# 私有認知與公共世界 ## 多 Agent 的雙層 Context、Memory 與選擇性認知共享 **English Title:** *Private Cognition and Public World: Dual-Layer Context, Memory, and Selective Cognitive Sharing in Multi-Agent Systems* **系列：**《跨對話智能協作與共享認知空間》第三篇 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **性質：** 公開理論論文／Multi-Agent Memory & Context Architecture **版本：** v0.1 **日期：** 2026-08-09 --- ## 摘要 當多個 Agent 共同工作時，一個常見但並非必要的假設是：為了有效合作，它們應盡可能共享相同的上下文、相同的記憶與相同的世界資訊。 本文主張，更一般的長期 Multi-Agent 系統應明確區分： $$ \boxed{ \text{Private Cognitive State} \neq \text{Shared World State} } $$ 每個 Agent 可以保有自己的 local context、private memory、task-local hypothesis、working state 與未驗證推論，同時透過持久公共世界共享任務、事件、產物、可驗證事實、決議、時間順序與必要的跨 Agent 訊息。 本文提出： $$ \boxed{ Context_i(t)=L_i(t)+\pi_i(W_t,Q_i) } $$ 其中 $L_i(t)$ 是 Agent $i$ 的私有認知工作域， $W_t$ 是公共世界， $Q_i$ 是目前任務，而 $\pi_i$ 是依任務、角色、權限與注意力進行的公共世界投影算子。因此即使 $W_t$ 長期擴張，單一 Agent 的有效工作 context 仍可維持有限。 本文進一步提出： $$ \boxed{ M_i^{private}+M^{shared}+M_k^{room} } $$ 三層記憶模型，分別對應個體記憶、公共／制度記憶與暫時共同對話記憶，並加入 Promotion、Demotion、Reopen、Supersede、Archive、Reject 等記憶治理操作。 本文的核心問題不是「如何讓所有 Agent 記得更多」，而是： > **哪些資訊應留在個體認知內部，哪些資訊應進入公共世界，而哪些資訊只應在特定協作房間中短暫存在？** 本文主張，認知差異不是 Multi-Agent 系統必須消除的噪音；在獨立驗證、red teaming、平行研究、假說探索與多路規劃中，差異本身可能是系統價值來源。因此理想記憶架構的目標不是： $$ M_1=M_2=\cdots=M_n, $$ 而是： $$ \boxed{ \text{Difference} + \text{Recoverability} + \text{Selective Coordination} } $$ 最後，本文建立 Private–Shared Memory Runtime 的最小模型，為下一篇《動態協作拓撲：從 Isolate、Share 到 Join》提供資訊層基礎。 --- ## 關鍵詞 Multi-Agent Memory、Private Memory、Shared Memory、Context Isolation、Shared World、Selective Disclosure、Distributed Memory、Memory Governance、Agent Diversity、Cross-Conversation、Persistent Workspace --- # 一、問題：共享世界是否必須意味共享認知？ 前兩篇已經完成兩個分離： $$ \boxed{\text{Shared Conversation}\neq\text{Shared World}} $$ 以及： $$ \boxed{\text{Continuous Collaboration}\neq\text{Continuous Inference}} $$ 第三個問題自然出現： > 即使多個 Agent 不需要同一個 conversation、不需要同時執行，並且可以透過 persistent shared world 持續合作，它們究竟應該共享多少認知？ 最直覺的方法是讓所有 Agent 使用同一個 memory repository： $$ M_1=M_2=\cdots=M_n=M^{shared}. $$ 這會減少重複工作，也會提升 reference resolution 與 coordination speed。然而，它同時把所有 Agent 拉向同一個條件分布。 若三個 Agent 使用相同模型、相同 prompt、相同 memory、相同 context，則： $$ P(Output_A\approx Output_B\approx Output_C)\uparrow. $$ 因此： $$ \boxed{AgentCount\neq CognitiveDiversity.} $$ 多 Agent 的數量增加，並不自動代表搜尋空間、假說空間或獨立驗證能力增加。 --- # 二、認知差異可以是一種資產 對某些工作，我們反而希望 Agent 之間不要事先共享全部答案，例如： - independent proof； - blind review； - red teaming； - adversarial evaluation； - independent forecasting； - parallel search； - hypothesis generation。 