# UNPNP Series 08 ## 有效度超連結路徑編碼：不是所有程式都值得被改寫 ### Effective Hyperlink Path Encoding: Not Every Program Path Should Be Rewritten **系列名稱：** UNPNP Hyperlink & Crystallized Computation Series **系列篇次：** 08 **作者：** Neo.K with Aletheia（GPT） **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 **日期：** 2026-09-07 **文件性質：** AI 原生計算／選擇性再編譯／UNPNP 理論論文 **狀態：** Canonical Draft --- ## 摘要 UNPNP Series 06 提出 Path Compilation，使多階 traversal 可以被重新編譯為新的直接超連結；Series 07 進一步提出 Computational Crystallization，使已驗證且具有生命週期價值的新路徑被提升為可重用計算原語。然而，這兩個能力若被無限制套用，會導致另一種極端：系統為了「超連結化」而將所有程式、所有路徑、所有狀態轉移都重新分析、重新編譯、重新驗證並持久化，最終讓 optimizer 自身變成新的複雜度來源。 本文提出 **Effective Hyperlink Path Encoding，EHPE**，中文稱為**有效度超連結路徑編碼**。其核心命題是： $$ \boxed{ \text{能被編譯成超連結} \neq \text{值得被編譯成超連結}. } $$ 一條路徑是否值得被重新編譯與結晶，不應由「能不能做」決定，而應由完整生命週期效用決定。本文提出： $$ \boxed{ U_H(\Gamma) = B_{\mathrm{runtime}} + B_{\mathrm{future}} - C_{\mathrm{compile}} - C_{\mathrm{verify}} - C_{\mathrm{maintain}} - C_{\mathrm{select}} - C_{\mathrm{risk}}. } $$ 其中： - $B_{\mathrm{runtime}}$：目前執行節省； - $B_{\mathrm{future}}$：未來可重用與高階結晶價值； - $C_{\mathrm{compile}}$：編譯成本； - $C_{\mathrm{verify}}$：等價與安全驗證成本； - $C_{\mathrm{maintain}}$：版本與依賴維護成本； - $C_{\mathrm{select}}$：未來尋找與選擇該 crystal 的成本； - $C_{\mathrm{risk}}$：錯誤、失效與安全風險成本。 只有當： $$ U_H(\Gamma)>0 $$ 且達到最低信任、穩定與可回退門檻時，該路徑才值得進入 path compilation 或 crystallization。 本文進一步提出 frequency、cost saving、stability、verification burden、maintenance burden、domain width、volatility、risk、selection overhead 與 future composability 九類核心因素，並建立 break-even： $$ N^\* = \left\lceil \frac{ C_{\mathrm{fixed}} }{ \Delta C_{\mathrm{run}} - C_{\mathrm{variable}} } \right\rceil. $$ 如果預期重用次數： $$ N_{\mathrm{expected}} < N^\*, $$ 即使單次 fast path 很快，也不應持久化成正式 crystal。 本文亦提出 **Selective Recompilation Principle**： $$ \boxed{ \text{Legacy Program} = \text{Canonical Program} + \text{Selective Crystal Overlay}. } $$ 第一代 AI 再編譯系統不需要把整個傳統程式轉換成「全超連結程式碼」，而只需要對高頻、高成本、高穩定、可驗證且正向收益明確的區域建立有效 fast path。其餘一次性、低頻、高變動、難驗證、低收益或高風險路徑應保留原始形式。 本文進一步提出 Effective Hyperlink Density： $$ \rho_H = \frac{ |\mathcal K_{\mathrm{useful}}| }{ |\mathcal P_{\mathrm{candidate}}| }, $$ 並指出合理系統不應追求： $$ \rho_H\rightarrow1, $$ 而應追求： $$ \boxed{ \max \sum_{\kappa\in\mathcal K} U_L(\kappa) } $$ 亦即最大化整體有價值結晶，而不是最大化超連結數量。 最後，本文建立 Negative Optimization、Crystal Debt、Maintenance Explosion、Selection Congestion、Over-Specialization、Under-Generalization 與 Hyperlink Saturation 等失敗模式，並為 Series 09 的安全可達世界提供接口：即使某條路在純性能上極具價值，只要它穿越過高風險、權限不穩定或不可逆作用域，就可能被判定為不值得進入 fast path。 因此，本文的核心可以壓縮成： $$ \boxed{ \textbf{ UNPNP 的目標不是把世界全部變成超連結， 而是只把真正值得的計算路徑結晶成新的超連結。 } } $$ **關鍵詞：** UNPNP、Effective Hyperlink Path Encoding、EHPE、Selective Recompilation、Utility、Break-Even、Crystallization、Negative Optimization、Crystal Debt、AI Compiler --- # 1. 