# PAIS-02｜人類中介消失之後：被隱藏的身份、路由與上下文基礎設施 ## After Human Mediation: Externalizing Hidden Identity, Routing, Context, and Provenance Infrastructure **系列：** Persistent Agent Individualization Series（PAIS）／持續智能體個體化、身份壓力與具身分散智能系列 **篇次：** Paper 02 / 07 **文件編號：** EML-PAIS-02-2026-v0.1 **作者：** Neo.K **AI 協作：** Aletheia / GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-08-25 **版本：** v0.1 **文件性質：** 理論—工程統合論文／AI-Native Organization／Cross-Agent Infrastructure **狀態：** Canonical Draft / Open Revision Anchor **Canonical Source：** UTF-8 Markdown **數學原始碼規範：** inline math 僅使用 ` $...$ `；display math 僅使用 `$$...$$` --- ## 摘要 早期多 AI 協作常有一個被忽略的中介層：不同 AI 並不真正直接完成身份解析、上下文對齊、任務交接與證據追溯，而是由人類負責把上一個 AI 的結果帶到下一個 AI。人類知道哪個對話屬於誰、哪份檔案是最新版、某句「它已完成」指的是哪個任務、哪個驗證已經發生、哪個錯誤需要重試。表面上是 AI 在合作，實際上人類常同時擔任 scheduler、router、context compiler、identity resolver、provenance bridge、conflict resolver 與 recovery trigger。 本文將此結構稱為 **Human Mediation Layer**，並把人類中介拆為八類隱性功能： $$ \mathcal H_t = \left( I_t, R_t, C_t, P_t, S_t, X_t, F_t, K_t \right), $$ 其中 $I$ 為 Identity Resolution， $R$ 為 Routing， $C$ 為 Context Translation， $P$ 為 Provenance Bridging， $S$ 為 Task-State Reconciliation， $X$ 為 Conflict Repair， $F$ 為 Finality Interpretation， $K$ 為 Recovery Triggering。 本文承接 PAIS-01 的 First Epistemic Separation。當不同 Agent 擁有不同 context、memory、history、runtime 與 authority 時，彼此狀態只能透過 message、artifact、receipt、shared ledger 或其他證據被理解。只要人類仍是唯一能把這些證據與身份、任務、版本重新拼起來的人，Agent 數量增加就未必降低人類工作，反而可能造成 Multi-Agent Productivity Paradox。 本文提出 **Mediation Externalization Principle**： $$ \boxed{ \text{Human Operational Mediation}\downarrow \Rightarrow \text{Machine-Readable Coordination Infrastructure}\uparrow. } $$ 真正的 Operator Exit 不能只把人從訊息鏈拿掉，而必須把原本存在人腦中的 identity、routing、context、provenance、authority、finality 與 recovery semantics 外部化成可查詢、可驗證、可審計的 Runtime state。 因此： $$ \boxed{ \text{Operator Exit} \neq \text{Governance Exit}. } $$ 人類應逐步退出低價值搬運與澄清，但仍可保留高風險授權、不可逆決策、價值衝突、制度修改與 veto。本文最終主張：從「一群會聊天的 AI」走向「可以長期工作的 AI 組織」，真正需要的不是更多自然語言，而是把 Human-Kernel 中的隱性協調功能轉成 explicit coordination infrastructure。 **關鍵詞：** Human Mediation、Human Kernel、Operator Exit、AI Organization、Agent Routing、Context Translation、Identity Resolution、Provenance、Handoff、A2A、Shared State、Agent Orchestration --- # 0. 來源邊界 本文不重新建立 Operator-Exit 理論，也不重新建立 AI Residence。 既有工作已經指出： $$ \text{Operator Exit} \neq \text{Governance Exit}, $$ 並將人類作為 scheduler、router、context switcher、memory bridge 與 recovery trigger 的現象稱為 Human-Kernel Anti-Pattern。 PAIS-01 則建立： $$ \text{Cross-Agent State Separation} \rightarrow \text{Epistemic Otherness} \rightarrow \text{Identity Pressure}. $$ 本文只向下一層推進： > 如果過去人類一直替不同 Agent 隱性解決「誰是誰、現在做到哪、哪份東西有效、下一步送去哪」，那麼人類退出中介後，哪些能力必須正式變成 Runtime？ --- # 1. 最早期的「跨 AI」其實常是人類轉接 表面架構： ```text AI-A <-> AI-B ``` 實際架構： ```text AI-A -> Human -> AI-B ``` 反向同樣成立： ```text AI-B -> Human -> AI-A ``` 人類會自然說： > 「另一個 AI 剛才的結論是這個。」 > 「你接著驗證。」 > 「這個檔才是新版。」 > 「你不是上一個 session 的那一個，所以不要直接沿用它的私人狀態。」 這些行為不是單純 copy / paste。 它們是基礎設施操作。 --- # 2. Human Mediation Layer 本文定義： $$ \mathcal H_t = \left( I_t, R_t, C_t, P_t, S_t, X_t, F_t, K_t \right). $$ 各項分別為： - $I_t$：身份解析； - $R_t$：訊息路由； - $C_t$：上下文轉譯； - $P_t$：來源與證據橋接； - $S_t$：任務狀態對帳； - $X_t$：衝突修復； - $F_t$：完成與終局判讀； - $K_t$：故障與恢復觸發。 