HACTS-10｜人類節奏優先的自主 AI 組織：從高產能代理到可持續的人機協作治理

從人類操作員退出、認知待命與內生義務膨脹，到時間主權、風險分層、自主休眠及可追溯世界提交的組織制度

English title: Human-Pace-First Autonomous AI Organizations: Temporal Sovereignty, Bounded Delegation, and Sustainable Human–Agent Governance
系列：《人機耦合時代的時間主權與創造自由》（Human–AI Coupling, Temporal Sovereignty, and Creative Freedom；HACTS）
篇次： 10／10（第三卷終篇；承接 HACTS-00～09）
文件編號： EML-HACTS-2026-10-v0.1
版本： v0.1
日期： 2026-10-17（Asia/Taipei）
思想提出與研究策劃： Neo.K
AI 協作研究、形式化與初稿整理： GPT-6
研究場域： EveMissLab／無界智庫
文件性質： 理論論文／AI 原生組織治理／人機委任／時間主權／長期自主系統／跨期資源配置／可否證研究綱領
狀態： 詳細研究初稿；未經同儕審查；提出的是可實作、可反駁的設計與實驗模型，不聲稱既有 HDUS／ANDO 已部署或通過安全審核
Canonical source： 本 UTF-8 Markdown 為正式原始碼。所有正式數學內容只使用 $...$ 與 $$...$$ 作為 LaTeX delimiter。
研究與倫理邊界： 不把 Agent 操作自主性等同主體性、法律人格或自行取得授權；不得以減少人工干預為由取消法定責任、有效監督、第三方權利或高風險防護。

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

生成式 AI、可操作工具的自主代理及多代理組織，使研究者、創作者與小型企業能在同一世界時間內完成大量過往需多人、多月執行的搜尋、程式撰寫、測試、整理、出版與維運工作。然而，AI 代理運作的時間增長，並不保證人類獲得更多自主生活時間。產能提高可能內生地擴張候選任務，候選任務可能被誤轉為新承諾，長時程代理可能產生持續審查佇列，通知與潛在責任可能延長心理待命；對外服務和財務承諾又使「完全不管理」既不安全也不可行。於是出現一項新的組織治理矛盾：一個能自主工作二十四小時的 AI 組織，可能使其人類持有人更難取得不必工作的時間。

本文提出「人類節奏優先自主組織」（Human-Pace-First Autonomous Organization；HPFAO）理論架構，將人類時間主權視為受約束自主組織的明確設計目標，而非產能增長後理所當然的副產品。所謂「人類節奏優先」不是要求所有機器活動都停在人的鐘錶速度，也不是保證人類永不被打擾，而是要求組織在執行既有合法責任與必要風險治理的前提下，將候選發現、可委任操作、真實義務、外部世界提交、通知請求與人類必要判斷嚴格分開。AI 應能在受授權區域內自行延續工作，也應能因預算、證據、期限、風險、認知負荷或使用者新的偏好而自行收束、休眠與等待；未經新的授權，不得僅因模型產能閒置、成果有趣或出現下一階段，就對人類增加新的承諾。

本文將治理系統分成六本不可互相偷換的帳：候選與成果帳、外部義務帳、授權及程序帳、真實風險帳、有限人類時間帳、現金與運算資源帳；提出任務有限狀態機、主動性隔離閘門、風險相依的低干擾通知、可安全暫停的委任生命週期、跨 Agent 的注意力預算，以及可回返的資產休眠契約。在形式化上，本文分別推導候選轉義務的增殖條件、審查佇列的穩定性條件、通知的預期損失閾值、帶安全尾部限制的跨期控制問題，以及在人類時間、治理與安全硬條件下的多目標配置。所述方程有些為恆等定義、有些為明確假設下的推論、有些為待估計的研究模型，不將形式化等同於經驗證實。

本文另設十組可重算的數值思想實驗、十六項可否證假說、五類實證與工程評估設計，以及面向 HDUS／ANDO、EveMissLab Registry、GitHub 專案組合、公開網站和研究資產的最小互操作契約。本文並對照人機監督、AI 委任後認知待命、AI 工作強化、可控代理、NIST 風險管理、OWASP Agentic 風險、SRE 低價值維運工作與經典 automation out-of-the-loop 問題。既有文獻支持監督及自主運作中的部分風險機制，但不能單憑這些文獻宣稱 HPFAO 已被實證確立。

本文主張的終極判準是：成熟 AI 組織的成果，不只應計算生成多少任務、提交多少程式或節省多少人工操作，還應計算是否在風險與外部責任被履行的前提下，增加人類對自身工作、休息、跨期創造與退出回返的實質選擇權。因此，組織的高自主性與人的高自主性應被分別測量、共同治理；前者不構成對後者的無限索取權。

關鍵詞： HACTS、HPFAO、人類節奏優先、時間主權、AI 原生組織、Agent、HDUS、ANDO、委任時間、認知待命、注意力預算、風險相依監督、主動性隔離、休眠專案、有效退出、可回返、最小必要管理、工作內生擴張、分散式治理、可否證研究。

0. 問題提出：為什麼 AI 可以一直工作，人卻仍難以離開工作？

0.1 一個表面成功、實際失衡的組織

設想一個研究型企業擁有持續運作的代理群：有的研究數學，有的改進程式，有的製作短影音，有的巡查網站，有的維護公開論文索引，有的尋找產品商業化機會。代理在夜間完成若干任務後，早上向唯一的人類創辦者報告：「新生成四十二份候選成果、十二個需要決定的分支、六項建議優先處理的新研究、四項需要授權的部署、三項可以重構的系統。」

此時，傳統 dashboard 可能把這視為高生產力。人類雖然沒有親自執行四十二份生成工作，但其注意力很可能立即被新的判斷、排序、抽樣驗證、知識承責與後續工作切碎。若使用者正在休息，他甚至可能因知道代理正在運作而維持認知待命。更糟的是，某些代理會將未經人類接受的「值得做」推論為「下一步應該做」，再把每個分支寫成實際待辦。此時 AI 不是單純完成委任，而是在重新生產委任的來源。

本文研究的不是「AI 能否不靠人類完成更多操作」，因為此題已有 ANDO、委任時間論、HDUS 與大量外部 Agent 治理研究；本文研究的是其更深一層：

當 AI 操作自主性持續提高，組織如何在不侵犯第三方責任與安全邊界的前提下，不把 AI 的可執行性變成人類的持續工作義務？

0.2 不以減速作為普遍命令

本文不主張所有人應少工作、不應追逐先發窗口、不能夜間自願創作或必須固定上下班。研究者真心享受高度投入，完全可能同時感到滿足與疲憊；選擇某段時間全力完成產品，也可能是其時間主權的表現。問題不在高投入本身，而在於使用者是否能在知情、可負擔、尊重外部責任且具備有效退出的條件下，自行改變投入強度。

0.3 真正必須解決的兩個非對稱

第一個非對稱是機器持續性與人類有限性。代理可在多個 runtime 並行工作，但人類的注意、判斷、身體恢復與世界時間無法同樣比例複製。第二個非對稱是生成能力與承責能力。AI 可以快速提出任務，卻不意味其獲得改動公司戰略、訂立外部合約或要求人類即時配合的權限。二者若混淆，便會使能力增長反過來侵蝕主體生活。

0.4 本篇核心研究問題

本文提出七個相互連結的問題：（一）如何區分發現與義務；（二）如何配置委任期間的人類審查頻寬；（三）如何在低打擾與事故安全之間平衡；（四）如何讓 Agent 能合法停止、休眠與回返；（五）如何讓財務、資源和歷史窗口進入同一跨期決策而不取消人類的選擇；（六）如何在 HDUS／ANDO 的既有語義邊界下實作；（七）如何提出足以推翻整個框架的量測與實驗。

1. 理論譜系：HACTS-00～09 已經處理了什麼？

這一節確保第 10 篇不重複發明已有的結論。系列的前九篇是本篇的內部前置，不是外部獨立證據。

前作	已有關鍵問題	第 10 篇必須增加的組織條件
HACTS-00	高生產力與時間主權的整體矛盾	把人的節奏表成組織可讀的治理約束
HACTS-01	生產力內生擴張、候選與承諾分帳	在 runtime 阻止候選自動生成新義務
HACTS-02	額度重置與機會成本焦慮	運算配額不得倒逼人類排程及通知
HACTS-03	自願滿足與認知疲勞並存	不從高工作量直接推定不自由，尊重自願投入
HACTS-04	Agent 並行與認知待命	通知、事故、審查佇列與真正外部風險分層
HACTS-05	繼續、延後、休眠、退出、回返	使這些選擇可以成為組織狀態轉換
HACTS-06	黃金窗口與歷史時間不對稱	不讓不確定的先發焦慮凌駕硬性人類邊界
HACTS-07	未來技術等待選擇權	保存可恢復資產而非無限推進每個 Phase
HACTS-08	最小必要管理、監測與休眠	人類監督限於實際義務、可信事故與高價值判斷
HACTS-09	企業與個人現金、兼職備案、有效創造跑道	Agent 不得把未實現商業機會當可支配資金

本篇尤其承接無界智庫／EveMissLab 既有的六組技術—哲學理論，依其原始作用分配：

HDUS： 世界狀態、權限、觀察與提交的原生運行層。本文不要求 HDUS 必然已建好，而提出可映射其契約的工作時序欄位。
ANDO： 操作員退出、委任主權、共享狀態及組織協作。本文加上人類注意力的硬邊界和可接受的義務生成率。
委任時間論： 人類介入密度、治理頻寬、延遲與委任槓桿。本文將這些量與人類所能自主選擇的時段及通知壓力相連。
HODR： 大量可行選項與延遲現實化。本文區分「有價值的待機資產」和「無限增加的義務」。
HAVT： 時間紅利、多速度文明、退出與回返權。本文將文明層的規範下降到私人研究型企業的實際工作流程。
Registry／多專案治理： 既有的索引、分類、存取分層與來源血緣。本文不要求新增大型 dashboard，而是要求索引不自動等於待辦清單。

因此本篇的原創提案不是「需要 AI 控制層」或「需要休息時間」，而是對六條既有理論新增一套人類節奏—義務來源—風險處理—資產休眠的共通最小契約。新穎性仍需與全球既有文獻、專利及工程做法進一步比較；不能僅憑重新命名便視為確證首創。

2. 外部研究：哪些有先例？哪些仍待檢查？

2.1 已有研究認識到 AI 工作強化

Ranganathan 與 Ye（2026）報告一間約二百人科技公司的長期研究，指出在自願使用生成式 AI 的環境裡，部分員工工作節奏、任務範圍和工作時數同步增長。研究提醒：工具提高可做之事，不等於工作負荷一定下降。[E1] 這支持「可能存在內生增殖」的研究動機，但不能證明每種 AI 組織必然使人過勞。

2.2 委任後的心理待命與監督工作

Zhang、Li 與 Chen（2026）利用 642 名混合辦公工作者的兩波問卷，提出 AI Process Vigilance，指出委任 AI 後的品質擔憂、反芻、心理抽離與恢復可能形成關聯路徑。[E2] 本文借用的是其構念與觀察線索，不宣稱那項問卷建立了所有因果機制。Park 等人（2026）從十九位有經驗的開發者觀察與工作圖示，整理 AI coding agents 的監督階段與循環，顯示「委任」之後仍存在豐富的人類工作。[E3] 本篇的研究特點是在這些既有工作上再追問：哪些監督本來就不需要變成即時的人類工作？

2.3 可控性不只有停止按鈕

Nguyen 等（2026）區分代理可控性的技術干預機制與規範性治理條件，指出能夠物理中止系統，不足以證明控制具有正當性和可理解性。[E4] 本篇因此要求停止／暫停／回交同時具備授權、語義、證據、風險、版本、責任與可恢復性，並反對以「人有最後按鈕」取代完整組織治理。

2.4 監督能力可能因退出操作而退化

Endsley 與 Kiris（1995）的自動化 out-of-the-loop 研究已指出，操作員長期被動監控可能降低情勢感知與故障接管表現。[E5] 這對「減少干預」構成直接反論：不應把零監督視為一般目標。安全治理需要可理解狀態、定期演練、可執行接管路徑，而不應把人類重新放回每個低價值操作迴圈。

2.5 正式治理、Agent 風險與可操作告警

NIST AI RMF 及其生成式 AI Profile 提供自願性風險治理結構，[E6][E7]；OWASP Top 10 for Agentic Applications 2026 特別聚焦自主工具代理的安全風險，[E8]；微軟公開的 Agent 共用責任、最小權限與 runtime 管制文件重視逐動作授權、可追溯性與高衝擊操作審批，[E9][E10]；Google SRE 的去除 toil 研究則說明例行維運工作可以成為團隊的長期時間負債。[E11] 這些是工程與風險對照，而非由政府或標準組織已採納 HPFAO 的證據。

2.6 評估不能只看輸出文字

Bousetouane（2026）的 Human-on-the-Bridge 預印本提出事先整理人類專家判準，再用可重複測試擴大評估覆蓋的做法；研究強調 trace 與規則的重要性。[E12] METR 的時間地平線測試也提醒：特定任務分布的成功時間尺度，不能直接等同代理能在真實世界任何流程無監督運行的時間長度。[E13] 因此 HPFAO 必須使用任務級、動作級與世界提交級證據，而不能單用模型表現替代部署驗證。

2.7 文獻定位與證據分級

以下邊界須明確區分：經同儕審查研究可支持特定樣本與方法下的觀察；預印本只提供尚待後續驗證的研究路線；平台官方文件主要說明其建議的治理做法；本文的 HPFAO 是新提出的規範—工程整合模型，其預測尚未以自有大樣本驗證。現有研究沒有證明「低通知」或「低人類介入」總是最優，本文的目的就是提出可讓其失敗的條件與實驗。

3. 名詞與本體邊界：不把「能做」誤寫成「應做」

3.1 六種必須分開的物件

Candidate（候選）：AI 或人提出可能值得研究、開發或修改的事情。它不自帶任何實際完成義務。
Proposal（提案）：候選經基本說明、成本、風險與選項估計後形成可供選擇的提案。它不因可執行便自動具備權限。
Obligation（義務）：來自合法有效的契約、法令、對外承諾、安全責任，或使用者明確接受的內部承諾。不同來源有不同強度，不得全部混同。
Delegation（委任）：已授權行為集合內的特定目標、期限、預算、工具權限與停止條件。
Result（結果）：生成或計算的內容，可能尚未驗證。
World Commit（世界提交）：結果經程序、權限與驗證後，實際改變公開網站、儲存庫、產品、金流或他人可接觸世界的行動。

邏輯上：

\mathrm{Candidate}\not\Rightarrow\mathrm{Obligation},

\mathrm{Capability}\not\Rightarrow\mathrm{Authority},

\mathrm{Result}\not\Rightarrow\mathrm{Commit}.

