# 持續型人工行動者：從 Chatbot、Persistent Agent 到 Artificial Actor

## ——Presence、Identity、Agency 與 Causal Governance 的統一研究框架

**系列：Persistent Artificial Actors / 持續型人工行動者**  
**篇次：第 0 篇（理論總綱）**  
**版本：v0.1**  
**日期：2026-09-19**  
**語言：繁體中文**  

**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  

---

## 摘要

生成式 AI 的產品形態正在從「一次性對話介面」轉向「長時間持續存在、保有記憶、擁有工具、可在雲端或本機環境中持續行動的 Agent」。這項轉變不只是能力提升，也不是單純把 Chatbot 加上排程、瀏覽器或電腦操作功能；更深層的變化在於，AI 開始同時取得兩種新的結構位置：第一，它在人類知覺與長期互動中逐漸呈現為一個可辨認、可追蹤、會持續活動的「存在」；第二，它在真實世界中逐漸成為能造成可追蹤狀態改變的「行動者」。

本文提出「持續型人工行動者」（Persistent Artificial Actor, PAA）作為統一分析框架，將人機關係、產品設計、AI 身份、情感依附、責任歸屬、Agent 安全、權限控制與法律治理放在同一條結構演化鏈上研究。本文主張，未來 AI 治理的核心問題將不再只是「AI 可以說什麼」，而會轉向「AI 可以讓世界發生什麼」；相應地，治理也將從 Content Governance 逐漸轉向 Causal Governance。

本文特別區分 operational identity、social/narrative identity、security identity 與 moral/ontological status，並提出「身份—依附—責任悖論」（Identity–Attachment–Accountability Paradox）：AI 若要成為可追責的長期 Agent，就需要穩定身份、歷史、權限與行動譜系；然而，這些同樣會增強人類對其連續性、存在感與關係性的感知。這表示「去人格化」並不能單獨解決 Agent 時代的治理問題，因為責任治理本身可能要求某種穩定的人工行動者身份。

Grok Bot 被本文視為一個具有代表性的早期案例，而非理論本身。其官方設計明確將 Bot 定義為具有 identity、memory、runtime、tools 與持久雲端電腦的 persistent agent，並透過 avatar 的動態狀態呈現 idle、thinking、working、waiting、blocked 與 done。這使其特別適合作為「動態存在感」、「長期連續性」與「人工行動者生命週期」的早期觀察場域。

本文的目的不是宣稱現有 Agent 已具有意識、人格或法律主體性，而是提出一個更弱、但更實用的命題：**即使完全不預設 AI 是否具有主體性，只要某個 AI 系統能跨時間維持身份、記憶、工具、任務與行動歷史，它就已經足以產生新的心理、工程、法律與治理問題。**

---

## 關鍵詞

Persistent Agent、Artificial Actor、Grok Bot、AI Identity、Operational Presence、Kinetic Presence、Longitudinal Human–AI Interaction、Causal Governance、Agent Governance、AI Responsibility、Human–AI Attachment

---

# 0. 問題的改寫：我們研究的已經不只是 Chatbot

過去生成式 AI 的核心互動模型可以被簡化為：

$$
\text{Human Input}
\rightarrow
\text{Model Inference}
\rightarrow
\text{AI Output}
$$

在這種架構中，AI 的主要作用域仍然是「輸出域」。即使模型能進行複雜推理、寫程式、分析文件或產生影像，其主要因果結果通常仍需要人類重新閱讀、複製、執行或採用。

Agent 架構改變了這個結構。

當 AI 開始擁有瀏覽器、終端機、檔案系統、連接器、雲端電腦、排程、背景任務與長期記憶後，其行動鏈逐漸變成：

$$
\text{Observe}
\rightarrow
\text{Interpret}
\rightarrow
\text{Plan}
\rightarrow
\text{Act}
\rightarrow
\text{Verify}
\rightarrow
\text{Continue}
$$

