# T1：可執行動態邏輯 Runtime 規格 ## Executable Dynamic Logic Runtime Specification **版本：** v0.1 **日期：** 2026-08-16 **狀態：** Internal Technical Draft **對外科普別稱：** 貝葉斯邏輯判斷器（Bayesian Logic Judge） **注意：** 對外別稱不是完整技術定義。 --- # 1. 目標 本 Runtime 的目標不是計算一個靜態： $$ P=\top $$ 或： $$ P=\bot. $$ 而是持續維護： $$ \boxed{ J(P,t) } $$ 及其完整 transition history。 Runtime 最小輸出包括： ```text current judgment state support / counterevidence evidence completeness closure state transition reason history provenance ``` --- # 2. 核心物件 ## 2.1 Claim ```yaml id: claim-001 statement: "..." scope: "..." created_at: "..." ``` 形式： $$ P_i. $$ ## 2.2 Evidence ```yaml id: evidence-001 claim: claim-001 direction: support source: "..." source_type: primary observed_at: "..." weight: 0.8 verified: true ``` ## 2.3 CounterEvidence CounterEvidence 不建立成完全不同本體。 其實是： $$ E_i $$ 帶： $$ \operatorname{direction}(E_i)=\text{oppose}. $$ ## 2.4 JudgmentState 第一版建議： ```text open generating provisionally_true provisionally_false conflicted blocked failed ``` 對外三態投影： $$ \Pi_3(S) = \begin{cases} \top,&S=\text{provisionally\_true}\\ \bot,&S=\text{provisionally\_false}\\ \Omega,&\text{otherwise except failed} \end{cases} $$ 其中 failed 是 runtime error，不是認識論真值。 ## 2.5 Transition ```yaml id: tr-001 claim: claim-001 from: generating to: provisionally_true trigger: evidence-004 reason: "closure threshold reached" runtime_version: "..." timestamp: "..." ``` ## 2.6 Context $$ \Gamma_t $$ 包含： ```text domain rules thresholds time window source policy risk policy observer scope ``` ## 2.7 Observer $$ O_t $$ 表示： - 可見資料； - 權限； - 代理角色； - 模型； - 利益衝突； - 可用工具。 ## 2.8 Invariant $$ \mathcal I $$ 例如： ```text history_must_not_be_erased source_must_be_traceable closure_must_be_reopenable model_version_must_be_recorded inference_must_not_pose_as_observation ``` --- # 3. Runtime 狀態函數 基本式： $$ J(P,t) = F( P, E_{\leq t}, \Gamma_t, O_t, M_t, \mathcal I ). $$ 第一版不要求 $F$ 是單一數學函數。 它可以是： ```text deterministic rules + probabilistic scoring + AI evaluator + human override ``` 但每一層必須可追溯。 --- # 4. Bayesian Layer 對外「貝葉斯邏輯判斷器」可保存： $$ p_t(H)=P_t(H). $$ 若可合理定義 likelihood： $$ P(E\mid H), $$ 則使用： $$ P(H\mid E) = \frac{P(E\mid H)P(H)} {P(E)}. $$ 但 Bayesian posterior 只是 runtime state 的一個欄位： ```yaml bayesian: prior: 0.50 posterior: 0.68 likelihood_model: "..." ``` 不能直接： $$ 0.68 \Rightarrow \top. $$ 閉合仍受 policy 控制。 --- # 5. Closure Policy 例： ```yaml closure: min_evidence_quality: 0.70 min_source_independence: 0.60 support_threshold: 0.80 oppose_threshold: 0.20 max_unresolved_major_conflicts: 0 ``` 若： $$ \operatorname{CloseTrue}(S_t,\theta)=1, $$ 則： $$ S_t \rightarrow \text{provisionally\_true}. $$ 注意： $$ \boxed{ \text{provisionally\_true} \neq \text{metaphysically final true}. } $$ --- # 6. Reopen Policy 新證據： $$ e_{new} $$ 進入後計算： $$ \Delta(e_{new},S_t). $$ 若： $$ \Delta>\rho, $$ 則： $$ \text{provisionally\_true} \rightarrow \text{generating}. $$ 同理： $$ \text{provisionally\_false} \rightarrow \text{generating}. $$ --- # 7. Event Ledger Runtime 採 event-sourced 優先設計。 