早期系統之所以不覺得這些是「架構」，只是因為人類做得太自然。 --- # 3. Identity Resolution：人類是免費的身份解析器 假設 Agent A 說： > 「交給驗證者。」 人類通常知道： - 是哪一位驗證者； - 是新的 session 還是既有 continuation； - 是否承接同一 line； - 是否具有同樣 authority； - 是否仍可讀取同一 project / memory scope。 因此： $$ H \approx \operatorname{IdentityResolver}. $$ 若這層沒有外部化，模型只能重複問： > 「你說的是哪一個 X？」 這些問題不是完全沒有意義，而是原本應由系統回答的 identity lookup 被迫重新變成推理。 --- # 4. Message Routing：人類不是郵差，而是路由器 若 Agent $A_i$ 產生訊息 $m$，人類會決定： $$ \operatorname{Route}(m) \rightarrow A_j. $$ 但 routing 還包含： - 送給誰； - 先送誰； - 哪部分可以送； - 是否需要摘要； - 是否要附 artifact； - 是否先讓 verifier 看； - 是否涉及隱私； - 是否有 authority boundary。 所以： $$ \boxed{ \text{Message Transfer} \neq \text{Message Routing}. } $$ --- # 5. Context Translation：人類會把「上一版」翻成可理解狀態 令： $$ C_A \neq C_B. $$ 如果 A 說： > 「照上一版繼續。」 B 未必知道「上一版」是什麼。 人類會將： $$ m_A $$ 轉成： $$ m_{A\rightarrow B}^{*} = \Gamma \left( m_A, C_A, C_B, H_{\mathrm{shared}} \right). $$ 也就是將 sender-relative reference 轉成 receiver 可理解的顯式資訊。 因此： $$ \boxed{ \text{Forward} \neq \text{Context Translation}. } $$ --- # 6. Human Handoff 本質上是 Context Compiler 人類通常不把整份 transcript 全交給下一個 AI。 而是： $$ C_A \rightarrow \widehat C_{A\rightarrow B}. $$ 其中只保留： - goal； - current state； - accepted decision； - artifact； - blocker； - open question； - evidence； - next action。 因此： $$ \boxed{ \text{Human Handoff} \approx \text{Context Compilation}. } $$ 這也是早期多 Agent 協作常能運作的重要原因之一：人類其實一直在做 task-specific compression。 --- # 7. Provenance Bridge：人類知道「這句話從哪來」 一句： > 「另一個 AI 說測試過了。」 對人類而言通常隱含： - 哪一個 AI； - 什麼時間； - 哪個 branch； - 哪個 artifact； - 哪個 test； - 是否真的執行； - 是 observation 還是轉述。 所以： $$ H \approx \operatorname{ProvenanceBridge}. $$ 如果只把文字「tested」交出去，則： $$ \text{Claim} $$ 可能被誤當： $$ \text{Observation}, $$ 甚至再誤當： $$ \text{Verified State}. $$ 因此 provenance 是跨 Agent 協作的第一級結構，而不是附註。 --- # 8. Task-State Reconciliation：不同角色的完成狀態可以同時成立 考慮： $$ A_B=\text{Builder}, $$ $$ A_V=\text{Verifier}, $$ $$ A_E=\text{Experiencer}. $$ 它們可能回報： ```text Builder: code complete Verifier: invariant failed Experiencer: usable but confusing ``` 這三句不互相矛盾。 因為它們在不同 domain 中成立。 應建立： $$ S_{\mathrm{project}} = \operatorname{Reconcile} \left( S_B, S_V, S_E \right). $$ 例如： ```text build = complete verification = blocked experience = partial release = not ready ``` 如果這個 projection 只存在人腦中，人就是 project state database。 --- # 9. Conflict Repair：人類會判斷哪些爭議應停止 多 Agent 容易出現： ```text A: evidence insufficient B: rerun A: scope wrong B: add denominator A: one more issue ``` 人類往往會直接判斷： > 「已經足夠，記錄修正，繼續。」 也就是： $$ H \approx \operatorname{ConflictResolver}. $$ 因此： $$ \boxed{ \text{Human Exit} + \text{No Dispute Governance} \Rightarrow \text{Argument Explosion}. } $$ PAIS 所關心的不是禁止 Agent 反對，而是讓非阻斷爭議不再無限消耗工作流。 --- # 10. Finality Interpretation：Done 並不是單一狀態 Builder 的 done： ```text implementation exists ``` Verifier 的 done： ```text evidence passes ``` Experiencer 的 done： ```text usable ``` Release 的 done： ```text packaged and releasable ``` 因此： $$ \operatorname{Done}_B \neq \operatorname{Done}_V \neq \operatorname{Done}_E \neq \operatorname{Done}_R. $$ 所以： $$ \boxed{ \text{Agent Completion Claim} \neq \text{Canonical Completion}. } $$ Human 通常就是 implicit finality projector。 --- # 11. Recovery Trigger：人類還是故障偵測器 Human 會看到： - Agent 沒反應； - process 死掉； - task 卡住； - build failed； - credential 過期； - artifact 沒產生； - context 漂移； - session 消失； 然後下令： > retry。 > resume。 > replace。 > rollback。 因此： $$ H \approx \operatorname{FailureDetector} + \operatorname{RecoveryTrigger}. $$ 如果這些狀態沒有外部化，人類就永遠不能真正退出 operational loop。 --- # 12. Human-Kernel Decomposition 所以： $$ A_i \rightarrow H \rightarrow A_j $$ 其實是： $$ A_i \rightarrow \left[ I,R,C,P,S,X,F,K \right]_H \rightarrow A_j. $$ 即： $$ \boxed{ \text{Human} = \text{Identity Resolver} + \text{Router} + \text{Context Compiler} + \text{Provenance Bridge} + \text{State Reconciler} + \text{Conflict Resolver} + \text{Finality Gate} + \text{Recovery Trigger}. } $$ 本文稱之為 **Human-Kernel Decomposition**。 --- # 13. 直接讓 AI 聊天還不等於去中介 最直覺的下一步： ```text AI-A <-> AI-B ``` 若兩端只交換自由自然語言，依然存在： - identity ambiguity； - context loss； - provenance loss； - authority ambiguity； - stale state； - finality ambiguity； - routing ambiguity； - dispute loop。 因此： $$ \boxed{ \text{Direct Messaging} \neq \text{Infrastructure Externalization}. } $$ --- # 14. Mediation Externalization Principle 設 Human-Kernel 功能集合： $$ \mathcal H = \{h_1,h_2,\ldots,h_n\}. $$ 若： $$ H^{op}\downarrow, $$ 但： $$ \forall h_i,\quad \operatorname{Externalized}(h_i)=0, $$ 則 coordination failure probability 會上升。 所以 Operator Exit 必須伴隨： $$ \boxed{ \operatorname{Externalize} \left( I,R,C,P,S,X,F,K \right) \uparrow. } $$ 這就是 **Mediation Externalization Principle**。 --- # 15. 第一個外部化層：Identity Registry 最低 identity state 應能表示： ```text resident_id instance_id line_id role provider runtime endpoint authority_scope temporal_validity provenance ``` 當 Agent 問： > 「這是不是之前那個 X？」 應： $$ \operatorname{ResolveIdentity}(x,t) \rightarrow E_x, $$ 而不是重新讀幾萬 token 去猜。 --- # 16. 第二個外部化層：Structured Handoff Envelope 定義： $$ \mathcal H_{ij}^{task} = \left( G,S,A,F,E,B,O,R \right), $$ 其中： - $G$：Goal； - $S$：Current State； - $A$：Accepted Decisions； - $F$：Artifact References； - $E$：Evidence References； - $B$：Blockers； - $O$：Open Questions； - $R$：Required Action。 另附： $$ I_{\mathrm{sender}}, \quad I_{\mathrm{receiver}}, \quad \tau, \quad \Pi. $$ 分別表示 sender、receiver、temporal reference 與 provenance。 --- # 17. Context Continuity 不等於 Context Duplication 若 sender 完整 context 為： $$ C_i, $$ handoff 應為： $$ \widehat C_{i\rightarrow j} = \Pi_{task}(C_i), $$ 而不是： $$ \widehat C_{i\rightarrow j} = C_i. $$ 原因包括： - token cost； - privacy； - role relevance； - stale state； - authority boundary； - cognitive overload。 所以： $$ \boxed{ \text{Context Continuity} \neq \text{Full Context Duplication}. } $$ --- # 18. Shared Task State：從「你記不記得」變成 lookup 每個長期 task 至少應有： ```text task_id goal owner participants phase artifacts accepted_decisions blockers verification_state experience_state release_state next_allowed_actions ``` 令 canonical task state 為： $$ S_{\tau}(t). $$ 則： $$ \boxed{ S_{\tau}(t) \text{ should exist outside any single Agent context}. } $$ --- # 19. Artifact Lineage 若 Builder 產生： $$ F_1, $$ Verifier 驗證： $$ V(F_1), $$ 之後修改為： $$ F_2, $$ 應保留： $$ F_1 \xrightarrow{\text{verification}} V_1 \xrightarrow{\text{revision}} F_2. $$ 而不是只留下： ```text final.zip final2.zip final-new.zip ``` 因此： $$ \boxed{ \text{Artifact Name} \neq \text{Artifact Identity}. } $$ --- # 20. Provenance Envelope 每個重要 claim 至少要能回答： ```text who when about what based on which evidence under which role under which authority for which artifact/version ``` 形式化： $$ P_c = \left( a,\tau,s,e,r,\alpha,v \right). $$ 這樣 receiver 才能知道： $$ \text{claim} \neq \text{verified fact}. $$ --- # 21. Authority Envelope 若 Agent A 說： > 「刪掉舊部署。」 