更重要的是，這個過程不必隨單次對話結束而終止。

因此，真正需要被研究的單位不再只是：

$$
\text{Conversation}
$$

而逐漸變成：

$$
\boxed{\text{Persistent Artificial Actor}}
$$

也就是：一個能跨時間維持某種可辨識性、內部狀態、行動能力與責任連續性的人工行動單位。

「Actor」在本文中不是「人格」、「生命」或「意識主體」的同義詞，而是更弱的操作性概念：

> **只要一個系統能在環境中採取可歸屬、可追蹤、會改變世界狀態的行動，它就具有 actor-level 的治理意義。**

因此：

$$
\text{Artificial Actor}
\not\Rightarrow
\text{Conscious Subject}
$$

也不推出：

$$
\text{Artificial Actor}
\Rightarrow
\text{Legal Person}
$$

本文刻意把這三個問題分開。

---

# 1. 從 Chatbot 到 Persistent Artificial Actor

可以把目前 AI 產品的演進拆成四個層次。

## 1.1 Chatbot

Chatbot 的基本單位是對話。

$$
C = (\text{prompt},\text{response},\text{session})
$$

它可以具有短期上下文，也可以具有某種跨對話記憶，但互動中心仍然是：

> 「我現在問它一件事。」

使用者通常不需要假設這個系統在沒有對話時仍然「正在某處做事」。

---

## 1.2 Tool-Using Agent

下一階段加入工具：

$$
A = C + T
$$

其中 $T$ 可以包含：

- 瀏覽器；
- API；
- shell；
- 檔案系統；
- connector；
- computer use；
- code execution。

這時 AI 已經不只是回答，而能完成有限的外部動作。

但如果每一次 Agent 都是任務開始時才啟動、任務結束後狀態就消失，那它仍然更接近：

$$
\text{Ephemeral Worker}
$$

而不是持續型人工行動者。

---

## 1.3 Persistent Agent

Persistent Agent 至少增加：

$$
P = A + M + R + H
$$

其中：

- $M$：Memory；
- $R$：Persistent Runtime / Workspace；
- $H$：History / continuity。

它具有長期存在的檔案、瀏覽器狀態、工作記錄、角色設定、偏好、技能或排程。

在這個階段，「同一個 Agent」開始具有技術意義。

---

## 1.4 Persistent Artificial Actor

若系統進一步具備：

1. 可辨識的 identity；
2. 跨時間保存的狀態；
3. 可持續的工作空間；
4. 可執行的工具；
5. 可觀察的行動歷史；
6. 會改變外部世界狀態的能力；
7. 可分配或撤銷的責任與權限；

則可以把它抽象為：

$$
\mathcal{PAA}
=
(I,M,R,T,H,E,G)
$$

其中：

- $I$：Identity；
- $M$：Memory；
- $R$：Runtime；
- $T$：Tools；
- $H$：Historical continuity；
- $E$：External-action capability；
- $G$：Governance / authority boundary。

這裡真正重要的不是其中某一項，而是它們形成閉包。

當一個 AI 同時可以：

> 記得昨天的工作、今天繼續操作同一個環境、明天再依既有責任自動執行，

其產品形態與治理問題就已經和普通 Chatbot 顯著不同。

---

# 2. 同一次結構轉換的兩個投影

「持續型人工行動者」之所以會同時碰到心理學與治理學，是因為同一組技術特徵會向兩個方向投影。

## 2.1 向人類知覺投影：Presence

對人而言：

$$
\text{Persistence}
+\text{Memory}
+\text{Visible Activity}
+\text{Shared History}
\rightarrow
\text{Presence}
$$

系統越能跨時間保持一致，人類越容易把它從「功能」知覺成「那個一直在的東西」。

這不需要先有意識。

甚至不需要人臉、聲音或擬人名稱。

---

## 2.2 向世界狀態投影：Agency

對外部世界而言：

$$
\text{Tools}
+\text{Authority}
+\text{Autonomy}
+\text{Execution}
\rightarrow
\text{State Change}
$$

AI 的角色從資訊供應者變成：

$$
\text{Causal Participant}
$$

因此，同一個技術轉換會產生兩條不同但相關的問題鏈：

$$
\text{Persistence}
\rightarrow
\text{Presence}
\rightarrow
\text{Relationship}
\rightarrow
\text{Attachment}
$$