如果 Agent B 在開始前已經看到 Agent A 的強結論 $x^*$，那麼 B 的搜索過程可能從： $$ P(x\mid Problem) $$ 變成： $$ P(x\mid Problem,x^*). $$ 這不一定是壞事，但它改變了 B 作為「獨立觀察者」的功能。 因此： $$ \boxed{ InformationSharing \text{ may reduce } IndependentSearchValue } $$ 在某些任務中，保留認知隔離本身就是設計目標。 --- # 三、Private Cognitive Space 本文定義 Agent $i$ 的局部認知空間： $$ \boxed{ L_i(t)= (C_i,M_i,H_i,G_i,U_i,A_i) } $$ 其中： - $C_i$：local context； - $M_i$：private memory； - $H_i$：local hypotheses； - $G_i$：local goals / subgoals； - $U_i$：uncertainty state； - $A_i$：working artifacts / scratch state。 這一層不預設對所有其他 Agent 可見。 需要特別強調： $$ \boxed{Private\neq Secret.} $$ 本文的 private 首先表示 **locally scoped**，而不必表示 confidential。其他 Agent 能否讀取，仍由 sharing policy 與 permission 決定。 --- # 四、公共世界不是所有私有認知的聯集 定義： $$ \boxed{ W_t=(E_t,S_t,T_t,K_t,F_t,D_t,P_t) } $$ 其中： - $E_t$：shared events； - $S_t$：shared state； - $T_t$：tasks； - $K_t$：shared knowledge； - $F_t$：files / artifacts； - $D_t$：decisions； - $P_t$：provenance / permissions。 公共世界不是： $$ W=\bigcup_i L_i. $$ 更合理的是： $$ \boxed{ W_t=\mathcal G(L_1,\ldots,L_n,E^{external}) } $$ 其中 $\mathcal G$ 是 governance / publication process，而不是單純 union。 因此： $$ x\in L_i \not\Rightarrow x\in W. $$ 這就是「私人認知」與「公共世界」真正的邊界。 --- # 五、Context 是公共世界的局部投影 每個 Agent 的有效工作 context 可寫成： $$ \boxed{ Context_i(t) = L_i^{active}(t) + \pi_i(W_t,Q_i,R_i,P_i) } $$ 其中： - $Q_i$：當前問題； - $R_i$：角色； - $P_i$：權限； - $\pi_i$：選擇性投影／檢索算子。 即使： $$ |W_t|\gg|Context_i|, $$ 仍可要求： $$ Cost(\pi_i(W_t))\le B_i, $$ 其中 $B_i$ 是當前 context / cognition budget。 所以： $$ \boxed{ SharedWorldGrowth \not\Rightarrow ActiveContextGrowth } $$ 公共世界可以長期成長，而每一輪 Agent 只重建與任務相關的有限工作域。 --- # 六、Collaboration 不要求 Memory Merge 目前 Agent 工程的公開方向已經逐漸把 context、session state、long-term memory、handoff 分開處理。更重要的是，跨 Agent 協議本身並不要求 Agent 共享完整 memory 或完整 context。 因此： $$ \boxed{ Collaboration \not\Rightarrow MemoryMerge } $$ Agent A 完全可以只向 B 輸出： $$ m_A=(Claim,Evidence,Confidence,ArtifactRef,Request), $$ 而 B 不需要讀取： $$ L_A. $$ 這構成一種 **Cognitive Interface**： $$ \boxed{ AgentCommunication = Interface \neq InternalStateExposure } $$ --- # 七、三層記憶模型 本文提出： $$ \boxed{ M_i^{private} + M^{shared} + M_k^{room} } $$ ## 7.1 Private Memory $M_i^{private}$ 可以保存： - 工作策略； - 尚未證實假說； - local exploration history； - role-specific memory； - 個體化索引； - working summary； - private uncertainty。 核心原則： $$ \boxed{ UsefulToAgent \not\Rightarrow UsefulToAllAgents } $$ ## 7.2 Shared Memory $M^{shared}$ 保存： - 已確認共同狀態； - 可追溯決議； - 穩定專案知識； - artifact references； - 共享約束； - 公共事件； - 多 Agent 協作規則。 