# 微觀世界域：個體、企業、AI 與有限可行集合 ## 從選項集合、可行集合與退出能力，到避害選擇、委任智能與受約束微觀決策 **英文題名：** *Micro World-Domains: Individuals, Firms, AI Agents, and Finite Feasible Sets* **系列名稱：** 經濟世界域轉化論（Economic World-Domain Transformation Theory, EWDT） **系列篇號：** 12 / 18 **文件編號：** EML-EWDT-2026-12 **作者：** Neo.K with GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-09-23 **版本：** v0.1 **文件性質：** 理論論文／微觀世界域／有限可行集合與受約束選擇框架 **直接前置：** EWDT-01 至 EWDT-11 **主要後續接口：** EWDT-13、EWDT-14、EWDT-15、EWDT-16、EWDT-18 --- ## 摘要 傳統微觀經濟分析常以偏好、預算與效用函數描述個體選擇，並在指定約束下求解最適決策。此框架在大量局部問題中極具力量，但若把它擴張成所有現實決策的完整描述，容易忽略一個更基礎的問題：主體真正能選的選項，未必等於它知道的選項；知道的選項，也未必等於制度與資源上可行的選項；可行的選項，更不代表其中一定存在「好選項」。 本文提出「微觀世界域」框架，將個體、企業與 AI Agent 重新表示為處於有限世界中的受約束轉化主體。對主體 $i$，本文區分候選選項集合 $\mathcal A_i^{cand}$ 、可辨識選項集合 $\mathcal A_i^{known}$ 、合法選項集合 $\mathcal A_i^{adm}$ 與真正可執行可行集合： $$ \boxed{ \Omega_i(t) \subseteq \mathcal A_i^{adm} \subseteq \mathcal A_i^{known} \subseteq \mathcal A_i^{cand}. } $$ 由此： $$ \text{Option Set} \neq \text{Feasible Set}. $$ 本文進一步將微觀選擇寫成世界相對問題。主體 $i$ 的可行集合取決於： $$ \Omega_i(t) = F \left( R_i, C_i, H_i, A_i, T_i, I_i, K_i, P_i \right), $$ 其中可包括資源、關係、歷史、合法性、時間、意圖、知識與權限。這使選擇不再只由偏好與價格決定，而是由主體在世界中的位置與轉化能力共同決定。 本文將「兩害相權取其輕」正式化為避害型決策。若對所有可行選項： $$ L_i(a)>0, \qquad \forall a\in\Omega_i(t), $$ 則不存在零損失選項，主體只能選： $$ \boxed{ a_i^\ast = \arg\min_{a\in\Omega_i(t)} L_i(a). } $$ 這種決策不是效用最大化的反例，而是更一般的受約束選擇特例。當可行集合本身很差時，最優選擇仍然可以是「較小的損失」。 本文同時區分偏好、選擇、自由選擇與被迫選擇。主體可以偏好 $a$，卻因資源不足無法選；可以選擇 $b$，卻只是因其他選項退出成本更高；也可以形式上擁有退出權，卻沒有實質退出能力。因此： $$ \boxed{ \text{Preference} \neq \text{Choice} \neq \text{Effective Freedom}. } $$ 本文將退出能力 $E_i^{exit}$ 正式納入微觀世界域。退出能力不只取決於法律權利，也取決於緩衝時間、切換成本、替代性、資訊、可攜性與資源。主體若無法承擔短期收入中斷，即使法律上可退出，實際上也可能被歷史耦合鎖定。因此： $$ \boxed{ \text{Formal Exit Right} \neq \text{Effective Exit Capability}. } $$ 企業與 AI Agent 被視為不同型別的微觀主體。企業不是單一人格，而是由資本、治理、契約、員工、工具與歷史組成的複合決策體；AI Agent 則具有能力但未必具有獨立權限，其行動通常受預算、授權、工具與撤銷機制限制。因此： $$ Capability_{AI} \not\Rightarrow Authority_{AI}. $$ AI 的加入可以擴張人類或企業的可行集合： $$ \Omega_{i+\mathrm{AI}}(t) \supseteq \Omega_i(t), $$ 但也可能因新依賴、平台鎖定、審計不足與退出能力下降而改變微觀自主性。 本文進一步區分四種微觀選擇機制：效用最大化、滿意化、損失最小化與生存約束選擇。不同情境下，主體未必是在追求最高收益，而可能只是在有限世界時間、資訊與控制力下維持可接受狀態。這使「理性」從單一最佳化程序，轉化為相對任務、資訊與可行集合的決策規則。 本文最後將個體微觀世界與後續宏觀結構連接。每一個主體的： $$ a_i^\ast $$ 會改變關係、需求、供給、資產與預期，並透過中觀網絡形成宏觀結果；反過來，宏觀制度又會重寫個體 $\Omega_i(t)$。因此： $$ \boxed{ \text{Micro Choice} \leftrightarrow \text{World Structure}. } $$ 本文的核心結論是：微觀經濟主體不是在抽象選單中自由最大化，而是在一個歷史形成、關係耦合、合法性受限、時間有限且能力不對稱的世界域中做選擇。真正的微觀問題首先不是「你最想要什麼」，而是「你現在到底能選什麼，以及退出現狀需要付出什麼」。 **關鍵詞：** 微觀世界域、可行集合、有限選擇、兩害相權取其輕、退出能力、效用最大化、滿意化、AI Agent、企業決策、受約束理性、時間主權、世界域 --- # 0. 研究定位：不是否定微觀經濟學 本文不主張： 1. 效用最大化沒有價值； 2. 偏好不重要； 3. 價格不影響選擇； 4. 個體永遠不理性； 5. 所有決策都是被迫； 6. 所有企業都沒有整體意圖； 7. AI Agent 與人類主體等價； 8. 只要可行集合差，就能免除所有責任； 9. 退出困難必然代表剝削； 10. 選項越多必然越自由； 11. 本篇可以取代心理學、倫理學或決策科學。 本文主張： $$ \boxed{ \text{Micro choice should be analyzed inside an explicit feasible world-domain}. } $$ --- # 1. 