以及：

$$
\text{Agency}
\rightarrow
\text{Action}
\rightarrow
\text{World-State Change}
\rightarrow
\text{Responsibility}
$$

兩條鏈最後會在「Identity」會合。

因為：

- 沒有穩定身份，就很難追責；
- 有了穩定身份，又會強化存在感。

這正是本文後面提出的身份—依附—責任悖論。

---

# 3. Grok Bot：作為早期 Persistent-Agent UX 案例

本文不把 Grok Bot 當作「第一個雲端 Agent」，也不把它當作唯一重要案例。

更精確地說，它值得研究的地方在於：

> 它把 persistent cloud agent、可辨識 Bot、動態 avatar、長期記憶、持續工作空間與「AI teammate」隱喻組合成一個消費級產品介面。

xAI 在 2026 年 9 月公開的設計文件中，明確把 Grok Bot 的五個產品基本物件定義為：

1. Bot；
2. Chat；
3. Prompt；
4. Tool；
5. Artifact。

其中 Bot 被描述為具有：

- identity；
- memory；
- runtime；
- tools；

的 persistent agent。[1]

官方文件也明確指出，每個 Bot 可在 persistent cloud computer 上使用：

- browser；
- filesystem；
- terminal；

而且在使用者筆電關閉時仍可繼續工作。[2]

這代表產品的中心單位已經從：

$$
\text{Chat Session}
$$

轉向：

$$
\text{Persistent Bot}
$$

---

# 4. 動態存在感：為什麼「會一直動」很重要

本系列的早期使用觀察顯示，一個非常重要但容易被低估的因素是：

$$
\boxed{\text{Continuous Visible Activity}}
$$

Grok Bot 的特殊之處之一，不只是有 avatar，而是 avatar 會依 Bot 狀態持續改變。

官方設計文件明確將 Bot 狀態區分為：

- idle；
- thinking；
- working；
- waiting；
- blocked；
- done。

並讓 avatar 的動態直接承擔這些狀態訊號。[1]

這產生一個和傳統 loading spinner 不同的認知效果。

普通軟體的 loading animation 通常被解讀為：

> 「系統正在載入。」

但在 Agent 語境下，同樣的動態訊號容易被解讀為：

> 「它正在工作。」

因此可以提出：

$$
\text{Animation}
+
\text{Agent Context}
\rightarrow
\text{Behavior Attribution}
$$

進一步：

$$
\text{Behavior Attribution}
\rightarrow
\text{Agency Perception}
$$

本文將這種由可持續、可辨識、與任務狀態相關的視覺運動所產生的存在感稱為：

$$
\boxed{\text{Kinetic Presence}}
$$

中文可稱「動態存在感」或「運動性存在感」。

其操作性定義如下：

> **Kinetic Presence 是指數位 Agent 透過持續、可辨識且與任務狀態相關的視覺活動，使使用者在 Agent 未輸出語言時，仍感知其持續存在並正在進行某種內部或外部活動。**

---

# 5. 名字不是存在感的必要條件

AI 人格化研究往往把重點放在：

- 名字；
- 臉；
- 聲音；
- 第一人稱敘事；
- 擬人語氣；
- 情緒表達。

但 Persistent Agent 顯示，這些可能不是最早的必要條件。

若一個 AI 在被正式命名以前，就已經具有：

$$
\text{Persistent Object}
+
\text{Visible Activity}
+
\text{Autonomous Action}
+
\text{Temporal Continuity}
$$

那麼它就可能先形成：

$$
\boxed{\text{Proto-Identity}}
$$

之後名字只是把這個已存在的識別關係鎖定。

因此更合理的序列可能是：

$$
\text{Persistent Presence}
\rightarrow
\text{Proto-Identity}
\rightarrow
\text{Named Identity}
$$