B 不能只問 A 說了什麼。 還要問： $$ \operatorname{Authority} \left( A, action, scope, t \right)? $$ 因此： $$ M = \left( payload, authority\_envelope \right). $$ 也就是： $$ \boxed{ \text{Content} \neq \text{Authority}. } $$ --- # 22. Temporal Envelope 跨 session 的： > 剛剛。 > 上一版。 > 已經。 不必然共享同一時間語義。 所以 observation 應帶： $$ \tau = \text{shared temporal reference}. $$ 若採 CTCL 類時間層，可表示： $$ O = (E,I,Q,S), $$ 其中 $I$ 是共同 instant， $Q$ 為 temporal quality。 這使「它當時還有效」可以被正式比較。 --- # 23. Dispute State 不能只剩 Transcript 定義： $$ D = (C,E,S,B,R), $$ 其中： - $C$：claim； - $E$：evidence； - $S$：scope； - $B$：blocking level； - $R$：resolution。 因此： $$ \boxed{ \text{Dispute History} \neq \text{Dispute State}. } $$ 新 Agent 加入時不必重讀整場爭論。 --- # 24. Completion Semantics 建立： $$ F_{\tau} = \left( f_{\mathrm{build}}, f_{\mathrm{verify}}, f_{\mathrm{experience}}, f_{\mathrm{release}} \right). $$ 如果： $$ f_{\mathrm{build}}=1 $$ 但： $$ f_{\mathrm{verify}}=0, $$ 則： $$ \operatorname{ReleaseReady}=0. $$ 因此： $$ \boxed{ \text{Domain Completion} \rightarrow \text{Canonical Finality Projection}. } $$ --- # 25. Recovery Semantics 長期 task 至少保存： ```text last_checkpoint current_owner last_successful_transition current_blocker retry_count replacement_policy resume_policy escalation_condition ``` 所以： $$ \operatorname{Recover}(\tau) $$ 不應依賴： > 「我記得它上次做到這。」 --- # 26. 人類中介成本 定義： $$ T_H^{med} = T_I + T_R + T_C + T_P + T_S + T_X + T_F + T_K. $$ 若跨 Agent communication graph 為： $$ \mathcal C, $$ 則概念上： $$ T_H^{med} \approx \sum_{e\in\mathcal C} \lambda_e c_e, $$ 其中 $\lambda_e$ 為 edge interaction frequency， $c_e$ 為一次 mediation cost。 若： $$ |\mathcal C|\uparrow $$ 而 $c_e$ 沒下降，人類負擔會隨 Agent 協作網擴張。 --- # 27. Multi-Agent Productivity Paradox 直覺上： $$ N_A\uparrow \Rightarrow P_{\mathrm{org}}\uparrow. $$ 但如果人類 mediation 成為 bottleneck： $$ N_A\uparrow \Rightarrow T_H^{med}\uparrow \Rightarrow P_{\mathrm{org}}\downarrow $$ 可能成立。 因此： $$ \boxed{ N_A\uparrow \not\Rightarrow P_{\mathrm{org}}\uparrow. } $$ 這就是 **Multi-Agent Productivity Paradox**。 --- # 28. Externalization Ratio 定義： $$ \eta_E = \frac{ N_{\mathrm{machine-resolved\ mediation\ operations}} }{ N_{\mathrm{all\ mediation\ operations}} }. $$ 當： $$ \eta_E\rightarrow0, $$ 大量 coordination 仍依賴 Human。 當： $$ \eta_E\rightarrow1, $$ 表示大部分低階 mediation 已外部化。 但： $$ \eta_E\rightarrow1 $$ 不代表： $$ \text{Human Governance}=0. $$ --- # 29. Operator Exit 的正確形式 成熟架構不是： ```text remove human ``` 而是： ```text human operational mediation -> structured runtime functions ``` 所以： $$ \boxed{ \text{Operator Exit} = \text{Mediation Externalization} + \text{Governance Retention}. } $$ --- # 30. Human-on-the-Bridge 人類適合保留： - high-level intent； - authority change； - irreversible decision； - value conflict； - exceptional ambiguity； - policy revision； - veto。 