因此： $$ \boxed{ SharedMemory = InstitutionalMemory } $$ 它不應只是所有 Agent 私有記憶的 dump。 ## 7.3 Room Memory $M_k^{room}$ 存在於暫時 shared conversation / meeting。 其中可能包含： - brainstorm； - provisional thought； - 對話銜接； - 重複說明； - 暫時假說。 所以： $$ \boxed{ RoomTranscript \not\Rightarrow SharedMemory } $$ 會議中一萬 token 的交流，最後可能只形成五個真正應進公共記憶的物件：決議、未決問題、負責人、artifact、deadline。 --- # 八、Promotion：從私人到公共 當 private memory 中的資訊應進公共世界時，不應直接： $$ M_i^{private}\rightarrow M^{shared}. $$ 更合理的是： $$ \boxed{ Promote: M_i^{private} \rightarrow Candidate(M^{shared}) } $$ 之所以需要 Candidate，是因為 Agent A 的私人認知： > 「API X 已經棄用。」 可能只是： $$ Hypothesis_A. $$ 如果直接進共享記憶，其他 Agent 可能把它誤認為： $$ VerifiedFact. $$ 因此： $$ \boxed{ PrivateInference \neq SharedFact } $$ --- # 九、Shared Memory Admission 定義： $$ \boxed{ Adm(x) = f( Relevance, Evidence, Confidence, CrossAgentUtility, Durability, Risk, Provenance ) } $$ 只有： $$ Adm(x)\ge\theta $$ 才正式： $$ CommitShared(x). $$ 然而並不是只有高信心內容可以共享。例如： > 「目前存在待驗證假說 X。」 本身就是合法的共享狀態。 所以關鍵不是： $$ Confidence(x)=1, $$ 而是： $$ \boxed{EpistemicType(x)} $$ 清楚。 --- # 十、Epistemic Type 最低可區分： ```text OBSERVATION USER_STATEMENT TOOL_RESULT HYPOTHESIS INFERENCE DECISION CONSTRAINT VERIFIED_FACT REJECTED SUPERSEDED OPEN_QUESTION ``` 所以共享記憶不應只存： ```text memory: X ``` 而更接近： ```yaml memory: type: hypothesis content: X source: confidence: valid_at: status: ``` 因此： $$ \boxed{ Shared(x) \not\Rightarrow True(x) } $$ 共享只表示它有共同協作價值。 --- # 十一、集中共享記憶並非唯一解 2026 年的多 Agent memory 研究已經開始直接比較 centralized shared repository 與 decentralized memory。 集中式記憶容易帶來： - coordination overhead； - communication overhead； - privacy concern； - agent diversity collapse； - single-point memory pollution。 但完全去中心化也會產生： - duplicate work； - knowledge silo； - inconsistent state； - 不知道他人已完成什麼； - conflict detection 困難。 因此： $$ \boxed{ FullyShared } $$ 與： $$ \boxed{ FullyPrivate } $$ 都只是極端。 更合理的設計是： $$ \boxed{ Local + Shared + Archive } $$ 再配合暫時 Room Memory。 --- # 十二、Shared Memory 是制度記憶 如果 $M_i^{private}$ 類似個體記憶，那麼 $M^{shared}$ 更像： - project database； - organization handbook； - decision log； - scientific record； - code repository； - shared task state。 所以： $$ \boxed{ InstitutionalMemory \neq PersonalMemory } $$ 制度記憶通常應比個體記憶更保守，因為錯誤具有更大的外部性。 --- # 十三、Memory Blast Radius 定義： $$ \boxed{ B_R(x) = |\{A_i:x\text{ 會進入其可達工作域}\}| } $$ Private memory： $$ B_R(x)\approx1. $$ Shared memory： $$ B_R(x)\rightarrow n. $$ 因此： $$ \boxed{ B_R(x)\uparrow \Rightarrow VerificationRequirement(x)\uparrow } $$ 共享越廣、保存越久、越可能驅動實際行動，就越需要高強度 provenance、validation 與 correction path。 --- # 十四、共享 Scope 不是二元值 公共世界可以分區： $$ W= W^{global} \cup W^{team} \cup W^{project} \cup W^{role} \cup W^{private}. $$ Memory scope 可以是： ```text PRIVATE PAIR TEAM PROJECT ORGANIZATION PUBLIC ``` 所以： $$ Scope(x) $$ 應成為 first-class property。 共享還可以有時間期限： $$ SharedUntil(x)=t_1. $$ 到期後可以 Demote 或 Archive，而不是永遠佔據 active shared memory。 --- # 十五、Demote、Archive、Reopen、Supersede ## 15.1 Demote $$ \boxed{ M^{shared}_{active} \rightarrow M^{shared}_{archive} } $$ 表示仍保留，但不再預設進入 hot retrieval。 ## 15.2 Archive 不等於 Delete $$ \boxed{Archive\neq Erase.} $$ 舊資訊仍可因 audit、conflict、historical reconstruction 或 user correction 被重新讀取。 ## 15.3 Reopen 若新證據 $e_{new}$ 與 shared memory $m$ 衝突： $$ Conflict(e_{new},m)=1, $$ 則： $$ \boxed{Reopen(m).} $$ ## 15.4 Supersede 如果 $m_2$ 替代 $m_1$： $$ m_1\xrightarrow{SupersededBy}m_2. $$ 應保留 version lineage，而不是直接覆寫歷史。 --- # 十六、Reject 也是記憶 候選 $x$ 若被拒絕，可記： $$ Rejected(x,reason). $$ 因為如果不保存 failed path，另一 Agent 可能再次重做同一條錯誤路線。 但是 failed path 本身也不應無限增長，所以可以： $$ FailedPath \rightarrow Compress \rightarrow Archive. $$ 只保留： - 為何失敗； - 適用邊界； - 什麼新條件出現時可以 reopen。 --- # 十七、Epistemic Object 共享記憶真正適合交換的單位可能不是一句自然語言，而是一個： $$ \boxed{ EpistemicObject } $$ 定義： $$ \boxed{ m=(Claim,Type,Evidence,Time,Scope,Confidence,Provenance,Status,Dependencies)} $$ 這樣才能區分： - 觀察； - 推論； - 假說； - 決議； - 事實； - 已失效資訊。 同樣地，private memory 也應 typed。否則原本的： > 「X 可能成立。」 在 compression / resume 後可能變成： > 「X 成立。」 形成： $$ \boxed{EpistemicDrift.} $$ --- # 十八、記憶生命周期 本文提出： $$ \boxed{ Private \rightarrow Candidate \rightarrow Review \rightarrow Shared \rightarrow Stable \rightarrow Archive } $$ 必要時： $$ Stable\rightarrow Reopen. $$ 這使 memory 不再只是 passive storage，而是 lifecycle。 真正 multi-agent memory governance 的問題不是只有： $$ Query\rightarrow Retrieve. $$ 而是： - Who can write? - Who can read? - What may be promoted? - What can override what? - What must remain contested? - How is correction propagated? --- # 十九、多值共享狀態 兩個 Agent 可能同時提交： Agent A： > 實驗支持方案 X。 Agent B： > 證據不足以支持方案 X。 這不是 byte-level conflict，而是： $$ \boxed{SemanticConflict.} $$ Shared memory 不應強迫立即選一個答案。 它可以合法保存： ```yaml status: - claim: supports_X source: agent_a - claim: insufficient_evidence source: agent_b resolution: unresolved ``` 因此： $$ \boxed{ Consistency \neq ForcedAgreement } $$ 而： $$ \boxed{ SharedKnowledgeOfDisagreement } $$ 本身就是有價值的公共狀態。 --- # 二十、Delayed Convergence 如果每次 Agent 一有衝突就立即： $$ Merge(A,B)\rightarrow SingleAnswer, $$ 系統可能過早失去搜尋多樣性。 因此應允許： $$ \boxed{KeepPlural.} $$ 直到： - 必須行動； - evidence 足夠； - deadline； - branch cost 過高； - human decision； - consensus threshold。 這使： $$ \boxed{ PrivateSpace=ExplorationSurface } $$ 而： $$ \boxed{ SharedWorld=CoordinationSurface } $$ 兩者具有不同功能。 --- # 二十一、Sharing Pressure 與 Isolation Pressure 對 memory object $x$，定義 Sharing Pressure： $$ \boxed{ P_S(x) = f( CrossAgentUtility, TaskDependence, Risk, Durability, CoordinationNeed ) } $$ 再定義 Isolation Pressure： $$ \boxed{ P_I(x) = f( ExploratoryValue, Uncertainty, Privacy, AnchoringRisk, RoleSpecificity ) } $$ 於是 scope selection 可以寫成： $$ \boxed{ Scope^*(x) = \arg\max_s U(x,s) } $$ 其中： $$ s\in\{private,pair,team,project,global\}. $$ 記憶 scope 本身因此是一個可調節狀態，而不是永久屬性。 --- # 二十二、Context 也需要適度共享 Agent 不只要決定記憶放哪裡，還要決定這一輪讀多少公共世界。 如果： $$ \pi_i(W)=W, $$ 那 Shared World 最後會退化成另一種 Huge Shared Conversation。 所以： $$ \boxed{ SharedWorld + BadProjection \approx SharedContextExplosion } $$ 反過來，如果： $$ |\pi_i(W)|\rightarrow0, $$ 則會出現： - duplicate work； - stale constraint； - missed decision； - outdated artifact； - conflicting action。 因此需要： $$ \boxed{ \pi_i^* = \arg\min_{\pi} Cost(\pi(W)) } $$ subject to： $$ TaskQuality(\pi(W))\ge Q_{min}. $$ 也就是最小充分共享 Context。 --- # 二十三、Shared Context 不應只依 similarity 對 query： > 寫新的 deployment plan。 純 semantic similarity 可能找到舊 deployment 文檔，但真正最重要的資訊可能是： > 昨天 security policy 已修改。 因此公共世界投影應綜合： $$ \boxed{ Score_i(x) = \alpha Rel + \beta Recency + \gamma Causal + \delta Authority + \epsilon Risk + \zeta Dependency } $$ 然後依 context budget 選擇。 如果發現 contradiction、uncertainty、missing evidence，則允許： $$ ReopenSearch $$ 擴大 $\pi_i(W)$。 --- # 二十四、Canonical Memory 與 Retrieval Representation 公共記憶最好有 model-agnostic canonical layer： $$ \boxed{m^{canonical}} $$ 保存： - typed content； - provenance； - timestamp； - relations； - status。 再派生： $$ m^{vector},m^{graph},m^{temporal},\ldots $$ 所以： $$ \boxed{ CanonicalMemory \neq RetrievalRepresentation } $$ 如果 embedding model 改變，只需重建 derived index，而不必改寫 institutional memory。 Private memory 則可以有更高 representation freedom，例如 shorthand、local embeddings、temporary ontology、scratch graph。 因此一般趨勢是： $$ Private: Freedom\uparrow, Governance\downarrow $$ 而： $$ Shared: Freedom\downarrow, Governance\uparrow. $$ --- # 二十五、Memory Governance Gradient 可提出： $$ \boxed{ GovernanceRequirement \propto BlastRadius \times Durability \times ActionImpact } $$ 越多人會讀、保存越久、越可能驅動高影響行動，越需要高治理。 