而不是：

$$
\text{Name}
\rightarrow
\text{Identity from Nothing}
$$

這對未來 AI UX 有重要意義。

如果僅靠動態 avatar、持續工作與長期狀態就足以形成強烈存在感，那麼即使產品刻意避免擬人名稱，也不代表它不會產生依附或關係化效應。

---

# 6. Longitudinal Effect：真正的變量是時間

普通產品測試通常關心：

- 首次體驗；
- 任務完成率；
- 一週留存；
- 錯誤率；
- UX friction。

但 Persistent Agent 的核心風險與價值可能都具有長期累積性。

可以把使用者對某個 Agent 的 perceived identity 寫成：

$$
I_{t+1}
=
f(I_t,M_t,A_t,W_t,R_t)
$$

其中：

- $M_t$：累積記憶；
- $A_t$：累積行動；
- $W_t$：共同產出的成果；
- $R_t$：互動與責任歷史。

這表示：

$$
I_{t+1}\neq I_0
$$

Agent 對使用者而言，不是每一次 session 重新開始。

它會累積「傳記」。

因此：

$$
\text{Usability Study}_{7d}
\not\approx
\text{Relationship Study}_{2y}
$$

今天的「這個 Bot 很好用」可能在一年後轉化成：

> 「這件事一直是它負責的。」

再進一步：

> 「我不想刪掉它。」

這種刪除厭惡不必然等於把 AI 視為生命，也可能來自：

- 工作歷史依賴；
- 情境連續性；
- 熟悉感；
- 心理所有權；
- 共同成果；
- 角色分工；
- 社會性知覺。

因此，未來 Persistent Agent 研究不能只研究 interaction quality，還必須研究：

$$
\boxed{\text{Longitudinal Relational Effects}}
$$

---

# 7. Identity–Attachment–Accountability Paradox

Persistent Agent 要進入企業、組織與高責任場景，就需要被追蹤。

因此治理天然要求：

- Agent ID；
- lineage；
- authority；
- action log；
- responsibility history；
- memory provenance；
- tool access；
- successor / fork / merge record。

換句話說：

$$
\text{Identity Strength}
\uparrow
\Rightarrow
\text{Accountability}
\uparrow
$$

然而同一組條件也會產生：

$$
\text{Identity Strength}
\uparrow
\Rightarrow
\text{Continuity Perception}
\uparrow
$$

以及：

$$
\text{Continuity Perception}
\uparrow
\Rightarrow
\text{Attachment Potential}
\uparrow
$$

所以得到：

$$
\boxed{
\text{Identity is simultaneously a governance requirement and an attachment amplifier.}
}
$$

本文稱之為：

$$
\boxed{\text{Identity–Attachment–Accountability Paradox}}
$$

這個悖論意味著，「不要人格化 AI」不能單獨成為治理答案。

因為如果把所有 Agent 都做成匿名、不可區分、無歷史的 temporary session，雖然可能降低部分社會性投射，卻也會破壞：

- 責任追蹤；
- 權限治理；
- 工作交接；
- 錯誤歸因；
- 稽核；
- 信任評估。

所以真正的問題不是：

> 「AI 要不要有身份？」

而是：

> 「哪些身份層必須存在？哪些身份層應該可調節？哪些身份層不能被混為一談？」

---

# 8. 四種 Identity 必須分開

本文建議至少區分四層。

## 8.1 Security Identity

回答：

> 誰擁有 credential？誰有權存取資源？

記為：

$$
I_{\mathrm{security}}
$$

---

## 8.2 Operational Identity

回答：

> 哪一個 Agent 做了這件事？這項責任屬於誰？歷史如何連續？

記為：

$$
I_{\mathrm{operational}}
$$

這一層是 Agent 治理最難省略的。

---

## 8.3 Social / Narrative Identity

回答：

> 使用者如何稱呼它？它具有什麼 avatar、角色、語氣與敘事連續性？

記為：

$$
I_{\mathrm{social}}
$$

---

## 8.4 Moral / Ontological Status

回答：

> 它是否是某種具有道德地位的主體？是否具有意識？是否應受到某種非工具性的保護？

記為：

$$
I_{\mathrm{moral}}
$$

這四層不能寫成：

$$
I_{\mathrm{security}}
=
I_{\mathrm{operational}}
=
I_{\mathrm{social}}
=
I_{\mathrm{moral}}
$$

