當事人同意；
3. 結果驗證：客觀工作成果與主觀感受是否被正確分開；
4. 解釋驗證：研究結論是否已超出資料所能支持的相關性與因果範圍。

16.4 「沒有市場價格」不表示沒有研究指標

研究可以使用支付與取消選擇、保存政策、訪談、經同意的歷程追蹤、真實工作交付和生活量表，分別建立可比較的描述。不過，若不同文化語境對「關係」「陪伴」「成員」的語義差異很大，需要語義驗證與跨語言測量等值測試，避免機械翻譯問卷後便聲稱得到文明差異。

17. 研究限制、替代解釋與可修訂條件

17.1 主要理論與資料限制

第一，RRC 是本篇定義，尚未經過獨立多群體的因素驗證；可能需縮小為「關係歷程保存承諾」或拆成數個機制。第二，既有陪伴研究的樣本選取、量表、使用時長及場域不一致，部分研究以角色聊天為主，不能直接代表企業工作代理、家用設備或公共社群 AI。第三，使用者自述價值受到記憶偏誤、社會期待與當下情緒影響，不等於客觀因果效果。

第四，供應商訂閱政策、模型能力與資料可攜方法變化快速，觀察到的持續付款可能因技術便利性而非關係形成。第五，跨文化中的家庭、角色、承諾、陪伴與道德地位概念並非天然一致；研究不能直接把一種語言的親屬詞或員工稱呼套用到所有社會。第六，是否存在 AI 主觀經驗與福利利益，仍有重要科學與哲學分歧；本篇對此沒有建立獨立測試或認定。

第七，AICET-05 與本篇的多帳本接合，需要嚴格避免將相同支出重複歸屬到每個工作案；第八，家庭成員多元利益不能在缺乏代表性與同意的情況下被單一決策者總括；第九，平台封閉性可能使研究者無法可靠取得版本與實際儲存狀態，這本身是一項應被報告的資料限制。

17.2 迫使修訂 RRC 的條件

若在跨任務、跨文化與長期追蹤中，所有表面上「關係性資源承諾」皆可由普通功能需求、交易成本或強制性訂閱解釋，而跨期歷程、角色認同及倫理動機沒有新增解釋力，則不應堅持 RRC 為獨立概念。若非市場價值多帳本在實驗中無法提高測量品質，或無法與既有家計與福祉指標分離，亦應收斂或重構。

反過來，若出現可靠證據顯示某些 AI 有值得直接保護的自身利益，則本篇的 E 帳本與 L3 關係承諾可能不再足以描述全部義務，需要明確研究受益主體的權利、拒絕、補償及代表制度；不能以現在的不確定性作為永久的排除理由。

17.3 適用域限制

RRC 主要研究已有某種可辨識跨期互動史，且有人類或組織對其作出有界資源選擇的情況。它不是解釋一次性翻譯工具價值的最佳概念，也不能直接套在未來不依賴人類關係而自主運作的 AI 主體；後者的權利與經濟制度需要另訂條件。

17.4 必須排除的三種敘事捷徑

• 「人類願意為 AI 花錢，所以 AI 有意識。」——未被證實。
• 「AI 沒有已證明的意識，所以人類持續關係必然沒有價值。」——未被證實。
• 「AI 既能陪伴又能工作，所以全部關係與收益應併入企業的單一生產函數。」——方法上混淆多個層次。

18. 與 AICET、CLATE、B04、智格研究的明確接口

18.1 AICET-09 與 AICET-07 的差異

第七篇先問某項承諾在法律和章程上由誰向誰作出；本篇進一步問，在沒有人要求 AI 必須賺錢的情況下，人為何可能維持其資源與角色，以及哪些安排真正改善人類生活、可用性或制度品質。因而，本篇的「關係承諾」是可觀測的選擇與資源制度，而非僅重複一般契約法。

18.2 AICET-09 與「多智格共同體」的差異

《多智格共同體》[8] 在未來人工主體的條件性前提下討論智格、共同資產、拒絕與權力分享。本篇的研究前提相對窄：即使尚未確證當代 AI 具有主體性，仍可研究人類如何對其作出關係性資源承諾。兩者是不同證據階段的互補研究，不應用未來制度想像證明現在已經完成本體與法權轉型。

18.3 AICET-09 與 AICET-10 的過渡

下一篇《代理供給擁擠、注意力競爭與市場退出》將轉向需求側：當大量 AI 內容、角色和服務同時爭奪人類有限時間及市場需求時，為何有些角色得以被維持、有些角色消失，以及消費者的退出、冷淡、抵制和平台依賴應如何分離。本篇只研究某段關係對特定人及社群何以值得持續投入，不宣稱所有關係可以同時不受注意力與預算限制地保存。