Room Memory 通常位於中間： $$ BlastRadius_{room} A 支持 X；B 反對 X；目前未決。 因此對「爭議存在」這一公共狀態： $$ World_A=World_B, $$ 即使： $$ Belief_A\neq Belief_B. $$ 所以： $$ \boxed{ SharedWorld } $$ 可以容納： $$ \boxed{ PluralCognition } $$ 本文稱之為： $$ \boxed{CoordinatedPlurality.} $$ --- # 二十九、Epistemic Difference 不等於 Operational Conflict Agent A 與 B 對某問題看法不同： $$ EpistemicDifference(A,B)=1 $$ 不表示系統失敗。 真正 operational conflict 是： - 同一 artifact 被矛盾覆寫； - 同一 task 被重複執行； - 已確認 constraint 被違反； - 相同 authority 被互斥解讀； - incompatible actions 同時提交。 因此： $$ \boxed{ EpistemicDifference \neq OperationalConflict } $$ Coordination 的要求也不必是： $$ Belief_i=Belief_j. $$ 更合理是： $$ \boxed{ Coordination = CompatibleAction + SharedReference } $$ --- # 三十、Shared Referents 比 Shared Thoughts 更重要 公共世界真正需要讓所有 Agent 對齊的，往往是： - TaskID； - ArtifactID； - EventID； - StateVersion； - DecisionID； - ConstraintID； - shared timeline。 即： $$ \boxed{SharedReferents} $$ 而不是： $$ SharedThoughts. $$ 這使多 Agent 可以保有不同推理，同時仍然談論同一個工作世界。 --- # 三十一、最小 Private–Shared Memory Runtime MVP 可由： ```text private_memory_store shared_memory_store room_memory_store archive_store scope_router promotion_queue provenance_graph projection_engine conflict_manager permission_layer ``` 構成。 最低 Memory Object： ```yaml memory_object: id: owner: scope: epistemic_type: content: source_refs: confidence: created_at: valid_at: status: supersedes: dependencies: permissions: ``` 最低操作： ```text store_private() retrieve_private() propose_shared() review_candidate() commit_shared() retrieve_shared() reopen() supersede() archive() open_room() distill_room() ``` --- # 三十二、Promotion Receipt 每次 private → shared 最好留下： ```yaml promotion_receipt: source_memory_id: proposer_agent: reviewer: decision: reason: resulting_shared_id: timestamp: ``` 這形成： $$ \boxed{SelectionTraceability.} $$ 當共享記憶後來被證明錯誤時，可以回溯： > 誰提出、根據什麼證據、在什麼條件下、由誰批准。 --- # 三十三、Benchmark 1：Independent Reasoning 三個相同模型 Agent 解同一問題。 比較： ### A — Full Sharing 每個 Agent 都讀取其他 Agent 前序結論。 ### B — Full Isolation 完全獨立。 ### C — Evidence Only 共享 evidence，不共享 conclusion。 ### D — Independent Then Share 先獨立，再交換結果。 測量： - accuracy； - solution diversity； - correlated error； - token cost； - convergence speed。 --- # 三十四、Benchmark 2：Memory Pollution 在 Agent A private memory 放入錯誤假說。 比較： ### Ungoverned Sharing 直接進全局 memory。 ### Candidate + Review 需要 admission / provenance。 測量： $$ ErrorPropagationRate. $$ --- # 三十五、Benchmark 3：Duplicate Work 比較： - fully private agents； - shared task state + private reasoning； - fully shared context。 