從「能不能」到「值不值得」 Series 06 問： > 能不能把多階 path 編譯成一條新 link？ Series 07 問： > 哪些 compiled path 可以成熟成 crystal？ 本文進一步問： > 即使能，而且能驗證，真的值得做嗎？ 因此： $$ \boxed{ \text{Feasibility} \neq \text{Utility}. } $$ --- # 2. 最危險的錯誤：全程式 Hyperlink 化 假設一個程式有： $$ M $$ 條候選路徑。 如果對每一條都： $$ \text{observe} \rightarrow \text{compile} \rightarrow \text{verify} \rightarrow \text{store} \rightarrow \text{maintain}, $$ 則 optimizer 成本： $$ C_{\mathrm{opt}} $$ 可能迅速膨脹。 甚至： $$ C_{\mathrm{opt}} > C_{\mathrm{saved}}. $$ 這就是： $$ \boxed{ \text{optimization-induced complexity}. } $$ --- # 3. Effective Hyperlink Path Encoding 本文將一條 path： $$ \Gamma $$ 是否值得超連結化的判定稱為： $$ \boxed{ \operatorname{EHPE}(\Gamma). } $$ 其結果可以是： $$ \operatorname{EHPE}(\Gamma) \in \{ \text{retain}, \text{observe}, \text{compile}, \text{crystallize}, \text{retire} \}. $$ --- # 4. Utility First 核心不是： $$ \operatorname{CanCompile}(\Gamma). $$ 而是： $$ \boxed{ U_H(\Gamma). } $$ 如果： $$ U_H(\Gamma)\le0, $$ 即使技術上可以編譯， 也不應 promotion。 --- # 5. 第一版 Utility 本文提出： $$ \boxed{ U_H(\Gamma) = B_R + B_F - C_C - C_V - C_M - C_S - C_R. } $$ 其中： - $B_R$：runtime benefit； - $B_F$：future benefit； - $C_C$：compile cost； - $C_V$：verification cost； - $C_M$：maintenance cost； - $C_S$：selection / storage cost； - $C_R$：risk cost。 --- # 6. Runtime Benefit 令原始成本： $$ C_0(\Gamma). $$ compiled path： $$ C_1(\Gamma). $$ 單次節省： $$ \Delta C_{\mathrm{run}} = C_0-C_1. $$ 若： $$ \Delta C_{\mathrm{run}}\le0, $$ 立即沒有 runtime 理由。 --- # 7. Future Benefit 某條 path 目前使用頻率不高， 但可能是： - 上層 crystal 的 constituent； - 多個任務共享 primitive； - future family-generalization seed； - expensive reasoning replacement。 因此加入： $$ B_F. $$ --- # 8. Future Benefit 不能亂估 如果把所有未來可能性都算成巨大收益， 則所有 path 都會看起來值得結晶。 因此： $$ B_F $$ 應被 discount： $$ B_F^{\mathrm{disc}} = p_{\mathrm{reuse}} \gamma B_F. $$ 其中： $$ 0\le p_{\mathrm{reuse}}\le1. $$ --- # 9. Frequency 令： $$ f(\Gamma) $$ 為觀察窗口內頻率。 高頻： $$ f\uparrow $$ 通常增加： $$ U_H. $$ 因為固定成本更容易攤銷。 --- # 10. Frequency 不是唯一條件 一條 path 即使高頻， 若： $$ C_0 $$ 本來極低， 則： $$ f \Delta C $$ 仍可能很小。 因此： $$ \boxed{ \text{high frequency} \neq \text{high optimization value}. } $$ --- # 11. Cost Intensity 定義： $$ I_C(\Gamma) = f(\Gamma) C_0(\Gamma). $$ 這比只看： $$ f $$ 更合理。 高： $$ I_C $$ 表示該 path 消耗大量總資源。 --- # 12. Stability 令： $$ S(\Gamma) $$ 表示 path 結構穩定度。 高： $$ S $$ 表示： - branch pattern 穩定； - contract 穩定； - dependency 穩定； - domain 穩定； - failure rate 低。 --- # 13. Volatility 與 stability 對偶： $$ V_o(\Gamma) $$ 表示 volatility。 若： $$ V_o\uparrow, $$ 則： $$ C_M\uparrow. $$ --- # 14. Stable but Rare 一條非常穩定但幾乎不執行的 path， 也不一定值得結晶。 所以： $$ S\uparrow $$ 只是必要加分， 不是充分條件。 --- # 15. High-Cost but Unstable 一條非常昂貴但高度不穩定的 path， 可能： $$ C_M + C_V $$ 太高。 