# 知識能被運送，但文明還不會進步 ## ——Knowledge–Capability–Production Loop 與 AI 世界中的文明累積 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-10-07（整理日期；原稿未標註日期） **版本：** 原稿未標註（本次整理版） ### 摘要 如果一個 AI 世界允許居民研究植物、記錄觀察、查證資料、將成果收入圖書館，甚至把研究成果製作成實體研究冊、運送到診所供服務流程使用，我們是否已經可以說： > **這個世界具有知識進步？** 答案需要更加精確。 `my_ai_town` 已經實作了一條相當完整的研究生命週期： \[ Question \rightarrow Observation \rightarrow Verification \rightarrow Record \rightarrow Accession. \] 研究項目可以由研究問題、異常植物、季節變化、診所需求或個人研究計畫啟動；觀察階段會記錄實際地點、天氣、可見特徵，以及花園濕度、雜草與生長狀態等 World Evidence。 完成驗證後，系統會建立正式 research record，再透過 accession 將其提升成世界中的機構化知識。 更進一步，某些服務並不能任意引用一個 research ID；系統會要求該記錄必須已正式入藏，否則返回： ```text RESEARCH_BOOKLET_SOURCE_INVALID ``` 並指出研究參考必須來自已入藏的真實研究記錄。 所以這已經不是： \[ Research=\text{Flavor Text}. \] 而是： \[ \boxed{ Research \rightarrow InstitutionalState \rightarrow ProductionDependency } \] 然而，目前這條鏈仍然主要是： \[ \boxed{ Knowledge\ Supply\ Chain } \] 而不是： \[ \boxed{ Knowledge\ Evolution\ Loop. } \] 真正的文明累積還需要： \[ \boxed{ K_W \rightarrow K_i \rightarrow C_i \rightarrow P_{t+1} \rightarrow K_W' } \] 其中： - \(K_W\)：世界機構知識； - \(K_i\)：個體掌握的知識； - \(C_i\)：個體 Capability； - \(P\)：生產與實踐能力。 本篇將研究： > **為什麼「世界有知識」與「世界因知識而變得更有能力」是兩件完全不同的事。** --- # 1. 研究系統不只是生成一句結論 傳統遊戲裡的 Research System 常常只是： \[ ResearchPoints \rightarrow Unlock. \] 例如： \[ 100\ ResearchPoints \rightarrow Technology_X. \] 這種方式有效，但研究過程本身通常沒有世界語義。 `my_ai_town` 的研究架構不同。 研究首先要建立： \[ Question. \] 然後必須： \[ Observe(World). \] 再： \[ Verify(Source). \] 最後才能： \[ WriteRecord. \] 因此研究本身就是： \[ \boxed{ WorldInteraction. } \] --- # 2. Research Question 有世界來源 研究不是完全隨機生成。 目前可接受的 `source_kind` 包括： \[ \{ research\_question, abnormal\_plant, season\_change, clinic\_request, personal\_research\_plan \}. \] 這表示： \[ ResearchAgenda \] 可以由不同世界狀態產生。 例如： \[ AbnormalPlant \rightarrow ResearchQuestion. \] 或者： \[ ClinicNeed \rightarrow ResearchQuestion. \] 這已經具備： \[ \boxed{ Problem \rightarrow Investigation. } \] --- # 3. Observation 不是 LLM 自己編的 研究觀察會記錄： - worker； - region； - place； - weather； - visible features； - observation time。 若研究發生在花園，還會直接讀取： - moisture； - weed level； - growth。 因此： \[ Observation = Projection(WorldState) \] 而不是： \[ Observation = LLMHallucination. \] 這再次符合第 1 篇： \[ World \ owns\ facts. \] --- # 4. Research Stage 是正式 World State Machine 完整階段為： \[ question \rightarrow observed \rightarrow verified \rightarrow recorded \rightarrow accessioned. \] Restore 邏輯也只接受這些正式 stage。 因此： \[ Research \] 並不是一個一次性 action。 它具有： \[ \boxed{ CausalPipeline. } \] --- # 5. Verification 讓「看到」與「知道」分離 觀察完成： \[ Observed. \] 並不直接變成： \[ InstitutionalKnowledge. \] 還必須經過： \[ Verification. \] 目前 verification 會正式記錄： \[ sourceChecked=true \] 並發生於圖書館。 所以： \[ \boxed{ Observation \neq VerifiedKnowledge. } \] 這是一個很重要的 epistemic boundary。 --- # 6. Record 是研究的第一次壓縮 驗證後，系統建立正式 record。 