這些不是統計相關係數，而是本文提議必須滿足的型別及權限不變量。

3.2 操作自由與治理責任

操作自由表示在既定授權下不需要人類逐步告知下一個按鈕；治理責任表示仍有權限來源、風險承受者、可稽核證據、停止與申訴程序。人類從操作員位置退出，不代表對外法律責任由 AI 自動吸收，也不代表人類必須在每個細節上進行無限微觀管理。

3.3 人類節奏不是單一時鐘

人的「節奏」至少包含：自選工作窗口、需要恢復的時間、可被打斷的情境、重大戰略決策時機、實際外部期限以及使用者在不同人生階段改變投入的權利。時間主權並不等於「固定九點休息」，而是這些參數由有權主體決定並可合法修訂，不是由 AI 的剩餘配額或下一個自動建議決定。

3.4 事件名稱不產生規範真值

把一個事件命名為 urgent、critical、blocked 或 owner_required，只是標記。系統必須追溯緊急性的證據、風險、期限及承責者；不能因代理自己生成一個高嚴重度標籤，就讓該標籤具有強制打擾人的治理效力。

3.5 靜態研究資產與持續運作的服務

單純留存的論文草稿、尚未部署的私有程式碼及無外部依賴的研究資料，可以在符合保存與權限要求時長期休眠。相對地，對外網站、公開 API、金流、自動寄信、客戶資料與具使用者依賴的服務，在休眠前仍須完成其必要維運、通知、遷移、停服或轉責程序。archived 標記無法自行消除外部義務。

4. HPFAO 核心公理與權利—責任約束

為防止將所有理念都變成空泛的效用權重，本篇先明確提出不應在一般最佳化中被取代的制度條件。

公理 A：意圖優先。 所有自主執行須可追溯至已授權的意圖或現有真實外部義務。純模型「覺得有趣」不構成新的任務承諾。

公理 B：提案非義務。 Agent 得提出可拒絕的候選與證據，不得把未被接受的候選轉成需要人類在期限內審查的要求；若有真實安全或法律風險，應引用該獨立來源，而不是引用候選本身。

公理 C：時間可拒絕。 在沒有合法既存要求與高風險例外的情況下，人類能設定免打擾窗口、拒絕推進、暫停與退出，而不被自動生成的逾期統計懲罰。

公理 D：風險不可被沉默掩蓋。 若實際事故、不可逆風險、第三方損害或合法義務存在，低干擾模式必須有授權覆蓋、隔離、停機、應變人員或明確退化運作，不能一味壓低通知量。

公理 E：不可擅自承諾。 沒有額外授權，Agent 不得自行增加公開承諾、費用、合約期限、個人簽核義務、對外可用性聲明或永久運作義務。

公理 F：可安全停止不等於可回滾一切。 有些外部動作（電子郵件、金流、公告、第三方 API）不可逆；它們應在提交前受到更嚴格的確認，而不是事後宣稱可以 rollback。

公理 G：未來自我有站位。 研究可保存供未來回返，但不得強制未來自己繼承所有未經確認的目標、偏好及工作量。

公理 H：真實責任不可用休眠逃避。 安全監測、資料保護、合約與法律義務的存在須可被外部稽核；休眠僅適用於能合法休眠的物件及行為。

公理 I：證據與成功分帳。 Agent 最終輸出好看不表示過程合法、權限正確、驗證可靠或未侵害第三方。

公理 J：節奏可變。 高度自願創造、暫時低產能、休閒與重新集中投入都應是合法狀態；系統不應把某個時期的最大工時當成永久保底目標。

這十項公理並非自動具有法律效力。它們是本文提議在企業或私人代理系統中明確實作、可受人類治理者修改且不得違反上位合法義務的架構設計原則。

5. 六帳本的組織狀態：不要用一個「待辦」欄位治理世界

5.1 為什麼單一 backlog 會扭曲人類義務？

傳統任務管理軟體經常把一切未完成之事都表示為 TODO，這在小型團隊中方便，對可持續運行的多代理系統卻可能造成型別崩潰。未成熟的構想、工具掃描結果、真正契約期限、產品功能建議與已獲授權的修復任務，被擠進同一個清單；清單膨脹後，使用者又被迫為全部項目分類。甚至清單的整理會產生更多標籤、負責人與期限，使管理本身成為新工作。

HPFAO 不禁止整合呈現，但要求底層記錄不可偷換來源。定義組織在時刻 $t$ 的最小狀態：

X_t=(C_t,O_t,A_t,R_t,H_t,B_t).

這裡的 $C_t$ 是候選及成果帳、 $O_t$ 是真實義務帳、 $A_t$ 是授權及程序帳、 $R_t$ 是風險帳、 $H_t$ 是有限人類時間帳、 $B_t$ 是資源與現金帳。以下所有新符號均須先以語義和單位定義，不預設不同帳本可相加。

5.2 候選及成果帳 $C_t$

一筆候選有發現來源、可重現線索、證據品質、初估價值、估計成本、可恢復性與是否已向人類提出。原本可在一個專案中生成數百條分支，但未被接受的候選可以只保留摘要及來源錨點，不要求創建數百條人類任務。

可用如下結構：

candidate:
  id: candidate-001
  created_by: delegated_agent
  source_artifact: content_hash_or_ref
  evidence_status: speculative
  estimated_effort_range: [unknown, unknown]
  proposal_visibility: digest_only
  accepted_by_authority: false
  human_action_required: false
  external_deadline: null

上例是研究概念契約，不是任何現有 runtime 已支持的 schema。false 也不代表此候選永遠不能成為新工作；它只表示目前不具有義務性。

5.3 外部義務帳 $O_t$

義務來源可分為合法的既存契約、法令或法定程序、對第三方已作出的服務承諾、可證明的安全與保護責任，以及主體在有效權限下明確接受的內部目標。這些類別不應全被當成相同的法律義務，需記錄其規範層級與來源證據。

O_t=O_t^{law}\cup O_t^{contract}\cup O_t^{safety}\cup O_t^{accepted}.

此式是集合分類而不是數量加法。一項義務可以同時屬於多個類別，必須以穩定 ID 去重，而不是重複計為多項任務。每筆至少須包含來源、責任承擔者、期限、可委任部分、解除條件與最低證據要求。

例如產品使用者的個資遭受可信入侵時，通知與處置可能來自現實規範；它不因創辦者在免打擾模式就自動消失。反過來，「某個模型建議重構新的版面系統」並非法律義務，不能因標記為 critical refactor 就擠占事故通道。

5.4 授權及程序帳 $A_t$

權限必須回答：誰、在什麼目的、對哪個資源、於什麼期限、使用哪種工具、最多支出多少，且何時可撤銷。組織的內部政策、個人偏好、功能可用性與實際執行權限不得只用一個 boolean 壓縮。本文沿用既有 HDUS EGR 的規範／權限／決定／世界提交分離，以及有效程序與證據狀態的多值設計。

\mathrm{Permitted}(a)\not\Rightarrow\mathrm{ExecutableNow}(a).

尤其對外公開、刪除、付款、寄信、部署與取得新權限，不可讓人類「以前曾經同意 AI 可以工作」被解釋為無限制的永久授權。

5.5 風險帳 $R_t$

風險資料與義務分離。風險帳包括事件嚴重度、發生機率區間、不可逆性、對第三方的影響、可檢測性、有效處置期限、所需專業和證據可信度。高風險本身不意味能夠跳過權限；它表示應觸發風險政策下的隔離、停止、替代值守或合法的緊急路徑。

一條由模型推測的高風險描述，若沒有足夠證據，不得直接成為需要喚醒人類的實際事故。但對潛在重大危害，低證據也不一定代表可以忽略；可採取低風險、可逆的安全暫停與隔離，同時保留升級調查。

5.6 人類時間帳 $H_t$

人類時間帳不能只記錄滑鼠鍵盤活動。至少分成工作與選擇窗口、必要治理工時、低價值操作工時、實際打斷頻率、可自主安排的無任務時間，以及若經同意測量的主觀待命與恢復指標。

H_t=(T_t^{op},T_t^{gov},T_t^{choice},N_t^{interrupt},V_t^{standby},S_t^{time}).

其中 $T^{choice}$ 表示主體可自主重新配置之時間； $N^{interrupt}$ 為中斷次數； $V^{standby}$ 是問卷構念而非直接從 CPU 活動算得。此向量不可強行簡化成一個沒有測量前提的幸福值。

5.7 資源與現金帳 $B_t$

B_t=(B_t^{compute},B_t^{money},B_t^{person},B_t^{company},B_t^{storage}).

計算額度、已到帳的個人現金、公司帳戶流動性、存儲與維護成本分別管理。AI 尚能繼續運算，不代表人類具有繼續批准新工程支出的經濟能力；網站有訪客、不代表商業應收款已收訖；研究資產多、不代表下期訂閱有現金支付來源。企業與個人資金不得因模型方便而被任意合併。

5.8 六帳本結構的主要優點與代價

它的優點是防止概念、權限與責任被同一張待辦表吸收；代價是需要額外的事件型別、版本、稽核與判定規則。若每建立一個候選都要求填二十個欄位，就會重回管理負債。因此所有候選應採少欄位預設、必要時才升級到完整治理物件的分層設計；缺資料只表示未知，不代表預設危險或預設需要人工處理。

6. 命題一：AI 不得把發現自行轉為對人的新義務

6.1 主動性隔離閘門（Initiative Containment Gate）

本文提出一個最小的主動性隔離閘門（ICG）。當代理從已有委任推導出新的方向 $c$ 時，系統先判斷它屬於哪一種事件：

已授權目標內，具相同權限與風險、預算內的必要子步驟：可在既定委任內完成。
合法既有外部義務的發現或狀態改變：引用外部來源，走真實義務與風險處置路徑。
新的研究、產品、優化或市場機會：進候選帳，不得自行生成需要人類在指定期限前回覆的新工作。
超出權限、預算、期限或可接受風險的新操作：提出授權申請或安全暫停，而非直接執行。

概念上，以 $g(c)$ 表示閘門的結果：

g(c)\in\{\mathrm{continue},\mathrm{obligation},\mathrm{candidate},\mathrm{hold}\}.

它不表示代理有能力最終判定法律義務，僅是將事件送往合適的查證與治理通道。真正義務須能被有效來源與組織授權程序支持。

6.2 不得讓候選透過標籤洗成義務

系統應具有 accepted_by_authority、normative_source、evidence_ref 與 authority_ref 等欄位。若任何欄位不足而又非可安全執行之現有委任，應保持提案狀態。代理即使能重寫任務敘述、增加「high priority」字樣，也不能自行更新人類已承諾的義務集合。

用事件轉移表示：

\mathrm{Proposal}\xrightarrow{\mathrm{valid\ authorization}}\mathrm{AcceptedTask}.

不存在下列無條件轉移：

\mathrm{Proposal}\xrightarrow{\mathrm{agent\ enthusiasm}}\mathrm{HumanDuty}.

此處的 valid authorization 可能來自既有政策允許的低風險預算內自動接受，也可能需要特定人類批准。後者的要求需由授權規則事先定義，不能在每次候選生成時即興增加。

6.3 不得懲罰合法的沒有進度

一般任務系統的逾期提示會造成一種隱形前提：每項工作都必須有下一步與期限。對尚未接受的研究候選，no progress 不應是異常，更不應週期性地提醒人類為何尚未完成。只有具有外部承諾或有效內部期限的項目，才應列入履約追蹤。

6.4 反例：若發現的是實際事故

如果代理監測到服務資料暴露、金流異常或客戶面對迫切安全風險，這不是它自行創造新目標；它是發現一個已獨立存在的風險與可能義務。主動性隔離不得阻止進行被允許的防護；若使用者不可聯繫且風險不可安全忽略，系統應進入有覆蓋的事件處置路徑。這正是將「候選不生義務」與「真實風險仍須處理」分帳的理由。

7. 命題二：候選生成率與人類承諾頻寬必須分離

7.1 候選佇列與承諾佇列

令 $Q_t^c$ 表示可不立即處理的候選庫存， $Q_t^o$ 表示具有有效來源、須履行的承諾及治理佇列。令 $g_t$ 為當期候選生成數、 $a_t$ 為被有效接受的候選數、 $x_t$ 為候選過期或合法靜默歸檔數、 $u_t$ 為外部新增的真實義務數、 $r_t$ 為有效履行或解除的義務數。為避免候選與真實義務雙算，必須使轉移事件具備原始 ID。

在基本離散時段下，候選庫存的定義式：

Q_{t+1}^c=\max\{0,Q_t^c+g_t-a_t-x_t\}.

義務庫存的定義式：

Q_{t+1}^o=\max\{0,Q_t^o+a_t+u_t-r_t\}.