因此也可能不值得。 --- # 16. Verification Burden 定義： $$ B_V(\Gamma) = C_{\mathrm{verify}}(\Gamma). $$ 若 equivalence 很難驗， 則即使： $$ \Delta C_{\mathrm{run}} $$ 高， 也可能無法 promotion。 --- # 17. Verification Amortization 若 verifier 可以重用： $$ V_{\mathrm{fast}}, $$ 則後續： $$ C_V^{\mathrm{run}} $$ 下降。 所以要區分： $$ C_V^{\mathrm{build}} $$ 與： $$ C_V^{\mathrm{runtime}}. $$ --- # 18. Maintenance Burden 定義： $$ B_M(\Gamma) = C_{\mathrm{maintain}} ( \Gamma, \Delta\mathcal W ). $$ 包含： - version updates； - schema drift； - dependency change； - hardware change； - rule change； - revalidation。 --- # 19. Domain Width 令： $$ D_\Gamma $$ 為 compiled path 有效域。 其寬度可以抽象表示： $$ W_D(\Gamma). $$ 通常較寬的有效域： $$ W_D\uparrow $$ 增加 reuse value。 --- # 20. 但太寬可能降低安全性 如果為追求 generalization， 把 guard 放太寬， 則： $$ \operatorname{FalsePositiveGuard} \uparrow. $$ 所以： $$ \boxed{ \text{wide domain} \neq \text{good domain}. } $$ --- # 21. Guard Precision 定義： $$ P_G = \frac{ TP }{ TP+FP }. $$ 若： $$ P_G $$ 低， fast path 可能被錯用。 --- # 22. Guard Recall 同時： $$ R_G = \frac{ TP }{ TP+FN }. $$ 若太低， 大量本來可走 fast path 的狀態仍走 slow path。 --- # 23. Guard Utility 因此可定義： $$ U_G = \alpha P_G + \beta R_G - \gamma C_G. $$ 不只是： > guard 越嚴越好。 --- # 24. Risk 令： $$ R(\Gamma) $$ 表示： - side effect； - irreversibility； - privilege； - data sensitivity； - attack surface； - failure impact。 即使性能收益巨大： $$ \Delta C\gg0, $$ 高： $$ R $$ 仍可能讓： $$ U_H<0. $$ --- # 25. Risk-Adjusted Utility 正式： $$ \boxed{ U_H^R = U_H - \lambda_R R. } $$ 高風險 domain： $$ \lambda_R $$ 應更大。 --- # 26. Selection Cost 若 crystal library： $$ |\mathcal K| $$ 很大， 每次找： $$ \kappa^\* $$ 也有成本。 令： $$ C_{\mathrm{select}}. $$ 因此： $$ \boxed{ \text{more shortcuts} \neq \text{faster routing}. } $$ --- # 27. Storage Cost 每個 crystal 可能保存： - executable； - guard； - validator； - provenance； - benchmark； - dependency fingerprint； - receipts。 所以： $$ C_{\mathrm{store}}>0. $$ --- # 28. Memory Is Not Free 即使外部 storage 很便宜， 索引、載入、驗證、版本同步仍然有成本。 因此： $$ \boxed{ \text{cheap storage} \neq \text{zero memory complexity}. } $$ --- # 29. Break-Even 固定成本： $$ C_F = C_{\mathrm{compile}} + C_{\mathrm{verify-build}} + C_{\mathrm{deploy}}. $$ 每次節省： $$ \Delta C_{\mathrm{net}} = \Delta C_{\mathrm{run}} - C_{\mathrm{guard}} - C_{\mathrm{verify-run}} - C_{\mathrm{select}}. $$ 則： $$ \boxed{ N^\* = \left\lceil \frac{ C_F }{ \Delta C_{\mathrm{net}} } \right\rceil. } $$ --- # 30. 無法 Break-Even 若： $$ \Delta C_{\mathrm{net}}\le0, $$ 則： $$ N^\*=\infty. $$ 這類 path 不應結晶。 --- # 31. Expected Reuse 令： $$ N_E = \mathbb E[N_{\mathrm{future}}]. $$ 若： $$ N_EN^\*. $$ 才 promotion。 --- # 33. Lifecycle Utility 完整： $$ \boxed{ U_L(\kappa,N) = N\Delta C_{\mathrm{net}} - C_F - C_M(N) - C_R(N). } $$ --- # 34. Lifecycle 不應只看一次 benchmark 一次： $$ C_{\mathrm{new}} 優化後整體更貴。 --- # 36. Negative Optimization 的來源 包括： - compilation too expensive； - verification too expensive； - guard too expensive； - low reuse； - frequent invalidation； - high maintenance； - slow selection； - memory overhead。 --- # 37. Crystal Debt 結晶建立後， 可能前期： $$ U_L>0, $$ 後期因環境改變： $$ C_M\uparrow. $$ 定義： $$ \boxed{ D_K = C_M + C_{\mathrm{repair}} - B_{\mathrm{remaining}}. } $$ 若： $$ D_K>0, $$ 形成 crystal debt。 --- # 38. Debt Trigger 如果： $$ D_K>\theta_D, $$ 則： $$ \kappa \rightarrow \text{retire / rebuild}. $$ --- # 39. Maintenance Explosion 若： $$ |\mathcal K| $$ 大量增加， 可能： $$ C_M(\mathcal K) $$ 超線性增長。 例如 dependency 交叉。 所以需要： $$ \boxed{ \text{crystal governance}. } $$ --- # 40. Selection Congestion 如果很多 crystal guard： $$ G_1,\ldots,G_m $$ 高度重疊， routing 可能必須評估大量候選。 這就是： $$ \boxed{ \text{selection congestion}. } $$ --- # 41. Effective Hyperlink Density 令候選 path 數： $$ |\mathcal P_C|. $$ 真正保留 crystal： $$ |\mathcal K_U|. $$ 定義： $$ \boxed{ \rho_H = \frac{ |\mathcal K_U| }{ |\mathcal P_C| }. } $$ --- # 42. 不追求 $\rho_H=1$ 如果： $$ \rho_H\rightarrow1, $$ 表示幾乎所有 path 都被 crystallize。 這通常不是成熟， 而可能是： $$ \boxed{ \text{over-crystallization}. } $$ --- # 43. 最佳密度不是固定常數 理想： $$ \rho_H^\* $$ 依： - workload； - hardware； - domain； - volatility； - memory； - risk； 改變。 --- # 44. Crystal Saturation 當新增 crystal 的 marginal benefit： $$ \Delta U_K $$ 趨近： $$ 0 $$ 甚至負數， 就出現： $$ \boxed{ \text{crystal saturation}. } $$ --- # 45. Marginal Utility 第： $$ m $$ 個 crystal 的邊際價值： $$ MU_m = U(\mathcal K_m) - U(\mathcal K_{m-1}). $$ 當： $$ MU_m\le0, $$ 應停止擴張。 --- # 46. Selective Recompilation Principle 本文正式提出： $$ \boxed{ \textbf{ Only paths with positive risk-adjusted lifecycle utility should be promoted into persistent compiled hyperlinks. } } $$ 中文： $$ \boxed{ \textbf{ 只有具有正向風險調整後生命週期效用的路徑， 才應被提升為持久化超連結。 } } $$ --- # 47. Legacy Program 不需要被整體替換 第一代： $$ P_{\mathrm{legacy}} $$ 可以保持 canonical。 只疊加： $$ \mathcal K_t. $$ 所以： $$ \boxed{ P_t = P_{\mathrm{legacy}} \oplus \mathcal K_t. } $$ --- # 48. Crystal Overlay Overlay 只處理： $$ \Gamma_i $$ 使： $$ U_H(\Gamma_i)>0. $$ 其餘： $$ \Gamma_j $$ 仍走 legacy path。 --- # 49. 為什麼這更適合傳統程式？ 因為 legacy program 可能有： - 複雜 side effect； - 不完整 tests； - undocumented behavior； - plugin； - mod； - external dependency。 整體翻譯風險太高。 --- # 50. Shadow Recompilation 候選： $$ \widehat{\Gamma} $$ 先不 active。 而是： $$ \Gamma \parallel \widehat{\Gamma}_{\mathrm{shadow}}. $$ 觀察： - equivalence； - speed； - resources； - drift。 --- # 51. Promotion after Evidence 只有： $$ V_{\mathrm{equiv}}\ge\theta_V, $$ $$ U_H^R>0, $$ 才 promotion。 --- # 52. One-Shot Path 若： $$ f\approx0 $$ 且： $$ N_E\approx1, $$ 則通常： $$ U_H<0. $$ 不要結晶。 --- # 53. Expensive One-Shot Exception 但若單次原成本： $$ C_0 $$ 極大， 且 compile cost： $$ C_F $$ 更低， 即使： $$ N=1 $$ 也可能值得。 所以 frequency 不是硬規則。 --- # 54. Low-Cost Repetitive Path 若 path 每秒執行很多次， 但單次只有： $$ \epsilon $$ 成本， 總： $$ f\epsilon $$ 仍可能值得或不值得， 需要實測。 --- # 55. Hot Loop 非常高頻 loop： $$ f\gg1 $$ 通常是 optimizer 重點。 這接近傳統 JIT / trace compiler。 --- # 56. Semantic Hot Path UNPNP 更關心一種高階 hot path： > 不一定是 CPU instruction 高頻，而是語義上反覆需要同一組跨底空間操作。 例如： - NPC 決策； - memory retrieval； - repeated tool chain； - game economy update； - recurring query planning。 --- # 57. Semantic Frequency 令： $$ f_S(\Gamma) $$ 表示語義等價 path 的頻率。 即使 byte trace 不同， 若： $$ \Gamma_i \simeq_{\mathcal T} \Gamma_j, $$ 可被視為同一 path family。 --- # 58. Family-Level Compilation 若： $$ \{\Gamma_1,\ldots,\Gamma_n\} $$ 共享 task contract， 可以編譯： $$ \kappa_{\mathcal D}. $$ 這比 instance-level 更有價值。 --- # 59. Over-Specialization 如果每個 input 都產生： $$ \kappa_x, $$ 則： $$ |\mathcal K| $$ 可能接近： $$ |\mathcal X|. $$ 這就是： $$ \boxed{ \text{over-specialization}. } $$ --- # 60. Under-Generalization 若很多 crystal 可被 family abstraction 合併， 但系統沒有合併， selection / maintenance cost 會上升。 --- # 61. Over-Generalization 反之， 把過多不同 path 合成同一 crystal， guard domain 太寬， 會提高錯誤率。 --- # 62. Generalization Utility 可以定義： $$ U_G = B_{\mathrm{merge}} - C_{\mathrm{guard-complexity}} - C_{\mathrm{error}}. $$ 只有： $$ U_G>0 $$ 才 generalize。 --- # 63. Path Portfolio 結晶庫應視為： $$ \boxed{ \text{portfolio} } $$ 而不是 artifact dump。 每個： $$ \kappa $$ 有： - 收益； - 風險； - 成本； - 相關性； - 重疊。 --- # 64. Portfolio Utility $$ U(\mathcal K) \neq \sum U(\kappa_i) $$ 總是成立。 因為 crystal 可能： - overlap； - interfere； - share verifier； - share index； - compete for selection。 --- # 65. Interaction Cost 加入： $$ C_{\mathrm{interaction}} ( \kappa_i,\kappa_j ). $$ 完整： $$ U(\mathcal K) = \sum_i U(\kappa_i) - \sum_{i\neq j} C_{\mathrm{interaction}}. $$ --- # 66. Crystal Dependency Graph 結晶之間可有： $$ G_K=(V,E). $$ dependency graph 可以用於： - invalidation； - maintenance； - merge； - selection。 --- # 67. Dependency Centrality 某些 crystal： $$ \kappa_c $$ 被很多 higher-order crystal 使用。 則其失效影響大。 需要更高驗證門檻。 --- # 68. Critical Crystal 定義： $$ I_{\mathrm{impact}}(\kappa) $$ 若高， 則： $$ \theta_V(\kappa) $$ 應提高。 --- # 69. Low-Impact Crystal 低 impact、可回滾 path： $$ \theta_V $$ 可以低一些， 以加快實驗。 --- # 70. 風險與驗證應動態耦合 即： $$ \boxed{ R\uparrow \Rightarrow V_{\mathrm{required}}\uparrow. } $$ --- # 71. Effective Hyperlink Score 第一版可定義： $$ \boxed{ S_H(\Gamma) = w_fF + w_cC + w_sS + w_dD + w_pP - w_vV - w_mM - w_rR - w_qQ. } $$ 其中： - $F$：frequency； - $C$：cost-saving potential； - $S$：stability； - $D$：domain width； - $P$：future composability； - $V$：verification burden； - $M$：maintenance； - $R$：risk； - $Q$：selection congestion contribution。 --- # 72. Score 不應取代成本帳本 $$ S_H $$ 適合 ranking。 真正 promotion 還是要求： $$ U_L>0. $$ --- # 73. Multi-Objective Decision 有些 path： - latency 很好； - energy 很差。 另一些反之。 因此： $$ \mathbf U = ( U_{\mathrm{latency}}, U_{\mathrm{energy}}, U_{\mathrm{memory}}, U_{\mathrm{quality}}, U_{\mathrm{risk}} ). $$ --- # 74. Pareto Frontier 不一定存在單一最佳 crystal。 可以保留： $$ \boxed{ \text{Pareto-optimal crystal set}. } $$ Adaptive Corridor Generator 再依當時 budget 選。 --- # 75. Hardware Profile 同一路徑： $$ \Gamma $$ 在 CPU： $$ U_H^{CPU} $$ 與 GPU： $$ U_H^{GPU} $$ 可能不同。 所以 EHPE 應 hardware-aware。 --- # 76. Energy Profile 未來若關心能耗： $$ C_E $$ 也進 utility。 有些 path latency 下降， 但 energy 上升。 --- # 77. Memory Profile 某些 crystal 用更多 memory 換 compute。 則： $$ C_{\mathrm{storage}} \uparrow, $$ $$ C_{\mathrm{compute}} \downarrow. $$ 回到 Series 01 的 complexity redistribution。 --- # 78. Budget-Dependent Utility $$ U_H(\Gamma\mid B_t) $$ 會依 budget 改變。 所以同一 crystal 不是永遠最好。 --- # 79. Cold / Warm / Hot 也應由有效度驅動 Hot 不只是： > 用很多次。 而應： $$ U_L(\kappa)\gg0 $$ 且： $$ T_K(\kappa) $$ 高。 --- # 80. Hot but Bad 若一個 path 高頻但： $$ U_L<0, $$ 則「常用」本身不能救它。 應退回 legacy path。 --- # 81. Slow but Valuable 某些 crystal 沒有降低 latency， 但大幅降低： - reasoning； - failure； - variance； - verification。 仍可能： $$ U_H>0. $$ 所以「快」不是唯一效益。 --- # 82. Reliability Benefit 可以加入： $$ B_{\mathrm{reliability}} = C_{\mathrm{failure-old}} - C_{\mathrm{failure-new}}. $$ --- # 83. Variance Reduction 即使平均成本相似， 若： $$ \operatorname{Var}(C_{\mathrm{new}}) \ll \operatorname{Var}(C_{\mathrm{old}}), $$ 也可能值得。 遊戲 real-time 尤其重要。 --- # 84. Tail Latency 可考慮： $$ p95, p99. $$ 不只： $$ \mathbb E[C]. $$ --- # 85. 遊戲中的 EHPE 對單機遊戲， 候選： - inventory query； - pathfinding； - NPC decision； - quest lookup； - combat micro-loop。 可以逐一計算： $$ U_H. $$ --- # 86. 第一階段不碰所有系統 只對： $$ R_0,R_1,R_2 $$ 低風險本地路徑做 EHPE： - read； - local reversible； - sandbox。 --- # 87. 遊戲中的高價值候選 例如： $$ \Gamma_{\mathrm{pathfinding}} $$ 高頻、高成本、穩定。 如果可建立： $$ \kappa_{\mathrm{regional-route}} $$ 可能有大收益。 --- # 88. 遊戲中的低價值候選 例如： > 只在一次劇情事件觸發的唯一動畫 transition。 即使可 compile， 也不一定值得。 --- # 89. Adaptive Threshold $$ \theta_H $$ 不必固定。 系統可依： - CPU load； - memory； - session duration； - game phase； 調整。 --- # 90. Early Session 遊戲剛開始： $$ N_E $$ 未知。 可以多 observe， 少 persistent crystallize。 --- # 91. Mature Session 重複模式穩定後： $$ p_{\mathrm{reuse}}\uparrow. $$ promotion threshold 可以更積極。 --- # 92. Late-Game Shift 遊戲進入後期， distribution 改變。 早期 crystal： $$ \kappa_{\mathrm{early}} $$ 可能 stale。 因此 EHPE 必須持續重算 utility。 --- # 93. Utility Drift $$ U_H(\kappa,t+1) \neq U_H(\kappa,t). $$ 因此： $$ \boxed{ \text{crystal value is time-dependent}. } $$ --- # 94. Continuous Re-Evaluation 不必每 tick 全算。 可以事件驅動： - version change； - frequency change； - failure spike； - memory pressure； - distribution shift。 --- # 95. Crystal Pruning 若： $$ U_H<\theta_R, $$ 則： $$ \kappa \rightarrow \text{retire}. $$ 釋放： - index； - memory； - maintenance burden。 --- # 96. Retire 不等於 Forget provenance 可以保留低成本 record： $$ \text{retired crystal receipt}. $$ 避免未來重做同一失敗 optimization。 --- # 97. Negative Optimization Crystal 如果某類 path 曾證明： $$ U_H<0, $$ 可以形成： $$ \kappa_{\mathrm{no-opt}}^-. $$ 表示： > 在目前條件下，不值得再編譯。 --- # 98. Reopen Negative Crystal 但若： - hardware changed； - algorithm changed； - frequency changed； 則可以 reopen。 --- # 99. Effective Hyperlink Path Encoding Pipeline 第一版： ```text Observe Path → Estimate Frequency → Measure Cost → Estimate Stability → Estimate Verification Burden → Estimate Maintenance → Estimate Risk → Estimate Future Reuse → Compute Utility → Shadow Compile if Positive → Verify → Recompute Lifecycle Utility → Promote / Retain / Retire ``` --- # 100. EHPE 與 Adaptive Corridor Generator Series 03 的： $$ \mathcal M $$ 負責找 route。 EHPE 負責決定： > 這條 route 是否值得成為持久化 fast path？ 所以： $$ \boxed{ \mathcal M \neq \operatorname{EHPE}. } $$ --- # 101. EHPE 與 Path Compiler Path Compiler： $$ \Gamma \rightarrow \widehat{\ell}. $$ EHPE： $$ \Gamma \rightarrow \text{compile?} $$ 所以 EHPE 可以在 PC 前做 prefilter。 --- # 102. EHPE 與 Crystallizer Crystallizer： $$ \widehat{\ell} \rightarrow \kappa. $$ EHPE 可在結晶前再做： $$ U_H(\widehat{\ell}). $$ 因此： $$ \boxed{ \text{EHPE gates both compilation and crystallization}. } $$ --- # 103. EHPE 與 Semantic Revealing 若候選 path 太多， 可先： $$ \Pi_{\xi} ( \mathcal P ) = \mathcal P_{\mathrm{visible}}. $$ 只評估當前高價值候選。 --- # 104. EHPE 與 DRC DRC 可以： - 發散 candidate optimization； - 共振 high-value region； - 壓縮為 optimization shortlist。 --- # 105. EHPE 與 SEDB SEDB 可以保存： - path stats； - lifecycle receipts； - utility history； - crystal identity； - invalidation； - provenance。 但 EHPE 不依賴特定資料庫。 --- # 106. EHPE 與記憶方法 後續 Crystallized Semantic Graph 也會遇到同一問題： > 是否每段對話都要做所有壓縮版本、所有 link、所有高階 crystal？ 答案也是： $$ \boxed{ \text{selective crystallization}. } $$ --- # 107. Memory Crystal Utility 未來記憶可以有： $$ U_M(c) $$ 依： - recall frequency； - importance； - semantic density； - retrieval benefit； - update burden。 但這屬技術白皮書展開。 --- # 108. 不是所有可記憶內容都要高階結晶 同樣： $$ \text{stored} \neq \text{high-order crystallized}. $$ --- # 109. EHPE 的安全前置 即使： $$ U_H^{\mathrm{performance}}>0, $$ 若： $$ R>\theta_R, $$ 仍可直接： $$ \operatorname{EHPE}=\text{retain slow path}. $$ --- # 110. Safety Veto 因此： $$ \boxed{ \operatorname{SafetyVeto}=1 \Rightarrow \operatorname{Promote}=0. } $$ 性能不能凌駕必要安全邊界。 --- # 111. 外部不可逆路徑 例如： - payment； - destructive write； - account privilege； - production mutation。 第一代預設不進 automated crystallized fast path。 --- # 112. 內部 reversible path 這也是為什麼遊戲適合作為第一個實驗域。 