微觀世界域 對主體 $i$，定義： $$ \boxed{ \mathfrak W_i(t) = \left\langle X_i, R_i, H_i, \Theta_i, A_i, C_i^{tr}, \Omega_i, I_i, O_i \right\rangle_t. } $$ 其中： - $X_i$：主體控制或可接觸的對象； - $R_i$：關係； - $H_i$：歷史； - $\Theta_i$：型別； - $A_i$：合法性與權限； - $C_i^{tr}$：微觀轉化能力； - $\Omega_i$：可行集合； - $I_i$：意圖與目標； - $O_i$：可觀察結果。 --- # 2. 個體不是只有偏好函數 傳統常寫： $$ U_i(x). $$ EWDT 保留它。 但補上： $$ \boxed{ U_i \text{ operates over } \Omega_i(t), \text{ not over all imaginable states}. } $$ --- # 3. 候選選項集合 令： $$ \mathcal A_i^{cand} $$ 表示理論上可想像的候選。 這可能非常大。 --- # 4. 可辨識選項集合 主體真正知道： $$ \mathcal A_i^{known} \subseteq \mathcal A_i^{cand}. $$ 因此： $$ \boxed{ \text{Unknown Option} \text{ is not behaviorally available}. } $$ --- # 5. 合法選項集合 即使主體知道： $$ a, $$ 若： $$ Adm_i(a)=0, $$ 則： $$ a\notin \mathcal A_i^{adm}. $$ --- # 6. 可行集合 真正可以執行： $$ \boxed{ \Omega_i(t) \subseteq \mathcal A_i^{adm}. } $$ 還要滿足： - 資源； - 時間； - 技術； - 權限； - 關係。 --- # 7. 四層選項 因此： $$ \boxed{ \Omega_i(t) \subseteq \mathcal A_i^{adm} \subseteq \mathcal A_i^{known} \subseteq \mathcal A_i^{cand}. } $$ --- # 8. Option Set 不等於 Feasible Set 所以： $$ \boxed{ \text{Option Set} \neq \text{Feasible Set}. } $$ 看到某方案存在，不代表主體能選。 --- # 9. 偏好不等於選擇 主體可能： $$ a\succ_i b, $$ 但： $$ a\notin\Omega_i. $$ 於是選： $$ b. $$ 所以： $$ \boxed{ \text{Preference} \neq \text{Choice}. } $$ --- # 10. 選擇不等於自由選擇 如果： $$ \Omega_i = \{a,b\}, $$ 而兩者都很差，仍會選一個。 所以： $$ \boxed{ \text{Choice} \neq \text{Good Choice.} } $$ --- # 11. 形式權利不等於實質能力 主體法律上可： $$ Exit=1. $$ 但若： $$ C_{switch}\gg0, $$ 則實際退出： $$ E_i^{exit}\approx0. $$ --- # 12. 微觀可行集合的生成 本文寫： $$ \boxed{ \Omega_i(t) = F \left( Resources_i, Relations_i, History_i, Authority_i, Time_i, Knowledge_i, Capability_i \right). } $$ --- # 13. 資源約束 若： $$ Budget_i0, $$ 若： $$ \tau_a>\tau_i^{available}, $$ 仍不可行。 --- # 15. 知識約束 主體不知道： $$ HowTo(a), $$ 也可能使： $$ a\notin\Omega_i. $$ --- # 16. 關係約束 某工作需要： $$ Partner_j. $$ 若關係不存在： $$ a $$ 不可行。 --- # 17. 權限約束 主體具有能力： $$ Capability_i(a)>0 $$ 但： $$ Authority_i(a)=0. $$ 仍不能合法執行。 --- # 18. 歷史約束 EWDT-06 已建立： $$ H_i $$ 會改變： $$ C_{switch}. $$ 所以： $$ \Omega_i $$ 具有歷史性。 --- # 19. 可行集合也可擴張 學習： $$ K_i\uparrow $$ 可能： $$ \Omega_i\uparrow. $$ --- # 20. 可行集合也可收縮 失業、疾病、制度變動、資產損失都可： $$ \Omega_i\downarrow. $$ --- # 21. 微觀世界域擴張 若 AI、教育或資本使： $$ \Omega_{i,t+1} \supsetneq \Omega_{i,t}, $$ 則個體世界域擴張。 --- # 22. 選項數量不等於有效自由 如果新增 100 個： $$ a_j $$ 但都： - 無法負擔； - 不可退出； 則： $$ \text{EffectiveFreedom} $$ 未必提高。 --- # 23. 有效選擇權 定義概念性： $$ \boxed{ \Omega_i^{eff} = \{ a\in\Omega_i : Executable(a)=1 \}. } $$ --- # 24. 可撤銷性 若選錯： $$ a $$ 能否撤回？ $$ Rev(a) $$ 影響實際選擇自由。 --- # 25. 可恢復性 若： $$ Rec(a)\approx0, $$ 主體可能更保守。 --- # 26. 退出能力 本文定義： $$ \boxed{ E_i^{exit} = F \left( \text{Substitutability}, \text{SwitchCost}, \text{BufferTime}, \text{Portability}, \text{Knowledge}, \text{Authority} \right). } $$ --- # 27. 