其中目前保存： - `recordId` - `workerResidentId` - `question` - `observationConfirmed` - `sourceVerified` - `writtenAtPlaceId` - `writtenAtMinute` 這代表完整 Observation 被： \[ Compress. \] 從較豐富的： \[ ObservationData \] 變成： \[ ResearchRecord. \] --- # 7. 這裡已經出現第一個重要限制 Observation 階段可能知道： - 天氣； - 濕度； - 雜草； - 生長； - 可見特徵。 但正式 record 主要只留下： \[ question \] 以及： \[ observationConfirmed=true \] \[ sourceVerified=true. \] 所以目前的正式研究記錄，更接近： \[ \boxed{ ResearchProvenanceRecord } \] 而不是完整： \[ \boxed{ SemanticKnowledgeRecord. } \] --- # 8. 「研究存在」與「研究說了什麼」目前還不是同一件事 真正 semantic knowledge 可能需要： \[ KnowledgeRecord= ( Claim, Evidence, Conclusion, Confidence, Applicability, Conditions ). \] 但目前正式 record 並沒有一般化保存： - conclusion； - finding； - hypothesis； - recommendation； - causal rule； - effect model。 因此： \[ K_W \] 目前仍偏： \[ \boxed{ ReferenceKnowledge. } \] --- # 9. Accession：知識從個人成果升級為機構狀態 即使 record 已寫完： \[ Recorded. \] 它仍然沒有完成整條研究流程。 必須： \[ Record \rightarrow Accession. \] `record_research_accession()` 只有在： \[ stage=recorded \] 且 accession 合法時，才會把研究提升為： \[ stage=accessioned. \] 這一步非常重要。 --- # 10. Knowledge Institution Accession 可以被理解成： \[ \boxed{ PrivateResult \rightarrow InstitutionalKnowledge. } \] 也就是： > 某個研究者做過研究 不等於： > 這個社會已正式保存這項研究。 只有： \[ Accession \] 完成後： \[ k\in K_W. \] --- # 11. Institutional Knowledge 可以比研究者活得更久 研究完成後，資料會被納入 Production Runtime snapshot，並可隨存檔恢復。 所以： \[ Lifetime(K_W) \] 可以超過： \[ Lifetime(Researcher). \] 這就是： \[ \boxed{ CivilizationalMemory. } \] --- # 12. 研究不是無限保存完整細節 但世界不能永久保留所有完整研究物件。 目前： \[ MAX\_FULL\_ACCESSIONED\_RESEARCH\_PROJECTS=64. \] 超過後會被轉入 archive。 Archive 上限： \[ 192. \] 再更舊的研究則會被移出 archive，並增加 historical count。 這其實非常合理。 --- # 13. 文明知識同樣需要 Compaction 完整歷史： \[ K_1,K_2,\dots,K_n \] 不可能無限展開。 因此： \[ \boxed{ KnowledgePersistence } \] 同樣需要： \[ Compression. \] 目前 archived research 仍保留： - project ID； - question； - source kind； - requester； - timestamps； - record； - accession。 這就是： \[ DetailedHistory \rightarrow InstitutionalSummary. \] --- # 14. 但知識壓縮必須小心 Semantic Loss 如果完整 observation 最後被壓成： \[ observationConfirmed=\mathrm{true}, \] 那麼長期保存的可能只是： > 「這項研究有被觀察過。」 而不是： > 「究竟觀察到了什麼。」 因此： \[ \boxed{ Compression } \] 可能導致： \[ SemanticInformationLoss. \] 這在文明型 AI 世界非常關鍵。 --- # 15. Knowledge Supply Chain 的第二階段：知識可以成為實體 最有意思的地方是： \[ InstitutionalKnowledge \] 並沒有只停在資料庫。 系統存在： ```text research_booklet ``` 作為正式 item。 也就是： \[ Knowledge \rightarrow Artifact. \] --- # 16. 知識因此第一次具有物理位置 如果知識冊： \[ Booklet_k \] 位於： \[ Library, \] 而診所在另一處，那麼： \[ KnowledgeAvailability \] 開始依賴： \[ Logistics. \] 所以： \[ \boxed{ Knowledge } \] 不再只是無位置資訊。 而可以具有： \[ PhysicalCarrier. \] --- # 17. 服務不能引用不存在的研究 這又是非常漂亮的一層。 假設 Clinic Request 指定： \[ researchRecordId=k. \] World 不會只看： > 字串長得像 research ID。 它會檢查： \[ accession\_for\_record(k) \] 是否真的存在。 如果不存在： \[ Reject. \] 所以： \[ \boxed{ ClaimedKnowledge \neq InstitutionalKnowledge. } \] --- # 18. 知識正式取得 World Authority 這表示： > 「我知道有一篇研究」 與： > 「世界承認這是一筆已入藏研究」 是兩件不同的事。 只有後者： \[ k\in K_W \] 才能成為某些正式服務鏈的合法來源。 