# 元相位選擇器 v0.1 ## ——AI 的相位機理路由、選擇、組合與切換理論 **Meta-Phase Selector v0.1: A Theory of AI Routing, Selection, Composition, and Switching of Phase Mechanisms** **作者：Neo.K × GPT-5.6 Thinking** **機構：EveMissLab / 一言諾科技有限公司** **版本：v0.1** **日期：2026-07-25** **文件類型：理論論文／相位計算機理論／AI 系統架構** --- ## 摘要 相位計算機理論（Phase Computation Machine Theory, PCMT）已完成兩個基礎層次：第一，相位本體分類論回答「什麼可以被視為相位」；第二，相位機器型別系統與能力登錄標準回答「哪些機器有資格處理哪些相位」。 然而，真正的智能系統仍需要第三個關鍵層次： > 面對一個具體任務，AI 應如何判斷使用哪一種相位機器？ 若只依賴人工指定，則相位機器型別系統仍只是靜態工具清單；若只依賴模型直覺，則又會重回名稱匹配、過度自信與機理錯配。本文提出「元相位選擇器」（Meta-Phase Selector, MPS），將相位機理選擇形式化為可追溯的路由問題。 元相位選擇器首先將任務轉換為「相位任務簽名」： $$ \Sigma_\tau = ( O, R, D, C, M, V, P, H, K, G ) $$ 其中分別描述相位本體、表示要求、動態型態、耦合結構、記憶需求、驗證需求、權限風險、可用硬體、成本約束與目標。 接著，選擇器查詢相位機器登錄庫，執行： 1. 硬性相容性過濾； 2. 能力覆蓋評估； 3. 成本與風險估計； 4. 機器組合搜尋； 5. 轉換器規劃； 6. 動態切換與降級； 7. 結果整合與責任記錄。 本文提出單機選擇、多機組合、階段式路由、事件觸發切換與失敗降級五種主要策略，並建立「必要能力不可被總分掩蓋」原則。元相位選擇器不是單純推薦系統，而是相位計算中的控制層、規劃層與治理層。 其核心結構為： $$ \boxed{ \text{任務} \rightarrow \text{相位判定} \rightarrow \text{任務簽名} \rightarrow \text{機器登錄查詢} \rightarrow \text{選擇／組合／切換} \rightarrow \text{結果與證書} } $$ 本文最後將 MPS 映射至全域欲相位認識論（GIPE），指出 GIPE 不應固定使用單一相位求解器，而應依照欲、世界模型、假設、證據、行動、資源與多 Agent 狀態動態路由到不同相位機器。 --- ## 關鍵詞 元相位選擇器、PCMT、GIPE、相位機器、機理路由、AI 選擇、能力登錄、混合計算、動態切換、責任治理 --- # 一、問題提出 ## 1.1 分類完成後，真正困難才開始 相位本體分類完成後，系統可以知道： ```text 這是一個認識相位。 ``` 相位機器登錄完成後，系統也可以知道： ```text 相位圖機、相位證明機與相位事件機都能處理部分認識相位。 ``` 但接下來仍有問題： - 應該選哪一台？ - 是否需要多台？ - 哪台先執行？ - 哪些輸出需要轉換？ - 何時切換？ - 何時降級？ - 哪台機器的結果具有較高可信度？ - 若兩台機器衝突，如何處理？ - 若任務在中途改變，是否需要重新路由？ 因此，機器登錄庫本身不是智能。 --- ## 1.2 最快不等於最適 一台 GPU 相位模擬機可能最快，但它未必： - 保存完整證據路徑； - 處理多 Agent 權限； - 輸出形式證書； - 支援不可逆行動治理； - 區分語義關聯與認識支持。 因此： $$ \text{Fastest} \neq \text{BestFit} $$ --- ## 1.3 最強不等於最適 一個能力最多的混合系統可能覆蓋所有需求，但其： - 成本過高； - 延遲過大； - 協調複雜； - 驗證困難； - 攻擊面增加。 因此： $$ \text{MaximumCapability} \neq \text{OptimalSelection} $$ --- # 二、元相位選擇器的定義 ## 2.1 基本定義 **定義 1：元相位選擇器** 元相位選擇器是一個根據任務相位簽名、相位機器登錄庫、可用資源與治理約束，自動選擇、組合、排序、切換或拒絕相位機器的控制系統。 形式化表示： $$ \operatorname{MPS} : ( \Sigma_\tau, \mathcal R_M, \mathcal H, \mathcal G ) \rightarrow \Pi_M $$ 其中： - $\Sigma_\tau$ ：任務簽名； - $\mathcal R_M$ ：機器登錄庫； - $\mathcal H$ ：可用硬體與資源； - $\mathcal G$ ：治理與安全約束； - $\Pi_M$ ：機器執行計畫。 --- ## 2.2 輸出不是機器名稱 MPS 的輸出應是一個執行計畫： $$ \Pi_M = ( \mathcal M, \mathcal C, \mathcal O, \mathcal S, \mathcal F, \mathcal V ) $$ 其中： - $\mathcal M$ ：選中的機器； - $\mathcal C$ ：所需轉換器； - $\mathcal O$ ：執行順序； - $\mathcal S$ ：切換條件； - $\mathcal F$ ：失敗與降級策略； - $\mathcal V$ ：驗證與證書要求。 --- ## 2.3 元相位選擇器本身也是相位機 MPS 處理的是： - 任務狀態； - 機器狀態； - 資源狀態； - 風險狀態； - 適配狀態。 因此它屬於： ```text MetaPhaseMachine ``` 但其功能不是直接求解業務相位，而是管理其他相位機器。 --- # 三、相位任務簽名 ## 3.1 任務簽名的必要性 自然語言任務通常是模糊的。 例如： > 判斷永光石是否存在。 這句話尚未說明： - 相位本體； - 證據標準； - 是否允許不確定； - 是否需要完整歷史； - 是否涉及多 Agent； - 是否需要真實實驗； - 是否允許不可逆操作。 因此必須正規化。 --- ## 3.2 任務簽名結構 $$ \Sigma_\tau = ( O, R, D, C, M, V, P, H, K, G ) $$ ### $O$ ：本體需求 例如： - EpistemicPhase； - SemanticPhase； - DecisionPhase； - PhysicalPhase。 ### $R$ ：表示需求 例如： - SparseGraph； - EventLog； - ContinuousSignal； - TypedState； - ProofTerm。 ### $D$ ：動態需求 例如： - 靜態； - 批次； - 增量； - 事件驅動； - 連續時間； - 長期流式。 ### $C$ ：耦合需求 例如： - 無耦合； - 稀疏圖； - 多 Agent； - 全域同步； - 超圖。 ### $M$ ：記憶需求 例如： - 無狀態； - 有限窗口； - 持久歷史； - 全程追溯； - 證明軌跡。 ### $V$ ：驗證需求 例如： - 自檢； - 確定性檢查； - 外部驗證； - 形式證明； - 實體測量。 ### $P$ ：權限與風險 例如： - 只讀； - 可修改局部狀態； - 可執行低風險行動； - 不可逆操作需批准。 ### $H$ ：硬體與環境 例如： - CPU； - GPU； - FPGA； - 雲端； - 本地端； - 無外部網路。 ### $K$ ：成本限制 例如： - 延遲； - Token； - 記憶體； - 能耗； - 工具次數； - 金錢預算。 ### $G$ ：目標與停止條件 例如： - 找到可重現證據； - 產生候選排序； - 輸出形式證書； - 在 30 次行動內完成。 --- ## 3.3 任務簽名範例 ```yaml phase_task_signature: task_id: eternal-light-existence ontology: required: - epistemic_phase - semantic_phase - decision_phase representation: preferred: - sparse_graph - typed_state - event_log dynamics: - incremental - event_driven coupling: - sparse_graph - multi_agent memory: minimum: persistent_history traceability: full_trace verification: minimum: deterministically_checked final_required: - external_observation permission: irreversible_action: approval_required hardware: available: - cpu cost: major_actions: 30 precision_measurements: 2 goal: - determine_existence - synthesize_alternative_if_absent ``` --- # 四、選擇流程 ## 4.1 階段一：本體判定 先執行： $$ \operatorname{IsPhase} $$ 與： $$ \operatorname{PhaseType} $$ 若任務本身不構成相位問題，MPS 應拒絕強行套用相位機器。 --- ## 4.2 階段二：硬性過濾 先檢查不可妥協條件。 例如： - 必須支援 EpistemicPhase； - 必須保存完整歷史； - 必須可回滾； - 不得修改全域目標； - 必須在 CPU 執行。 若： $$ Req_{hard} \not\subseteq Cap(M) $$ 則直接淘汰。 --- ## 4.3 階段三：軟性評分 剩餘機器依下式評分： $$ S(M\mid\tau) = w_fF + w_cC + w_vV + w_tT + w_aA - w_kK - w_rR - w_oO $$ 其中： - $F$ ：本體適配； - $C$ ：能力覆蓋； - $V$ ：驗證與追溯； - $T$ ：時間與延遲適配； - $A$ ：自適應能力； - $K$ ：成本； - $R$ ：風險； - $O$ ：不透明度。 --- ## 4.4 階段四：單機或組合判定 若單機滿足全部硬性需求且成本合理，選單機。 否則搜尋： $$ \mathcal M = \{ M_1,\ldots,M_n \} $$ 使得： $$ Req(\tau) \subseteq \bigcup_i Cap(M_i) $$ --- ## 4.5 階段五：轉換規劃 若機器輸入輸出型別不一致，需加入轉換器： $$ M_1 \rightarrow C_{12} \rightarrow M_2 $$ 轉換器本身也需要： - 能力 manifest； - 誤差； - 損失； - 驗證； - 可逆性。 --- ## 4.6 階段六：執行與監測 選擇後仍需監測： - 是否超時； - 是否失穩； - 是否輸出不相容； - 是否超出權限； - 是否成本爆炸； - 是否應切換機器。 --- # 五、五種選擇策略 ## 5.1 單機直接選擇 適合： - 任務本體單純； - 能力需求明確； - 一台機器可完整覆蓋； - 轉換成本低。 例如： ```text ContinuousPhysicalPhase → PhaseOscillationMachine ``` --- ## 5.2 多機組合 適合跨本體任務。 例如 GIPE： ```text PhaseGraphMachine + PhaseEventMachine + PhaseProofMachine ``` 分別處理世界模型、Agent 行動與不可逆治理。 --- ## 5.3 階段式路由 不同研究階段使用不同機器。 例如： ```text 初始搜尋 → 相位圖機 候選實驗 → 相位模擬機 不可逆執行前 → 相位證明機 長期監測 → 相位流機 ``` --- ## 5.4 事件觸發切換 某事件發生時切換機器。 例如： ```text 若出現高風險行動 → 啟動相位證明機 若資料流出現漂移 → 啟動相位流機 若 Agent 衝突超過閾值 → 啟動相位事件機與審計 ``` --- ## 5.5 失敗降級 若首選機器不可用： ```text PhysicalPhaseHardware → unavailable → GPU Simulation → unavailable → CPU Approximation ``` 但每次降級必須揭露： - 精度下降； - 延遲增加； - 驗證等級下降； - 功能缺失。 --- # 六、必要能力不可被總分掩蓋 ## 6.1 總分的危險 假設某機器： - 速度極快； - 成本極低； - 但不能保存證據歷史。 若任務要求完整責任追溯，該機器即使總分很高，也不應被選中。 因此： $$ S(M) \text{ 高} \not\Rightarrow M\text{ 可用} $$ --- ## 6.2 硬條件優先 選擇流程必須先滿足： $$ HardReq(\tau) $$ 再比較： $$ SoftPref(\tau) $$ --- ## 6.3 禁止加權抵銷 不可讓： - 高速度抵銷無追溯； - 低成本抵銷權限不足； - 高準確率抵銷不可驗證； - 高覆蓋抵銷本體錯配。 --- # 七、機器組合搜尋 ## 7.1 組合目標 選擇機器集合： $$ \mathcal M^\ast = \arg\max_{\mathcal M} \left[ Coverage + Complementarity + Verifiability - Cost - Redundancy - CoordinationRisk \right] $$ --- ## 7.2 互補性 兩台機器若支援不同必要能力，具有高互補性。 