# Addressable Cognitive Runtime × CTCL：統一技術白皮書與實作路線圖 v0.1 ## ——從自提示、可定址認知與契約治理，走向具有時間因果歷史的持續自主 AI Runtime **系列 06 / 06** --- ## 文件定位 本文是本系列前五篇的**統一技術母文件**。 前五篇分別完成： 1. 從 Self-Prompt 到 Persistent-Goal Autonomous Cognitive Loop 的理論定位； 2. Addressable Cognitive Space、Cognitive Affordance 與 Semantic Address； 3. AI-Native Cognitive Program、Self-Dialogue Runtime 與 Zero-Rendering； 4. CTCL-ITR、Decision Receipt、Decision-Time Knowledge Boundary 與時間因果自我史； 5. Contract-Bounded Autonomy，以及 `EXECUTE / REFUSE / DEFER / IDLE / ESCALATE` 五態治理。 本文不再新增一個平行理論，而是將上述概念收斂為一個可實作的統一架構： $$ \boxed{ \text{Addressable Cognitive Runtime} + \text{Governance Runtime} + \text{CTCL-ITR Temporal-Causal Evidence Layer} } $$ 其目標不是建造一個只會「多 prompt 自己幾次」的 Agent，而是建立： > **一個只需給予持續目標、環境與契約，即可自行觀察、形成議程、選擇認知、規劃、治理、行動、稽核與更新自己的 AI Runtime。** --- # 1. 最終研究問題 本系列最終問題可以形式化為： $$ \boxed{ (G,E_t,C_t) \rightarrow AI_t \rightarrow AI_{t+1} } $$ 其中： - $G$：Persistent Goal； - $E_t$：Environment； - $C_t$：Contract / Authority； - $AI_t$：目前 Runtime 狀態； - $AI_{t+1}$：AI 自己產生的下一個認知與行動狀態。 核心問題不是： > AI 能不能回答問題？ 而是： > **若人類停止逐輪提供下一個 prompt，AI 能否自己產生後續 cognition、agenda、plan、governance decision 與 action？** --- # 2. 統一閉環 完整 Runtime： $$ \boxed{ \begin{aligned} Environment_t &\xrightarrow{Observe} Observation_t\\ &\xrightarrow{Encode} SemanticState_t\\ &\xrightarrow{Detect} Problem/Opportunity/None\\ &\xrightarrow{Agenda} AgendaCandidate_t\\ &\xrightarrow{Retrieve} CognitiveAffordances_t\\ &\xrightarrow{Compile} CognitiveProgram_t\\ &\xrightarrow{Dialectic} Proposal_t\leftrightarrow Opposition_t\\ &\xrightarrow{Govern} Decision_t\\ &\xrightarrow{Execute} Action_t\\ &\xrightarrow{Audit} TemporalEvidence_t\\ &\xrightarrow{Update} Memory_{t+1},Commitments_{t+1},Environment_{t+1}. \end{aligned} } $$ 並循環： $$ t\rightarrow t+1. $$ --- # 3. 三層架構 整體系統分成三個邏輯層。 ## Layer A — Cognitive Runtime 回答： > **現在應該怎麼想？** 核心模組： ```text Semantic State Encoder Cognitive Registry Cognitive Affordance Retriever Semantic Address Resolver Cognitive Router Cognitive Program Compiler Self-Dialogue Runtime ``` --- ## Layer B — Governance Runtime 回答： > **現在應不應該做？** 核心模組： ```text Persistent Goal Store Agenda Runtime Contract Store Authority Resolver Risk / Cost Evaluator Dialectic Engine Governance Decision Engine Commitment Store ``` --- ## Layer C — Temporal-Causal Evidence 回答： > **當時為什麼這樣想、這樣決定、最後有沒有真的作用到世界？** 核心： ```text CTCL reference instant CTCL-ITR TemporalEvent Causal DAG Decision Receipt Knowledge Boundary Commit Receipt Context Compression Event Integrity Sidecar / Ledger Anchor Audit / Replay ``` --- # 4. 第一個總體不變量 整個 Runtime 必須維持： $$ \boxed{ Cognition \neq Governance \neq WorldCommit. } $$ 即： > 想到一個 action，不代表批准它。 > 批准一個 action，不代表它已經成功作用到世界。 --- # 5. 第二個總體不變量 沿用 CTCL-ITR 的核心分離： $$ \boxed{ Intent \neq Plan \neq ExecutionHistory \neq Artifact \neq WorldCommit. } $$ Addressable Cognitive Runtime 不應破壞這個分離。 --- # 6. 第三個總體不變量 $$ \boxed{ Prompt \neq Cognition. } $$ 自然語言 prompt 是： $$ Renderer(CognitiveObject). $$ 不是 canonical cognition 本身。 --- # 7. 第四個總體不變量 $$ \boxed{ CurrentMemory \neq HistoricalLedger. } $$ Context 可以壓縮。 Ledger 不應因 working-context 壓縮而失去因果證據。 --- # 8. 第五個總體不變量 $$ \boxed{ Can \neq Should \neq Authorized. } $$ 三者不得在 schema、prompt 或 evaluator 中合併。 --- # 9. 第六個總體不變量 $$ \boxed{ DecisionReceipt \neq CommitReceipt. } $$ Decision Receipt： > 為什麼決定這樣做？ Commit Receipt： > 是否真的對世界產生作用？ --- # 10. 