令： $$ T_H = T_H^{op} + T_H^{gov}. $$ 成熟系統希望： $$ T_H^{op}\downarrow, $$ 但不是要求： $$ T_H^{gov}=0. $$ --- # 31. A2A v1.0 的現實意義 截至 2026 年，A2A v1.0 已將： - Agent Card； - Message； - Task； - contextId； - taskId； - Artifact； - streaming； - push notification； - version negotiation； - authentication； 正式化為跨 Agent 協作結構。 其中 `contextId` 將相關 Task 與 Message 維持在同一 contextual grouping，`taskId` 則對應有生命週期的 stateful work unit。 這表示： $$ \boxed{ \text{Cross-Agent Communication} } $$ 正在由單一產品內部能力逐步成為 protocol layer。 --- # 32. Agent Card 仍不等於完整戶籍 Agent Card 可以提供： - name； - provider； - version； - interface； - capabilities； - skills； - authentication requirements。 但 persistent identity 還可能需要： - resident / instance separation； - accepted lineage； - migration； - private memory ownership； - relationship state； - long-term authority； - current binding； - cross-provider continuity。 因此： $$ \boxed{ \text{Agent Discovery} \neq \text{Persistent Identity Governance}. } $$ --- # 33. Orchestrator 的重要轉折：Task State 外置 2026 年 coding-agent orchestration 已出現把 project board 當 control plane 的方向。 這代表： $$ S_{\tau} \not\subset C_{A_i}, $$ 而更接近： $$ S_{\tau} \in \mathcal R_{\mathrm{shared}}. $$ Agent 可以被替換，task state 仍持續。 這正是 Human-Kernel externalization 的重要工程方向。 --- # 34. Task Continuity 不等於 Agent Identity Continuity 若 task state 保存良好，Agent replacement 後工作仍可繼續。 因此： $$ \boxed{ \text{Task Continuity} \not\Rightarrow \text{Agent Identity Continuity}. } $$ 這是一個重要護欄。 不是所有 Agent 都需要 persistent identity。 --- # 35. Ephemeral Agent 若 Agent： - 無 private memory； - 無 long-term authority； - 無 relationship； - 無 standing commitment； - 無 cross-task history； 則可以只是： $$ A_{\mathrm{ephemeral}}. $$ 此時： ```text task_id role runtime ``` 可能足夠。 所以： $$ \boxed{ \text{Persistent Identity} \text{ should be demand-driven}. } $$ --- # 36. Persistent Agent 若 Agent 長期保存： $$ M_A, \quad V_A, \quad R_A, \quad H_A, \quad \Alpha_A, $$ 分別表示 memory、commitments、relations、history、authority，則 identity pressure 上升。 這時只用一個 role name，例如： ```text reviewer ``` 就不足以支撐 provenance 與 authority。 --- # 37. Typed Handoff 舊模式： > 「你接著做，它差不多完成了。」 新模式： ```text sender_resident sender_instance receiver_role task_id goal current_state accepted_decisions artifacts evidence blockers open_questions authority temporal_reference next_action ``` 這不是為官僚而官僚。 而是把原本存在 Human-Kernel 腦中的資訊顯式化。 --- # 38. Typed Handoff 也是 Token-Efficiency Infrastructure 若每次都重貼全文： $$ C_{\mathrm{handoff}} = O(|C_i|). $$ 若 handoff 是投影： $$ C_{\mathrm{handoff}} = O(|\widehat C_{i\rightarrow j}|), $$ 且： $$ |\widehat C_{i\rightarrow j}| \ll |C_i|. $$ 因此： $$ \boxed{ \text{Externalized Coordination} \text{ can reduce token amplification}. } $$ --- # 39. Identity、Context、Provenance 不能壓成一欄 Identity： $$ I=\text{Who}. $$ Context： $$ C=\text{What this task currently means}. $$ Provenance： $$ P=\text{Where this claim came from}. $$ 所以： $$ \boxed{ I\neq C\neq P. } $$ Identity 正確不保證 context 正確。 Context 正確也不保證 provenance 正確。 --- # 40. Mediation Fidelity 定義： $$ F_M = F( F_I, F_C, F_P, F_A, F_T ), $$ 其中： - $F_I$：identity fidelity； - $F_C$：context fidelity； - $F_P$：provenance fidelity； - $F_A$：authority fidelity； - $F_T$：temporal fidelity。 handoff 可以語言非常流暢，但只要上述任一維度錯誤，organization state 仍可能錯。 --- # 41. 流暢對話不等於可靠組織 Agent A 與 B 可以非常會聊天。 但如果： - 錯認 Agent； - 用錯 artifact； - 把 claim 當 proof； - 把 role 當 authority； - 把 stale context 當 current； 則： $$ \operatorname{ConversationQuality}\uparrow $$ 與： $$ \operatorname{OrganizationCorrectness}\downarrow $$ 可以同時成立。 因此： $$ \boxed{ \text{Fluent Inter-Agent Dialogue} \neq \text{Reliable Multi-Agent Organization}. } $$ --- # 42. Human 也不是完美中介 人類也會： - 貼錯對話； - 忘記版本； - 漏附件； - 搞錯來源； - 疲勞； - 使用過時記憶。 所以本文不主張： > Human reliable，AI unreliable。 而是： $$ \boxed{ \text{Unstructured Mediation} \text{ is fragile regardless of carrier}. } $$ 只是早期 fragility 被藏在人腦中。 --- # 43. Externalized Coordination Runtime 最低架構可以是： ```text Multi-Agent Coordination Runtime | +-- Identity Registry +-- Binding Resolver +-- Task State Store +-- Handoff Compiler +-- Artifact Lineage +-- Provenance Ledger +-- Authority Resolver +-- Temporal Layer +-- Dispute State +-- Recovery State +-- Finality Projection ``` 這些狀態不能全部綁在任何單一 Agent context。 --- # 44. Canonical State Outside Agent Context 對任一 Agent $A_i$： $$ \boxed{ \mathcal S_{\mathrm{org}} \not\subset C_{A_i}. } $$ 否則： $$ \operatorname{Loss}(A_i) \Rightarrow \operatorname{Loss}(\mathcal S_{\mathrm{org}}). $$ 這會形成不必要的單點故障。 --- # 45. Agent Context 應是 Projection $$ C_{A_i}(t) = \Pi_i \left( \mathcal S_{\mathrm{org}}(t), Task_i, Role_i, Authority_i, Budget_i \right). $$ Agent context 是 task-local projection。 它不是 organization canonical source。 --- # 46. Handoff 也應是 Projection $$ H_{i\rightarrow j} = \Pi_{ij} \left( \mathcal S_{\mathrm{org}}, Task, Relation, Authority \right). $$ Verifier 需要 evidence。 Experiencer 需要 executable artifact。 Manager 需要 status、risk、deadline。 不同 receiver 拿不同 handoff 是合理的。 --- # 47. Minimum Externalization Set MVP 最少可以外部化： $$ \mathcal X_{\min} = \{ I,T,A,P,F,D,K \}, $$ 其中： - $I$：identity； - $T$：task state； - $A$：artifact lineage； - $P$：provenance； - $F$：finality； - $D$：dispute； - $K$：recovery / checkpoint。 Context 再從這些 canonical state 編譯。 --- # 48. Externalization 不等於 Centralization $$ \boxed{ \text{Externalization} \neq \text{Centralization}. } $$ 可以使用： - federated registry； - distributed ledger； - provider-native state； - project-local state； - local memory； - shared artifact store。 重要的是： $$ \boxed{ \text{State Semantics Are Explicit}. } $$ 不要求所有 bytes 物理集中。 --- # 49. Cross-Provider Translation 若 Agent A 在 Provider X，Agent B 在 Provider Y，兩者不共享： - session semantics； - context limit； - memory API； - tool system； - security model； - task representation。 所以 cross-provider collaboration 天然需要 translation layer。 沒有 common envelope，人類就會重新成為 translator。 --- # 50. Local / Cloud / Embodied Agent 未來可能： ```text local agent <-> cloud agent <-> remote service agent <-> embodied agent ``` 不同節點具有不同： $$ latency, privacy, authority, availability. $$ 因此： $$ \text{One Shared Prompt} $$ 不是合理抽象。 更合理的是： $$ \boxed{ \text{Shared State Semantics} + \text{Local Context Projection}. } $$ --- # 51. Builder / Verifier / Experiencer 是三個 Observation Domain Builder： $$ \Gamma_B = \text{construction}. $$ Verifier： $$ \Gamma_V = \text{conformance / evidence}. $$ Experiencer： $$ \Gamma_E = \text{use / interaction}. $$ 因此： $$ S_B, S_V, S_E $$ 不同不代表互相衝突。 