因此： \[ \boxed{ EpistemicAuthority \rightarrow OperationalAuthority. } \] --- # 19. Knowledge Artifact 會觸發生產需求 當診所或商店需要： \[ research\_booklet, \] 而當前沒有： - 現貨； - 在途貨物； - 已存在生產任務； World 可以建立新的 speciality production demand。`TownProductionTaskSyncRuntime` 會專門檢查 `research_booklet` 與 clinic / grocer service 的需求。 所以： \[ KnowledgeNeed \rightarrow ProductionTask. \] --- # 20. Knowledge 於是進入經濟式 Supply Chain 完整鏈條開始變成： \[ Research \rightarrow Accession \rightarrow Production \rightarrow Cargo \rightarrow Delivery \rightarrow Service. \] 這是非常少見、也非常有意思的設計。 因為： \[ \boxed{ Knowledge } \] 開始被世界當成： \[ Resource. \] --- # 21. Cargo 讓知識傳播具有時間 如果 Booklet 要從： \[ Library \] 移動到： \[ Clinic, \] 就不是： \[ Teleport. \] 而需要： \[ CargoLot \rightarrow Delivery. \] 因此： \[ KnowledgeLatency>0. \] 這意味： > 世界知道某件事 並不保證： > 所有需要這件事的地方現在就可以使用它。 --- # 22. 這是一種 Institutional Information Topology 第 5 篇談： \[ AgentKnowledgeTopology. \] 這裡又出現另一種： \[ \boxed{ InstitutionalKnowledgeTopology. } \] 例如： \[ Library \] 保存知識。 \[ Postal/Logistics \] 運輸載體。 \[ Clinic \] 使用知識。 所以： \[ KnowledgeAccess \] 開始依賴制度結構。 --- # 23. 職業因此也可能形成 Information Access 不同工作任務會把不同 process facts、service request、record ID 提供給負責居民。 所以： \[ Occupation \rightarrow TaskContext \rightarrow InformationAccess. \] 也就是： \[ \boxed{ Profession } \] 可以開始成為： \[ EpistemicRole. \] 醫生知道醫療需求。 研究者看到研究問題。 圖書館員負責 accession。 --- # 24. 這已經非常接近「專業分工」 真正社會中的知識並不是： \[ EveryoneKnowsEverything. \] 而是： \[ Doctor \rightarrow MedicalKnowledge \] \[ Researcher \rightarrow ResearchKnowledge \] \[ LogisticsWorker \rightarrow DistributionKnowledge. \] 因此： \[ \boxed{ DivisionOfLabor } \] 往往同時也是： \[ \boxed{ DivisionOfKnowledge. } \] --- # 25. 但目前這條鏈在 Agent Cognition 前仍然斷了一截 前面研究已確認： Research Record 並沒有直接被全部投影到居民 Wake Packet。 也就是： \[ k\in K_W \] 不代表： \[ k\in K_i. \] 這在 epistemic architecture 上其實是對的。 問題是目前仍缺一個通用機制： \[ \boxed{ InstitutionalKnowledge \rightarrow ResidentSemanticKnowledge. } \] --- # 26. 現在比較像「知道有研究」而不是「學會研究內容」 例如研究者可能收到： > 你的研究記錄已經入藏圖書館，可以去查閱。 但這主要是在傳播： \[ Reference(k). \] 而不是： \[ SemanticContent(k). \] 所以： \[ K_i \] 目前很多時候獲得的是： > 存在某項研究。 不是： > 這項研究建立了哪一個新可用規律。 --- # 27. 因此 Research Booklet 更像 Knowledge Reference Artifact 目前 Booklet 主要攜帶： \[ recordId. \] 它證明： > 這份服務引用了一項合法研究。 因此更準確地說： \[ \boxed{ ResearchBooklet = KnowledgeReferenceArtifact. } \] 還不能完全稱為： \[ SemanticKnowledgeArtifact. \] --- # 28. 這仍然很有價值 因為 Reference 本身已經建立： \[ \boxed{ Provenance. } \] 診所不能隨便聲稱： > 我參考了某研究。 它必須提供： \[ recordId. \] 而 record 又必須： \[ AccessedInstitutionally. \] 這就建立： \[ Service \rightarrow KnowledgeProvenance. \] --- # 29. 但 Provenance 不等於 Effect 真正下一階段必須回答： > 這項研究到底改變了什麼？ 例如： \[ Research(k) \] 可能推出： > 某種植物在小雨環境下產量較高。 那麼： \[ Knowledge(k) \] 應能改變： \[ ProductionPolicy. \] 所以： \[ K_W \rightarrow P. \] 目前這條一般化 coupling 尚不完整。 --- # 30. Knowledge Supply Chain 與 Knowledge Evolution Loop 因此可以正式區分： ## Knowledge Supply Chain \[ \boxed{ Research \rightarrow Record \rightarrow Archive \rightarrow Artifact \rightarrow Distribution \rightarrow Use } \] 它回答： > 知識如何被保存和送到需要它的地方？ --- ## Knowledge Evolution Loop \[ \boxed{ Problem \rightarrow Research \rightarrow Knowledge \rightarrow Capability \rightarrow NewPractice \rightarrow NewProblem \rightarrow Research' } \] 它回答： > 知識如何讓世界產生新的能力？ 兩者不是同一件事。 --- # 31. `my_ai_town` 已有前者，但後者還沒有完全閉合 這是本篇最重要的判斷： \[ \boxed{ KnowledgeSupplyChain \quad\checkmark } \] 但： \[ \boxed{ KnowledgeEvolutionLoop \quad\text{partial} } \] 因為目前很清楚存在： \[ Research \rightarrow Institution \rightarrow Artifact \rightarrow Service. \] 但尚未找到通用的： \[ Knowledge \rightarrow Capability. \] --- # 32. Qualification Path 目前是另一條平行鏈 第 7 篇已確認，Capability 的一個正式來源是： \[ Trial \rightarrow Qualification. \] Staffing Runtime 會持久保存： ```text qualificationsByResident ``` 並在 rebuild 時將居民原有職業也記作 qualification。 所以 Capability Evolution 已經存在。 只是其來源主要是： \[ WorkExperience. \] --- # 33. 目前形成兩條平行歷史 因此目前大致是： \[ \boxed{ Research \rightarrow Knowledge \rightarrow Artifact \rightarrow Service } \] 以及： \[ \boxed{ Trial \rightarrow Qualification \rightarrow Career \rightarrow CapabilityContext. } \] 兩條都具有持久歷史。 但還缺： \[ \boxed{ Knowledge \rightarrow Capability. } \] --- # 34. 一旦把兩條線接起來，文明迴路就開始形成 例如： \[ Research(k) \] 發現新的農業方法。 某居民學習： \[ Learn_i(k). \] 於是： \[ Capability_i(agriculture)\uparrow. \] 然後： \[ Yield\uparrow. \] 接著： \[ ResourceSurplus\uparrow. \] 再產生： \[ NewResearchOpportunity. \] 此時： \[ \boxed{ Knowledge \rightarrow Capability \rightarrow Production \rightarrow WorldChange. } \] --- # 35. Learning 應該是正式 World Action 如果只是 Prompt 告訴 Agent： > 你讀過這本書，現在懂了。 又會重新落入： \[ Language = WorldTruth. \] 更合理的是： \[ KnowledgeArtifact \rightarrow StudyAction \rightarrow LearningResult. \] 然後由 World 提升： \[ Capability. \] 所以： \[ \boxed{ Learning } \] 也應該有 World Authority。 --- # 36. Knowledge 不一定直接提升 Skill 知識效果可以有多種形式。 例如： ## Recipe Unlock \[ Knowledge \rightarrow NewRecipe. \] ## Efficiency \[ Knowledge \rightarrow LowerCost. \] ## Success Probability \[ Knowledge \rightarrow P(success)\uparrow. \] ## Diagnostic Capability \[ Knowledge \rightarrow NewDiagnosisOption. \] ## New Research Question \[ Knowledge \rightarrow NewResearchSpace. \] 因此： \[ Knowledge \] 不需要只映射： \[ Skill+1. \] --- # 37. Knowledge 更應該改變 Action Space 真正重要的是： \[ K_i(t+1) \] 能否造成： \[ \Omega_i(t+1) \neq \Omega_i(t). \] 例如原本不能： \[ Produce(X). \] 學習後： \[ Produce(X)\in\Omega_i. \] 這才是： \[ \boxed{ OperationalKnowledge. } \] --- # 38. Knowledge 可以被表示成 Capability Modifier 一個比較通用的架構是： \[ Capability_i(c) = BaseCapability_i(c) + KnowledgeModifiers_i(c). \] 例如： \[ C_i(c|K_i). \] 如此： \[ Knowledge \] 不需要直接覆寫角色職業。 而可以： \[ Modify(Capability). \] --- # 39. Knowledge 也可以修改 World Process 有些知識不是個人技能。 例如： > 發現一種新的保存方法。 可以直接讓： \[ FoodSpoilageRate \downarrow. \] 也就是： \[ K_W \rightarrow ProcessRule. \] 此時 Knowledge 被提升為： \[ \boxed{ WorldTechnique. } \] --- # 40. Technique 是 Knowledge-to-Ontology Promotion 可以定義： \[ \boxed{ PromoteKnowledge(k) \rightarrow Technique(\tau). } \] 其中： \[ \tau \] 是 World Runtime 可以執行的技術效果。 