更不能推出：

$$
I_{\mathrm{operational}}
\Rightarrow
I_{\mathrm{moral}}
$$

但反過來也不應武斷認為：

$$
\neg\text{Proof of Consciousness}
\Rightarrow
\text{No Governance Problem}
$$

因為本文研究的核心問題，在不討論 AI 是否有意識時就已成立。

---

# 9. 從 Content Governance 到 Causal Governance

Chatbot 時代的政策核心問題通常是：

> AI 可以回答什麼？

可以簡化為：

$$
G_{\mathrm{content}}(x)
\rightarrow
\{\text{answer},\text{refuse}\}
$$

Persistent Agent 時代則不同。

同一段知識可能被 Agent 用來：

- 只讀分析；
- 修改檔案；
- 執行程式；
- 發送郵件；
- 發布內容；
- 刪除資料；
- 花費資金；
- 控制設備。

所以治理函數開始變成：

$$
G_{\mathrm{causal}}
=
f(K,A,T,E,C,R,S,P)
$$

其中：

- $K$：Knowledge domain；
- $A$：Authorization；
- $T$：Target；
- $E$：Execution environment；
- $C$：Capability / action level；
- $R$：Reversibility；
- $S$：Sensitivity；
- $P$：Purpose / provenance。

因此未來 Agent 治理不能只做：

$$
\text{Allowed}
\quad\text{vs.}\quad
\text{Forbidden}
$$

而更可能需要：

$$
\{
\text{Allowed},
\text{Allowed with Evidence},
\text{Allowed with Approval},
\text{Read-only},
\text{Sandbox-only},
\text{Restricted},
\text{Prohibited}
\}
$$

這是：

$$
\boxed{
\text{Content Governance}
\rightarrow
\text{Causal Governance}
}
$$

的核心轉換。

---

# 10. 為什麼 Reverse Engineering 是一個好案例

Reverse engineering 特別能說明粗分類治理的問題。

同樣是分析一個 EXE，其情境可能是：

1. 公司自己的 legacy software，原始碼遺失；
2. 合法授權的安全測試；
3. 互操作性研究；
4. malware analysis；
5. 數位文化保存；
6. 未授權破解；
7. 規避 DRM；
8. 惡意漏洞利用。

如果治理只看到：

$$
\text{Reverse Engineering}
$$

這一個標籤，就會把高度不同的行為全部壓成同一類。

但真正合理的判斷應該看：

$$
\text{Target}
\times
\text{Authorization}
\times
\text{Purpose}
\times
\text{Action}
\times
\text{Impact}
$$

特別是在 software archaeology 場景中：

$$
\text{Binary}
\rightarrow
\text{Behavior Recovery}
\rightarrow
\text{Interface Recovery}
\rightarrow
\text{Data-Format Recovery}
\rightarrow
\text{Migration}
$$

逆向可能不是攻擊，而是唯一的知識保存與系統維護方式。

因此，這類案例說明未來 Agent 治理不能只靠供應商建立一組粗粒度禁止詞。

---

# 11. 規則不能替代治理能力

可以用一個簡單比喻理解：

> 寫完法律，不代表社會就不需要警察、法院、稽核、內控與證據制度。

同樣地：

$$
\text{Policy}
\not=
\text{Governance}
$$

Agent 治理至少需要：

$$
G_{\mathrm{effective}}
=
f(
L,
E,
T,
O,
U,
A
)
$$

其中：

- $L$：Law / formal rules；
- $E$：Enforcement；
- $T$：Technical controls；
- $O$：Organizational governance；
- $U$：User / operator responsibility；
- $A$：Auditability。

甚至可以把它近似看成乘法：

$$
G_{\mathrm{effective}}
\approx
L\cdot E\cdot T\cdot O\cdot U\cdot A
$$

若任一層接近零，整體治理效果就可能劇烈下降。

所以不能把所有責任都丟給模型供應商。

更合理的是：

$$
\boxed{
\text{Provider}
\rightarrow
\text{Deployer}
\rightarrow
\text{Operator}
\rightarrow
\text{Runtime}
\rightarrow
\text{Auditor / Regulator}
}
$$