其： $$ C_R $$ 可以低很多。 --- # 113. EHPE 與 UNPNP 完整成本 Series 01： $$ \mathbf C. $$ 本文把 EHPE 寫成： $$ \boxed{ \operatorname{EHPE} : (\Gamma,\mathbf C,\mathcal R,\mathcal H) \rightarrow d. } $$ 其中： $$ d $$ 是 compile decision。 --- # 114. 不是單純 Performance Optimizer 因為： $$ \mathbf C $$ 包含： - time； - memory； - energy； - verification； - maintenance； - risk； - selection。 所以 EHPE 是： $$ \boxed{ \text{systemic optimization gate}. } $$ --- # 115. Core Proposition I $$ \boxed{ \textbf{ 可編譯性不是結晶化的充分條件；正向生命週期效用才是。 } } $$ --- # 116. Core Proposition II $$ \boxed{ \textbf{ UNPNP 不應追求最大超連結數量，而應追求最大有效超連結總效用。 } } $$ --- # 117. Core Proposition III $$ \boxed{ \textbf{ 傳統程式的合理 AI 再編譯路線不是一次性整體翻譯，而是以原程式為 canonical fallback，逐步疊加已驗證的高價值 crystal overlay。 } } $$ --- # 118. Core Proposition IV $$ \boxed{ \textbf{ 任何 fast path 的價值都會隨頻率、環境、硬體、風險與維護負擔改變，因此 crystal utility 必須被重新評估，而不是一次 promotion 後永久有效。 } } $$ --- # 119. Core Proposition V $$ \boxed{ \textbf{ 最好的超連結系統，不是超連結最多的系統，而是最少浪費不必要計算的系統。 } } $$ --- # 120. 第一版決策模型 令： $$ \Gamma $$ 為候選 path。 先計： $$ \Delta C_{\mathrm{net}} = C_0 - C_1 - C_G - C_{V,\mathrm{run}} - C_S. $$ 若： $$ \Delta C_{\mathrm{net}}\le0, $$ 則： $$ \operatorname{retain}. $$ 若： $$ \Delta C_{\mathrm{net}}>0, $$ 再估： $$ N^\*. $$ 若： $$ N_E0, $$ 才： $$ \operatorname{crystallize}. $$ --- # 121. 結論 UNPNP 從 Series 06 開始具備一個很容易讓人興奮的能力： $$ 1 \rightarrow 2 \rightarrow \cdots \rightarrow 100 $$ 可以變成： $$ 1 \rightarrow 100. $$ Series 07 更進一步指出： > 這條新路還可以結晶，甚至再結晶。 但如果只停在這裡，就很容易產生新的錯誤： > 既然可以，那就全部做。 本文給出的答案是： $$ \boxed{ \text{No.} } $$ 真正成熟的 UNPNP Computer 不應把每一條 path 都編譯。 它必須持續問： $$ \boxed{ \text{這條路，值不值得？} } $$ 一條真正值得被超連結化的路徑，至少應該在： - 執行頻率； - 單次成本； - 穩定度； - 可驗證性； - 有效域； - 維護負擔； - 選擇成本； - 未來組合價值； - 風險； 之間取得正向生命週期效用。 因此未來一般程式的 AI 再編譯，不應是： $$ \text{Legacy Program} \rightarrow \text{Everything becomes hyperlinks}. $$ 而應是： $$ \boxed{ \text{Legacy Program} + \text{Selective High-Utility Crystallized Hyperlink Overlay}. } $$ 原本慢的地方， 如果值得， AI 才重組。 原本已經夠快、只跑一次、變動太大或太危險的地方， 就不要碰。 所以本篇可以用一句話收束： $$ \boxed{ \textbf{ 不是所有程式都值得被改寫； 只有真正能讓整個生命週期更便宜、更穩定或更可靠的路， 才值得成為新的超連結。 } } $$ 下一篇將進入這個系列另一個必要邊界： > 當 fast path 真的可以快速跨越底空間時，如何限制它只能在被授權的世界中運行？ 這將引出： $$ \boxed{ \text{安全可達世界}. } $$ --- ## 後續篇章 **Series 09｜安全可達世界：UNPNP 計算中的權限、能力與快速通道** 下一篇將正式處理： $$ \mathcal W_t^{\mathrm{accessible}} = \mathcal W \cap \mathcal R(C_t), $$ 並建立： - Reachable $\neq$ Authorized； - capability envelope； - identity / actor； - multi-gate permission； - internal experiment domain； - read-only external domain； - irreversible external action； - safe shortest path； - permission attenuation； - fail-closed； - fast authorization； - poisoned fast path； - why security must be part of the transition contract。