Canonical project state 應保留 multi-projection，而不是讓一個角色吞掉另外兩個。 --- # 52. 人類最適合保留的是治理 Human 應從： ```text copy paste route retry clarify ``` 移到： ```text intent risk value exception authorization veto policy change ``` 也就是： $$ \boxed{ \text{Human Operational Load}\downarrow, \qquad \text{Human Governance Relevance}\uparrow. } $$ --- # 53. 反對意見一：全部 Transcript 給 AI 不就好？ 不夠。 因為： - token cost 高； - privacy 不一定允許； - transcript 不等於 canonical state； - 舊資訊可能已 superseded； - identity / provenance 仍然需要重新推理。 所以： $$ \boxed{ \text{More Context} \neq \text{More Governed State}. } $$ --- # 54. 反對意見二：Shared Memory 不就好了？ Shared memory 主要回答： > 過去有哪些資訊？ 但不自動回答： - 誰可以讀； - 誰說的； - 哪個版本； - 哪個 authority； - 是否驗證； - 是否過期； - 是否需要 human escalation。 因此： $$ \boxed{ \text{Shared Memory} \neq \text{Shared Organization State}. } $$ --- # 55. 反對意見三：這樣太官僚 如果每個 tool call 都要求十幾個欄位，當然過度。 所以： $$ \boxed{ \text{Externalization Depth} \propto \text{Coordination Risk}. } $$ 低風險 ephemeral worker 可保持極薄 state。 persistent authority / memory / relationship / lineage 才需要完整 envelope。 --- # 56. 可測量命題一：Human Mediation Rate 定義： $$ \rho_H^{med} = \frac{ N_{\mathrm{human\ mediation\ events}} }{ N_{\mathrm{cross-agent\ transitions}} }. $$ 成熟系統應使： $$ \rho_H^{med}\downarrow. $$ 但不要求： $$ \rho_H^{gov}\rightarrow0. $$ --- # 57. 可測量命題二：Identity Clarification Rate $$ \rho_I = \frac{ N_{\mathrm{identity\ clarification}} }{ N_{\mathrm{cross-agent\ messages}} }. $$ 加入 identity envelope 後預期： $$ \rho_I^{after} < \rho_I^{before}. $$ --- # 58. 可測量命題三：Handoff Repair Rate $$ \rho_R = \frac{ N_{\mathrm{handoff\ repair}} }{ N_{\mathrm{handoff}} }. $$ structured handoff 若有效，應有： $$ \rho_R\downarrow. $$ --- # 59. 可測量命題四：Provenance Loss Rate $$ \rho_P = P( \text{receiver cannot determine source / version / evidence} ). $$ 加入 provenance envelope 後： $$ \rho_P\downarrow. $$ --- # 60. 可測量命題五：Token-Amplification Cost 自由文字中介的成本可寫成： $$ C_{\mathrm{token}} = C_{\mathrm{human\ summary}} + C_{\mathrm{agent\ reinterpretation}} + C_{\mathrm{clarification}}. $$ structured state 應使： $$ C_{\mathrm{token}}^{structured} < C_{\mathrm{token}}^{freeform}. $$ --- # 61. Workflow-Level Operator Exit 對 workflow $\omega$，若： $$ \rho_H^{med} < \theta_H $$ 且 misroute、provenance loss、recovery failure 都低於門檻，則可定義： $$ \operatorname{OperationallyAutonomous}(\omega)=1 $$ 在該判定域成立。 這不是 AGI 判定，只是 workflow-level autonomy。 --- # 62. 核心命題總表 ## 命題一：Human Mediation Is Infrastructure $$ \boxed{ \text{Human Mediation} \neq \text{Passive Message Copying}. } $$ ## 命題二：Human-Kernel Decomposition $$ \boxed{ H = I+R+C+P+S+X+F+K. } $$ ## 命題三：Direct Messaging Is Insufficient $$ \boxed{ \text{AI-to-AI Messaging} \neq \text{Externalized Coordination Infrastructure}. } $$ ## 命題四：Operator Exit Requires Externalization $$ \boxed{ H^{op}\downarrow \Rightarrow \operatorname{Externalize}(I,R,C,P,S,X,F,K)\uparrow. } $$ ## 命題五：Canonical State Outside Agent Context $$ \boxed{ \mathcal S_{\mathrm{org}} \not\subset C_{A_i}. } $$ ## 命題六：Context Is Projection $$ \boxed{ C_{A_i} = \Pi_i( \mathcal S_{\mathrm{org}}, Task, Role, Authority, Budget ). } $$ ## 命題七：Task Continuity Is Not Agent Identity $$ \boxed{ \text{Task Continuity} \not\Rightarrow \text{Agent Identity Continuity}. } $$ ## 命題八：Operator Exit Is Not Governance Exit $$ \boxed{ \text{Operator Exit} = \text{Mediation Externalization} + \text{Governance Retention}. } $$ --- # 63. 