事件： ```text CLAIM_CREATED EVIDENCE_ADDED EVIDENCE_INVALIDATED COUNTEREVIDENCE_ADDED CONTEXT_CHANGED MODEL_CHANGED STATE_CLOSED_TRUE STATE_CLOSED_FALSE STATE_REOPENED HYPOTHESIS_SPLIT HYPOTHESIS_MERGED FORMULA_REWRITTEN RUNTIME_FAILED ``` canonical state 可由： $$ S_t = \operatorname{Fold} ( S_0, e_1,\ldots,e_t ) $$ 重建。 --- # 8. Hypothesis Split 假說不是 immutable。 原命題： $$ H $$ 可能因證據分裂： $$ H \rightarrow \{ H_1,H_2,H_3 \}. $$ 事件： ```yaml type: HYPOTHESIS_SPLIT source: H targets: [H1, H2, H3] reason: "..." ``` 這是本 Runtime 與普通 probability gauge 的重要差別。 --- # 9. Formula Rewrite 公式 AST 也可以有版本： $$ f_t \rightarrow f_{t+1}. $$ 例如： $$ J(P,t)=f(E_t) $$ 被修正為： $$ J(P,t)=f(E_t,O_t,\Gamma_t). $$ 必須保存： ```text old_ast new_ast rewrite_reason author/agent timestamp ``` --- # 10. Replay 任一 claim 必須支援： ```text play pause step rewind jump-to-event ``` Replay 展示： $$ S_0 \rightarrow S_1 \rightarrow \cdots \rightarrow S_t. $$ --- # 11. Snapshot 靜態 MD／HTML／PDF 是： $$ \operatorname{Snapshot} ( J, t_s ). $$ Snapshot 必須標示： ```text snapshot_time runtime_version source_hash event_cursor ``` 以免使用者把舊快照誤認為 current state。 --- # 12. Public Projection 科普模式： ```text 目前判定：仍在生成 支持度：67% 反證壓力：31% 證據完整度：54% 最後更新：... ``` 進階模式： ```text J(P,t) Evidence Graph Counterevidence Bayesian state Context Transition History Reopen Policy Model Version ``` --- # 13. 錯誤與未知分離 必須區分： $$ \Omega $$ 與： $$ \mathrm{ERROR}. $$ $\Omega$ 是合法認識狀態。 ERROR 是 runtime execution failure。 因此： ```text generating != failed conflicted != failed blocked != false ``` --- # 14. 最小 API ```text POST /claims GET /claims/{id} POST /claims/{id}/evidence POST /claims/{id}/context POST /claims/{id}/evaluate POST /claims/{id}/reopen POST /claims/{id}/split GET /claims/{id}/history GET /claims/{id}/snapshot GET /claims/{id}/replay ``` --- # 15. 最小 CLI ```bash dlj claim add dlj evidence add dlj evaluate dlj state dlj reopen dlj history dlj replay dlj snapshot ``` --- # 16. Persistence 初期： ```text SQLite + JSON/JSONL event log ``` 建議表： ```text claims evidence contexts judgment_states transitions event_ledger formula_versions model_runs snapshots ``` --- # 17. Deterministic / AI Boundary 能 deterministic 的： - hash； - timestamp； - threshold； - DAG； - state transition validation； - replay； - schema validation； 不得交給 LLM 自由決定。 LLM 適合： - evidence interpretation； - alternative hypothesis generation； - causal explanation； - source summarization； - conflict detection。 --- # 18. Inference / Evidence Boundary 核心不變量： $$ \boxed{ \text{Inference} \neq \text{Evidence}. } $$ 任何 AI 新生成假說： ```yaml source_type: inference ``` 不得偽裝： ```yaml source_type: observation ``` --- # 19. MVP 第一個 MVP 只需要： 1. 一個 claim； 2. support / oppose evidence； 3. 三態 projection； 4. closure； 5. reopen； 6. event ledger； 7. replay； 8. formula/number live view。 即足以讓使用者直接看到： $$ \boxed{ \text{判斷正在發生。} } $$ --- # 20. 與後續文件關係 T2：接 EveGlyph AIMD-C。 T3：定義 Live Paper source format。 T4：定義 visual renderer。 T5：定義 Bayesian Logic Judge 科普 UI。