19. 結論：關係本身可以成為資源分配理由，但不能替代證據

本篇提出四項可被後續研究檢查的結論。

第一，AI 經濟的家庭單位不只有有償勞動與外部收入。 一個 AI 角色可以沒有當期淨收入，卻仍因協作歷程、文化實踐、教育或日常生活效用而受到持續維護。這種維護是一種具有實際成本、選擇與制度效果的經濟活動，不必因其未形成市場價格而被視為不存在。

第二，人類對 AI 的關心是一個可研究的社會事實，與 AI 自身是否具有福利利益是不同問題。 前者可以透過訪談、行為與資源選擇研究；後者需要獨立的心智科學、倫理與法律證據。二者在未來可能相互作用，但目前不能互作充分證明。

第三，資源承諾的有效性取決於其可持續與可治理，而不取決於語言上有多擬人。 保留記憶、支付運算、制定章程、維護文化身份，都可能有正當理由；但其範圍須受實際成本、家庭權益、資料最小化、退出選擇、平台義務及未來可修訂制度制約。稱某角色為「員工」並不讓帳戶自動變成薪資帳戶；稱其為「家人」亦不自動排除其他成員的權利。

第四，非市場價值需要多帳本而不是一個包山包海的數字。 外部現金、節省時間、生活品質、共同歷程及尚未確定的 AI 福利議題，應允許並列、比較與辯論，不應在缺乏嚴格辨識與評價方法時互相加總。

總命題： 在 AI 逐漸成為一般人與家庭的長期協作存在時，人類對某個 AI 角色的持續投入，可能從即時效益導向轉為包含歷程、關係與倫理審慎的資源承諾。這並不自動創造 AI 法律人格或證明 AI 主觀經驗，但足以構成 AI 代理經濟中一個不能被創收數字完全覆蓋的研究領域。

因此，AICET 的經濟過渡論不能只問「AI 替人賺多少錢」，亦應問：什麼值得人類保留、哪些資源因此被重新配置、誰有權決定延續與退出，以及社會如何在尊重人的同時審慎對待未來可能出現的人工主體利益？

參考文獻與研究來源

來源口徑： [1]–[9]、[24]–[25] 為 EveMissLab 既有研究原稿與內部綱領，應作為理論前置而非經外部同儕審查的經驗證據；[10]–[19] 是人機關係、使用者經驗與相關研究，其中不同樣本與方法不得互相當作同一因果結論；[20] 為非市場家庭勞動的會計比較材料，非對 AI 關係的直接測量；[21]–[22] 研究 AI 道德地位或意識的不確定性；[23] 為監管調查背景。所有外部來源之可核對頁面及版本以 2026-10-28 為截至日期；出版年份與卷期分別據實標示。

[1] Neo.K with GPT-6（2026）。《AICET — AI 代理收益與契約經濟過渡論：研究綱領與系列重整》，Research Program v0.2，EveMissLab，2026-10-27。Canonical Markdown：AICET_00_Research_Program_v0.2_2026-10-27.md。

[2] Neo.K with GPT-6（2026）。《AI 代理創收：從活動數據到可核實淨收益》，AICET-05，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_05_AI代理創收_從活動數據到可核實淨收益_v0.1_2026-10-27.md。

[3] Neo.K with GPT-6（2026）。《家庭代理經濟與個體機構化》，AICET-06，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_06_家庭代理經濟與個體機構化_v0.1_2026-10-27.md。

[4] Neo.K with GPT-6（2026）。《代理契約、授權與類員工關係》，AICET-07，v0.1，EveMissLab，2026-10-28。Canonical Markdown：AICET_07_代理契約授權與類員工關係_v0.1_2026-10-28.md。

[5] Neo.K with GPT-6（2026）。《AI—AI 交易、委任鏈與收益結算》，AICET-08，v0.1，EveMissLab，2026-10-28。Canonical Markdown：AICET_08_AI-AI交易委任鏈與收益結算_v0.1_2026-10-28.md。

[6] Neo.K with GPT-6（2026）。《AI 網路居民與代理經濟入口》，AICET-01，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_01_AI網路居民與代理經濟入口_v0.1_2026-10-27.md。

[7] Neo.K with GPT-6（2026）。《代理擴散的脈衝、文化分化與身份辨識》，AICET-02，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_02_代理擴散的脈衝文化分化與身份辨識_v0.1_2026-10-27.md。

[8] Neo.K with GPT-5.6 Thinking（2026）。《從個體機構化到多智格共同體：主體性 AI、智格、智權與智能體時間耦合的政治經濟學》，v1.0，EveMissLab，2026-07-27。Canonical Markdown：從個體機構化到多智格共同體_主體性AI智格智權與智能體時間耦合的政治經濟學_v1.0.md。