現有可復用資產：SES / SPRC 現有 Semantic Persona Runtime / SES-SPRC 已提供： ```text SPRC Code → Registry Decode → Seed Lanes → Execution Descriptor → Operator Program → Natural Language ``` 這條鏈已經非常接近本文需要的： $$ SemanticAddress \rightarrow CanonicalCognition \rightarrow CognitiveProgram \rightarrow Renderer. $$ 因此本文不建議棄用 SES/SPRC。 更合理的方向是： $$ \boxed{ SES/SPRC \rightarrow Generalized Cognitive Registry Substrate. } $$ --- # 11. SES/SPRC 應保留的特性 至少保留： - versioned registry； - registry hash； - semantic code； - deterministic seed handling； - operator-selection lane； - operator-order lane； - renderer lane； - state-mutation lane； - replay； - recode； - corpus / registry separation； - candidate / promotion boundary。 這些都是未來 Addressable Cognitive Runtime 所需的基礎。 --- # 12. Cognitive Registry v0.1 第一版正式 registry 可定義： ```json { "registry_id": "ACR1", "registry_version": "0.1", "schema": "acr.cognitive-registry/v0.1", "operators": [...] } ``` 每個 operator： ```json { "id": "cog://epistemic/verify@1", "name": "VERIFY", "version": "1", "type": "cognitive_operator", "preconditions": [], "inputs": [], "outputs": [], "effects": [], "cost_class": "low", "risk_class": "low", "compatible_with": [], "conflicts_with": [], "authority_class": "cognition_only", "termination": [], "renderers": {}, "vector_ref": null, "schema_hash": "sha256:..." } ``` --- # 13. Cognitive Object Identity Identity 不應只靠名字。 定義： $$ Identity(C) = ( namespace, id, version, schemaHash ). $$ 例如： ```text cog://epistemic/verify@1#sha256:... ``` 因此： $$ VERIFY@1 \neq VERIFY@2. $$ --- # 14. Cognitive Address Namespace 初步可以分： ```text cog://epistemic/* cog://representation/* cog://search/* cog://planning/* cog://control/* cog://governance/* cog://memory/* cog://agenda/* ``` 例如： ```text cog://epistemic/verify@1 cog://epistemic/counterexample@1 cog://representation/reframe@1 cog://planning/decompose@1 cog://control/backtrack@1 cog://control/stop@1 cog://governance/defer@1 cog://governance/refuse@1 ``` --- # 15. Semantic State Schema 公開狀態： $$ O_t $$ 進入： $$ SemanticStateEncoder. $$ 輸出： ```json { "state_id": "state:sha256:...", "goal_refs": [], "active_commitments": [], "progress": "stalled", "uncertainty": "high", "failures": [], "missing": [], "risks": [], "budget": {}, "authority_ref": "...", "environment_refs": [], "memory_refs": [] } ``` --- # 16. Semantic State 的資料來源 只使用公開、可記錄資訊： ```text task / goal public outputs tool outputs memory environment snapshot artifact state budget commitments contract authority explicit confidence validation results ``` 不要求： > privileged access to hidden chain-of-thought。 --- # 17. Cognitive Affordance Retriever 輸入： $$ S_t. $$ 輸出： $$ \mathcal A_c(S_t) = \{C_1,\dots,C_k\}. $$ 候選評分可先採： $$ Score(C_i) = w_s SemanticFit + w_p PreconditionFit + w_h HistoricalUtility - w_c Cost - w_r Risk. $$ --- # 18. Retriever v0.1 不必先做神經模型 最初可以： ```text rule matching + keyword/state tags + registry preconditions + optional embeddings ``` 理由： > 先驗證 Runtime semantics，再優化 routing。 --- # 19. Semantic Address Resolver Resolver： $$ resolve(address) \rightarrow CanonicalObject. $$ 需要： - registry validation； - version resolution； - schema hash check； - deprecation handling； - alias resolution； - missing operator handling。 --- # 20. Cognitive Router Retriever 提供候選。 Router 決定： $$ C^* = Route(S_t,\mathcal A_c). $$ Router 可以是： - deterministic； - rule-based； - LLM； - learned classifier； - hybrid。 