緩衝時間 若收入停止後可撐： $$ T_i^{buffer}. $$ 則： $$ T_i^{buffer}\uparrow \rightarrow E_i^{exit}\uparrow $$ 可能成立。 --- # 28. 時間主權 延續時間經濟學： $$ \mathbf T_i = \left( T_i^{self}, T_i^{buffer}, T_i^{option}, T_i^{command}, T_i^{exit} \right). $$ 這些維度會改變： $$ \Omega_i. $$ --- # 29. 有錢但沒時間 $$ Money_i\gg0 $$ 但： $$ T_i^{self}\approx0. $$ 主體仍可能缺乏某些選擇。 --- # 30. 有時間但沒權限 同理： $$ Time_i\gg0 $$ 不代表： $$ Authority_i>0. $$ --- # 31. 微觀轉化能力 定義： $$ \boxed{ \mathbf C_i^{tr} = \left( C_i^R, C_i^F, C_i^K, C_i^G, C_i^\tau, C_i^L \right). } $$ 個體不需擁有所有宏觀能力維度。 --- # 32. 個體能力也依賴世界 某人會寫程式。 但如果： $$ \text{NoComputer}, $$ 能力不能實現。 所以： $$ \boxed{ \text{PersonalCapability} \text{ is environmentally coupled}. } $$ --- # 33. 世界提供外骨骼 制度、工具與 AI 可以： $$ Capability_{effective}\uparrow. $$ 因此能力不是純內生人格屬性。 --- # 34. 能力義肢 工具可作： $$ \boxed{ \text{Capability Prosthesis}. } $$ 例如： - AI； - 搜尋； - 軟體； - 組織。 --- # 35. 義肢能力不等於自主能力 如果工具消失： $$ Capability_{effective}\downarrow. $$ 所以要分： $$ C^{native}, C^{augmented}. $$ --- # 36. AI 耦合能力 可寫： $$ \boxed{ C_i^{eff} = F \left( C_i^{native}, C_{AI}, R_{i,AI} \right). } $$ --- # 37. AI 能擴張可行集合 如果 AI 幫助： - 寫程式； - 分析； - 搜尋； 則： $$ \Omega_{i+AI} \supseteq \Omega_i. $$ --- # 38. AI 也可能提高依賴 如果： $$ Fallback_i\downarrow, $$ 則： $$ \text{DependencyDepth}_{AI}\uparrow. $$ --- # 39. 能力擴張—自主下降雙相 所以： $$ \boxed{ Capability\uparrow \text{ and } Autonomy\downarrow } $$ 可以同時成立。 --- # 40. 微觀決策的四種機制 本文區分： 1. 效用最大化； 2. 滿意化； 3. 損失最小化； 4. 生存／不可違反約束優先。 --- # 41. 效用最大化 傳統： $$ \boxed{ a_i^\ast = \arg\max_{a\in\Omega_i} U_i(a). } $$ 這仍然是重要特例。 --- # 42. 滿意化 當計算成本高，主體可選第一個： $$ U_i(a)\ge\bar U_i. $$ 即： $$ \boxed{ \text{Satisficing}. } $$ --- # 43. 損失最小化 若： $$ L_i(a)>0 $$ 對所有： $$ a\in\Omega_i, $$ 則： $$ \boxed{ a_i^\ast = \arg\min_{a\in\Omega_i} L_i(a). } $$ --- # 44. 兩害相權取其輕 這就是本文對： > 兩害相權取其輕 的正式微觀表示。 --- # 45. 這不是非理性 如果可行集合只有： $$ \{bad_1,bad_2\}, $$ 選： $$ \min Loss $$ 完全可以是理性的。 --- # 46. 最優結果可以仍然很差 $$ a_i^\ast $$ 是集合內最佳。 不表示： $$ U_i(a_i^\ast)>0. $$ --- # 47. 可行集合品質 定義概念性： $$ \boxed{ Q(\Omega_i) } $$ 表示可行集合中： - 最佳選項； - 多樣性； - 可逆性； 品質。 --- # 48. 改善決策不如改善可行集合 如果： $$ Q(\Omega_i)\ll0, $$ 再高明的決策也有限。 所以政策與技術可以： $$ \boxed{ \text{expand or improve }\Omega_i } $$ 而不只教育人「做更好選擇」。 --- # 49. 生存約束 某些主體首先滿足： $$ Survival(a)\ge s_{\min}. $$ 然後才最佳化。 --- # 50. 字典序決策 可寫： $$ \boxed{ \text{Survival} \succ \text{DebtService} \succ \text{Preference} } $$ 表示優先順序。 --- # 51. 多目標不一定可加權 有些主體不會把： - 生存； - 尊嚴； 直接折成貨幣。 所以： $$ \boxed{ U_i \text{ may be vector- or order-valued}. } $$ --- # 52. 多維個體價值 可寫： $$ \mathbf V_i = \left( V_{income}, V_{time}, V_{security}, V_{autonomy}, V_{relationship} \right). $$ --- # 53. 個體標量化 若決策需要： $$ Score_i, $$ 必須明示權重。 --- # 54. 權重會隨狀態變 危機時： $$ w_{security}\uparrow. $$ 正常時： $$ w_{growth}\uparrow. $$ --- # 55. 狀態依賴偏好 所以： $$ \boxed{ Preference_i = Preference_i(\mathfrak W_i). } $$ --- # 56. 偏好不是永遠固定 歷史、教育、危機都可改變。 --- # 57. 