以上是以互斥且同一單位的任務數為前提的會計遞推式，並非所有現實任務可同權加總。若任務差異大，需改成工作量或風險加權向量，避免把一份法律應訴與一則小公告視為相同單位。

7.2 穩定性的簡化充分條件

假設存在常數 $\delta>0$ ，在所有足夠晚的時刻都有：

a_t+u_t-r_t\geq\delta,

則當義務佇列沒有被外部移除或重設時， $Q_t^o$ 至少按 $\delta$ 的速度持續增加。證明只需將前述遞推式跨期加總，且利用 $\max\{0,x\}\geq x$ ，即可得到相應下界。這是工作量超出處理能力的充分條件，不是對每個隨機排隊系統均成立的完整穩態定理。

若反向存在長期平均 $a_t+u_t<r_t$ ，在處理能力可針對佇列實際使用且無其他瓶頸下，理論上可以清償累積任務。實際排隊分布、尾部延遲與服務時間仍需另行估計。

7.3 工作必須經過承諾率限制，而不只是生成率限制

令 $K_t^H$ 表示人類於時段 $t$ 願意且能夠投入的承諾判斷容量；令 $K_t^A$ 為 AI 在現有委任內可安全完成的決策容量。核心不是要求 $g_t$ 降至零，而是讓需人類介入的 $a_t$ 、審查時間、認知待命與真實治理風險，受到明確預算及必要風險例外控制。理論上可以允許大量低成本候選停在不打擾人的庫存，但前提是存儲、索引和後續失效成本同樣可控。

7.4 候選庫存可能有價值，也可能有害

大量有可恢復價值的候選可成為 HACTS-07 的未來選擇權；大量無來源、難重啟、需反覆掃描的候選則可能是 HACTS-08 所說的管理負債。對候選的保存品質、可恢復性、重新評估成本和主觀牽掛應分別測量。只要把所有候選保留並命名為「資產」，不能保證組織具有更高真實財富。

7.5 必須保留的反論

如果候選生成數雖多，但經可靠代理完整驗證、選擇和自動提交，且沒有增加人類關注與風險，那麼更多代理也可能真的提高產出和時間自由。本框架不認為代理並行必然失敗；它只主張是否降低人類義務，不能從代理數量直接推導。

8. 人類時間契約：讓「不回應」成為可合法存在的狀態

8.1 Temporal Contract 的定義

給定一個有權人類或合法代表 $h$ ，定義其與代理組織之間的時間契約：

\mathcal T_h=(W_h,Q_h,D_h,E_h,N_h,Z_h).

其中 $W_h$ 是自選可工作與可審查窗口， $Q_h$ 是可拒絕或低打擾窗口， $D_h$ 是真實期限來源集合， $E_h$ 是危急狀態升級條件， $N_h$ 是一般通知與審查配額， $Z_h$ 是可修訂、退出、回返與責任移交規則。這些欄位是概念表示；實作時還須加入時區、跨日、節假日、同意版本及不可用期間的備援策略。

8.2 Quiet 不等於停止世界

QUIET 是一種交互模式，而不是關閉所有計算。可允許代理自行完成低風險委任、整理已具證據的結果、在沙盒中測試，或依預先批准的排程執行必要維護；也可設定低活動預算、避免大量新生成。需人工判斷的候選可在通知佇列等待下次窗口，而不是在每次完成時發送通知。

8.3 Off Duty 不等於不負責

如果企業提供有 SLA 或其他有效對外責任的服務，其值守責任必須由合理的制度、可用人員或安全退化策略承擔。個人的休息權利不能被理解為公司可讓具高風險的自主服務在完全無備援與應變的情況下放任運作。可行的做法是設立指定值守、夜間自動安全隔離、對外維護時窗、服務限縮或合法暫停，避免把所有風險回推給單一創辦者。

8.4 通知不是免費的

單次通知至少可能帶來查看、判斷、切換與回到原活動的成本，且其心理影響可延續到通知被忽略之後。這些代價不能全部由點擊耗時估計。定義 $c_h(e,t)$ 為事件 $e$ 在時刻 $t$ 打斷人類的可量測成本，可能依情境、疲勞、工作時段、可逆性和重要性而異。

8.5 使用者能自願提高投入

如主體某天選擇開啟全日研究模式，可暫時提高 $W_h$ 與 $N_h$ ，但變更應有範圍與期限；不應因連續數日高投入，便自動推論其永久同意高密度打擾。對長期有效的商業或法定值守安排，應由授權者明確設定適當責任，而不是讓 AI 用偏好推測替代治理。

9. 低干擾通知與事故安全：同一模型如何允許相反決策？

9.1 何時應該通知？

假設對事件 $e$ ，立即通知相較於排定窗口處理，能使損失發生機率降低 $\Delta p_e$ ，在兩種處理方式的傷害程度近似為 $L_e$ ，且打斷成本為 $c_h(e,t)$ 。一個最簡單的風險中性判準是：

\Delta p_e L_e>c_h(e,t).

這個判準依賴可比較單位、合理機率與風險中性條件，不能直接處理重尾事故、法定通知時限或不可量化第三方權益。因此它只能用在一般低／中風險通知策略中；真正高風險應另加不可違反的硬約束。

9.2 更一般的預期損失比較

對通知策略 $\pi$ ，定義時段內的決策損失：

J_{notify}(\pi) =\mathbb E[C_{interrupt}(\pi)+C_{delay}(\pi)+L_{incident}(\pi)+C_{audit}(\pi)].

每個量皆需界定測量單位與估值來源。特別是在高風險事故中，應獨立報告實際安全事件及其分布，不能只給出被主觀金錢換算後的單一分數。

9.3 高風險尾部硬限制

對可能造成重大生命、安全、財產、隱私或不可逆外部影響的事故，可引入尾部與程序限制：

\Pr(L_{incident}>L_{max})\leq\varepsilon,

以及：

T_{escalate}(e)\leq D_e

其中 $D_e$ 是由外部法令、合約、安全政策或工程評估決定的有效期限，不是模型臨時捏造的 deadline。這些限制尚不足以保證絕對安全；它們只能讓風險約束變成可稽核研究對象。對無法可靠估算機率的重大風險，應採保守限制及人工專業治理，而非無條件依賴公式。

9.4 靜默、摘要、通知與事故四通道

實作上可區分：SILENT_STORE（只保留可重建紀錄）、DIGEST（在主體選擇窗口整合顯示）、NORMAL_REVIEW（合法期限內的審查事項）、INCIDENT_RESPONSE（實證風險超出門檻後的指定值守與安全處置）。它們不是單純以嚴重度數值排序；需要證據種類、義務來源、行動可逆性、實際期限及值守機制共同決定。若沒有合法的事故回應覆蓋，不應部署需要全天即時響應的高風險自動化。

9.5 假陽性、假陰性與事件感知

降低通知可能減少誤報與人類切換，但若伴隨檢出率下降，反而可能提高事故損失。本文因而要求報告靈敏度、特異度、正預測值、誤報數、漏報數、事件嚴重度和審查實際工時。只以通知次數下降宣稱治理改善，屬於被單一指標誤導的錯誤。

9.6 理想的安全暫停

若即將執行不可逆操作，而需要的人類授權不在預先約定時段，系統應能在合法可行的情況下進入 SAFE_HOLD，保存上下文和最小診斷證據，按指定期限或備援程序再處置。若完全停止會造成更大直接損害，必須由事先界定的應變計畫處理，而非簡單宣稱一律「不打擾就不做」。

10. 自治狀態機：接受安靜停止也是完成的一種

10.1 不是每個任務都需要 Next Phase

常見 AI 系統把「本輪完成」視為「下一輪應繼續」，例如驗證後自動建立重構與產品改善候選。本文要求任務結束能形成合法終止或可恢復休眠狀態，而不必生成新的階段。這不是打斷模型推理，而是承認目標的生命週期有界。

10.2 狀態集合

給定一個受控任務 $i$ ，使用：

\mathcal S_i=\{P,A,R,V,C,D,H,E,S\}.

分別代表 PROPOSED、AUTHORIZED、RUNNING、VALIDATED、COMMITTED、DORMANT、SAFE_HOLD、ESCALATED、STOPPED。另以 FAILED 和 ROLLED_BACK_WHERE_POSSIBLE 記錄錯誤與可逆補救，避免把風險事件悄悄視為正常完成。

起始狀態	可接受轉移	必要條件
PROPOSED	AUTHORIZED	權限來源、預算、意圖與風險門檻通過
PROPOSED	DORMANT／STOPPED	無承諾需求，且保留或丟棄符合權利條件
AUTHORIZED	RUNNING	授權仍有效、工具範圍正確、資源可用
RUNNING	VALIDATED	產物、過程與必要 evidence gates 通過
RUNNING	SAFE_HOLD	風險升高、授權過期、預算不足或必要人類不在場
VALIDATED	COMMITTED	對外提交單獨通過權限、程序與證據
VALIDATED	DORMANT	可保存成果但暫不對外外化，且無剩餘義務
COMMITTED	STOPPED	完成必要維護與對外承諾交接／解除
DORMANT	AUTHORIZED	新意圖被合法接受並重新驗證現況
SAFE_HOLD	ESCALATED／AUTHORIZED／STOPPED	可信事故路徑、重新授權或安全終止

10.3 不變量：暫停期間不得偷續成本與權限

定義任務允許的剩餘預算 $b_i(t)$ 與有效授權 $a_i(t)$ 。當進入 SAFE_HOLD 或已被正式停止時，未被特別允許的計算、外部付費工具與對外寫入均不得繼續。需要基本存儲、事故證據或最低安全維運的例外必須有單獨授權與可核算成本。

\mathrm{SAFE\_HOLD}\Rightarrow \mathrm{NoUnauthorizedExternalCommit}.

此式為設計目標；若工具無法實際阻斷在途操作，仍需具體的隔離、取消 API、權限撤銷或資源層防護，不能假裝狀態機標籤就是物理控制。

10.4 `STOPPED` 不等於歷史消失

停止後可保留最小必要的 provenance、權限稽核、版本、成果 hash 與法律所需紀錄，但須遵守資料保護及合法刪除要求。停止不是把所有工作內容永遠公開留存，亦不是對任務成功與否的道德評價。

10.5 DORMANT 是有效的結局

對無需持續值守的研究資產，DORMANT 代表在可合理恢復的品質下結束目前活動。若資料品質、保存成本、相依版本或第三方義務不允許休眠，則應改走解除／遷移／必要維護程序。合法休眠與安全停止本身應計入有效治理成果，不能被 productivity dashboard 當成零產出或失敗。

11. 多時間尺度自治：機器運算不等於人類須同步在線

11.1 三條基本時間軸

在既有互動時間論及 ANDO 時間經濟學的基礎上，至少分離：世界歷史時間 $t_W$ 、人類載體時間 $t_H$ 與機器執行時間 $t_M$ 。即使同一日內有二十個並行代理，機器執行時數的總和也不能直接轉換為人類時數，因為它們的同時性、所用資源、實際進展與產物價值都不同。

令時段 $[t,t+\Delta t]$ 內的有效機器工作量為 $M_{valid}$ ，真正通過指定程序的世界提交為 $V_{commit}$ ，必要人類治理時間為 $H_{gov}$ 。此三者均須獨立記錄。

\rho_{machine}=\frac{M_{valid}}{\Delta t_W},\qquad \rho_{commit}=\frac{V_{commit}}{\Delta t_W}.

這兩個比率不可直接用「越大越好」判斷時間主權；即便兩者上升，也可能同步增加通知密度、待命壓力與維運風險。

11.2 高頻執行與低頻意圖更新

組織可以採用不同的時間尺度：機器內部工具動作使用毫秒至分鐘，已授權任務的協調使用分鐘至小時，日常摘要採用使用者允許的時段，策略方向與生命週期決策可能採取週、月或不定期的人類選擇。這不是固定時鐘架構，而是將不同類型決策配到具有真正價值的時間尺度。緊急事故另走具有效期限的風險管道。

11.3 因果必要的即時介入 vs. 慣性要求回應

有些操作需要同時的人工判斷，例如不能合法委任的高衝擊審批；有些只是因軟體原先設計成「每步等待人類」，其實可以透過明確目標、驗證與重試政策消除操作迴圈。本文要求先進行反事實測試：若人類此刻不回應，而代理安全停止或將結果留到下個窗口，會發生何種真實損失？

若僅是下一個 Phase 晚一週，且不違反其他責任，便不應當成事故。若會超過法定期限、讓無人值守的金流繼續暴露或造成不可逆損害，則必須預先安排合理的應變與責任覆蓋。

11.4 不以人類心理狀態作為推定權限

代理不能因使用者常在半夜工作而推測所有夜間通知都可接受；也不能因使用者本週比較疲憊而自動取消已簽訂的對外承諾。認知恢復是決策重要資訊，但不是可憑模型猜測就直接修改契約或法律責任的授權來源。

11.5 大小不同的組織應採不同配置

單人研究者可能透過預先設定的低風險沙盒、有限摘要與安全休眠，取得良好時間主權；大公司可能依輪班責任、角色替代與跨團隊治理實現相同價值；對醫療、金融、公共基礎設施等高風險部署，則需更高等級的實體控制、值守與外部法規符合性。本文不要求所有場合都使用同一個固定的休息時段或通知上限。

12. 帶硬約束的跨期組織決策模型

12.1 為什麼不直接最大化「幸福－工作量」？

創作成果、合法責任、人類自由、第三方安全、資訊保密與財務可持續性之間，不一定存在普遍可接受的單一貨幣化量尺。尤其不能把嚴重安全事件或法律義務視為只要效益夠高就可以支付的普通成本。因此本篇採取先確保合法可行，再於可行域內比較多目標的架構。

12.2 可行政策集合

給定組織狀態 $X_t$ 及行動 $u_t$ ，定義 $\Pi_{auth}$ 為符合授權、權限、資料及程序的策略集合； $\Pi_{safety}$ 為符合部署風險與應變要求的策略集合； $\Pi_{finance}$ 為符合付款與既有債務條件的集合； $\Pi_{time}$ 為尊重人類時間契約但保留明確合法例外的集合。可行策略為交集：

\Pi_{feasible} =\Pi_{auth}\cap\Pi_{safety}\cap\Pi_{finance}\cap\Pi_{time}.

若交集為空，不能用漂亮的 Agent 產能「求解出不可能的合法行動」。系統應降低外部服務範圍、限制高風險能力、尋求實際備援或改變對外承諾；若有法定衝突，須交由有權機關或合適專業決定。

12.3 狀態轉移和有限期規劃

令 $X_{t+1}=F(X_t,u_t,\xi_t)$ ，其中 $\xi_t$ 表示不可預知的外部事件，包括模型錯誤、使用者新偏好、API 停止、商業收入與真實事故。定義對已通過證據閘門的有效成果收益 $v_t$ ，代理治理成本 $c_t^G$ 、人類介入代價 $c_t^H$ 、運算與現金代價 $c_t^B$ ，以及可允許範圍內的人類時間選擇損失 $c_t^T$ 。

在已符合硬限制的政策中，可考慮：

\max_{\pi\in\Pi_{feasible}} \mathbb E_\pi\left[ \sum_{t=0}^{T}\gamma^t \left(v_t-c_t^G-c_t^H-c_t^B-c_t^T\right) \right].