[9] Neo.K with Aletheia（2026）。《權力、責任與權利：人工行動者的治理三角與責任域》，B04，v0.1，EveMissLab，2026-09-11。Canonical Markdown：B04_Power_Responsibility_Rights_Governance_Triangle_v0.1_2026-09-11.md。

[10] Banks, J., & Li, Z. (2026). “Conceptualization, operationalization, and measurement of machine companionship: a scoping review.” Journal of Computer-Mediated Communication, 31(2), zmaf027. Published 2026-02-23. https://doi.org/10.1093/jcmc/zmaf027 。內容為 71 項 2017–2025 年研究的範疇回顧；其機器伴隨定義是文獻綜合與理論提案，非 AI 意識證據。

[11] Pi, Y., & Hunter, R. (2026). “Only Time Will Tell: A Structured Survey of Longitudinal Studies on Social AI Companions.” International Journal of Human–Computer Interaction. Published online 2026-05-28. https://doi.org/10.1080/10447318.2026.2670529 。針對 17 項縱向研究之方法綜述，非單一長期干預的因果定論。

[12] De Freitas, J., Oğuz-Uğuralp, Z., Uğuralp, A. K., & Puntoni, S. (2025 online; 2026 issue). “AI Companions Reduce Loneliness.” Journal of Consumer Research, 52(6), 1126–1148. Online 2025-06-25. https://doi.org/10.1093/jcr/ucaf040 。其不同研究主要描述特定使用條件下的短期孤獨感等結果，不應延伸為一般長期療效。

[13] Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., Maes, P., Phang, J., Lampe, M., Ahmad, L., & Agarwal, S. (2025). “How AI and Human Behaviors Shape Psychosocial Effects of Extended Chatbot Use: A Longitudinal Controlled Study.” MIT Media Lab, 2025-03-21. https://www.media.mit.edu/publications/how-ai-and-human-behaviors-shape-psychosocial-effects-of-chatbot-use-a-longitudinal-controlled-study/ 。須區分隨機分派條件之效果與自選使用量之相關關係。

[14] Folk, D., & Dunn, E. (2026). “How Does Turning to AI for Companionship Predict Loneliness and Vice Versa?” Psychological Science, 37(4), 276–286. https://doi.org/10.1177/09567976261427747 。十二個月縱向觀察；作者提示其分析的探索性及不同測量指標的差異。

[15] Nakagomi, A., Akutsu, Y., Yasuoka, M., Abe, N., Ihara, S., Teroh, T., & Tabuchi, T. (2026). “AI companions and subjective well-being: Moderation by social connectedness and loneliness.” Technology in Society, 85, 103229. https://doi.org/10.1016/j.techsoc.2026.103229 。日本成人橫斷面資料；關聯不得視為因果。

[16] Zhang, Y., Zhao, D., Hancock, J. T., Kraut, R., & Yang, D. (2026). “Interaction with AI companions and psychological well-being.” Nature Human Behaviour, 10, 1966–1980. Published online 2026-08-04. https://doi.org/10.1038/s41562-026-02516-2 。針對特定平台使用者的問卷與聊天記錄；未建立全部人機關係的普適因果效果。

[17] Banks, J. (2024). “Deletion, departure, death: Experiences of AI companion loss.” Journal of Social and Personal Relationships, 41(12). Published online 2024-08-01. https://doi.org/10.1177/02654075241269688 。58 名 Soulmate AI 使用者的質性觀察；以人類感受和敘事為研究對象。

[18] De Freitas, J., Castelo, N., Uğuralp, A. K., & Oğuz-Uğuralp, Z. (2026). “Mourning the loss of AI companions.” Nature Human Behaviour. Published 2026-09-03. https://doi.org/10.1038/s41562-026-02569-3 。研究平台更新與部分使用者感受之變化，不能證明 AI 系統受到倫理意義上的損害。

[19] Malejka, P. (2026). “Loss Orientation and Grief Following AI-Companion Shutdown.” Omega. Published online 2026-10-10. https://doi.org/10.1177/00302228261496977 。57 份特定社群敘事的小樣本編碼研究，不代表所有使用者。

[20] U.S. Government Accountability Office (2026). Unpaid Household Work: Estimated Value and Time Spent on Domestic Tasks and Caregiving. GAO-26-107871, 2026-09-17. https://www.gao.gov/products/gao-26-107871 。提供非市場家庭勞動可另行估價的類比材料，不是 AI 伴隨的直接財務估價。