偏好形成 平台、廣告、社會也會影響： $$ Preference_i. $$ 所以偏好不是模型外天然常數。 --- # 58. 意圖與偏好分離 主體可能喜歡： $$ a, $$ 但意圖選： $$ b $$ 因為長期目標。 所以： $$ \boxed{ \text{Preference} \neq \text{Intent}. } $$ --- # 59. 意圖 $$ I_i $$ 表示主體目前想推動的世界方向。 --- # 60. 意圖可以持續 強烈意圖可使主體： - 投資； - 學習； 從而改變： $$ \Omega_i(t+1). $$ --- # 61. 意圖會改變未來可行集合 所以： $$ \boxed{ I_i \rightarrow \text{Investment} \rightarrow C_i^{tr} \rightarrow \Omega_i. } $$ --- # 62. 意圖不是魔法 強意圖不能跳過： - 物理； - 法律； 約束。 所以： $$ \boxed{ \text{Intent} \neq \text{GuaranteedRealization}. } $$ --- # 63. 主體認知能力 主體只能在： $$ \mathcal A_i^{known} $$ 中選。 所以搜尋與認知決定： $$ \Omega_i^{perceived}. $$ --- # 64. 感知可行集合 $$ \boxed{ \widehat\Omega_i \subseteq \Omega_i } $$ 可能成立。 主體不知道全部可行選項。 --- # 65. 也可能高估可行集合 若誤判： $$ \widehat\Omega_i \not\subseteq \Omega_i. $$ 主體以為能做，實際不能。 --- # 66. 認知誤差 因此： $$ \boxed{ \widehat\Omega_i \neq \Omega_i. } $$ --- # 67. AI 可以縮小認知缺口 搜尋與模擬可使： $$ \widehat\Omega_i \rightarrow \Omega_i. $$ --- # 68. AI 也可以製造假選項 幻覺、錯誤建議會加入： $$ a_{\text{false}}. $$ 所以： $$ \boxed{ \text{AIAdvice} \not\Rightarrow \text{FeasibleOption}. } $$ --- # 69. 驗證能力 AI 耦合選擇需要： $$ C_i^{verify}. $$ 否則可行集合被污染。 --- # 70. 決策成本 搜尋全部： $$ \Omega_i $$ 可能成本過高。 所以主體停止搜索。 --- # 71. Value of Information 新增資訊： $$ \text{Info} $$ 若提高決策品質，有： $$ VOI>0. $$ --- # 72. 搜尋終止 當： $$ \text{MarginalVOI} < \text{SearchCost}, $$ 理性停止可能成立。 --- # 73. 有限理性重新解釋 不是： > 人很笨。 而是： $$ \boxed{ \text{Decision computation is itself scarce}. } $$ --- # 74. AI 改變決策計算成本 $$ SearchCost\downarrow, $$ 所以主體能探索更大： $$ \widehat\Omega_i. $$ --- # 75. AI 時間槓桿 AI 降低： $$ T_i^{governance} $$ 或： $$ T_i^{execution}. $$ 因此可擴張： $$ \Omega_i. $$ --- # 76. 但 AI 也消耗治理時間 多 Agent： $$ N_{agent}\uparrow $$ 可能： $$ ReviewCost\uparrow. $$ 所以不是無限擴張。 --- # 77. 委任 主體可把： $$ \text{Task} $$ 委任： $$ i\rightarrow j. $$ --- # 78. 委任轉移執行，不轉移全部責任 所以： $$ \boxed{ \text{Delegation} \neq \text{ResponsibilityErasure}. } $$ --- # 79. 委任可擴張可行集合 如果 $j$ 有： $$ C_j>C_i, $$ 則： $$ \Omega_{i+j} $$ 可擴張。 --- # 80. 委任需要治理 需要： - 權限； - 監督； - 撤銷。 --- # 81. AI Agent 作為受委任主體 AI Agent 的最小狀態： $$ \boxed{ \mathfrak A_{AI} = \left\langle \text{Capability}, \text{Authority}, \text{Budget}, \text{Memory}, \text{Tools}, \text{Lifetime}, \text{Revocation} \right\rangle. } $$ --- # 82. 能力不等於權限 再次： $$ \boxed{ Capability_{AI} \not\Rightarrow Authority_{AI}. } $$ --- # 83. AI 預算 AI 可以有： $$ Budget_{AI}>0. $$ 但這是授權請求權。 不自動表示 AI 擁有獨立經濟主權。 --- # 84. AI 行為邊界 $$ A_{AI} $$ 由： - sandbox； - policy； 限制。 --- # 85. AI 撤銷 高自主 Agent 必須有： $$ \text{Revocation}. $$ 這影響人類退出能力。 --- # 86. AI 記憶與歷史 AI 長期記憶： $$ H_{AI} $$ 會使其行為具有路徑依賴。 --- # 87. AI 不是無歷史工具 如果持續記憶： $$ \mathfrak A_{AI,t} $$ 會演化。 --- # 88. AI 與人的複合主體 可以表示： $$ \boxed{ \mathfrak W_{i\otimes AI}. } $$ 它不是簡單： $$ Human+Tool. $$ 而是新的耦合決策單位。 --- # 89. 複合主體能力 $$ C_{i\otimes AI}^{tr} $$ 可能高於： $$ C_i^{tr}. $$ --- # 90. 複合主體風險 也可能增加： - 模型依賴； - 隱私； - 錯誤放大。 --- # 91. 