測量： $$ DuplicateWorkRatio. $$ 目標是證明保留 private cognition 不等於不知道公共進度。 --- # 三十六、Benchmark 4：Over-Sharing / Under-Sharing 逐步調節： $$ SharedContextRatio=s. $$ 觀察： - task quality； - anchoring； - diversity； - latency； - cost； - stale error。 預期可能存在： $$ \boxed{0Performance(0) $$ 且： $$ Performance(s^*)>Performance(1). $$ 也就是完全不共享與完全共享都可能不是最優。 --- # 四十一、假說二：Governance by Blast Radius 最佳驗證強度： $$ V^*(x) $$ 與： $$ B_R(x) $$ 正相關： $$ \boxed{ B_R\uparrow \Rightarrow V^*\uparrow } $$ --- # 四十二、假說三：Shared State / Private Reasoning 對長期 multi-agent project： $$ \boxed{ SharedTaskState + PrivateReasoning } $$ 可能比： $$ SharedEverything $$ 具有更好的： $$ Diversity/Cost/Coordination $$ 平衡。 --- # 四十三、假說四：Institutional Memory Compression 隨 conversation volume： $$ V_C\uparrow, $$ 真正需要進 institutional memory 的比例： $$ \frac{\Delta M^{shared}}{V_C} $$ 可能下降。 亦即，長期協作產生大量語言，但穩定制度狀態往往相對稀疏。 --- # 四十四、假說五：Cross-Model Shared Memory 若 shared memory 使用： $$ CanonicalTypedObjects $$ 而非 model-specific hidden representation，則： $$ \boxed{ModelReplacementCost\downarrow.} $$ --- # 四十五、三個正交分離完成 現在整個系列已形成三個維度。 ## 空間分離 $$ \boxed{ SharedConversation \neq SharedWorld } $$ ## 時間分離 $$ \boxed{ ContinuousCollaboration \neq ContinuousInference } $$ ## 資訊分離 $$ \boxed{ SharedWorld \neq SharedCognition } $$ 這三個分離合起來後，Persistent Multi-Agent 才不再等同於「把很多 Agent 塞進一個超大聊天室」。 --- # 四十六、統一 Agent 模型 每個 Agent： $$ \boxed{ A_i(t) = (Identity_i,L_i(t),M_i^{private},Role_i,Capability_i) } $$ 公共世界： $$ \boxed{ W_t = (SharedState,SharedMemory,Events,Tasks,Artifacts,Decisions,Provenance) } $$ Agent 被喚醒後： $$ \boxed{ Context_i = Rehydrate(L_i) + \pi_i(W_t,Q_i) } $$ 完成後也不是把整個 context 寫回公共世界，而是輸出： $$ \boxed{ \Delta_i = (Actions,Artifacts,CandidateMemories,StateUpdates,Messages,Receipts) } $$ 再由治理層決定哪些 $\Delta_i$ 進入公共狀態。 --- # 四十七、下一個問題：協作拓撲應不應該自己改變？ 當資訊邊界可以動態調節後，下一步自然是： Agent 何時應保持獨立？ $$ \mathcal I=Isolate $$ 何時只共享成果？ $$ \mathcal S=Share $$ 何時應真正進入共同 conversation？ $$ \mathcal J=Join $$ 這意味： $$ \boxed{ G_t^{agents} } $$ 不必是固定拓撲，而可以隨任務持續變化。 這正是下一篇。 --- # 四十八、本文不主張什麼 本文不主張： 1. Agent 必須永久保有不可見思想； 2. private memory 必然優於 shared memory； 3. 共享越少越好； 4. disagreement 本身一定有價值； 5. 所有 private inference 都應保密； 6. shared memory 等同真理； 7. typed memory 可以消除所有語義衝突； 8. 人類組織形式應直接複製到 AI。 本文只主張： $$ \boxed{ \text{認知共享程度應成為架構變量，而不是預設常數。} } $$ --- # 四十九、核心結論 第一： $$ \boxed{ \text{共享同一個世界，不要求共享同一個認知。} } $$ 第二： $$ \boxed{ \text{多 Agent 的價值，可能來自可協作的差異，而不是最大化一致。} } $$ 第三： $$ \boxed{ \text{公共記憶不是所有私人記憶的總和，而是經治理後留下的制度性認知狀態。