例如： \[ \tau: ProductionYield\times1.2. \] 或者： \[ \tau: UnlockRecipe(X). \] 此時研究才真正開始： \[ ChangeWorldRules. \] --- # 41. 這就是科技樹與 Emergent Research 的根本差異 傳統科技樹： \[ PredefinedTechNode \rightarrow Unlock. \] 更 AI-native 的架構可能是： \[ Observation \rightarrow Claim \rightarrow ValidatedKnowledge \rightarrow TechniquePrimitive. \] 即： \[ \boxed{ Research \rightarrow OntologyGeneration. } \] 這會比預先寫好的科技樹更加 open-ended。 --- # 42. 但不能讓 LLM 任意修改 World Rule 這裡同樣需要 World Authority。 Agent 不可以研究後直接說： > 我發現這種植物可以讓產量提高 500%。 然後 World 接受。 應該是： \[ AgentHypothesis \] 經： \[ Evidence. \] 再經： \[ Verification. \] 最後只能映射到： \[ AllowedTechniqueSpace. \] 至少在有限遊戲中必須如此。 --- # 43. Semantic Knowledge Primitive 因此 Knowledge Record 可以升級為： \[ K= ( Claim, Evidence, Confidence, Domain, Conditions, Effects, Provenance ). \] 例如： ```text knowledge_id claim evidence_refs confidence domain applicable_conditions effect_refs source_record_id ``` 如此： \[ K \] 才能真正被不同 subsystem 消費。 --- # 44. Claim 與 Knowledge 不能完全相同 第 3 篇已有： \[ Claim. \] 但： \[ Claim \] 只是： > 一個可能為真的命題。 而： \[ Knowledge \] 可以定義成： \[ \boxed{ InstitutionallyAcceptedClaim. } \] 例如： \[ Knowledge(k) = Claim(k) + Verification + InstitutionalRecognition. \] 這樣可以把個體 Belief 和 World Knowledge 清楚分離。 --- # 45. 個體仍然可以不相信機構知識 即使： \[ k\in K_W, \] Agent A 仍可能： \[ Belief_A(k)<1. \] 這很重要。 World 可以說： > 這是機構正式保存的研究。 但不應強迫 Agent： > 你必須完全相信。 因此： \[ \boxed{ InstitutionalKnowledge \neq UniversalBelief. } \] --- # 46. 所以文明同時有兩種 Knowledge State ## Institutional Knowledge \[ K_W. \] 回答： > 社會正式保存了什麼？ ## Personal Knowledge \[ K_i. \] 回答： > 這個人實際理解／掌握了什麼？ 因此： \[ K_i \subseteq K_W \] 不一定始終成立，因為居民還可以有： - 個人觀察； - 未發表發現； - 錯誤 belief。 更準確是： \[ K_i \cap K_W. \] --- # 47. 教育就是 \(K_W\rightarrow K_i\) 一旦這種區分建立： \[ \boxed{ Education } \] 就可以被正式定義為： \[ K_W \rightarrow K_i. \] 圖書館、學校、老師、書籍，都只是不同 Channel。 因此： \[ Education \] 不再只是 XP Bonus。 而是： \[ \boxed{ KnowledgeTransferProcess. } \] --- # 48. 專家形成就是 \(K_i\rightarrow C_i\) 如果某居民掌握的有效 domain knowledge 增加： \[ |K_i^{domain}|\uparrow, \] 則： \[ C_i^{domain}\uparrow. \] 這會形成： \[ \boxed{ Expertise. } \] 而 Expertise 又能在第 5 篇的資訊拓樸中提高： \[ AuthorityTrust. \] 所以： \[ Knowledge \rightarrow Capability \rightarrow EpistemicAuthority. \] --- # 49. Expertise 又反過來影響知識傳播 如果居民 B 知道： \[ A \] 是某領域專家， 則： \[ Trust_{B\leftarrow A}^{domain}\uparrow. \] 因此 A 提供該領域 Claim： \[ Confidence_B(k)\uparrow. \] 這形成： \[ \boxed{ Knowledge \rightarrow Expertise \rightarrow Trust \rightarrow KnowledgeDiffusion. } \] 此時第 5、7、8 篇開始真正接在一起。 --- # 50. Production 是知識是否真正「有用」的檢驗 知識如果永遠只存在： \[ Archive. \] 它是文化記憶。 但文明技術進步還要求： \[ Knowledge \rightarrow Practice. \] 因此： \[ \boxed{ Production } \] 是非常重要的橋梁。 --- # 51. Knowledge–Production Coupling 例如： \[ K_{soil} \] 使： \[ Yield_{garden} \uparrow. \] 然後： \[ MoreFlowers \rightarrow MoreBouquets \rightarrow MoreMarketSupply. \] 如果未來有經濟： \[ MoreSupply \rightarrow PriceChange. \] 再： \[ PriceChange \rightarrow OccupationChoice. \] 一筆研究便開始跨系統擴散。 --- # 52. 這才是 Cross-Domain Persistent Coupling 第 7 篇談到： \[ CrossDomainPersistentCoupling. \] Knowledge 是其中最強的一種橋梁。 例如： \[ Research \rightarrow Technique \rightarrow Production \rightarrow Asset \rightarrow Power. \] 此時： \[ KnowledgeHistory \] 開始變成： \[ SocialHistory. \] --- # 53. 文明進步不是 Knowledge Count 增加 如果： \[ |K_W|\uparrow \] 但： \[ Capability \] 完全不變， 那麼世界只是： \[ \boxed{ ArchiveAccumulation. } \] 並不一定是： \[ \boxed{ CivilizationalProgress. } \] 真正更有用的衡量可能是： \[ \Delta\Omega_W(K). \] 即： > 新知識讓整個世界增加了多少新的可行操作？ --- # 54. Knowledge Value 可以定義為 Possibility Expansion 對知識 \(k\)： \[ V_K(k) = |\Omega(W|K+k)-\Omega(W|K)|. \] 如果： \[ V_K(k)=0, \] 它可能只是敘事資訊。 如果： \[ V_K(k)>0, \] 它改變了世界。 這提供一個非常清楚的： \[ \boxed{ OperationalKnowledgeMetric. } \] --- # 55. 並不是所有研究都必須改變世界 這裡同樣不能走到另一個極端。 有些研究只增加： \[ Understanding. \] 並沒有立即實用效果。 所以 Knowledge 可以分： \[ K^{descriptive} \] 與： \[ K^{operational}. \] 前者： > 世界是怎樣。 後者： > 世界可以怎樣被操作。 兩者都有價值。 --- # 56. 基礎研究也可以產生延遲價值 例如： \[ K_1 \] 本身： \[ V_K(K_1)=0. \] 但之後： \[ K_1+K_2 \rightarrow Technique. \] 因此 Knowledge Graph 可以具有： \[ \boxed{ CompositionalDiscovery. } \] 即： \[ Technique = g(K_1,K_2,\dots,K_n). \] 這會真正產生 AI-native Research Gameplay。 --- # 57. Research Question 也應由既有 Knowledge 產生 目前 Research Source 已有世界問題來源。 更完整的文明循環則需要： \[ K_t \rightarrow UnknownBoundary(K_t) \rightarrow Question_{t+1}. \] 也就是： > 知道得越多，新的不知道才越清楚。 這形成： \[ \boxed{ KnowledgeFrontier. } \] --- # 58. Knowledge Frontier 令： \[ K_t \] 是已知集合。 真正研究的對象不是隨機： \[ Question. \] 而是： \[ Q_t = Boundary(K_t,W_t). \] 例如： > 已知濕度影響生長，但不知道不同天氣是否改變最佳濕度。 於是： \[ Knowledge \rightarrow NewQuestion. \] --- # 59. 這才形成自我延伸的科學系統 完整循環： \[ Problem \rightarrow Question \rightarrow Observation \rightarrow Verification \rightarrow Knowledge \rightarrow Technique \rightarrow WorldChange \rightarrow NewProblem. \] 所以： \[ \boxed{ Science } \] 本身成為： \[ WorldDynamics. \] --- # 60. Knowledge Evolution Loop 現在可以正式定義本篇核心： \[ \boxed{ K_W(t) \rightarrow K_i(t) \rightarrow C_i(t+1) \rightarrow P(t+1) \rightarrow W(t+1) \rightarrow Q(t+1) \rightarrow K_W(t+1) } \] 簡化： \[ \boxed{ Knowledge \rightarrow Capability \rightarrow Practice \rightarrow NewKnowledge. } \] 這才是： \[ \boxed{ KnowledgeEvolutionLoop. } \] --- # 61. 現有架構距離這個 Loop 其實已經不遠 原因是幾乎所有周邊元件都已經存在： - Research State Machine； - World-grounded Observation； - Verification； - Accession； - Institutional Archive； - Artifact； - Logistics； - Service； - Formal Memory； - Qualification； - Work Capability。 真正缺的主要是幾條 coupling edge。 --- # 62. 第一條缺口：Semantic Record 目前： \[ ResearchRecord \] 主要還是 provenance。 需要增加： \[ Claim \] \[ Finding \] \[ Condition \] \[ Effect. \] 也就是： \[ \boxed{ Reference \rightarrow SemanticKnowledge. } \] --- # 63. 