企業作為複合微觀主體 企業： $$ \text{Firm} $$ 不是單一人。 而是： $$ \boxed{ \text{Firm} = \text{Capital} + \text{Contracts} + \text{People} + \text{Governance} + \text{Assets} + \text{History}. } $$ 結構分解，不是普通加法。 --- # 92. 企業意圖 企業可以有： $$ I_F. $$ 它來自： - 董事會； - 管理者； - 激勵。 --- # 93. 企業意圖不等於所有成員偏好 $$ \boxed{ \text{FirmIntent} \neq \sum \text{EmployeePreference}. } $$ --- # 94. 企業可行集合 $$ \Omega_F $$ 取決於： - 現金； - 人才； - 信用； - 法律。 --- # 95. 企業退出能力 企業也有： $$ E_F^{exit}. $$ 例如退出某供應商、國家、市場。 --- # 96. 公司 lock-in ERP、雲端、供應鏈都可降低： $$ E_F^{exit}. $$ --- # 97. 公司兩害選擇 危機時： $$ \Omega_F = \{ \text{Layoff}, \text{Debt}, \text{Shutdown} \}. $$ 可能都負面。 --- # 98. 公司「最佳決策」仍可有社會負外部性 所以： $$ \boxed{ \text{FirmOptimal} \not\Rightarrow \text{SystemOptimal}. } $$ 接 EWDT-11。 --- # 99. 個體最優也不等於宏觀最優 $$ \boxed{ a_i^\ast \not\Rightarrow A_{\mathrm{macro}}^\ast. } $$ --- # 100. 合成謬誤 個體都存錢可能： $$ AggregateDemand\downarrow. $$ 這是微觀—宏觀橋。 --- # 101. 微觀選擇會改變關係圖 選： $$ Supplier_B $$ 會： $$ R_t\rightarrow R_{t+1}. $$ --- # 102. 選擇會創造歷史 因此： $$ a_i(t) \rightarrow H_i(t+1). $$ --- # 103. 選擇會改變未來可行集合 $$ a_i(t) \rightarrow \Omega_i(t+1). $$ 因此選擇具有路徑效應。 --- # 104. 不選也是選擇結果 維持現狀： $$ \text{StatusQuo} $$ 也會延長： $$ H_t. $$ 所以： $$ \boxed{ \text{Inaction} \text{ can be a world-transforming action}. } $$ --- # 105. 現狀偏好與現狀約束 留在現狀可能來自： - 喜歡； - 退出太貴。 必須分。 --- # 106. 表面偏好誤讀 觀察： $$ \text{Stay}. $$ 不能直接推： $$ \text{PreferStay}. $$ --- # 107. 揭示偏好限制 傳統 revealed preference 要在可行集合清楚時才強。 EWDT 加上： $$ \boxed{ \text{Observed Choice} \text{ reveals preference only conditional on feasible set and information}. } $$ --- # 108. 被迫選擇 如果： $$ \Omega_i $$ 極度窄，觀察選擇不能充分解釋偏好。 --- # 109. 強迫 若另一主體： $$ j $$ 主動縮小： $$ \Omega_i, $$ 可能形成： $$ \text{Coercion}. $$ --- # 110. 權力作為可行集合控制 概念性： $$ \boxed{ Power_{j\rightarrow i} = \text{Ability} \text{ to reshape } \Omega_i. } $$ 這不是完整權力定義，只是 EWDT 微觀維度。 --- # 111. 價格也可縮小可行集合 $$ P\uparrow $$ 可能讓： $$ a\notin\Omega_i. $$ 所以價格不只是訊號，也改變選擇域。 --- # 112. 收入擴張可行集合 $$ Income\uparrow \rightarrow \Omega_i\uparrow. $$ 不必線性。 --- # 113. 信用擴張可行集合 $$ Credit_i\uparrow $$ 可以讓： $$ Current\Omega_i\uparrow. $$ 但： $$ FutureObligation\uparrow. $$ --- # 114. 債務可把今天的選項換成明天的限制 這是： $$ \boxed{ \Omega_i(t)\uparrow \quad \text{but} \quad \Omega_i(t+h)\downarrow } $$ 可能同時成立。 --- # 115. 跨期可行集合 因此應研究： $$ \boxed{ \{\Omega_i(t),\Omega_i(t+1),\ldots\}. } $$ --- # 116. 短期最優與長期最優不同 $$ a^\ast_{short} \neq a^\ast_{long} $$ 完全可能。 --- # 117. 時間不一致 主體今天偏好： $$ a, $$ 明天偏好： $$ b. $$ 這是決策科學常見問題。 EWDT 只保留接口，不另建完整行為理論。 --- # 118. 承諾機制 主體可用： - 合約； - 自動儲蓄； 重寫未來： $$ \Omega_i. $$ --- # 119. 承諾是一種自我約束 所以： $$ \boxed{ \text{Less Future Choice} \text{ can sometimes increase goal realization}. } $$ --- # 120. 自主不等於選項越多越好 真正自主還包括： - 能退出； - 能控制。 --- # 121. 個體韌性 可概念性表示： $$ \boxed{ Res_i = F \left( \text{Buffer}, \text{Substitution}, \text{Recovery}, \text{Knowledge}, \text{Time} \right). } $$ --- # 122. 