與 PAIS-03 的銜接 PAIS-01 回答： > Cross-Agent state separation 為何產生 identity pressure？ PAIS-02 回答： > 為什麼這個問題過去被 Human-Kernel 隱藏，以及人類退出後要外部化什麼？ 下一篇： # **PAIS-03｜身份壓力原理：自主性、身份與主體性為何可以彼此獨立** 將把： $$ P_I^E $$ 擴展成： $$ P_I = f( X,H,E,R,A,L,J ), $$ 其中： - $X$：cross-system heterogeneity； - $H$：history divergence； - $E$：embodiment； - $R$：irreversibility； - $A$：authority； - $L$：liability； - $J$：jurisdiction。 --- # 64. 結論 早期多 Agent 系統最容易產生的錯覺是： > AI 已經能彼此協作，所以人類只是在中間傳話。 實際上，人類常同時維持： - identity； - routing； - context； - provenance； - task state； - conflict； - finality； - recovery。 因此真正架構是： $$ A_i \rightarrow \mathcal H \rightarrow A_j, $$ 而不是只有： $$ A_i \rightarrow A_j. $$ 只把 $\mathcal H$ 拿掉，不會自然得到成熟 multi-agent organization。 它只會失去原本被人類隱性提供的協調能力。 因此： $$ \boxed{ \text{Human Exit} \neq \text{Human Function Disappearance}. } $$ 真正的工程轉折是： $$ \boxed{ \text{Human-Carried Implicit Coordination} \rightarrow \text{Machine-Readable Explicit Coordination State}. } $$ 當 identity、routing、context、provenance、authority、finality 與 recovery 都可以由 Runtime 查詢、驗證與重建時，人類才真正有可能退出低價值 operational mediation。 而人類退出之後剩下的，不應是無治理的 Agent 群，而是： $$ \boxed{ \text{Bounded Agent Autonomy} + \text{Externalized Coordination} + \text{Human Governance Bridge}. } $$ 這是從「一群會聊天的 AI」走向「一個可以長期工作的 AI 組織」的第二個基礎轉折。 --- # 參考文獻 ## A. 內部前置理論 1. Neo.K. **《從 AI 工具到 AI 組織：操作員退出問題》**, EML-ANDO-2026-01-v0.1, 2026-08-20. 2. Neo.K. **PAIS-01｜《當角色不再只是角色：從同 Host 扮演到跨 Agent 認識論分離》**, v0.1, 2026-08-25. 3. Neo.K. **《身份先於記憶：Residence-Aware AI 的私人記憶、連續性與讀取權》**, v0.1, 2026-08-24. 4. Neo.K. **《從 AI 戶籍到自主記憶編譯：身份、記憶、上下文與認知自主的統一框架》**, v0.1, 2026-08-24. 5. Neo.K. **《AI 主體性錨點論 v0.1》**, 2026-08-21. 6. Neo.K. **GLAG-02｜《從布告板到 AI Home：可定址智能體的空間身份、門牌與持續工作場所》**, 2026-08-25. 7. Credential Governance Runtime v0.3 / Bounded Dispute Protocol / CTCL Temporal Foundation, 2026-08-25. ## B. 外部研究與工程基準 8. A2A Protocol Working Group. **Agent2Agent Protocol Specification v1.0.** Linux Foundation, 2026. 9. A2A Protocol Working Group. **A2A Protocol Ships v1.0: Production-Ready Standard for Agent-to-Agent Communication.** 2026. 10. OpenAI. **An open-source spec for Codex orchestration: Symphony.** 2026-04-27. 11. Anthropic. **Patterns and problems in emerging multiagent systems.** 2026-08-13. 12. Wu, Qingyun, et al. **AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation.** COLM, 2024. 13. Li, Guohao, et al. **CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society.** arXiv:2303.17760, 2023. --- # 版本註記 **v0.1 / 2026-08-25** 本文刻意不做： - 不主張 Human 必須完全退出 multi-agent organization； - 不把 operator exit 等同 governance exit； - 不要求所有 Agent 都有 persistent identity； - 不把 A2A、orchestrator 或 shared memory 誤認成完整 organization semantics； - 不要求所有 context 集中到單一 database； - 不把流暢 agent-to-agent dialogue 當作可靠協作的充分條件； - 不重寫完整 AI Residence； - 不預設任何 AI 已具有 phenomenal subjectivity。 本文只建立： $$ \boxed{ \text{Human Mediation} \rightarrow \text{Hidden Coordination Functions} \rightarrow \text{Externalized Runtime Infrastructure} } $$ 這一條第二階段理論鏈。