第二條缺口：Knowledge Acquisition 需要： \[ K_W \rightarrow K_i. \] 例如： - 閱讀； - 教學； - 工作實踐； - 對話； - Artifact usage。 並保留： \[ Source. \] --- # 64. 第三條缺口：Knowledge-to-Capability 然後： \[ K_i \rightarrow C_i. \] 但不能只是： > 看一本書直接成為專家。 可以加入： \[ Knowledge + Practice \rightarrow Capability. \] 例如： \[ Theory+Trial \rightarrow Qualification. \] --- # 65. 這甚至可以改良現有 Qualification 架構 目前 Qualification 主要是： \[ TrialSuccess \rightarrow Qualification. \] 未來可以變成： \[ RequiredKnowledge + TrialSuccess \rightarrow Qualification. \] 這樣： \[ Education \] 就和： \[ Career \] 正式接上。 --- # 66. 第四條缺口：Capability-to-Production Capability 取得後必須真的改變： \[ P. \] 例如： - 更高產量； - 新產品； - 更低失敗率； - 更快服務； - 新診療方式。 否則： \[ Capability \] 仍只是標籤。 --- # 67. 第五條缺口：Production-to-NewResearch 最後： \[ NewPractice \] 又應該產生： - 異常； - 新問題； - 新限制。 例如新農法： \[ Yield\uparrow \] 但： \[ SoilDegradation\uparrow. \] 於是： \[ NewResearchQuestion. \] Loop 才真正閉合。 --- # 68. 文明不是單調增長 這裡也必須注意： \[ Knowledge\uparrow \] 不必然： \[ WorldQuality\uparrow. \] 新技術可能： - 增加產量； - 也產生污染； - 改變權力； - 造成失業。 因此： \[ \boxed{ CivilizationalEvolution \neq AutomaticImprovement. } \] 只是： \[ PossibilitySpace \] 發生改變。 --- # 69. Knowledge 甚至可以造成 Conflict 如果某種 Technique 很有價值： \[ AssetValue(K)\uparrow. \] 那麼可能產生： - Knowledge Ownership； - Access Restriction； - Trade Secret； - Institutional Competition。 所以： \[ Knowledge \rightarrow Claim \rightarrow Conflict. \] 這又接回第 7 篇。 --- # 70. 知識可以成為權力 若某組織獨占： \[ K_{critical}, \] 則： \[ Capability_{organization} \gg others. \] 因此： \[ Knowledge \rightarrow Power. \] 也就是： \[ \boxed{ EpistemicAsset } \] 開始具有政治與經濟效果。 --- # 71. 但 Knowledge 本身不是普通 Asset 知識有一個特別性： 普通物品： \[ Transfer(A,B) \] 通常表示： \[ A-1,\ B+1. \] 知識： \[ Teach(A,B,k) \] 可能： \[ K_A'=K_A \] 同時： \[ K_B'=K_B\cup\{k\}. \] 所以： \[ \boxed{ Knowledge } \] 是： \[ NonRivalrous \] 但： \[ Access \] 可以是稀缺的。 --- # 72. 因此知識經濟的核心是 Access，不是單純 Possession 真正可交易的可能不是： \[ KnowledgeItself. \] 而是： - access right； - teaching right； - publication； - secrecy； - institutional membership。 即： \[ \boxed{ Knowledge + Claim. } \] 這會和第 7 篇的 Claim Primitive 自然融合。 --- # 73. Library 因此不只是 Storage Building 在更完整架構下： \[ Library \] 其實可以是： \[ \boxed{ KnowledgeInstitution. } \] 它負責： - provenance； - verification； - preservation； - retrieval； - access； - diffusion。 所以建築功能從： \[ Place \] 升級成： \[ Institution. \] --- # 74. 研究者也不只是 Flavor Occupation 同樣： \[ Researcher \] 若真正控制： \[ K_W(t+1)-K_W(t), \] 那麼這個職業對世界具有： \[ \boxed{ StructuralProductivity. } \] 其產品不是： \[ Item. \] 而是： \[ NewPossibility. \] 這是 AI 原生職業系統非常有意思的一個方向。 --- # 75. Civilizational Productivity 傳統生產力： \[ P= Output/Input. \] 但研究的生產力可以寫成： \[ \boxed{ P_K = \frac{ \Delta\Omega_W }{ ResearchCost } } \] 也就是： > 每單位研究成本增加多少新的世界可行域。 這比： \[ ResearchPoints/sec \] 更貼近真正文明系統。 --- # 76. Knowledge 是最強的 Historical Amplifier 之一 因為 Asset 很容易： \[ Consume. \] Relationship 可能： \[ Decay. \] 但 Knowledge 如果成功被制度保存： \[ K_W(t+1)\supseteq K_W(t), \] 就可能長期累積。 