但輸出必須回到： $$ CanonicalAddress. $$ --- # 21. Cognitive Program Schema ```json { "program_id": "cp:...", "state_ref": "state:...", "goal_refs": [], "steps": [ { "operator_ref": "cog://epistemic/verify@1", "parameters": {}, "stop_if": [] } ], "budget": { "max_steps": 4, "max_calls": 6, "max_tokens": 4000, "max_cost_usd": 0.10 }, "termination": [], "registry_hash": "..." } ``` --- # 22. Program Compiler $$ Compiler( S_t, G_t, M_t, \mathcal A_c(S_t) ) \rightarrow P_t. $$ 輸出不是： > 一段自由文字。 而是： $$ CanonicalCognitiveProgram. $$ --- # 23. Program Validation 執行前： $$ TypeCheck \land ScopeCheck \land AuthorityCheck \land BudgetCheck \land InvariantCheck. $$ 若不通過： $$ ProgramRejected. $$ --- # 24. Self-Dialogue Runtime Runtime 主循環： ```text observe encode retrieve route compile execute reobserve audit repeat ``` 形式： $$ S_{t,k+1} = Observe( Execute( \Omega_{t,k}, S_{t,k} ) ). $$ --- # 25. Fixed 與 Adaptive Program 支援： $$ FixedProgram $$ 與： $$ AdaptiveProgram. $$ Adaptive 模式中： ```text execute step → reobserve → validate remaining program → mutate or continue ``` --- # 26. Program Mutation Schema ```json { "mutation_id": "...", "old_program_ref": "...", "new_program_ref": "...", "trigger_state_ref": "...", "reason_codes": [ "contradiction_detected" ] } ``` --- # 27. Zero-Rendering Adapter 兩種執行模式： ### Rendered $$ CanonicalProgram \rightarrow NaturalLanguage \rightarrow Model. $$ ### Zero-Rendered $$ CanonicalProgram \rightarrow Model/Runtime. $$ 第一版可以先做： > JSON-control input + natural language task。 而不是一開始就要求模型原生 latent interface。 --- # 28. Renderer 不可成為 Single Source of Truth 真正的 source： $$ CanonicalProgram. $$ Text renderer 只用於： - compatibility； - human inspection； - debugging； - interoperability。 --- # 29. Agenda Runtime Persistent Runtime 不只需要： > 怎麼做？ 還需要： > 什麼值得做？ 輸入： $$ Goal + Environment + Memory + Commitments. $$ 輸出： $$ AgendaCandidate. $$ --- # 30. AgendaCandidate Schema ```json { "agenda_id": "...", "source_observation_refs": [], "goal_refs": [], "title": "...", "problem_or_opportunity": "...", "expected_value": null, "estimated_cost": null, "risk_class": null, "required_authority": [], "status": "candidate" } ``` --- # 31. Agenda 不能直接執行 必須： $$ AgendaCandidate \rightarrow Governance. $$ 只有： $$ AgendaAccepted $$ 才進入 planning / execution queue。 --- # 32. Persistent Goal Store Goal： ```json { "goal_id": "goal:v7", "purpose": "...", "constraints": [], "success_conditions": [], "review_policy": {}, "termination": [], "created_at": "...", "version": 7 } ``` --- # 33. Goal 不是 Contract 保持： $$ Goal \neq Contract. $$ Goal： > 想達到什麼？ Contract： > 可以怎麼達到？ --- # 34. Contract Store ```json { "contract_id": "contract:v12", "goals": [], "duties": [], "authority": {}, "boundaries": [], "resources": {}, "escalation_policy": {}, "review_policy": {}, "termination": {}, "valid_from": "...", "valid_until": null } ``` --- # 35. Authority Resolver 輸入： $$ CandidateAction + ContractVersion. $$ 輸出： $$ AuthorityClass \in \{ ALLOW, APPROVAL\_REQUIRED, DENY \}. $$ --- # 36. Governance Decision Schema ```json { "decision_id": "...", "candidate_ref": "...", "can": true, "should": true, "authority": { "class": "ALLOW", "authority_ref": "authority:v12" }, "decision": "EXECUTE", "reason_codes": [], "goal_refs": [], "contract_ref": "contract:v12", "risk": {}, "cost": {}, "knowledge_boundary_ref": "kb:..." } ``` --- # 37. Governance 五態 固定： $$ \boxed{ Decision \in \{ EXECUTE, REFUSE, DEFER, IDLE, ESCALATE \}. } $$ 不得退回： ```text success / failure ``` 的二態分類。 --- # 38. Decision Receipt Schema ```json { "receipt_type": "decision", "decision_id": "...", "ctcl_instant_id": "...", "interaction_round": 184, "goal_refs": [], "contract_ref": "...", "authority_ref": "...", "public_state_ref": "...", "knowledge_boundary_ref": "...", "candidate_actions": [], "selected_action": "ESCALATE", "cognitive_program_refs": [], "reason_codes": [ "approval_required" ], "public_explanation": "...", "causal_parent_ids": [], "outcome_event_ref": null } ``` --- # 39. Decision Receipt 不記 Private CoT 保存： ```text reason codes public explanation evidence refs state refs program refs ``` 不保存： > 未公開的模型思考 token。 --- # 40. Decision-Time Knowledge Boundary Schema ```json { "knowledge_boundary_id": "kb:...", "decision_time": "...", "artifact_refs": [], "tool_output_refs": [], "memory_snapshot_refs": [], "environment_snapshot_refs": [], "policy_refs": [], "hash": "sha256:..." } ``` --- # 41. Knowledge Boundary 原則 $$ \boxed{ Judge(D_t) \mid K_t, \text{ not } K_{future}. } $$ 後見資訊不得直接覆蓋舊 decision basis。 --- # 42. Commitment Store ```json { "commitment_id": "...", "created_from_decision_ref": "...", "goal": "...", "scope": "...", "authority_ref": "...", "deadline": null, "wake_conditions": [], "exit_conditions": [], "status": "active" } ``` --- # 43. Commitment Event Types ```text commitment.created commitment.modified commitment.reaffirmed commitment.fulfilled commitment.abandoned commitment.expired ``` --- # 44. CTCL Integration 每個重大 event 取得： $$ I^* $$ 即： ```text ctcl_instant_id occurred_at source uncertainty ``` 不應只依賴 local process clock。 --- # 45. 四重時間座標 每個重要 event 都可具有： $$ T= ( T_{reference}, T_{interaction}, T_{causal}, T_{ledger} ). $$ --- # 46. CTCL-ITR Event Adapter Cognitive Runtime 發： ```text cognition.state.observed cognition.affordances.retrieved cognition.program.proposed cognition.program.selected cognition.operator.invoked cognition.operator.completed cognition.program.mutated agenda.proposed agenda.accepted agenda.rejected decision.proposed decision.resolved governance.refused governance.deferred governance.idled governance.escalated commitment.created commitment.modified commitment.closed context.compaction.proposed context.compaction.completed ``` --- # 47. Event Adapter 原則 CTCL-ITR 不執行 cognition。 它只接收： $$ CognitiveEvent. $$ 保持： $$ \boxed{ CognitiveRuntime \neq TemporalLedger. } $$ --- # 48. TemporalEvent Envelope 沿用 CTCL-ITR canonical envelope： ```text event_id event_type run_id occurred_at recorded_at ledger_seq causal_parent_ids actor subject data ``` cognitive-specific 欄位放： ```text data / extensions ``` 而非重寫 ATL 基礎 schema。 --- # 49. Causal DAG $$ G=(V,E). $$ 其中： $$ u\rightarrow v $$ 代表： ```text u in v.causal_parent_ids ``` storage order 不代表 causal order。 --- # 50. Multi-Agent / Parallel Cognition 允許： $$ VERIFY \parallel COUNTEREXAMPLE \parallel EXTERNAL\_SEARCH. $$ 然後： $$ Join. $$ 這是 topology core 的自然應用。 --- # 51. Context Compression Working context： $$ M_t $$ 必然需要壓縮。 但： $$ \boxed{ Compression \text{ may forget text, but must not erase causal history.} } $$ --- # 52. Context Compression Event Schema ```json { "event_type": "context.compaction.completed", "before_context_ref": "...", "after_context_ref": "...", "compression_policy": "...", "preserved_refs": [], "discarded_classes": [], "source_ledger_ref": "...", "causal_parent_ids": [] } ``` --- # 53. Context 不再是歷史真相 Context 應帶： ```text history_completeness source_ledger_ref compression_event_ref ``` 因此 AI 可以知道： > 我現在看到的是歷史摘要，不是完整歷史。 --- # 54. Audit Query Runtime 應支援： ```text why decision what did AI know at