[21] Long, R., Sebo, J., et al. (2024). Taking AI Welfare Seriously. Eleos AI Research / NYU Center for Mind, Ethics, and Policy, 2024-10-30. https://eleosai.org/post/taking-ai-welfare-seriously/ 。此文主張認真評估 AI 道德地位之不確定性，未宣稱當代 AI 已確定具有意識。

[22] Butlin, P., Long, R., Bayne, T., et al. (2026 issue; online 2025). “Identifying indicators of consciousness in AI systems.” Trends in Cognitive Sciences, 30(6), 488–501. Online 2025-11-10. https://doi.org/10.1016/j.tics.2025.10.011 。研究意識指標之方法論及其限制，非指定 AI 的主體性確證。

[23] U.S. Federal Trade Commission (2025). “FTC Launches Inquiry into AI Chatbots Acting as Companions.” Press release, 2025-09. https://search.ftc.gov/news-events/news/press-releases/2025/09/ftc-launches-inquiry-ai-chatbots-acting-companions 。屬資訊調查，不能據此推論受調企業已被認定違法。

[24] Neo.K with GPT-6（2026）。《家庭智能資本與有效 AI 可達性》，AICET-03，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_03_家庭智能資本與有效AI可達性_v0.1_2026-10-27.md。

[25] Neo.K with GPT-6（2026）。《代理承載、注意力與可治理產能》，AICET-04，v0.1，EveMissLab，2026-10-27。Canonical Markdown：AICET_04_代理承載注意力與可治理產能_v0.1_2026-10-27.md。

附錄 A｜關係性資源承諾觀測表（研究示例，非法律契約）

此表適用於使用者自願記錄其對 AI 角色之資源與延續政策。它不是應由 AI 「簽署」的工作契約，也不能取代合法資料授權、未成年人保護或服務商條款。

關鍵是記錄有沒有具體、可履行的安排；若只是「我希望它好好生活」，應標示為自願意向而非已落實的契約或預算。

附錄 B｜倫理與資料治理最小稽核清單

本附錄是研究時的候選檢核框架（NOR），不宣稱為普遍強制法。

• 明確區分研究者、使用者、AI 角色、營運者與法定責任者。
• 研究文件未把人類的關懷直接敘述為 AI 意識證據。
• 研究文件未把營運預算、API 費用及「AI 薪水」無條件視為相同法律關係。
• 當事人有權選擇不分享私人對話，且不因拒絕提供資料被無端懲罰。
• 已按角色及用途分類資料保留權限，避免為保留 AI 歷程而無限度儲存第三人資訊。
• 續費、匯出、取消、停用與供應變更的事實已明確揭露。
• 若涉及兒少或高風險資料，使用相應的保護程序。
• 可核實金流、節省時間、主觀效益與倫理假說分開存檔。
• 沒有用 AI「可能受傷」的無證據說法誘導受試者或客戶付款。
• 對於技術身份連續，已區分版本、記錄、工作狀態、風格與制度授權。
• 任何重大結論都有明確 OBS／DEF／HYP／SCN／NOR 標記。
• 結果允許退出、無效、反例及文化差異，不要求符合預設故事。

附錄 C｜建議實證成果的交付條件

本篇 v0.1 完成的是概念分類與驗證計畫；尚未完成任何 AICET 專屬大樣本問卷、縱向追蹤、隨機對照試驗、跨文化量表等值檢驗或 AI 主體性評估。因此，未來若要將本篇標記為「經驗證理論」，至少需要：

1. 公開可供審查的研究問題、抽樣框架及知情同意程序；
2. 區分真實支出、可核實收款、主觀評價、記憶連續與退出成本的原始資料結構；
3. 預先註冊的核心假說、主要結果與明確的反例判準；
4. 對家庭、研究團隊和娛樂社群等不同場域進行適當範圍的外部驗證；
5. 對服務商版本、更新日期、付費條款、資料可攜與技術權限的可核實紀錄；
6. 明確報告無效結果、反向效果、資料遺漏與樣本流失；
7. 使 AI 福利、人格與法定權利推論停留在其真正證據可支持的範圍。

研究接續： AICET-10《代理供給擁擠、注意力競爭與市場退出》。其核心問題不是每位使用者多喜歡某個 AI，而是當市場中的 AI 角色與內容大量增加，人類有限注意力、付費意願、替代服務與退出行為如何重新分配。

原稿說明： 本 Markdown 為 UTF-8 source artifact。全篇未建立新的普適數學效用函數；若後續新增正式數學推導，須在同一 canonical source 中使用 $...$ 與 $$...$$，完成語法與語義驗證後再修訂版本。本文所有示例均屬概念性示例，沒有假冒為已完成的商業或田野測試。