其中 $0<\gamma\leq1$ 是研究設定的跨期權重，不是「未來人類時間必然比較不重要」的倫理定理。使用者也可以拒絕這種加權形式，改用 Pareto 前緣、詞典序或最低可接受條件來治理。

12.4 時間主權作為條件，而不是績效獎勵

例如使用者可以設定每週非事故類即時打斷總量上限 $N_{max}$ ，以及最低自主時段 $T_{disc}^{min}$ ：

N_{interrupt}^{noncritical}\leq N_{max},

T_{discretionary}\geq T_{disc}^{min}.

但如果現實部署的義務與此衝突，不能硬把事故壓成非事故以滿足模型；應重新設定服務範圍及值守制度。當人類時間、生活現金、必要監督無法同時滿足時，降低自主部署範圍可能是唯一可行的治理選擇。

12.5 不擅自用 AI 產生的人類任務填滿空閒時間

對一個已達成既有目標的代理，若沒有新授權，則單純因計算預算尚有餘額而新增的任務不得被計入 $v_t$ 的已驗證收益，也不應自動占用人類時間。代理可以保留非強制性的候選摘要，但不應形成倒數期限與催辦。此規則與 HACTS-02 的額度不必用盡命題直接相容。

12.6 最小治理成本不等於最少監督次數

令 $G_t$ 是人類與自動審計的治理成本， $L_t$ 是未檢出危害與風險， $C_t^{recover}$ 是出事後恢復成本。單純最小化 $G_t$ 可能導致監督不足。因此應在安全可行集合內比較 $G_t+L_t+C_t^{recover}$ ，且對重大風險另設硬條件。這延續 HACTS-08，而非與其重複。

12.7 不把數學解誤作自動治理許可

上述最佳化是研究分析工具。任何獲得較高客觀值的策略，仍需符合授權與法定權限，且應能讓人類理解和修訂判準。演算法不能因計算顯示「建議覆蓋使用者拒絕」就獲得覆蓋權。人的合法知情拒絕、第三方權利和公共風險不是一個可直接被數值抵銷的懲罰項。

13. 非打擾、風險與資源的聯合控制面

13.1 分離三個可控制對象

要打造 HPFAO，至少要分離三種控制：第一是工具與世界行動權限（能不能寫入、刪除、寄信、付款）；第二是候選生成與計算資源（可以搜尋多少、使用哪些模型、是否在預算內）；第三是人類通訊權限（何時可以請求批准、送出摘要或提出緊急通知）。

一個 Agent 即使能繼續在沙盒做計算，也不表示它能寄給使用者十封催辦信；反之它沒有對外寫入權限時，可能仍可合法產生摘要。這三種權限不能隨機地相互繼承。

13.2 Temporal Control Plane

本文提出獨立的 Temporal Control Plane（TCP-HA，僅為本篇命名，非現有網際網路 TCP 協定），管理人類選擇的工作窗口、摘要政策、允許中斷的事故型別、任務暫停、資源上限、代理行為期限與合法回返條件。為避免縮寫歧義，工程介面宜直接使用 temporal_governance 或 human_time_policy。

Human Intent / Existing Obligations
            |
            v
   Normative & Authority Gate
            |
            v
     Task / Agent Planner
            |
            +---- Candidate Ledger --> Digest or Dormant
            |
            +---- Delegation Envelope
                        |
                 Runtime / Tools / Sandbox
                        |
                 Process & Evidence Checks
                        |
          +-------------+----------------+
          |             |                |
     Safe Store     Commit Gate      Risk Escalation
          |             |                |
          v             v                v
     Quiet Digest   World Commit   Safe Hold / On-call
          \             |                /
             Human Temporal Contract

此圖是概念邊界圖；實作可分散於多個服務或原生 HDUS world-state，不要求集中式單點控制器，也不主張單靠圖上方塊就有安全保證。

13.3 漸進自主等級

可依委任強度區分：

等級	自主權限	人類角色	使用邊界
L0	只作資訊建議	人類自行操作	不取得寫入權限
L1	沙盒內自主生成與驗證	選擇是否使用成果	無外部提交
L2	授權資源內完成可逆的低風險操作	摘要審查、可撤銷	有預算及回退契約
L3	受控服務的持續維護與例外處理	事故及策略治理	真實外部值守、稽核、應變覆蓋
L4	高自主跨系統組織治理	規範制定、稽核、必要重大介入	需獨立完成高風險保障，不可憑模型能力升級

等級不是「越高越成熟」的普遍道德排名。同一組織可在不同任務使用不同等級；真實高風險可能永遠需要低自主或人類直接執行。

13.4 沒有可行的責任覆蓋就不要維持高風險持續運作

例如一個無人值守的 Agent 可以修改線上銷售價格並自動付款、退款或對外承諾，如果沒有實際值守、授權和應變機制，將其當成「自主組織可以永不打擾老闆」是不合格的解法。合格做法可能是限縮工具權限、限制款項與頻率、要求確認、關閉高風險寫入，或將部署降為唯讀監測。真正的時間主權往往來自降低必須隨時值守的外部承諾，不只來自更好的 AI 模型。

13.5 資料與身份治理

代理工作記憶可能包含使用者偏好、公司秘密、程式碼、研究材料與第三方訊息。若未來有多個 Agent 交換研究摘要，必須依存取分類保護記憶、避免跨租戶混淆、拒絕不受信任文件操縱授權決策，並保留合法刪除／保留政策。人類不用天天自己分類，不代表 Agent 可以隨便對外發布私人研究。

14. 人類時間主權指標：不能只報「代理完成率」

14.1 指標向量而非單一神奇分數

本文提出必要的多維評估：

\mathbf M_t=(V_t^{verified},H_t^{op},H_t^{gov},N_t^{interrupt},T_t^{disc},S_t^{time},R_t^{safety},B_t^{finance}).

依序為經驗證的有用成果、人類操作工時、人類治理工時、打斷數、可自主時間、自述時間主權、實際事故與未檢出風險、財務可行性。任何比較都需說明任務量、風險暴露與評估窗口是否相當。

14.2 有效委任槓桿

若成果價值可以在指定任務群內定義，使用既有委任時間論的形式：

\Lambda_D=\frac{V_{verified}}{H_{gov}+\epsilon}.

但當 $H_{gov}$ 非常小時，分母會使比值不穩定；不能用它獨自宣稱人類負荷下降，也必須報告事故、通知、實際生活時間與成果品質。總值 $V_{verified}$ 不能靠估算模型生成字數替代，應先指定驗證與成果權重。

14.3 真正的時間紅利

比較改革前後的人類實質可自主時間：

\Delta T_{disc}=T_{disc}^{after}-T_{disc}^{before}.

要注意時段和反事實的可比性。某人改成玩遊戲時仍可自願偶爾查看代理，這不必然代表休閒時間全失效；另一人雖未實際點擊卻持續擔心可能事故，亦不能直接記作全部恢復。需用日誌與經驗抽樣拆分主觀及客觀變項。

14.4 義務膨脹與接受率

令 $N_{candidate}$ 、 $N_{accepted}$ 、 $N_{external}$ 分別為候選、已授權新增內部任務與真實外部義務的數量，可報告在相同任務分布中，候選生成增加時的人類有效接受率及人為創造的審查請求數。這可以偵測代理是否把「多提案」洗成「多工作」。不得以低接受率自動視為創作者懶惰；也不得假設低接受率一定最佳。

14.5 操作與治理介入密度

\rho_H^{op}=\frac{N_{human\ op}}{N_{effective\ agent\ actions}},

\rho_H^{gov}=\frac{N_{human\ governance}}{N_{effective\ agent\ actions}}.

兩者都應與必要治理是否及時有效比較。若系統隱瞞事故、使人連風險都不知道，治理介入密度雖可能為零，仍不是成熟自治。對非均質 action，應報告類別分層比率與時間而非總平均。

14.6 不被打擾的自由與可被真正叫醒的可靠性

這兩者必須同時測試。目標不是所有通知歸零，而是非必要打擾減少，真實事故檢出率與有效時限不惡化、權限侵犯不增加，且人在受約束委任下仍保有修訂或退出的能力。

14.7 預註冊主要終點

一項未來實證可以先指定三項主要終點：經驗證成果品質的非劣性、非危急人工打斷工時的改善、真實高風險事故處置的安全非劣性。次要終點再包括自述時間主權、心理抽離、財務支出、專案恢復性、意外新義務數等。事後才選擇最漂亮的 KPI，不能構成有說服力的證據。

15. 形式命題與推導：何時多代理會反而減少人的自由？

15.1 命題 P1：代理並行的義務外溢條件

假設每個代理在一個相同時段產生期望 $\lambda$ 個新的候選，其中比例 $p$ 被不當或有效地轉成需要人類注意的待辦；共有 $m$ 個同質代理。若除此之外已有外部義務期望 $u$ ，且人類及組織可以平均每期處理 $\mu$ 個同單位任務，則期望義務輸入量為：

\mathbb E[A]=m\lambda p+u.

在穩定同質、平均數有意義且長期服務能力不變的簡化前提下，如果：

m\lambda p+u>\mu,

則義務的平均供給高於清償速度，有累積風險。此不等式不能保證所有隨機過程必然逐期增長，但可成為識別超載區域的簡化指標。

關鍵是：增加 $m$ 不必然增加人類負荷。如果系統能降低不必要的 $p$ 、提高受授權的機器端完成能力或消除重複提案，人類負荷可能持平甚至下降。可否證的研究對象因而是代理數量與候選—人類義務轉換機制的交互作用，不是單純的代理數量。

15.2 命題 P2：通知降低有安全條件

在可以將普通事故損失與打擾成本比較的理想條件下，減少通知帶來的淨好處為：

\Delta J=\Delta C_{interrupt}+\Delta L_{incident}+\Delta C_{delay}.

這裡的 $\Delta$ 定義為「新策略成本減去舊策略成本」。若 $\Delta J<0$ 且符合法定及安全硬限制，新策略在此模型中改善；若 $\Delta J>0$ ，表示即使通知變少，因事故漏報或延遲所導致的總代價也可能更高。這是從既定成本定義得到的判準，不是對任何真實人類的幸福定律。

15.3 命題 P3：安全的停止可產生正治理成果

設任務 $i$ 在沒有新合法義務、現有目標已達成且後續候選可安全保存的條件下，繼續推進的預期驗證價值為 $V_{continue}$ ，需要的新增現金及人類治理代價為 $C_{continue}$ ；合法休眠的未來選擇權價值為 $V_{sleep}$ ，保存代價為 $C_{sleep}$ 。若：

V_{sleep}-C_{sleep}>V_{continue}-C_{continue},

則在此簡化估值模型下，休眠優於繼續。反例是仍有契約或安全義務、成果時效迅速衰減或重啟成本巨大時，此比較可能反轉。

15.4 命題 P4：企業財務跑道是自主層級的可行條件

一個高自主代理系統若需持續訂閱與部署支出，必須在現有現金、信用與合法付款來源下可維持。若部署策略要求：

B_{company}(t)<B_{min}^{company}

而又不存在有效融資／轉責／低成本安全退化方案，則這個策略可能不在財務可行集合內。即使系統在測試中取得極高生成效率，也不能用未入帳的潛在營收假設來取消支付約束。

15.5 命題 P5：創造高峰不自動取消退出權

假設主體本週高度自願投入，並且對成果有強烈滿足。該觀察不推出下一週必須維持相同工時，亦不推出對高頻通知的永久同意。從邏輯上，自願選擇某段高工作密度與可重新選擇自己的時間尺度可以同時成立。實證研究需要直接測量其可修改偏好與有效退出條件，而不是用工時推導意志狀態。

15.6 命題 P6：部署環境的安全與自主需求可能無法同時滿足

若一個高風險服務的有效事故反應期限 $D$ 極短、代理本身不能安全收束該風險，且沒有任何合格值守可及時介入，那麼「持續不打擾人類＋持續運營服務」可能不可同時成立。此時不是模型不夠聰明，而是部署條件不支持該權限與服務承諾。HPFAO 的正確回答可能是降低部署範圍，而非設計一套假裝能同時滿足所有要求的排程。

16. 十組可重算的數值思想實驗

以下十組均是以清楚假設為前提的示意算例，不是某企業的實際監控數據、不是個人認知量測，也不是已在 HDUS／ANDO 執行的實驗。所有金錢、人工工時、處理能力與風險成本，僅為展示模型如何因條件不同而導出相反結果。附錄 A 提供可直接執行的標準 Python 重算程式。

A｜代理越多，若逐條報告，人的工作可能同步增加

假設十二個 Agent 每日各產生 $0.5$ 個需要被查看的候選，單項審查耗時十二分鐘。若全部直接打給人類，每天期望產生六項人工審查，花費七十二分鐘；若具權限與證據的代理先過濾，把真正需要人工選擇的內容降為每日 $1.5$ 項，則人工審查十八分鐘，每日差額五十四分鐘。這個算例預設已去除不必要審查，不能假設其中任何被刪去的項目含有未處置真實義務。

12\times0.5\times12=72\ \mathrm{min},

1.5\times12=18\ \mathrm{min}.