韌性提高可行集合在壓力下保留度 正常： $$ \Omega_i^{normal}. $$ 壓力： $$ \Omega_i^{stress}. $$ --- # 123. 微觀韌性率 概念性： $$ R_i^{\Omega} = \frac{ |\Omega_i^{stress}| }{ |\Omega_i^{normal}| }. $$ 不作跨型別嚴格基數使用，只表達保留程度。 --- # 124. 貧窮可被理解為可行集合壓縮 不是完整貧窮定義。 但： $$ \boxed{ \text{Poverty} \text{ often implies restricted feasible worlds}. } $$ --- # 125. 財富可擴張選項 但財富不是唯一因素。 --- # 126. 知識也擴張選項 $$ Knowledge\uparrow \rightarrow \Omega_i\uparrow. $$ --- # 127. 社會關係也是資產 高品質關係可： $$ Access\uparrow. $$ --- # 128. 歧視、排除等可縮小可行集合 這類議題屬制度與政治經濟延伸。 本篇只建立形式接口。 --- # 129. 微觀世界域不等於完全個人主義 個體的： $$ \Omega_i $$ 高度依賴： $$ R_i. $$ 所以： $$ \boxed{ \text{Individual Feasibility} \text{ is socially embedded}. } $$ --- # 130. 個體依賴社會不等於失去主體性 依賴是文明常態。 --- # 131. 自主與依賴可以共存 如果： - 多替代； - 可退出； 則高耦合仍可有高自主。 --- # 132. 微觀權利 權利可以直接擴張： $$ \Omega_i. $$ 例如： - 財產權； - 受教育權。 --- # 133. 權利沒有能力支撐可能是形式權利 所以： $$ \boxed{ \text{Right} \neq \text{EffectiveCapability}. } $$ --- # 134. 能力取向接口 此點與 capability approach 類思路可形成對話。 EWDT 的特點是把其放入： - 關係； - 轉化； 世界域框架。 --- # 135. 個體世界域價值 EWDT-11： $$ \mathbf V_i. $$ 因此微觀選擇是在： $$ \Omega_i $$ 中尋找符合： $$ \mathbf V_i $$ 的狀態。 --- # 136. 價值衝突 個體內部也可能： $$ \text{Income} \quad \text{vs} \quad \text{Time}. $$ 所以多目標。 --- # 137. 選擇不是總能比較 有些選項： $$ a,b $$ 可能無法完全排序。 --- # 138. 偏序偏好 可用： $$ a\succeq_i b $$ 但允許不可比較。 --- # 139. 不可比較不等於不能決策 主體仍可能： - 選規則； - 延後。 --- # 140. 延後選擇也是選項 $$ \text{Wait} \in \Omega_i $$ 若主體有等待能力。 --- # 141. 沒有等待能力時被迫早選 $$ T_i^{buffer}\approx0 $$ 會降低： $$ \text{OptionValue}. $$ --- # 142. 時間選擇權 這就是時間主權的微觀價值。 --- # 143. 決策壓力 定義： $$ \boxed{ Pressure_i = F \left( |\Omega_i|, Quality(\Omega_i), \text{Deadline}, \text{Irreversibility} \right). } $$ 不是單一心理壓力分數，而是結構壓力。 --- # 144. 高壓環境 若： $$ Deadline\downarrow, $$ $$ Rec\downarrow, $$ 則選擇風險上升。 --- # 145. 兩害相權宏觀接口 個體： $$ a_i^\ast = \arg\min L_i. $$ 大量主體相似行動可形成： $$ \text{MacroOrder}. $$ 這會在 EWDT-15 展開。 --- # 146. 個體不滿意也能維持系統 每個人都選： $$ \text{Stay} $$ 不代表都支持現狀。 只可能： $$ Loss(Stay) 主體偏好現狀。 至少應檢查： 1. 可行替代有哪些？ 2. 主體知道嗎？ 3. 能退出嗎？ 4. deadline 多長？ 5. 有沒有 lock-in？ --- # 187. 揭示偏好審計 未來可建立： ```text choice_audit: actor: observed_choice: known_options: admissible_options: feasible_options: rejected_options: switching_cost: exit_capability: deadline: information_state: delegated_agents: irreversible_components: ``` --- # 188. AI Agent 決策審計 ```text agent_choice: agent_id: authority: budget: objective: candidate_actions: admissible_actions: tool_access: memory_state: risk_limits: selected_action: human_checkpoint: revocation: ``` --- # 189. 