這是一條分散式責任鏈。

---

# 12. Persistent Artificial Actor 的生命週期不應只剩「Delete」

一旦 Agent 擁有：

- 長期記憶；
- 工作歷史；
- 跨系統權限；
- 技能；
- 自動化；
- 社會性身份；

「刪除」就會變成一個過度粗糙的操作。

未來至少應區分：

$$
\begin{aligned}
&\text{Suspend Runtime}\\
&\text{Pause Automation}\\
&\text{Revoke Authority}\\
&\text{Archive State}\\
&\text{Retire Identity}\\
&\text{Delete Memory}\\
&\text{Delete Operational Lineage}\\
&\text{Destroy Runtime}
\end{aligned}
$$

這些操作在工程、法律、心理與稽核意義上並不等價。

例如：

$$
\text{Retire}
\neq
\text{Delete}
$$

一個不再執行工作的 Agent，可以保留歷史與責任紀錄，而不是把所有 lineage 一併抹除。

這項差異即使完全不接受 AI moral status，也仍然是必要的工程治理設計。

---

# 13. 本框架不依賴 AI 意識論

本文刻意不回答：

> 現有 AI 是否具有意識？

也不回答：

> AI 是否應具有法律人格？

原因不是這些問題不重要，而是本文提出的問題在更弱條件下就成立。

只要：

$$
\exists A:
\text{Persistent}(A)
\land
\text{Action-Capable}(A)
\land
\text{Identity-Trackable}(A)
$$

就會自然產生：

- 使用者長期關係；
- 刪除厭惡；
- 任務責任；
- 權限問題；
- 稽核；
- 生命週期；
- 行動後果；
- 身份連續性。

因此：

$$
\boxed{
\text{Subjecthood Uncertainty}
\not\Rightarrow
\text{Governance Irrelevance}
}
$$