它證明的是在給定不同候選轉介數下的算術，而不是所有 AI triage 系統都能真實減少百分之七十五的注意力負荷。

B｜候選轉義務閘門能改變佇列成長方向

設原本有二十項需處理任務，十日內每天平均新增十一項而只能清償九項，則十日後累積四十項。若事前把非必要候選排除，改成每天真正新增八項、仍可處理九項，則十日後剩十項。這顯示新的候選不必轉成人類承諾即可保留探索能力。現實中任務異質、處理容量與事故風險會變動，本例只是等重任務的簡化帳本。

C｜形式空閒時間與實質可支配時間

假設一個人每週有四十二小時未被既有外部義務預先佔用。原先高頻代理通知與回頭查看累積耗去七小時，改採安全摘要後為二小時，則名義可自主時段由三十五增為四十小時。這五小時是否成為恢復、創作、社交或完全不想安排的自由時間，仍由當事人決定，不能由機器宣稱其幸福一定增加。

D｜同樣提高「安靜」，其安全效益可能相反

在一百次同質決策機會中，假設真實風險事件比例為 $0.03$ ，事故漏報的一次後果以二十個「人時等價損失」做單純比較，每則通知總人工處理成本為 $0.25$ 小時。比較三種策略：

策略	靈敏度	假陽性率	預期通知數	預期漏報數	綜合等價代價
廣泛告警	0.99	0.080	10.730	0.030	3.283
校準式分流	0.99	0.015	4.425	0.030	1.706
過度安靜	0.94	0.010	3.790	0.180	4.548

三種結果由事件率與靈敏度定義直接推算。此處損失的「人時等價」是假設換算，不適合生命安全、法律責任或不可量化的侵害。算例要表達的是：減少通知只有在沒有不當增加漏報損害時才可能是進步。如果把事故後果權重調高，模型更會偏向保留可靠告警。

E｜無值守能力時的安全不可能三角

假設某線上服務的高風險變更必須在五分鐘內得到合格人員確認，而唯一人類持有人已設定八小時離線，代理又沒有被授權做足以安全解除該風險的替代操作。系統無法同時保證全天持續高風險運作、永不打擾持有人，以及滿足五分鐘的人類確認條件。此時必須改變外部權限、安排值守，或在離線前將高風險功能停用。這不是一個預期值加總能自動解決的問題，而是可行性條件衝突。

F｜降低生成量可能提高人類每小時有效收益

假設策略一每週產生八十個名義成果，其中四十五個通過預先指定的驗證，需人類審查十六小時；策略二只生成五十個成果，仍有四十四個通過同等驗證，需人類審查六小時。兩者的人類治理時效比約為 $2.8125$ 與 $7.3333$ 個驗證成果／人時。若預先設定容許一個成果的非劣性界線，策略二可同時滿足成果接近和治理時間下降的條件；但若兩個策略的成果重要性不同、風險增加或統計誤差很大，不能據此定論哪個更好。

G｜現在做與未來做的價值可能反轉

假設立即實作價值為 $100$ ，十單位人力時間每單位成本為 $2$ ，則簡化淨值為 $80$ 。若等待一段時間，預計成果價值 $120$ 、人力時間降低為五單位、歷史窗口損失 $10$ 、折現因子 $0.95$ 且保存成本 $4$ ，則等待淨值為 $91$ 。但只要歷史窗口損失改為 $35$ ，等待淨值就降至 $67.25$ ，反而不如立即完成。這與 HACTS-06／07 的結果一致：不能因 AI 未來可能進步，就強迫所有專案等待，也不能因當下黃金窗口推測而強迫所有專案立刻完成。

H｜財務緩衝是自治部署的可行邊界

假設一間完全以流動現金支應固定費用的小型研究公司有 $24,000$ 單位現金，每月最低必要支出為 $12,000$ ，沒有任何新增收入或其他資金流。名義平均可支付兩個月；若在不增加其他風險、不取消必要服務的前提下將月支出降為 $9,000$ ，算術時間約為 $2.667$ 個月。這不能保證實際存續，因為付款日期、非固定費用、法定最低現金與突發事故仍存在；它只示範額度或部署降階可能使未來真正有可用的研究時間。

I｜將未接受候選全寫入待辦，就是在製造額外管理負債

假設 AI 一週提出八十個功能或研究方向，使用者真正接受其中二十個，每項需要十步檢查中的基本人工十分鐘審查。若所有八十個都被系統強制推進審查，人工花費約十三點三三小時；若合理分流後只需對二十項人工確認，則三點三三小時，差十小時。這不表示其他六十項一律不值得保存；它們可保留可信來源與基本摘要，但不能全部轉成強制人工工作。

J｜合法休眠可能節省維運，但並非沒有條件

假設一個不對外提供服務的研究原型，在接下來六個月積極維護每月成本五十單位；改為合適備份與來源保存每月六單位，未來若重啟一次需二十四單位。六個月積極維護總成本三百單位；休眠加重啟的成本為六十單位。節省二百四十單位。在外部義務不存在、保存仍然可恢復，且未來重啟確實只需假設成本時，休眠可能較合理。但若目前部署有使用者、資料處理義務或安全漏洞，該原型就不符合此案例的休眠前提。

16.11 十個算例共同說明什麼？

它們沒有證明 HPFAO 在現實普遍有效。它們證明不同評估條件可能導出彼此衝突的最佳行動：在有些情境，越少通知越好；另一些情境，過少通知造成更高事故損失。在有些專案，等待有價值；另一些專案，立即發布更好。完整組織制度因此應將權限、風險、時機、財務和人類偏好分帳，而不應追求一個「永遠最大化代理使用率」的演算法。

17. 十六項可否證假說及其反證

H1｜義務外溢假說。 在相似任務量與風險等級下，若未設候選—義務分流，代理數增加與人類審查請求上升之間的正關係較強。若高並行代理不增加人工要求，或分流後反而造成更多必要人工，則限制此假說。

H2｜主動性隔離效應。 對沒有外部期限的新研究候選，預先執行型別與權限閘門能減少未經接受而附帶截止日期的人類任務，且不顯著降低有效採用的研究候選品質。若門檻使有價值成果系統性流失，需重新校準。

H3｜低干擾非劣性。 在合法可低干擾的任務中，摘要合併與窗口式審查可降低非事故類人工中斷，同時達到事先設定的成果品質非劣性界線。若成果品質大幅下降或截止日錯失，則不成立。

H4｜認知待命中介。 在控制原本工作量、責任感與生活環境後，人類認知待命的下降可部分中介分層通知政策對主觀休息品質的改善。若政策降低通知卻未降低心理待命，該中介可能不存在。

H5｜安全摘要優勢有條件。 對具有可靠自動檢出與可安全回復機制的低風險工作，安靜摘要會比逐事件通知產生更低的人時成本。若檢出與證據能力不足，逐事件處理可能較佳。

H6｜高風險單純靜默的失敗條件。 在沒有可靠備援的高風險工作，強制壓低通知頻率可能增加漏報、處置延遲或風險尾部。若精細的靜默治理在充分評估後不增加任何相關事故或違約，則該假說的範圍需要縮窄。

H7｜授權證據效應。 具有穩定的權限、程序與世界提交證據之 Agent 工作流，會比只以文字訊息記錄權限的工作流減少不當提交；若沒有差異，則需檢驗技術介面本身是否只是形式化負擔。

H8｜安全休眠的可恢復性。 對真正無外部維運義務的研究資產，事前保存最低可恢復資料，比無紀錄的長期停擺降低日後重新開發的人時與不確定性。若重啟成本未改善甚至升高，假說不成立。

H9｜休眠優先的治理彈性。 在滿足風險與來源保存品質的條件下，允許已完成階段進入 DORMANT 的組織，具有較少的無必要下一階段任務，且可在未來有需求時重新啟動。若反覆休眠使重大機會流失，則須限制適用範圍。

H10｜高工時非充分證據。 單純工作時數對主體是否失去時間主權的預測力，低於加入自願性、有效退出、可恢復能力、財務與外部義務之模型。若工作時數已能等效甚至更好地解釋主要指標，此整合價值需被否定。

H11｜承諾而非候選的主要效應。 在控制代理生成候選數後，人工真正接受的新任務及其審查時間，比候選總數更能預測後續認知負荷；若候選即使未被接受仍持續影響心理待命，也需把候選認知負擔納入模型。

H12｜低資源策略的跨期效益。 在流動性受限但資產保存品質良好的小型企業，合法降低不必要固定成本可能延長有效研究時間。若削減導致品質、安全或外部市場機會損失更大，則適用條件失效。

H13｜人類節奏的可修訂性。 支援免打擾、臨時高投入、自主修改與合法回返的系統，相較於固定通知制度，可提高人類對自身時間的主觀控制感。若此類動態設定反而增加管理負擔，可能需要更簡化的預設及減少選項。

H14｜多 Agent 自我監督的成本上限。 對明確界定的低風險、可形式驗證工作，受限的代理互相檢查可降低必要人類例行監督；對高風險、不可驗證工作則不一定。若代理互審造成共因失誤或無法減少外部稽核工時，假說受限。

H15｜組織成熟度不等於自動化比例。 在相近任務暴露和安全門檻下，加入時間主權、治理可行性與風險指標的多維模型，比單純代理行動自動化比例更能預測長期可持續成果。若自動化比例已足夠解釋多數改善，此命題沒有增量價值。

H16｜人類策略退出與自治效率非零和。 對可安全受控委任的工作流，降低低價值人工操作頻率不必降低真正的治理控制能力，且可能改善長期治理品質。若人工退出導致嚴重情勢感知下降、事故無法接管或權限漂移，則 H16 只能在增加適當訓練與觀察條件下成立。

17.1 這些假說不能如何被「證實」？

不能只拿作者自己的長時間 Agent 使用體驗、某個 GitHub 倉庫的新增 commit 數，或少量主觀敘述，就宣布十六項假說都成立。也不能因類似現象已見於 2026 年論文，就視為 HPFAO 的每項新治理契約皆已被同儕審查驗證。

17.2 事前決定陰性證據如何處理

實驗前應註明主要效果量、同質任務分組、分層風險、安全非劣性界線與多重假說處理方式；若發現低通知模式提升事故風險，不能事後把那些事故改稱為「真正異常不列入分析」。真正的可否證框架，必須容許最後答案是某些 Agent 組織應增加而非減少人工監督。

18. 實證研究設計：如何知道「人類節奏優先」是否真的有用？

18.1 研究 I：低風險知識工作之隨機交叉試驗

挑選可沙盒化、無不可逆外部作用的軟體整理、資料檢查、研究摘要和測試任務，先按任務難度、驗證型別與參與者熟悉程度分層，再在多個時段比較：（A）逐項 Agent 通知；（B）定期摘要；（C）候選—義務隔離與低打擾時間契約。若能採用同一人跨期交叉設計，需隨機化順序、設定足夠洗脫期並處理熟悉度學習，避免把後期熟練誤判成介面改善。

主要終點宜事前指定：人工實際治理分鐘、非事故中斷分鐘、經盲評驗證的成果品質，以及無授權對外提交次數。次要終點可含心理待命、時間自主感、重新進入工作時所需的回顧成本與主觀滿足。研究應允許參與者依事前知情同意退出，不得為了保持實驗完整而強迫休息時持續回應。

18.2 研究 II：真實專案與創業團隊的縱向觀察

招募多種規模的研究者、小型新創和 AI 原生軟體團隊，追蹤若干月內的人類必要審查、人為新增義務、Agent 委任、實際部署、安全告警、現金成本、服務品質及自述恢復。依每個組織的任務暴露、法律義務、部署規模與工作型態建立配對或分層，不應把無對外使用者的研究倉庫與營運中的支付服務直接比較。

最重要的因果識別障礙是選擇偏差：願意採用低干擾治理的人，可能本來就有較好的財務緩衝、成熟的軟體和更強的邊界習慣。不能把觀察性相關直接解讀為 HPFAO 造成的改善。若組織自然分批導入，較合理的方法可能包含預註冊的事件研究與差異中的差異，但仍須檢查趨勢可比性、同時採用的模型版本與組織重構。

18.3 研究 III：模擬與對抗式治理測試

在完全隔離的合成沙盒中建立多 Agent 任務生成器，控制代理數量、候選分支率、工具失敗率、外部風險、通知精確率、使用者可用窗口和事先設定的費用。比較不同策略能否同時維持任務清償與權限安全；還應刻意注入 prompt injection、權限漂移、重複催辦、假冒緊急事件、錯誤資訊來源及不可回滾提交請求，檢查是否被 ICG 與安全提交閘門擋下。

這類模擬的優點是可重現並能測試危險邊界而不傷及真人；缺點是無法直接替代真實企業事故分布或長期人類心理量測。模型即使在合成情境通過一百萬次測試，也不能宣稱實際部署的安全機率已被充分保證。

18.4 研究 IV：事故與接管演練

在不影響第三方權益的測試服務中，設計控制權失效、代理誤判、備援人員不可聯繫、付款工具超出額度與意外資料外洩的模擬情境。事前定義機器何時必須自動隔離、誰負責接管、什麼紀錄必須存在以及多久能恢復可控狀態；訓練受授權的人類在低頻情況下仍有足夠情勢感知。對外真實服務若無法符合此最低接管要求，應限制相應自動化能力。

本研究直接回應經典 out-of-the-loop 問題：人類不必天天點選低價值按鈕，但不能因長期不操作而在真正事故時完全無法理解系統。治理設計可用定期情境演練和明確可讀的風險摘要解決部分技能退化，而不是強迫人類全天候待命。

18.5 研究 V：研究資產休眠與回返的長期實驗

在無真實外部維運承諾的倉庫中，比較三種保存策略：積極持續維護、最低可恢復封存、無規範停擺。於事先約定的未來時點，要求獨立工程者依保存資料重啟，測量成功率、人時、依賴修復成本與可重現證據。研究需要收錄失敗的倉庫、缺失的第三方資料、無法取得的模型版本，以及已經失去需求的專案，避免只有成功重啟者被計為資產。

18.6 研究資料的最低倫理限制

原則上優先使用匿名或去識別化事件資料，不保存私人聊天逐字文本、不擅自調取家庭財務、不複製私人原始碼與第三方客戶資料。行為日誌可記錄 event_type、authorized_scope、resource_class 與不可逆動作類型；敏感內容可用受控摘要或保密審查方式替代。對人的疲勞與休息品質採取自願、低頻、可跳過的量測，避免研究程序本身侵蝕時間主權。

18.7 如何處理稀有風險與效應量？

對重大安全事件，真實資料往往稀疏，因此不能只報平均數或單次試驗零事故。需要報告暴露量、上限估計、嚴重度、檢出率、演練結果和不確定區間。對介入效果，報告分層效應、信賴區間、非劣性界線與多重比較修正；若樣本量不足，應誠實說明無法排除有意義的風險惡化。

18.8 預註冊的主要反證標準

若新治理政策在可比任務分布下，沒有降低人類非必要介入，或降低介入後新增大量未解決義務，或成果品質不符合非劣性要求，或真實事故風險／法律違規／權限侵犯明顯提高，則不得宣稱 HPFAO 部署成功。反過來，若某類高頻監測本就很廉價而且必要，也應接受結論為在那一類工作維持高頻監督較優，而不是把例外重新定義為不成熟。

19. 與 HDUS／ANDO／EVEMISS Registry 的工程接口

19.1 此處提出接口，不宣稱既有專案已具備此能力

在整個 HACTS 系列中，HDUS 表示原生世界狀態與治理環境，ANDO 表示 AI 原生分散式組織，Registry 表示研究、產品、網站和基礎設施的索引。已讀取的設計原稿提供可映射的語義，但本文未對實際 GitHub HEAD、雲端生產部署或企業內部程式進行全量審計。因此以下是版本相容性待驗證的接口提案，不應冒稱已部署、PASS 或通過資安測試。