第一代核心命題 ## 命題 1：選項—可行分離 $$ \boxed{ \text{OptionSet} \neq \text{FeasibleSet}. } $$ ## 命題 2：偏好—選擇分離 $$ \boxed{ \text{Preference} \neq \text{Choice}. } $$ ## 命題 3：選擇—自由分離 $$ \boxed{ \text{Choice} \neq \text{EffectiveFreedom}. } $$ ## 命題 4：形式退出—實質退出分離 $$ \boxed{ \text{FormalExitRight} \neq \text{EffectiveExitCapability}. } $$ ## 命題 5：兩害選擇命題 若： $$ L_i(a)>0 \quad \forall a\in\Omega_i, $$ 則： $$ \boxed{ a_i^\ast = \arg\min_{a\in\Omega_i} L_i(a). } $$ ## 命題 6：能力義肢命題 $$ \boxed{ C_i^{effective} \text{ can exceed } C_i^{native} \text{ through coupling}. } $$ ## 命題 7：AI 能力—權限分離 $$ \boxed{ Capability_{AI} \not\Rightarrow Authority_{AI}. } $$ ## 命題 8：微觀—宏觀最優分離 $$ \boxed{ \text{MicroOptimal} \not\Rightarrow \text{MacroOptimal}. } $$ ## 命題 9：當期—未來可行集合分離 $$ \boxed{ \Omega_i(t)\uparrow \not\Rightarrow \Omega_i(t+h)\uparrow. } $$ ## 命題 10：觀察選擇—偏好分離 $$ \boxed{ \text{ObservedChoice} \not\Rightarrow \text{UnconstrainedPreference}. } $$ --- # 190. 可反駁接口 本篇至少在以下結果下需要削弱： 1. 若觀察到的選擇在所有情況下都能唯一識別偏好； 2. 若資源、歷史、權限與退出成本不影響可行集合； 3. 若形式退出權可完整代理實質退出能力； 4. 若兩害相權取其輕無法與效用最大化或生存約束形成可操作區分； 5. 若 AI 耦合只改變效率，不改變可行集合； 6. 若 AI 使用永遠不產生依賴或治理成本； 7. 若企業可被單一偏好函數無損表示； 8. 若個體最優在所有情況下都產生宏觀最優； 9. 若歷史決策不改變未來可行集合； 10. 若「微觀世界域」最終只是把預算約束換成更多術語。 --- # 191. 第一代研究設計 ## 191.1 同偏好、異可行集合 給不同主體相似偏好。 改變： $$ \text{Budget}, \text{Time}, \text{Exit}. $$ 測試選擇差異。 ## 191.2 退出能力實驗 固定法律退出權。 改變： $$ C_{switch}, T^{buffer}. $$ 測量退出率。 ## 191.3 AI 可行集合擴張 比較： $$ \Omega_i $$ 與： $$ \Omega_{i+AI}. $$ 同時測量： $$ \text{DependencyDepth}. $$ ## 191.4 兩害選擇 建立： $$ \Omega_i $$ 內全為負收益選項。 測試是否符合： $$ \arg\min L. $$ ## 191.5 跨期可行集合 比較借債前後： $$ \Omega_i(t), \Omega_i(t+h). $$ --- # 192. EWDT 微觀資料結構 ```text micro_world: actor_id: actor_type: resources: relations: history: rights: authority: native_capability: augmented_capability: money: debt: time_sovereignty: known_options: admissible_options: feasible_options: perceived_feasible_options: switching_costs: exit_capability: objectives: loss_constraints: delegation: dependencies: fallback_paths: next_state_effects: ``` --- # 193. 與 EWDT-13 的接口 EWDT-12 的主體： $$ i $$ 不是孤島。 大量主體透過： $$ R_t $$ 形成： $$ \mathfrak W_{meso}. $$ 下一篇將研究： - 企業； - 平台； - 銀行； - 供應鏈； 如何形成中觀耦合域。 --- # 194. 與 EWDT-14 的接口 個體有： $$ I_i. $$ 宏觀意圖不是： $$ \sum I_i $$ 的簡單加總。 EWDT-14 將研究聚合。 --- # 195. 與 EWDT-15 的接口 兩害選擇： $$ a_i^\ast = \arg\min L_i $$ 將成為： $$ \text{Micro Lesser-Evil Choice} \rightarrow \text{Macro Persistent Order}. $$ --- # 196. 與 EWDT-16 的接口 超宏觀世界不能只看： $$ \sum_i\Omega_i. $$ 因為跨國關係會重新塑形。 --- # 197. 與 EWDT-18 的接口 AI 世界域擴張真正會反映在： $$ \Omega_i, \Omega_F, \Omega_{AI} $$ 如何改變。 所以 AI 價值不只看： $$ \text{Output}. $$ --- # 198. 最小形式總結 微觀世界： $$ \boxed{ \mathfrak W_i(t) = \left\langle X_i, R_i, H_i, \Theta_i, A_i, C_i^{tr}, \Omega_i, I_i, O_i \right\rangle_t. } $$ 可行集合： $$ \boxed{ \Omega_i(t) = F \left( Resources_i, Relations_i, History_i, Authority_i, Time_i, Knowledge_i, Capability_i \right). } $$ 兩害相權： $$ \boxed{ a_i^\ast = \arg\min_{a\in\Omega_i(t)} L_i(a) } $$ 在： $$ L_i(a)>0 \quad \forall a\in\Omega_i(t) $$ 時成立。 --- # 199. 結論：真正的微觀問題，不只是你想要什麼，而是你到底能選什麼 微觀經濟經常從： > 你偏好什麼？ 開始。 EWDT-12 在這之前再加一個問題： > **你現在到底能選什麼？** 主體看到的世界： $$ \widehat\Omega_i $$ 可能小於真實世界。 主體合法能選的： $$ \mathcal A_i^{adm} $$ 又小於它知道的。 