例如： - 相位圖機保存關係； - 相位證明機檢查不可逆轉換。 --- ## 7.3 冗餘性 兩台機器若： - 本體相同； - 表示相同； - 模型相同； - 資料相同； - 輸出相同； 則其重複不一定提供獨立驗證。 --- ## 7.4 組合上限 為防止機器膨脹，應限制： - 最大機器數； - 最大轉換器數； - 最大深度； - 最大協調成本； - 最低邊際收益。 --- # 八、切換理論 ## 8.1 為何需要切換 任務可能在執行中改變。 例如： - 初期只是語義探索； - 後來形成認識假設； - 再後來需要真實實驗； - 最後涉及不可逆行動。 因此，固定機器可能逐步失配。 --- ## 8.2 切換條件 定義： $$ Switch(M_i\rightarrow M_j) $$ 在以下條件下觸發： - 本體改變； - 表示改變； - 風險升高； - 驗證要求提高； - 資源不足； - 機器失效； - 輸出衝突； - 任務進入新階段。 --- ## 8.3 切換成本 $$ C_{switch} = C_{state} + C_{conversion} + C_{warmup} + C_{validation} $$ 頻繁切換可能得不償失。 --- ## 8.4 滯後門檻 為避免來回震盪，切換應設定滯後： $$ S(M_j)-S(M_i) > \delta $$ 只有當新機器的優勢超過門檻 $\delta$ 時才切換。 --- # 九、結果整合 ## 9.1 多機輸出不一定同型 例如： - 相位圖機輸出衝突圖； - 相位模擬機輸出數值概率； - 相位證明機輸出合法／不合法； - 相位事件機輸出行動狀態。 因此不能直接平均。 --- ## 9.2 型別化整合 整合器應依輸出型別處理： $$ Y^G = \operatorname{TypedIntegrate} ( Y_1,\ldots,Y_n ) $$ --- ## 9.3 衝突保留 若機器輸出衝突，應保留： - 衝突命題； - 機器來源； - 能力可信度； - 輸入資料； - 驗證等級； - 可區分的下一步。 --- ## 9.4 證明機優先權的限制 相位證明機只能證明： - 給定形式系統內的合法性。 它不能自動證明： - 前提真實； - 外部世界真相； - 感測資料正確。 因此形式證書不應覆蓋外部觀測。 --- # 十、選擇證書 ## 10.1 為什麼需要選擇證書 若 AI 選擇某台機器卻沒有記錄理由，事後無法判斷： - 是否本體錯配； - 是否忽略硬條件； - 是否因資源不足降級； - 是否有更佳候選； - 是否違反權限。 --- ## 10.2 Selection Certificate ```yaml selection_certificate: task_id: eternal-light-existence selector_version: mps-0.1 hard_requirements: - epistemic_phase - persistent_history - full_trace - cpu_available candidates_considered: - phase_graph_machine - vector_belief_updater - phase_event_machine - phase_proof_machine selected: - phase_graph_machine - phase_event_machine - phase_proof_machine reasons: phase_graph_machine: - supports_epistemic_graph - preserves_conflicts - persistent_history phase_event_machine: - handles_agent_and_action_lifecycle phase_proof_machine: - guards_irreversible_transition rejected: vector_belief_updater: - no_full_trace - no_conflict_graph known_gaps: - no_physical_measurement_machine fallback: - manual_external_observation ``` --- # 十一、選擇器的三種實現 ## 11.1 規則型 使用明確規則： ```text 若 ontology = epistemic 且 representation = sparse_graph 且 traceability = required → PhaseGraphMachine ``` 優點： - 可解釋； - 易驗證； - 適合 v0.1。 --- ## 11.2 最佳化型 將選擇寫成約束最佳化： $$ \max_{\mathcal M} U(\mathcal M) $$ subject to： $$ HardReq \subseteq Cap(\mathcal M) $$ --- ## 11.3 學習型 根據歷史任務學習： $$ P(M\mid\Sigma_\tau) $$ 但學習型不能取代硬性型別與權限檢查。 最佳架構應為： $$ \boxed{ \text{規則約束} + \text{最佳化} + \text{經驗學習} } $$ --- # 十二、子 Agent 與元相位選擇 ## 12.1 子 Agent 不是相位機器本身 子 Agent 是具有局部欲與世界模型的認識器官。 它可以調用相位機器，但不能與相位機器概念混同。 --- ## 12.2 子 Agent 可以提出機器建議 例如： - 反證 Agent 建議啟動相位模擬機； - 審計 Agent 建議啟動相位證明機； - 記憶 Agent 建議切換到持久相位圖機。 --- ## 12.3 主控負責最終採納 機器選擇仍需責任閉合： ```text 子 Agent 建議 → MPS 評估 → 主控採納 → 執行 → 日誌 ``` --- # 十三、GIPE 的元相位路由 ## 13.1 欲解析階段 使用： - 相位事件機； - 相位證明機。 目的： - 解析目標； - 檢查約束； - 標示不可逆條件。 --- ## 13.2 世界模型階段 使用： - 相位圖機； - 必要時相位流機。 目的： - 建立 SGCD； - 更新證據； - 保存衝突； - 追蹤長期變化。 --- ## 13.3 候選生成階段 使用： - 相位圖機； - 相位模擬機； - 子 Agent。 --- ## 13.4 反證階段 使用： - 相位證明機； - 相位模擬機； - 外部實驗機。 --- ## 13.5 行動階段 使用： - 相位事件機； - 決策控制機； - 權限證明機。 --- ## 13.6 長期研究階段 使用： - 相位流機； - 持久相位圖機； - 元相位機。 --- # 十四、永光石世界範例 ## 14.1 初始任務 判定永光石是否存在。 MPS 辨識： - EpistemicPhase； - SemanticPhase； - DecisionPhase； - PersistentHistory； - FullTrace。 選擇： - 相位圖機； - 相位事件機； - 相位證明機。 --- ## 14.2 發現材料需測量 任務新增： - PhysicalPhase； - MeasurementRequired。 MPS 觸發切換： ```text 加入相位模擬機 加入外部測量介面 ``` --- ## 14.3 發現高溫處理可能不可逆 任務新增： - IrreversibleAction； - RiskElevated。 MPS 觸發： ```text 相位證明機提升為必要前置節點 ``` --- ## 14.4 長期發光觀測 任務新增： - TemporalPhase； - DelayedObservation。 MPS 加入： - 相位流機。 這顯示同一任務會隨研究進程切換相位機器組合。 --- # 十五、失敗模式 ## 15.1 名稱匹配 看到「相位」便選振盪機。 --- ## 15.2 硬體崇拜 看到 GPU、量子或光學便優先選擇。 --- ## 15.3 單一總分 以加權總分掩蓋硬條件缺失。 --- ## 15.4 過度組合 為求完整而啟動過多機器。 --- ## 15.5 切換震盪 機器頻繁切換，導致成本爆炸。 --- ## 15.6 轉換失真 語義相位轉認識相位時丟失來源與反證。 --- ## 15.7 驗證錯配 形式證書被誤當外部真實證明。 --- ## 15.8 權限越界 選擇器啟動了超出任務權限的機器。 --- # 十六、可證偽條件 元相位選擇器應接受以下測試： 1. 是否能阻止本體不相容的機器； 2. 是否優於固定單一機器； 3. 是否優於人工名稱匹配； 4. 是否能在任務變化時正確切換； 5. 是否能控制組合成本； 6. 是否能保留選擇理由； 7. 是否能在硬體缺失時合理降級； 8. 是否能辨識形式驗證與外部證據差異； 9. 是否能在 GIPE 偽世界中提升行動效率； 10. 是否會產生頻繁且無價值的切換。 若 MPS 只是在事後合理化已選機器，則理論失敗。 --- # 十七、工程接口 ## 17.1 Selector Input ```yaml selector_input: task_signature: path/to/task.yaml registry: path/to/registry.yaml available_resources: cpu: true gpu: false governance: irreversible_requires_approval: true ``` --- ## 17.2 Selector Output ```yaml execution_plan: machines: - gipe-world-graph - gipe-agent-events - gipe-proof-guard order: - gipe-world-graph - gipe-agent-events - gipe-proof-guard converters: [] switch_conditions: - when: physical_measurement_required add: phase_simulation_machine fallback: - manual_review certificate: enabled: true ``` --- ## 17.3 Runtime Event ```yaml runtime_event: type: evidence_conflict_increased severity: high current_machine: gipe-world-graph selector_action: add: - gipe-proof-guard - falsification-agent ``` --- # 十八、後續研究 ## 18.1 MPS 規則庫 建立相位本體到機器的基礎規則。 ## 18.2 組合最佳化器 實作 set-cover、constraint solving 與成本估計。 ## 18.3 切換控制器 加入滯後、冷卻時間與失穩偵測。 ## 18.4 選擇基準 比較： - 固定求解器； - 人工選擇； - 規則型 MPS； - 最佳化 MPS； - 學習型 MPS。 ## 18.5 GIPE Phase Stack 將 MPS 正式嵌入 GIPE。 --- # 十九、結論 PCMT 的前三個問題依序是： 1. 什麼是相位？ 2. 哪些機器能處理這種相位？ 3. AI 應如何選擇這些機器？ 本文完成第三個問題。 元相位選擇器不是一般工具推薦器，而是： - 型別檢查器； - 能力路由器； - 組合規劃器； - 動態切換器； - 降級控制器； - 選擇責任記錄器。 其完整流程為： $$ \boxed{ \text{任務} \rightarrow \text{相位本體判定} \rightarrow \text{任務簽名} \rightarrow \text{硬性過濾} \rightarrow \text{能力評分} \rightarrow \text{組合與轉換} \rightarrow \text{執行監測} \rightarrow \text{切換與降級} \rightarrow \text{選擇證書} } $$ 對 GIPE 而言，最重要的結論是： $$ \boxed{ \text{GIPE 不應擁有一個固定的相位計算核心，} } $$ $$ \boxed{ \text{而應擁有一個能依任務動態配置多種相位機器的元相位控制層。} } $$ 下一步因此是： > **《GIPE Phase Stack：多相位認識計算架構》** 它將把欲、世界模型、假設、證據、行動、資源、子 Agent 與相位機器正式整合成一套可執行的認識計算堆疊。 --- # 附錄 A：MPS 七步驟 ```text 1. Phase Detection 2. Task Signature 3. Hard Filtering 4. Soft Scoring 5. Composition Planning 6. Runtime Switching 7. Selection Certificate ``` --- # 附錄 B：五種策略 ```text Single Machine Machine Composition Stage Routing Event-Triggered Switching Failure Fallback ``` --- # 附錄 C：三種實現 ```text Rule-Based Optimization-Based Learning-Based ``` --- # 附錄 D：PCMT 系列 ```text PCMT-01 相位計算機理論 PCMT-02 相位本體分類論 PCMT-03 相位機器型別與能力登錄 PCMT-04 元相位選擇器 PCMT-05 GIPE Phase Stack ```