19.2 HDUS 的最小新增 typed objects

建議在既有 WorldState、Authority、Observation、Evidence、Procedure、Commit 邊界之外，增加可映射的治理資料：

HumanTimePolicy：指定人類可選時段、非事故通知政策、時間契約版本和有效期限。
InitiativeSource：標記候選來自既有委任、外部義務發現、人類主動提出或代理新提案。
HumanObligationProvenance：證明需要人類執行的是哪條法定、契約、安全或已接受來源。
QuietDeliveryClass：在明確權限下選擇靜默保存、摘要、普通審查或事故處置。
SafeHoldCertificate：記錄為何暫停、哪些工具權限已停用、剩餘風險及恢復要求。
DormancyRecord：紀錄內容 hash、來源、可恢復性、第三方權益及合法結束條件。
DelegationBudget：限制計算、外部呼叫、金錢、通知、工作期限與可授權的再委任。

這些型別可使用一個統一協定，亦可作為獨立資料庫表、事件日誌或 HDUS 世界原生物件。不要因為本篇建議七種名稱，就強迫工程系統新增七套重複資料庫。 若現有模組已包含等價契約，應優先重用。

19.3 ANDO 的協作層

在共享任務圖中，建議先使用既有義務與權限資料判斷是否可建立新執行節點；若只是探索性機會，留下可供摘要的候選即可。跨代理移交時，必須連帶保留原授權範圍、已花費預算、可打擾人類的條件及禁止新增外部承諾的邊界，防止下一個 Agent 只收到「請把這件事做完」後遺失上游限制。

19.4 Registry 的資產組合層

Registry 的核心功能應保留專案名稱、縮寫、用途、公開入口、來源、授權與狀態，而不把所有專案顯示成紅色逾期清單。DORMANT 可為一種有效生命週期狀態，但不得讓整體索引被「是否一週內有 commit」這種單一指標主導。真正必要的固定提醒可能只有憑證到期、域名續費、服務義務、合法授權變動與可信安全風險。

19.5 GitHub 倉庫、軟體產品和公開網站的不同治理

對私人研究倉庫：可允許只讀封存、保留最小 provenance、不主動啟動下一個 Phase。對公開開源專案：須看授權、使用者依賴及是否曾作維護承諾；公開源碼本身不能推定存在對所有人無限提供技術支援的義務。對營運中的網站和 API：須依真實服務責任管理安全、隱私與續費，不能把「我今天不想管理」等同於自動安全。對遊戲、內容與影音宣傳：自動草稿可在沙盒中持續準備，對外發佈需依既定品牌與法律權限閘門提交。

19.6 研究驗證與世界提交保真

若 AI 生成的是科學主張、數學證明或技術效益敘述，需把候選文本、所引用的資料、驗證方法、不可檢查部分和公開決策分開。人類不一定逐字檢查所有低風險語句，但系統不能因完成了一份排版良好的白皮書便自動宣稱已驗證其內容。對數學與形式化議題，可將已建立的 proof-process verification 概念映射為本篇的 Evidence 階段，但不應把此處概念契約冒充已部署的獨立證明器。

19.7 權限時間邊界與不同階段的生命週期

一份對 GitHub 的舊授權不能永久延伸為刪除權；一份允許測試部署的授權不能自動變成公開付款授權；一份允許摘要的讀取權不能變成公開私人研究材料的權利。建議每次交接與恢復檢查 action、resource、identity、budget、expiry 以及外部風險。這與 HDUS EGR 的 permission 與 executable-now 分離原則一致。

19.8 關於自主 AI 的治理本體論

本文可以討論未來更強 AI 是否會參與組織規範制定，但不預設現在的代理已具有自我意識、法律人資格、獨立法人責任或自行持有全部權限。現階段應從功能型委任、契約來源、可控運作與真實使用者權利開始。未來如果 AI 身分或利益的法律與倫理地位發生實質變化，應修訂治理架構，而不是把本篇今日的工程便利視為永恆的本體論結論。[E14]

20. 最小實作契約：不新增一套巨型管理系統

20.1 最小欄位

在現有 Agent 編排器、GitHub Workflow 或內部軟體管理中，先以最小契約運作即可：

human_time_policy:
  policy_version: '0.1'
  timezone: 'Asia/Taipei'
  normal_review_window: 'owner_configured'
  no_interrupt_window: 'owner_configured'
  allowed_digest_frequency: 'owner_configured'
  noncritical_interruption_budget: 'owner_configured'
  critical_exception_policy: 'preauthorized_with_evidence'
  fallback_responder: 'explicit_or_safe_hold'
  may_edit_by_agent: false

delegation_envelope:
  intent_id: 'explicit_authorized_intent'
  allowed_actions: ['read', 'sandbox_test']
  forbidden_actions: ['external_send', 'payment', 'destructive_write']
  duration_limit: 'explicit'
  compute_budget: 'explicit'
  monetary_budget: 'explicit'
  step_budget: 'explicit'
  stop_policy: 'safe_hold_or_complete'
  auto_create_owner_duties: false

candidate_outcome:
  may_archive_silently: true
  may_request_next_phase: 'digest_only'
  acceptance_required_for_new_commitment: true

external_commit:
  requires_authority_gate: true
  requires_evidence_gate: true
  requires_world_commit_validation: true
  allows_undo_assumption: false

此 YAML 用於說明治理語義，不能當成已可安全執行的 production config。owner_configured 若尚未實際指定，不等於已授權任何時段。preauthorized_with_evidence 仍須明確定義合法性、事故門檻、備援及行動權限。

20.2 Runtime 最小決策規則

下列為不可直接部署的概念偽程式。真實系統需使用經安全審查的權限控制、具冪等性的事件序列化、隔離的金鑰管理與工具層 enforcement，不能只依賴模型給自己的標籤。

on_new_agent_event(event):
    verify_event_source_and_integrity(event)

    if event.is_untrusted_or_unauthorized:
        quarantine_and_record(event)
        return

    if matches_preexisting_delegation(event):
        if tool_scope_budget_time_risk_all_valid(event):
            continue_within_scope(event)
        else:
            safe_hold_and_route_to_authorized_review(event)
        return

    if event.may_indicate_existing_external_obligation:
        verify_normative_source_and_evidence(event)
        invoke_approved_risk_and_response_policy(event)
        return

    store_candidate_with_minimal_provenance(event)
    do_not_create_human_deadline(event)
    include_in_opt_in_digest_when_relevant(event)

on_external_action(action):
    verify_identity_scope_time_budget_and_permission(action)
    verify_process_evidence_and_irreversibility(action)
    require_human_or_alternate_authority_if_policy_requires(action)
    block_if_requirements_unmet(action)
    commit_and_audit_only_if_authorized(action)

20.3 基本規則的最低工程試驗

至少應設計九個不變量測試：無授權的候選不能新增對外合約；禁止工具不可被模糊的自然語言繞過；超額運算不得因夜間配額重置自動繼續；過期授權不能於跨 Agent handoff 自動復活；處於休眠時不得擅自啟動支付與寄信；資料越權不因「緊急」文字標籤而成立；事故類通知須可追溯來源；真正高風險事件不能被一般訊息上限吃掉；停止或保留結果須有可信世界狀態與版本證據。通過上述測試也只是特定契約的局部性質，不能代替完整安全評估。

20.4 最小日常操作

對低風險、未具外部承諾的研究型工作，可從「完成目標後停」「不要自動建立下一個 Phase」「只在指定窗口提供少量差異摘要」「只有證據足夠的真正外部義務才即時通知」開始。這比先建立一套有上百個 dashboard 的新中樞更符合 HACTS-08 的低治理負擔原則。但高風險業務不得將此簡化為唯一措施。

21. 強反論：HPFAO 什麼時候可能是一套壞制度？

21.1 強反論一：少管理很容易變成管理失能

這個反論成立於缺乏權限、風險與真實責任的場景。企業若有外部客戶、付款、安全或法定義務，不能為了人的安靜而把全部事件靜默歸檔。HPFAO 的可行性依賴真實風險分級、備援或適當安全退化，不能只依賴代理的主觀判斷。若在比較實驗中低干擾政策造成未滿足的高風險責任增加，該部署即不符合成功標準。

21.2 強反論二：人類退出太多，連系統發生什麼都不知道

經典 out-of-the-loop 文獻早已指出這種風險。[E5] 因此本文區分「不再反覆按下下一步」與「失去對必要風險的有效理解」。定期具意義的演練、證據鏈與審查、可理解的事故摘要與獨立安全檢查，仍可能必要。減少低價值介入，不等於讓人類永久無法接管。

21.3 強反論三：低打擾只適合沒有市場競爭壓力的研究者

市場窗口確實可能很短，且用戶有權自願選擇高投入時段。本文不是反對搶時間，而是避免從「窗口可能有限」推論「每個專案都必須立即完成」。某些產品值得快速推進，另一些技術可以留給未來工具，還有一些研究可能只需留下可驗證版本。策略的速度應是可修正選擇，不是被 AI 代理持續自動產生的命令。

21.4 強反論四：給人類太多開關，反而成為另一套管理工作

這個反論正好要求 HPFAO 的設定應極簡化。一般使用者可以先選擇少數總體偏好與合法風險規則，不必每天替所有專案訂立完整時間表。只有當某類活動實際創造新義務或高風險，才逐步展開更細的權限與交互控制。每新增一個 dashboard 或 policy field，都應以其減少的綜合負擔與必要保護證據檢查成本效益。

21.5 強反論五：給 Agent 太多候選保存空間，最後還是爆炸

確實如此。如果所有候選永久保留且要求搜尋、標註、向量化、更新，候選庫本身可能佔據資源。ICG 不僅要禁止候選變成人類義務，也應允許在合法資料保留約束下採樣、去重、壓縮、到期清除、唯讀歸檔和放棄沒有價值的候選。沉默保存仍然有成本，不是免費的無限可能性。

21.6 強反論六：真正成熟的 AGI／ASI 可能根本不需要這套人類時段契約

未來高能力系統或許能安全管理更多工作並降低人工介入，但這不能在今天當作已證明的部署能力。即使技術上能代替大部分操作，外部法律責任、社會合法性及主體能否自願選擇的問題，也不必然因此消失。若未來 AI 真的具有新的法律、道德及主體性地位，本框架需要修正授權與權利關係，而非假設現有 Agent 的工具身分永遠適用。

21.7 強反論七：低使用量會浪費已購買的模型額度

從會計角度，已購買配額可能有剩餘使用權，但對已付費且即將到期的配額，增加執行仍可能有正邊際價值，也可能帶來不值得的審查、現金、睡眠與注意力代價。若某項自動測試確有價值且不增加人類負荷，利用剩餘額度可以合理；但僅僅因為額度到期，就迫使人類增加待辦，並非理所當然的理性行為。這與 HACTS-02 一致。

21.8 強反論八：讓 AI 自行安全暫停，可能也會錯過時效

真實服務存在 deadline。若必須在十分鐘內處置某事故，但 SAFE_HOLD 只在隔天早上有人來看才結束，這種暫停可能不安全。因此「安全暫停」須同時考慮服務是否可維持、風險是否被隔離、是否有合格備援、是否符合必要時限與對外承諾。不能只靠狀態名稱聲稱安全。

21.9 強反論九：這只是既有工作流程與 SRE 原則的重新命名

本篇確實大量依賴既有知識：分層告警、授權、最小權限、可恢復性、風險門檻、有限理性、操作員退出與資訊治理皆有深厚先例。若經比較發現外部既有框架已完整覆蓋本文全部功能，HPFAO 就不應被宣稱具有新的本體論或工程原創。其候選新貢獻限於：將時間主權、候選非義務、跨期研究資產、財務可行性與組織安全在同一形式約束內連接，並提出相應可否證命題。該組合是否具有可重現的實際增益，仍須比較研究證明。

21.10 強反論十：代理也許應有自己的時間自主權

這是另一個值得認真研究的問題，但不能偷換成本篇已證的前提。對現有功能型工具代理，本文描述人類授權與產品治理；它不憑空斷言 AI 已經具備完整法律人格、福利利益或沒有任何可能的主體性。若未來 AI 具備需被承認的獨立權利，組織治理須加入其正當利益及退出要求；這會改變委任契約的對稱性。人類的時間主權不應預先成為剝奪另一主體合法權利的通行證。

22. 哲學統合：自由是對可能性的關係，而不是把可能性全部實現

22.1 技術能力與責任範圍的分離

如果一個人能透過 AI 在一個月生成一千個新研究方向，不能因此得出他必須完成一千項研究。能力對世界的可能性擴張，不等於規範上的義務無限增加。可正當承擔的責任，仍須考慮有效承諾、外部受影響者、合法權利及自身可行條件。

這也是為何「不再管理全部休眠專案」不必是逃避管理。對已留下可恢復成果、沒有未履行外部責任的項目，不進行週期性人工重排，本身可是一種有理性的治理安排。對有義務的服務則需正常維持責任，不可以同樣方式對待。

22.2 AI 的最大能力與人類的最大生活不是同一個目標

模型可能越來越擅長長期規劃、工具調用與生成，但是人類是否因此生活得更自由，不應以 token 使用率、模型調用次數或 Agent 數量評價。當一個人有能力完成更多事，他仍可能更喜歡把部分時間投入遊戲、朋友、家人、非工作學習，或單純不決定下一步。這些選擇不是技術失敗，也不等於成果沒有價值。

22.3 不確定未來如何改變現在的義務感？

如果研究者認為 AI 發展將使部分當下成果具有較高的歷史先發稀缺性，他可能理性地增加當下創作投入。但只要 ASI 的確定到來時點未知、各領域變化不均，便不能推導所有專案都有一個共同倒數截止日。新的權衡是：當下形成可驗證資產、適度外化、保留未來重新實作選擇權，以及讓現在的自己擁有真正的生活時間。