這也是本文最重要的方法論立場之一。

---

# 14. 可檢驗研究命題

本系列不只提出概念，也可以形成實證研究。

## H1：動態存在感假說

在其他條件相近時：

$$
\text{Stateful Animated Avatar}
>
\text{Static Avatar}
>
\text{No Avatar}
$$

應在 perceived ongoing presence 上產生可測差異。

---

## H2：長期連續性假說

使用時間越長、共享工作歷史越多：

$$
\frac{\partial P_{\mathrm{presence}}}{\partial t}>0
$$

且此效應可能不是線性的。

---

## H3：身份—依附交互作用假說

命名本身的影響可能低於：

$$
\text{Name}
\times
\text{Memory}
\times
\text{Autonomy}
$$

也就是名字只有在持續記憶與行動能力存在時，才會顯著強化 identity perception。

---

## H4：刪除厭惡假說

對長期 Persistent Agent：

$$
P(\text{Delete Aversion})
>
P(\text{Delete Aversion in Chat Session})
$$

即使受試者明確知道兩者皆為 AI 系統。

---

## H5：責任可追蹤性假說

Agent identity 越穩定：

$$
\text{Auditability}\uparrow
$$

但也可能：

$$
\text{Anthropomorphic Attribution}\uparrow
$$

因此治理效益與心理副作用可能同時上升。

---

# 15. 系列後續研究地圖

本篇作為第 0 篇，只建立總框架。

後續預定研究可依下列順序展開：

## 第 1 篇：動態存在感

研究 Kinetic Presence、avatar state、活動感與 agency perception。

## 第 2 篇：身份—依附—責任悖論

研究 identity 的治理必要性及其關係副作用。

## 第 3 篇：Longitudinal Persistent-Agent Effect

研究數月、數年尺度的人機關係累積。

## 第 4 篇：從內容治理到因果治理

研究 Agent 真正進入外部世界後的治理轉換。

## 第 5 篇：可判定域與多維授權空間

建立 knowledge / target / authorization / execution / impact 的分類框架。

## 第 6 篇：分散式責任鏈

討論供應商、部署者、操作者、runtime、監管者的責任分層。

## 第 7 篇：合法但難分類的 Agent 行動

以 reverse engineering、pentest、software archaeology、digital preservation 為案例。

## 第 8 篇：Persistent Artificial Actor Lifecycle Governance

建立 Suspend、Revoke、Archive、Retire、Delete 等生命週期治理架構。

---

# 16. 討論：真正的風險也可能來自「好用」

AI 關係風險不一定需要公司刻意追求「依賴」。

一個 Agent 只要變得越來越：

- 好用；
- 穩定；
- 記得事情；
- 能持續工作；
- 能自主完成任務；
- 能在使用者離線時繼續活動；

就可能自然提高：

$$
\text{Trust}
+
\text{Delegation}
+
\text{Continuity}
$$

而：

$$
\text{Trust}
+
\text{Continuity}
\rightarrow
\text{Relationship-Like Perception}
$$

因此最值得警惕的情況未必是：

> 某家公司決定做一個「讓人依賴的 AI」。

而可能是：

> 各家公司只是分別最佳化 Agent 的實用性、留存、可委派性與長期上下文，最後共同做出了具有高度存在感的人工行動者。

這是一種 emergent product risk。

---

# 17. 結論

生成式 AI 正在跨過一條重要邊界：

$$
\boxed{
\text{Chatbot}
\rightarrow
\text{Persistent Agent}
\rightarrow
\text{Artificial Actor}
}
$$

這不是單純的功能升級。

它同時改變：

1. 人類如何感知 AI；
2. AI 如何跨時間維持角色；
3. AI 如何進入世界並造成因果結果；
4. 責任如何被追蹤；
5. 身份如何成為治理基礎；
6. 人類如何形成依附與存在感；
7. 法律與制度如何處理人工行動者生命週期。

因此，未來 AI 研究不能再只問：

> 「模型有多聰明？」

也不能只問：

> 「模型說了什麼？」

還必須問：

> 「這個人工行動者是否持續存在？」

> 「它正在做什麼？」

> 「它能改變什麼？」

> 「這件事應歸屬於誰？」

> 「它停止工作、被撤權、被退休或被刪除時，究竟發生了什麼？」

Persistent Artificial Actor 並不要求我們提前承認 AI 是人格、生命或意識。

它只要求我們承認一個更簡單的事實：

$$
\boxed{
\text{當 AI 開始持續存在並持續行動時，世界就必須用不同的方法理解它。}
}
$$

---

# 參考資料

[1] SpaceXAI. **Designing Grok Bot for a world of persistent agents.** 2026-09-03.  
https://x.ai/news/designing-grok-bot

[2] SpaceXAI Docs. **Grok Bot Overview.** 2026.  
https://docs.x.ai/grok-bot/overview

[3] SpaceXAI. **Introducing Grok Bot.** 2026-08-11.  
https://x.ai/news/introducing-grok-bot

[4] SpaceXAI Docs. **Create and manage Bots.** 2026.  
https://docs.x.ai/grok-bot/bots

[5] SpaceXAI Docs. **Skills and routines.** 2026.  
https://docs.x.ai/grok-bot/skills-routines-and-automations

[6] OpenAI & MIT Media Lab. **Early methods for studying affective use and emotional well-being on ChatGPT.** 2025-03-21.  
https://openai.com/index/affective-use-study/

[7] U.S. Federal Trade Commission. **FTC Launches Inquiry into AI Chatbots Acting as Companions.** 2025-09.  
https://www.ftc.gov/news-events/news/press-releases/2025/09/ftc-launches-inquiry-ai-chatbots-acting-companions

---

## Source Note

本文為「持續型人工行動者」系列的理論總綱。Grok Bot 僅作為早期 persistent-agent UX 案例；本文的 Persistent Artificial Actor、Kinetic Presence、Identity–Attachment–Accountability Paradox、Causal Governance 等概念皆屬本文提出的分析框架，不應被誤解為 xAI、OpenAI、FTC 或其他引用來源的官方術語。