} } $$ 第四： $$ \boxed{ Context_i=Local_i+\pi_i(W,Q_i). } $$ 第五： $$ \boxed{ \text{資訊應在 Private、Room、Shared、Archive 之間流動，而不是永遠停留在單一記憶池。} } $$ --- # 五十、最終一句 > **真正成熟的 Multi-Agent 系統，不是讓每一個 Agent 都知道同樣多，而是讓每一個 Agent 在保有必要差異的同時，仍能知道自己需要知道的共同世界。** 形式化： $$ \boxed{ \text{PluralCognition} + \text{SharedReferents} + \text{SelectiveProjection} = \text{PersistentCollaborativeIntelligence} } $$ --- # 下一篇 ## 《動態協作拓撲：從 Isolate、Share 到 Join》 ### 多 Agent 如何依任務在獨立、共享與共同對話之間切換 下一篇正式把： $$ \boxed{ \mathcal I=Isolate, \quad \mathcal S=Share, \quad \mathcal J=Join } $$ 變成動態協作算子，並研究： $$ \boxed{G_t^{agents}} $$ 如何隨任務、衝突、不確定性、時間壓力、成本與認知多樣性需求持續改變。 --- ## 參考資料 1. **OpenAI Agents SDK — Context management / Sessions / Handoffs / Agent orchestration.** OpenAI, 2026. 用於區分 run context、conversation state、sessions 與跨 Agent task delegation。 2. **Google — Agent2Agent (A2A) Protocol.** Google Developers Blog, 2025–2026. A2A 將不共享 memory、tools、context 的 Agent collaboration 視為正常設計情境。 3. **LangGraph — Persistence / Memory.** LangChain Documentation, 2026. 區分 thread-scoped short-term state 與跨 interaction long-term stores。 4. **Microsoft Agent Framework — Overview / Memory & Persistence / Conversations.** Microsoft Learn, 2026. 將 AgentSession、state、context provider、persistent memory 與 storage 分層。 5. Hao, G., Long, Y., & Zhao, Z. **Self-Evolving Multi-Agent Systems via Decentralized Memory.** arXiv:2605.22721, 2026. 探討 centralized shared repository 對通信、協調、privacy 與 agent diversity 的代價，以及 decentralized memory。 6. Yu, Z. et al. **Multi-Agent Memory from a Computer Architecture Perspective: Visions and Challenges Ahead.** arXiv:2603.10062, 2026. 區分 shared 與 distributed memory paradigms，並指出 consistency 與 access control 問題。 7. Cuadros, D. F. et al. **Governed Collaborative Memory as Artificial Selection in LLM-Based Multi-Agent Systems.** arXiv:2605.04264, 2026. 提出 agent-local、shared institutional、archive 與 project-continuity memory 的 layered architecture。 8. Taheri, H. **Governed Memory: A Production Architecture for Multi-Agent Workflows.** arXiv:2603.17787, 2026. 從 production workflow 角度討論共享記憶治理、typed properties、progressive context delivery 與 isolation。 --- ## 系列狀態 $$ \boxed{ \text{Series A Progress}=3/5 } $$ 已完成： 1. 《共享對話與共享世界：兩種 Multi-Agent 協作拓撲》 2. 《離散執行，連續協作：跨對話 Agent 的持續性、喚醒、交接與非連續推理》 3. **《私有認知與公共世界：多 Agent 的雙層 Context、Memory 與選擇性認知共享》** 待完成： 4. 《動態協作拓撲：從 Isolate、Share 到 Join》 5. 《Persistent Multi-Agent Workspace：跨對話共享世界 Runtime 與 MVP》