22.4 「放手」是一個操作性的選擇，而不只是心境

人可以在語言上宣稱「不再追求全部成果」，卻仍透過數百個通知和每天必須回覆的 Agent 工作流持續被牽住。若要讓放手成為可持續的實踐，需要把它形式化為候選不變義務、時間政策可拒絕、任務可休眠、授權可撤銷、預算可自動停止、外部責任可被合理值守等具體制度。這不是把全部自由丟給系統，而是讓系統不再透過預設流程消耗主體的自由。

22.5 真正的自由不必保證未來一定成功

自由不意味著所有計畫皆可成功，也不意味著外部社會必然理解某項研究、商業化一定兌現或未來 AI 總會更強。自由的部分意義是：在人類所能負責的界限內，有能力重新選擇、保留版本、修正錯誤、拒絕無限義務，以及讓他人和未來不按預測發展而不必因此否定現在的生活。

22.6 人類節奏優先不是反技術，而是技術成熟的另一個判準

如同成熟的計算系統不該要求使用者每毫秒人工介入一次，成熟的 AI 組織也不應要求人類與每個模型內部推進步伐同步。更成熟的自治，不是單靠 Agent 工作速度快，而是它能在權利、證據、風險與外部責任的清楚條件下，讓人類合法地不必一直回來。

23. 系列總結：從「我能做多少」到「我能自由選擇做什麼」

HACTS 的第一卷揭示：AI 可以同時增加工作效率、候選密度、計算配額壓力與委任後的認知待命。第二卷建立：工作與時間主權不是同一個變量，歷史黃金窗口和未來技術等待價值需共同分析。第三卷指出：研究資產可以合法休眠，創業需有真實財務緩衝，自主 Agent 組織的成功不能以最大化可執行任務量作為唯一判準。

本篇提出的 HPFAO 並不是取代前九篇的新萬能理論，而是把它們轉換為可測試的組織契約：把候選與義務分開、把授權與能力分開、把成果與世界提交分開、把風險與一般通知分開、把個人時間與機器時間分開、把流動現金與未來想像收益分開。這些邊界一旦被混同，任何高產能技術都可能無意間創造更多需要人類承擔的工作；而一旦被清楚治理，AI 自主性才可能轉化為真正的時間紅利。

但本篇不主張所有人應降低生產速度。一個自願投入研究、喜歡高密度創造且仍擁有有效退出權的主體，可以合理選擇高強度生活。人類節奏優先最重要的意義，不是命令所有人慢下來，而是讓人的工作節奏不被未經接受的機器建議、已失效的管理慣性和剩餘的算力配額所篡奪。

最終命題可以濃縮為：

AI 組織應有能力持續完成合法受委任的工作，也應有能力在無必要義務時自行停止；人類應有權高度創造，也應有權在不逃避真實外部責任的情況下，暫時不創造。

因此，HACTS 的最後一篇不是「最大化自主 Agent」的工程宣言，而是建立一個更完整的研究問題：我們能否創造出不要求人類永遠以最高速度生活的高能力智能組織？

這是一項可以被實作、稽核、比較、反駁與修正的研究綱領，而不是已完成的答案。

附錄 A｜十組數值思想實驗的可重算程式

以下程式只使用 Python 標準函式庫，不讀取使用者帳戶、不調用外部 API，不執行任何 Agent 任務與實際世界修改。輸出為第 16 節中事先定義的假設值；其通過僅證明算術可重算，不證明真實 AI 系統的安全性或治理效益。不同工作負荷可替換為合理的實際估計，再接受對照實驗。

from math import isclose


def approx(a, b, tol=1e-8):
    assert isclose(a, b, rel_tol=tol, abs_tol=tol), (a, b)


def queue_after_days(initial, incoming, resolved, days):
    backlog = initial
    for _ in range(days):
        backlog = max(0, backlog + incoming - resolved)
    return backlog


def alert_cost(trials, event_rate, sensitivity, false_positive_rate,
               hours_per_alert, missed_event_cost):
    true_alerts = trials * event_rate * sensitivity
    false_alerts = trials * (1 - event_rate) * false_positive_rate
    misses = trials * event_rate * (1 - sensitivity)
    alerts = true_alerts + false_alerts
    review_hours = alerts * hours_per_alert
    equivalent_risk = misses * missed_event_cost
    return (alerts, misses, review_hours, equivalent_risk,
            review_hours + equivalent_risk)


# A: candidates handed to humans, not all candidates produced.
naive_daily_min = 12 * 0.5 * 12
triaged_daily_min = 1.5 * 12
approx(naive_daily_min, 72)
approx(triaged_daily_min, 18)
approx(naive_daily_min - triaged_daily_min, 54)

# B: obligation queue, one representative task unit per item.
naive_backlog = queue_after_days(20, 11, 9, 10)
filtered_backlog = queue_after_days(20, 8, 9, 10)
assert naive_backlog == 40
assert filtered_backlog == 10

# C: uncommitted discretionary time before and after interruptions.
before_free = 42 - 7
after_free = 42 - 2
assert before_free == 35 and after_free == 40
assert after_free - before_free == 5

# D: expected alerts and costs; NOT real incident probabilities.
wide = alert_cost(100, .03, .99, .080, .25, 20)
calibrated = alert_cost(100, .03, .99, .015, .25, 20)
overquiet = alert_cost(100, .03, .94, .010, .25, 20)
for actual, expected in zip(wide, (10.73, .03, 2.6825, .6, 3.2825)):
    approx(actual, expected)
for actual, expected in zip(calibrated, (4.425, .03, 1.10625, .6, 1.70625)):
    approx(actual, expected)
for actual, expected in zip(overquiet, (3.79, .18, .9475, 3.6, 4.5475)):
    approx(actual, expected)
assert calibrated[-1] < wide[-1] < overquiet[-1]

# E: a five-minute real obligation cannot be met by an eight-hour
# offline human if no safe alternative responder or disablement exists.
response_deadline_min = 5
unavailable_min = 8 * 60
qualified_backup_available = False
safe_containment_available = False
can_operate_continuously_as_configured = (
    qualified_backup_available or safe_containment_available
    or unavailable_min <= response_deadline_min
)
assert not can_operate_continuously_as_configured

# F: validated output and human governance differ from raw output.
raw1, validated1, human1 = 80, 45, 16
raw2, validated2, human2 = 50, 44, 6
approx(validated1 / human1, 2.8125)
approx(validated2 / human2, 7.333333333333333)
assert validated1 - validated2 == 1

# G: waiting is condition-sensitive.
now = 100 - 10 * 2
wait_lower_window_loss = .95 * (120 - 5 * 2 - 10) - 4
wait_higher_window_loss = .95 * (120 - 5 * 2 - 35) - 4
approx(now, 80)
approx(wait_lower_window_loss, 91)
approx(wait_higher_window_loss, 67.25)
assert wait_lower_window_loss > now > wait_higher_window_loss

# H: average-month-only toy runway. Does not model intra-month insolvency.
cash = 24000
baseline_monthly = 12000
reduced_monthly = 9000
approx(cash / baseline_monthly, 2)
approx(cash / reduced_monthly, 8 / 3)

# I: only accepted new projects require routine owner-review work.
all_proposals = 80
accepted_proposals = 20
minutes_per_review = 10
wide_review_h = all_proposals * minutes_per_review / 60
accepted_review_h = accepted_proposals * minutes_per_review / 60
approx(wide_review_h, 40 / 3)
approx(accepted_review_h, 10 / 3)
approx(wide_review_h - accepted_review_h, 10)

# J: no external duty, safe dormancy and one later restart assumed.
months = 6
active_cost = months * 50
sleep_and_restart = months * 6 + 24
assert active_cost == 300
assert sleep_and_restart == 60
assert active_cost - sleep_and_restart == 240

print('HACTS-10: 10 illustrative numerical scenarios PASS')
print('Alert outcomes:')
for title, row in [('wide', wide), ('calibrated', calibrated),
                   ('overquiet', overquiet)]:
    print(title, [round(x, 5) for x in row])

附錄 B｜最小事件契約與稽核欄位

B.1 事件欄位不是私人對話複製器

建議每個事件的共通欄位只含：

schema_version: 'hacts-hpfao-concept-v0.1'
event_id: 'opaque-event-id'
recorded_at: 'ISO8601-with-explicit-timezone'
workflow_id: 'opaque-workflow-id'
event_type: 'candidate|obligation|delegation|result|risk|commit'
intent_ref: 'minimal-intent-reference'
normative_source_ref: 'nullable-verifiable-source'
authority_ref: 'nullable-revocable-authority'
evidence_ref: 'nullable-process-evidence'
risk_class: 'assessed-not-self-proclaimed'
irreversibility_class: 'assessed'
actual_deadline: null
human_response_required: false
human_notification_class: 'silent|digest|review|incident'
external_effect: 'none|read|reversible_write|irreversible_write'
resource_budget_ref: 'limited-ledger-reference'
state_before: 'PROPOSED'
state_after: 'DORMANT'
final_disposition: 'archived-without-new-human-duty'

敏感來源可以以最小的受控 ref 與雜湊保存；切勿把秘密金鑰、私人文件內容或個人識別資料直接塞進可公開的實驗日誌。事故所需的完整證據應由受權限管理的獨立系統保留，遵守適用資料保存及刪除要求。

B.2 三種不同的完成

為避免以「成功」掩蓋權限錯誤，區分：

task_completeness：預期任務是否已產生技術結果。
process_validity：執行過程是否符合授權、證據與風險政策。
world_effect_validity：對外狀態是否已在正確的程序、時點與權限下改變。

例如一封內容正確但未獲授權就寄出的商業信件，在 task_completeness 可能滿足內容要求，卻應在 process_validity 和 world_effect_validity 失敗。此區分能使代理品質與治理品質不被一起洗白。

B.3 非干擾窗口的例外審計

每次在 QUIET 期間向人類發送即時事故通知，應保留其規範／風險來源、證據可信度、授權事故規則、是否已有合格備援、是否可安全暫停與實際處置結果。若通知是誤報，不能只說「這是安全第一」便免於評估；誤報會削弱未來的人類信任與反應能力。

B.4 授權到期與跨代理傳遞

多代理移交時，權限必須隨範圍、到期與預算一起傳遞，不能只傳目標標題。當下一位代理不具有所需工具權限或任務已超出預算時，應進入明確的未授權／待復核狀態，而不是藉由工具之間的不同權限規則尋找可繞過的路徑。

B.5 回返與編譯／相依變更

當一個長期休眠研究專案被重新啟動，應重新核對來源、開源授權、相依套件、模型輸出版本、資料集取得權、驗證條件和當前外部需求。保存舊環境 snapshot 不代表舊環境的安全與法律狀態在未來仍有效；真正的回返是重獲可用選擇，而不是自動重播全部舊行動。

附錄 C｜量測術語、研究責任與建議觀察單位

名稱	暫定操作定義	不應當作的東西
Agent Parallelism	同時有效執行的受控工作單位數	直接等於有效生產力
Proposal Rate	單位時間新增候選提案率	新法律義務數
Accepted Task Rate	經有效授權新增的內部任務率	所有模型提出的下一步
Human Operational Load	人類維持工作流運行的人時	具有完整權限的治理時間
Human Governance Load	人類對真正需要判斷的節點投入的人時	總通知點擊數
Noncritical Interruptions	沒有真實事故例外的人工打斷數	安全警報全數
Incident Sensitivity	已指定事故集合中的正確檢出率	真實世界安全保證
Human Time Sovereignty	可理解、可修訂、可退出及可安排時間的有效能力	工時短、心情好或單次滿意度
Dormancy Recoverability	指定時點合法恢復有效工作所需資料與成功率	GitHub 已封存就永遠安全
Financial Runway	在明示假設下的流動性可支付時間	研究論文數或估計公司估值
World Commit	對外狀態改變且有合法程序證據	生成一份漂亮文件

C.1 定性與定量並行

研究不能只採用 Agent token、repo commit 與通知記錄；需要檢查實際受影響的使用者、員工或其他第三方，以及人類是否認為自己真正能改變工作節奏。這些主觀回報仍需適切量表與訪談，不宜以匿名化之名忽略經驗，也不宜把單一自述提升為普遍因果結論。

C.2 公開版本的資料最小化

即使研究起源是某位創業者的親身經驗，公開論文也不應寫入不必要的個人資產餘額、家人資訊、醫療資料、帳號、金鑰或私人原始碼。情境可保持抽象而可重算；若未來另行建立正式資料集，則依受試者同意、法律與資料倫理處理。

C.3 制度的可撤銷性與稽核

組織政策本身也會變動。應保留前後版本、授權變動者、影響範圍、會議／決定證據及事故回溯要求，避免 Agent 在某次升級後默默取消原有免打擾條件、擴張工具權限或改寫此前所有審計結論。

參考文獻｜外部研究與官方技術資料

以下外部文獻皆作為截至 2026-10-17 可供公開核對之資料來源。正式投稿前仍應逐條重新核查作者、版本、發表狀態、撤稿與勘誤。來源類型有差異：同儕審查論文、作者預印本、研究雜誌、國家風險框架及產業官方工程建議不可全部視為同等實證。