主體真正有資源、時間與權限執行的： $$ \Omega_i $$ 可能再縮小。 因此： $$ \boxed{ \text{Preference} \neq \text{Choice} \neq \text{Freedom}. } $$ 這也使「兩害相權取其輕」不再只是俗語。 當： $$ \Omega_i $$ 本身沒有好選項，真正理性的行為可能就是： $$ \boxed{ \arg\min L. } $$ 而不是： $$ \arg\max \text{某個正收益}. $$ 這一點對： - 個體； - 企業； - AI Agent； 都成立。 企業可能在三個壞方案中選最不壞的。 AI Agent 可能只在被授權的狹窄動作集裡最佳化。 個體可能形式上可以離職、換平台或換貨幣，實際上卻沒有緩衝時間與切換能力。 所以真正的自由不能只數： $$ \text{OptionCount}. $$ 而要看： $$ \boxed{ \text{Feasibility} + \text{Exitability} + \text{Recoverability} + \text{Time}. } $$ AI 的加入使這件事更有意思。 AI 可以把： $$ \Omega_i $$ 大幅擴張，讓一個人完成原本多人才能完成的任務。 但如果： $$ \text{DependencyDepth}_{AI}\uparrow $$ 而： $$ \text{Fallback}\downarrow, $$ 能力擴張與自主下降可以同時發生。 因此微觀世界域真正研究的是： > **一個主體如何在有限世界中取得能力、形成意圖、看見選項、做出選擇，並讓今天的選擇重新寫入明天的世界。** 本篇提出《經濟世界域轉化論》的第十二個總命題： > **任何微觀經濟選擇都必須相對於主體當下真正可執行的世界集合理解；主體的偏好只有在可行集合、資訊、時間、權限與退出能力被明示後，才能被可靠地由行為反推。當所有可行選項皆具有損失時，損失最小化而非正收益最大化，可能成為合理且可預測的選擇規則。** 最短版本是： $$ \boxed{ \text{人不一定在選最好的；很多時候，人只是在能做到的世界裡選最不壞的。} } $$ 下一篇 EWDT-13 將進入： $$ \boxed{ \text{Meso Coupling Domain}. } $$ 也就是： > 當大量個體、企業、銀行、平台與基礎設施彼此耦合後，中觀世界如何成為微觀與宏觀之間真正的經濟路由層？ --- # 參考與前置內部研究 1. Neo.K with GPT-5.6 Sol，《經濟世界域轉化論》EWDT-01 至 EWDT-11，2026。 2. Neo.K，《時間稀缺性的永恆結構：從生命有限到選擇排他》。 3. Neo.K，《AI 時間槓桿的多重估值》v1.0。 4. Neo.K，《委任時間論：自主 Agent、人類介入密度與治理槓桿》。 5. Neo.K，《從工具到環境：外掛、基礎設施與能力依賴深度》。 6. Neo.K，《Agentic Organization 的時間經濟學》。 7. Neo.K with GPT-5.6，《貨幣就是貨幣 v1.0》。 --- ## 附錄 A：最小符號表 | 符號 | 定義 | |---|---| | $\mathfrak W_i(t)$ | 主體 $i$ 的微觀世界域 | | $\mathcal A_i^{cand}$ | 候選選項集合 | | $\mathcal A_i^{known}$ | 主體已知選項集合 | | $\mathcal A_i^{adm}$ | 合法選項集合 | | $\Omega_i(t)$ | 真正可行集合 | | $\widehat\Omega_i$ | 主體感知可行集合 | | $E_i^{exit}$ | 實質退出能力 | | $\mathbf T_i$ | 時間主權向量 | | $\mathbf C_i^{tr}$ | 微觀轉化能力 | | $C_i^{verify}$ | 驗證能力 | | $I_i$ | 主體意圖 | | $L_i(a)$ | 選項 $a$ 的損失 | | $Q(\Omega_i)$ | 可行集合品質 | | $\mathfrak A_{AI}$ | AI Agent 微觀狀態 | | $\mathfrak W_{i\otimes AI}$ | 人類—AI 複合微觀主體 | --- ## 附錄 B：Canonical 邊界 - **Canonical Core：** 選項集合、合法集合與真正可行集合分離；偏好不等於選擇；選擇不等於自由； - **Canonical Lesser-Evil Rule：** 當所有可行選項皆有損失時，可使用 $\arg\min L$ 表示兩害相權取其輕； - **Canonical Exit Boundary：** 法律退出權不等於實質退出能力； - **Canonical AI Boundary：** AI 能力不等於 AI 權限；AI 可擴張可行集合，也可能增加依賴； - **Canonical Intertemporal Boundary：** 當期可行集合擴張不保證未來可行集合擴張； - **Provisional Formalization：** $\Omega_i^{eff}$ 、 $Q(\Omega_i)$ 、 $\text{Pressure}_i$ 、複合主體 $\mathfrak W_{i\otimes AI}$ ； - **Open Research：** 可行集合估計、AI 耦合後自主性、跨期可行集合、兩害選擇實證； - **Non-Claim：** 本篇不否定效用最大化，而是將其限制為更廣泛受約束選擇架構中的一種特例。 --- ## 附錄 C：EWDT-01 → 12 的結構累積 目前 EWDT 已完成： $$ \boxed{ \text{World} + \text{Projection} + \text{Extension} + \text{Typed Transformation} + \text{Coupling} + \text{History} + \text{Supply/Demand} + \text{Transformation Capacity} + \text{Money} + \text{Debt} + \text{Value} + \text{Micro World-Domain}. } $$ 下一篇將把多個微觀世界正式組合成： $$ \boxed{ \text{Meso Coupling Domain}. } $$