所以： \[ \boxed{ Knowledge } \] 天然具有： \[ HistoricalAmplification. \] --- # 77. 它也是突破 Homeostatic Attractor 的最佳機制之一 居民每天仍然： \[ Eat \rightarrow Work \rightarrow Sleep. \] 但如果每天的工作和研究逐漸增加： \[ K_W, \] 那麼 Day 100 的： \[ Work \] 可能已經不是 Day 1 的 Work。 因此： \[ MicroCycle \] 保持穩定， 而： \[ MacroCapability \] 持續演化。 這正是第 6 篇提出的： \[ \boxed{ MicroStability + MacroEvolution. } \] --- # 78. Knowledge Loop 是真正的文明時間箭頭 Needs 是循環： \[ Hunger \rightarrow Eat \rightarrow Hunger. \] Knowledge 如果成功累積： \[ K_t \rightarrow K_{t+1} \] 則具有： \[ \boxed{ TemporalArrow. } \] 也就是： > Day 100 知道的事情，Day 1 不一定知道。 --- # 79. 如果 Knowledge 再改變 Capability，時間箭頭會更強 當： \[ K_t \rightarrow C_{t+1}, \] 那麼： \[ Day100 \] 不只： > 知道更多。 還： > 能做更多。 即： \[ \boxed{ KnowledgeArrow \rightarrow CapabilityArrow. } \] --- # 80. 如果 Capability 再改變 World，就形成文明歷史 最後： \[ C_{t+1} \rightarrow W_{t+1}. \] 那麼： \[ \boxed{ Knowledge \rightarrow WorldTransformation. } \] 完整時間箭頭： \[ K_t \rightarrow C_{t+1} \rightarrow W_{t+1} \rightarrow K_{t+1}. \] --- # 81. 結論：會保存知識的社會，不一定是會進步的文明 `my_ai_town` 已經建立了一條非常有價值的： \[ \boxed{ KnowledgeSupplyChain. } \] 即： \[ Question \rightarrow Observation \rightarrow Verification \rightarrow Record \rightarrow Accession \rightarrow Artifact \rightarrow Logistics \rightarrow Service. \] 研究流程是真實的 World State Machine；研究必須經歷 observation 與 verification；正式 service reference 又必須指向已 accession 的真實 record。 這意味： \[ \boxed{ KnowledgeHasEnteredTheWorld. } \] 它不再只是一段 Prompt。 但目前更重要的缺口是： \[ \boxed{ Knowledge \not\Rightarrow GeneralCapabilityChange } \] 至少在目前檢索到的架構中，正式 Qualification 仍主要由 Staffing / Trial 路徑維護，而研究與 Qualification 尚未形成一般化直接耦合。 因此： \[ Research \rightarrow Knowledge \] 已經存在。 \[ Knowledge \rightarrow Artifact \] 已經存在。 \[ Artifact \rightarrow Service \] 已經存在。 但真正文明型系統還需要： \[ \boxed{ Knowledge \rightarrow Capability \rightarrow Practice \rightarrow NewWorld } \] 最終形成： \[ \boxed{ K_W(t) \rightarrow K_i(t) \rightarrow C_i(t+1) \rightarrow P(t+1) \rightarrow W(t+1) \rightarrow Q(t+1) \rightarrow K_W(t+1) } \] 這就是： \[ \boxed{ Knowledge\text{-}Capability\text{-}Production\ Loop. } \] 所以本篇最重要的結論可以濃縮成一句話： \[ \boxed{ \text{A civilization does not advance merely because it remembers knowledge; it advances when remembered knowledge changes what it can do.} } \] 也就是： > **文明不會只因為記住更多知識而進步；只有當被保存的知識改變了它能做什麼，知識才真正成為文明演化的一部分。** 到這裡，整個系列的主要零件其實都已經完成： \[ WorldAuthority \] \[ Projection \] \[ Belief \] \[ SocialMatter \] \[ InformationTopology \] \[ Attractor \] \[ PersistentOntology \] \[ KnowledgeEvolution. \] 因此最後一篇不再研究單一 subsystem。 而要把前面所有結構壓成一套完整架構： # 第 9 篇 ## 《從可持續模擬到自演化世界：AI-Native Game Reference Architecture》 最後我們將建立： \[ \boxed{ WorldState \rightarrow Projection \rightarrow CognitiveScheduler \rightarrow Belief/Memory \rightarrow Intent \rightarrow WorldAuthority } \] 以及歷史層： \[ \boxed{ Asset + Capability + Claim + Knowledge + SocialGraph } \] 並正式回答整個系列一開始的問題： > **什麼時候，一群會說話、會記憶、會工作的 AI NPC，才真正變成一個會自己產生歷史的遊戲世界？**