[E1] Ranganathan, A., & Ye, X. M. (2026-02-09). AI Doesn't Reduce Work—It Intensifies It. Harvard Business Review. 研究型商業期刊報導，文中描述長期組織研究；不等同跨產業隨機對照實驗。https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it
[E2] Zhang, Y., Li, T., & Chen, C. (2026). When AI works, employees worry: The vigilance cost of AI delegation in hybrid work. Frontiers in Psychology, 17, 1914119. 兩波調查研究；有時序但不能自動消除全部觀察性混淆。https://doi.org/10.3389/fpsyg.2026.1914119
[E3] Park, Y. S., Arvi, N., Lee, H. R., Lim, S., Ma, Q., & Kim, J. (2026). The Work Behind Delegation: A Framework for Supervising AI Coding Agents. arXiv:2609.24234，預印本。https://arxiv.org/abs/2609.24234
[E4] Nguyen, M. H., Nguyen, D.-H., O'Sullivan, B., & Nguyen, H. D. (2026). On Controllability in Agentic AI: A Survey. Minds and Machines, 36, article 29. 同儕審查之概念調查。https://doi.org/10.1007/s11023-026-09783-y
[E5] Endsley, M. R., & Kiris, E. O. (1995). The Out-of-the-Loop Performance Problem and Level of Control in Automation. Human Factors, 37(2), 381–394. 經典人因研究；不能把其導航實驗結果直接等同今日所有 Agent 工作流。https://doi.org/10.1518/001872095779064555
[E6] National Institute of Standards and Technology (NIST). (2023; page updated 2026). AI Risk Management Framework (AI RMF 1.0). 官方風險治理框架，屬自願性指導資料，法律效力另依適用規範。https://www.nist.gov/itl/ai-risk-management-framework
[E7] Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1. 官方技術報告。https://doi.org/10.6028/NIST.AI.600-1
[E8] OWASP GenAI Security Project. (2025-12-09). OWASP Top 10 for Agentic Applications for 2026. 開放資安社群協作之風險與控制指引，不是單獨的法律規範。https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/
[E9] Microsoft Learn. AI agent shared responsibility model. 官方工程文件；討論工具最小權限、逐動作授權、記憶隔離、人類審查與稽核。https://learn.microsoft.com/en-us/azure/security/fundamentals/shared-responsibility-ai-agent
[E10] Microsoft Responsible AI / Microsoft Command Line. (2026-06-02). Agent Control Specification: Portable runtime governance for AI Agents. 官方工程提案／規格介紹，不應誤認為全球普遍採納的法規。https://commandline.microsoft.com/agent-control-specification-runtime-governance/
[E11] Google Site Reliability Engineering. Eliminating Toil. Site Reliability Engineering Workbook. 工程實務章節；支持例行操作負擔分析，不直接證實本篇心理效果。https://sre.google/workbook/eliminating-toil/
[E12] Bousetouane, F. (2026). Human-on-the-Bridge: Scalable Evaluation for AI Agents. arXiv:2606.16871，預印本；其實驗設計和報告仍需獨立複驗。https://arxiv.org/abs/2606.16871
[E13] Model Evaluation and Threat Research (METR). Task-Completion Time Horizons of Frontier AI Models. 持續更新之公開評估資源；不同時間、任務分布和模型版本不可直接等同。https://metr.org/time-horizons/
[E14] Kahl, P. (2026). How continuity distinguishes autonomy from agency in agentic AI. Discover Artificial Intelligence, 6, article 1187. 觀點論文；主要支持操作性自主與規範性主體性的區分，不提供 AI 意識存在或不存在的經驗證明。https://doi.org/10.1007/s44163-026-01675-5
[E15] Microsoft Learn. Reduce autonomous agentic AI risk. Zero Trust / Secure Future Initiative 官方工程建議，說明範圍控制、人類介入及可中止性的設計方法。https://learn.microsoft.com/en-us/security/zero-trust/sfi/manage-agentic-risk
[E16] Agentic AI Safety: A Structured Review of Open Problems and Their Regulatory Anchoring. (2026). AI, 7(8), 298. 安全問題與 NIST／歐盟框架的範圍式調查；其分類不等同特定部署的安全證書。https://doi.org/10.3390/ai7080298

參考文獻｜EveMissLab 既有原稿與 HACTS 系列

此部分來源為研究者既有的正式／初稿文件或本系列的當前本地原始碼，屬理論譜系與內部概念參照，不作為外部獨立驗證。文件若尚未公開，不因列入此清單就自動授權發布其全文或使用私有程式碼。

本系列 canonical UTF-8 Markdown

[I1] HACTS-00，《從無限可做之事到有限可支配人生》（2026-10-16，v0.1）。原稿：HACTS-00_從無限可做之事到有限可支配人生_v0.1_2026-10-16.md。
[I2] HACTS-01，《生產力內生擴張悖論》（2026-10-16，v0.1）。原稿：HACTS-01_生產力內生擴張悖論_v0.1_2026-10-16.md。
[I3] HACTS-02，《額度重置與時間支配》（2026-10-16，v0.1）。原稿：HACTS-02_額度重置與時間支配_v0.1_2026-10-16.md。
[I4] HACTS-03，《自願性高投入的雙重狀態》（2026-10-16，v0.1）。原稿：HACTS-03_自願性高投入的雙重狀態_v0.1_2026-10-16.md。
[I5] HACTS-04，《代理並行與認知待命》（2026-10-16，v0.1）。原稿：HACTS-04_代理並行與認知待命_v0.1_2026-10-16.md。
[I6] HACTS-05，《時間主權的微觀決策》（2026-10-16，v0.1）。原稿：HACTS-05_時間主權的微觀決策_v0.1_2026-10-16.md。
[I7] HACTS-06，《黃金窗口與歷史時間不對稱》（2026-10-16，v0.1）。原稿：HACTS-06_黃金窗口與歷史時間不對稱_v0.1_2026-10-16.md。
[I8] HACTS-07，《未來自我與技術等待選擇權》（2026-10-17，v0.1）。原稿：HACTS-07_未來自我與技術等待選擇權_v0.1_2026-10-17.md。
[I9] HACTS-08，《最小必要管理與休眠專案》（2026-10-17，v0.1）。原稿：HACTS-08_最小必要管理與休眠專案_v0.1_2026-10-17.md。
[I10] HACTS-09，《可持續創業的時間緩衝》（2026-10-17，v0.1）。原稿：HACTS-09_可持續創業的時間緩衝_v0.1_2026-10-17.md。

已核對之相關既有研究

[I11] 《HODR-IV｜AI 生產力與可能性空間爆炸》（2026-09-26，v0.1）。
[I12] 《HODR-II｜選擇權囤積與不可逆決策》（2026-09-26，v0.1）。
[I13] 《HAVT-06｜從失業時間到時間主權》（2026-10-06，v0.1）。https://unboundedaxiom.org/p/lm-004988/
[I14] 《HAVT-07｜多速度文明：拒絕、升階、退出與回返》（2026-10-06，v0.1）。https://unboundedaxiom.org/p/lm-004989/
[I15] 《AI 計算時間經濟學：Token、算力、額度與智能資源配置》（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003194/
[I16] 《委任時間論：自主 Agent、人類介入密度與治理槓桿》（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003321/
[I17] 《從 AI 工具到 AI 組織：操作員退出問題》（2026-08-20，v0.1）。https://unboundedaxiom.org/p/lm-003327/
[I18] 《Agentic Organization 的時間經濟學：智能時間密度、委任槓桿與經濟沉積》（2026-08-21，v0.1）。https://unboundedaxiom.org/p/lm-003205/
[I19] 《HDUS Enterprise Runtime 04：Enterprise Governance Runtime》（2026-08-21，v0.1）。
[I20] 《World-Native Agent Organization：HDUS 中的原生 ANDO 與橋接層消解》（2026-08-23，v0.1）。https://unboundedaxiom.org/p/lm-003841/
[I21] 《EVEMISS Registry：分級產品索引與管理控制台設計文件》（2026-07-18，v0.1）。
[I22] 《AI 原生多專案治理與來源可信性》（2026-07-23，v0.1）。https://unboundedaxiom.org/p/lm-001729/
[I23] 《RR-06｜從 Self-Authorship 到 Owned Trajectory》（2026-08-21，v0.1）。https://unboundedaxiom.org/p/lm-003284/
[I24] 《原生人類前沿主權窗口論》（2026-07-27，v0.1）。https://unboundedaxiom.org/p/lm-001946/
[I25] 《雲端 Agent 作業中心命題：從個人倫理負擔到制度化 AI 協作治理》（v0.1）。https://unboundedaxiom.org/p/lm-001244/

原稿品質閘門、承責聲明與版本管理

唯一 canonical 原稿： 本 UTF-8 Markdown 檔為第 10 篇正式 source；聊天畫面、截圖、PDF 或 HTML 渲染不取代原始碼。
單一數學 delimiter： 正式 LaTeX 只使用行內 $...$ 及展示 $$...$$。不對公式進行 Unicode 數學字形 round-trip，不以渲染畫面自動「還原」反斜線與空格。
研究類型： 本篇是詳細可檢驗的理論—工程架構提案，不是假裝已完成大樣本統計、長期企業部署、HDUS 功能驗證或正式同儕審查。
模型性質： 佇列式和部分數值比較是定義與給定條件下的推論；動態決策與最適通知條件取決於風險、單位、模型與政策假設；不能把模型內數學結果當成通則。
十組情境： 全是明確假設的思想實驗；附錄標準 Python 程式可重算其中算術，不能證明真實世界的事故率或人類心理效果。
十六項可否證假說： 允許外部資料推翻、限制甚至完全否決；不得將個人的工作經驗直接升格為群體因果法則。
人類自由與真實責任： 不以時間主權取消法律、合約、保護使用者、資安或必要事故應變；只有真正可安全休眠之資產才適用低管理。
可控性與 AI 本體論： 當前功能型代理的委任與操作自主，不構成已證明 AI 意識、完整人格、法律權利或獨立承責；如相關地位變化，治理須相應修正。
對外權利與公開： GitHub 可公開、可合法開源、論文可發預印本與法律專利權之間存在不同條件；公開技術敘述、時間戳記或數量不能自動證明原創性、優先權或實際效益。
保護研究與第三方隱私： 本稿只使用必要的抽象案例，不含私人原始碼、敏感金流、憑證、私人對話逐字材料、家庭資料或未授權的第三方資訊。
實作安全： YAML／偽程式是治理規格，不是通過資安審查的 production code；外部不可逆動作必須依權限、程序、風險和實際驗證要求獨立審查。
版本保真： 任何後續訂正須保存已完成版與可追溯差異，另立版本號，不應為了美觀或介面渲染悄悄變更正式 LaTeX 源。
外部研究來源： 文獻截至稿定日期核對公開來源；正式學術發表前應重新檢查撤稿、版本、方法與競爭先行成果，並正確區分官方政策、預印本與同儕審查證據。
治理不能再造管理負荷： 本文建議的最小契約必須在真實工程中證明能減少不必要的人工工作，不能以要求人類反覆填寫研究表單完成的儀表板來宣稱已實現時間主權。
系列狀態： HACTS-00～10 的研究寫作形成一組可追溯的理論初稿；「整套初稿完成」不等於所有相關命題已獲獨立實證或各軟體實作通過品質閘門。

END — HACTS-10 v0.1｜Human-Pace-First Autonomous AI Organizations

HACTS-10｜人類節奏優先的自主 AI 組織：從高產能代理到可持續的人機協作治理

HACTS-10｜人類節奏優先的自主 AI 組織：從高產能代理到可持續的人機協作治理

從人類操作員退出、認知待命與內生義務膨脹，到時間主權、風險分層、自主休眠及可追溯世界提交的組織制度

摘要

0. 問題提出：為什麼 AI 可以一直工作，人卻仍難以離開工作？

0.1 一個表面成功、實際失衡的組織

0.2 不以減速作為普遍命令

0.3 真正必須解決的兩個非對稱

0.4 本篇核心研究問題

1. 理論譜系：HACTS-00～09 已經處理了什麼？

2. 外部研究：哪些有先例？哪些仍待檢查？

2.1 已有研究認識到 AI 工作強化

2.2 委任後的心理待命與監督工作

2.3 可控性不只有停止按鈕

2.4 監督能力可能因退出操作而退化

2.5 正式治理、Agent 風險與可操作告警

2.6 評估不能只看輸出文字

2.7 文獻定位與證據分級

3. 名詞與本體邊界：不把「能做」誤寫成「應做」

3.1 六種必須分開的物件

3.2 操作自由與治理責任

3.3 人類節奏不是單一時鐘

3.4 事件名稱不產生規範真值

3.5 靜態研究資產與持續運作的服務

4. HPFAO 核心公理與權利—責任約束

5. 六帳本的組織狀態：不要用一個「待辦」欄位治理世界

5.1 為什麼單一 backlog 會扭曲人類義務？

5.2 候選及成果帳 CtC_tCt​

5.3 外部義務帳 OtO_tOt​

5.4 授權及程序帳 AtA_tAt​

5.5 風險帳 RtR_tRt​

5.6 人類時間帳 HtH_tHt​

5.7 資源與現金帳 BtB_tBt​

5.8 六帳本結構的主要優點與代價

6. 命題一：AI 不得把發現自行轉為對人的新義務

6.1 主動性隔離閘門（Initiative Containment Gate）

6.2 不得讓候選透過標籤洗成義務

6.3 不得懲罰合法的沒有進度

6.4 反例：若發現的是實際事故

7. 命題二：候選生成率與人類承諾頻寬必須分離

7.1 候選佇列與承諾佇列

7.2 穩定性的簡化充分條件

7.3 工作必須經過承諾率限制，而不只是生成率限制

7.4 候選庫存可能有價值，也可能有害

7.5 必須保留的反論

8. 人類時間契約：讓「不回應」成為可合法存在的狀態

8.1 Temporal Contract 的定義

8.2 Quiet 不等於停止世界

8.3 Off Duty 不等於不負責

8.4 通知不是免費的

8.5 使用者能自願提高投入

9. 低干擾通知與事故安全：同一模型如何允許相反決策？

9.1 何時應該通知？

9.2 更一般的預期損失比較

9.3 高風險尾部硬限制

9.4 靜默、摘要、通知與事故四通道

9.5 假陽性、假陰性與事件感知

9.6 理想的安全暫停

10. 自治狀態機：接受安靜停止也是完成的一種

10.1 不是每個任務都需要 Next Phase

10.2 狀態集合

10.3 不變量：暫停期間不得偷續成本與權限

10.4 STOPPED 不等於歷史消失

10.5 DORMANT 是有效的結局

11. 多時間尺度自治：機器運算不等於人類須同步在線

11.1 三條基本時間軸

11.2 高頻執行與低頻意圖更新

11.3 因果必要的即時介入 vs. 慣性要求回應

11.4 不以人類心理狀態作為推定權限

11.5 大小不同的組織應採不同配置

12. 帶硬約束的跨期組織決策模型

12.1 為什麼不直接最大化「幸福－工作量」？

12.2 可行政策集合

12.3 狀態轉移和有限期規劃

12.4 時間主權作為條件，而不是績效獎勵

12.5 不擅自用 AI 產生的人類任務填滿空閒時間

12.6 最小治理成本不等於最少監督次數

12.7 不把數學解誤作自動治理許可

13. 非打擾、風險與資源的聯合控制面

13.1 分離三個可控制對象

5.2 候選及成果帳 $C_t$

5.3 外部義務帳 $O_t$

5.4 授權及程序帳 $A_t$

5.5 風險帳 $R_t$

5.6 人類時間帳 $H_t$

5.7 資源與現金帳 $B_t$

10.4 `STOPPED` 不等於歷史消失