# OWER Paper 08 v0.1｜搜尋作為認識算子 Runtime ## 搜尋作為認識算子 Runtime ### Search as an Epistemic Operator Runtime: From Search Methods and Providers to World-Rooted Epistemic Action **Series:** Open-World Epistemic Research **Paper:** 08 **Version:** v0.1 **Date:** 2026-09-20 **Language:** zh-TW **Status:** Formal Draft / Canonical Markdown Source **Authors:** Neo.K × GPT-5.6 Sol **Institution:** EveMissLab / 一言諾科技有限公司 --- ## 摘要 傳統搜尋系統通常從查詢開始： $$ q \rightarrow \operatorname{Retrieve} \rightarrow \operatorname{Rank} \rightarrow \operatorname{Answer} $$ 近年的 AI Research Agent 則進一步加入 query decomposition、工具調用、多輪搜尋、引用與報告生成。然而，即使搜尋策略越來越複雜，若系統仍把「搜尋」當成整個研究行為的根節點，仍會保留一個更深的架構限制：**它先假設問題已被正確框定，再去世界中尋找答案。** 本文提出： $$ \boxed{ \text{Search} \subset \text{Epistemic Action} } $$ 並將搜尋重新定位為 Open-World Epistemic Research Runtime 中的一組可調度認識算子，而不是認識活動本身。 本文整合 EveMissLab 既有的 DRC Search、GIPSS、GIPE、VRCA 與 Omphalos / AUSI Runtime。舊版 Omphalos 已完成一項重要抽象：將 Search Method 從 Provider、Surface、Adapter 與 Credential 中分離，提出： $$ \text{Task} \rightarrow \text{Search Strategy} \rightarrow \text{Search Method} \rightarrow \text{Provider} \rightarrow \text{Evidence} \rightarrow \text{Gap} \rightarrow \text{Replan} $$ 本文則進一步把架構根節點向上移： $$ \boxed{ W \rightarrow \hat W_t \rightarrow \mathbf U_t \rightarrow O_t^{E} \rightarrow M_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} } $$ 其中： - $W$：世界； - $\hat W_t$：目前對世界的認識狀態； - $\mathbf U_t$：typed unknown state； - $O_t^{E}$：epistemic operator； - $M_t$：可執行 method； - $P_t$：provider / execution channel； - $E_{t+1}$：新證據或觀測。 此轉換的核心不是否定搜尋，而是重新確定其位置： > **AI 應先判斷自己面對的是哪一種認識缺口，再決定是否應該搜尋、如何搜尋、用哪一種方法、綁定哪一個 Provider，以及何時應改成模擬、實驗、反證、形式證明或其他認識行動。** 本文進一步提出四層分離： $$ \boxed{ \text{Epistemic Operator} \neq \text{Search Method} \neq \text{Provider} \neq \text{Tool Surface} } $$ 並提出 **Operator Primacy over Method Selection**： > Search Method 不應直接由 Task 產生，而應先由 epistemic state 與 unknown type 決定需要何種認識操作，再由 Search Method 實作其中的搜尋子類。 因此： $$ U_{\text{data}} \rightarrow O_{\text{retrieve}} \rightarrow M_{\text{search}} $$ 但： $$ U_{\text{mechanism}} \rightarrow O_{\text{intervene}} $$ 可能根本不應進搜尋。 本文最終將搜尋重新定義為： $$ \boxed{ \text{Search} = \text{A Family of World-Observation Operators} } $$ 而不是： $$ \text{Search} = \text{The Root of Research} $$ 。 這一重新定位，使 Omphalos 從「AI-Native Search Runtime」向「World-Rooted Epistemic Runtime」自然演化。 **關鍵詞：** Omphalos、AUSI Runtime、DRC Search、GIPSS、GIPE、Epistemic Operator、World Root、Search Method、Provider、Open-World Research、Research Runtime --- # 1. 搜尋不是研究的根 傳統資訊系統的直覺是： $$ \text{Question} \rightarrow \text{Search} \rightarrow \text{Answer} $$ 。 這種設計在 known-item retrieval、fact lookup、document search 與 database query 中非常合理。 但科研與開放世界 Agent 的問題更常是： > 我甚至還不知道自己真正需要找什麼。 因此： $$ \text{Question} $$ 本身可能不是正確 root。 --- # 2. Task-First 架構的隱含假設 若系統從： $$ T $$ task 開始， 其實默認： 1. task 已正確描述世界； 2. task 已包含必要分類； 3. task 已指出相關變量； 4. task 已決定資料類型； 5. task 已足以生成 query。 但 Open-World Research 常恰好不滿足這些條件。 所以： $$ \boxed{ \text{Task} \neq \text{Complete Epistemic Frame} } $$ 。 --- # 3. World-Rooted 起點 本文採用： $$ W $$ 作為認識根節點。 不是說 AI 必須擁有整個世界。 而是： > 所有搜尋、推理、行動與模型，都應被理解為「相對於一個待認識世界」進行。 因此： $$ \boxed{ W \rightarrow \text{Cognition} } $$ 而不是： $$ \text{Task} \rightarrow \text{World Assumed} $$ 。 --- # 4. 當前世界認識狀態 AI 不直接擁有： $$ W $$ 而只有： $$ \hat W_t $$ 。 其中： $$ \hat W_t \neq W $$ 。 這保留一個基本區分： $$ \boxed{ \text{World} \neq \text{Current Knowledge of World} } $$ 。 --- # 5. 搜尋的真正輸入不是 Query 舊搜尋架構： $$ q \rightarrow \operatorname{Search} $$ 。 本文認為更上層： $$ (\hat W_t,\mathbf U_t,G_t) \rightarrow O_t^E $$ 其中： - $\hat W_t$：當前世界認識； - $\mathbf U_t$：unknown vector； - $G_t$：goal / intent state； - $O_t^E$：epistemic operator。 只有當： $$ O_t^E \in \mathcal O_{\text{search}} $$ 時， 才進入搜尋。 --- # 6. 搜尋是認識算子的子集 定義： $$ \mathcal O_E = \{ O_{\text{search}}, O_{\text{observe}}, O_{\text{measure}}, O_{\text{simulate}}, O_{\text{prove}}, O_{\text{intervene}}, O_{\text{verify}}, O_{\text{falsify}}, O_{\text{construct}} \} $$ 。 則： $$ \boxed{ \mathcal O_{\text{search}} \subset \mathcal O_E } $$ 。 --- # 7. 這接回 GIPE GIPE 已提出： > 搜尋只是認識活動的一種低成本觀測行為。 本文將其進一步工程化： $$ \text{Epistemic State} \rightarrow \text{Operator Selection} $$ 而不是： $$ \text{Task} \rightarrow \text{Search} $$ 。 --- # 8. Operator Primacy 本文提出： $$ \boxed{ \text{Epistemic Operator Primacy Principle} } $$ 即： > 系統應先選擇需要哪一種認識操作，再選擇如何實作該操作。 形式： $$ U_\tau \rightarrow O_\tau \rightarrow M \rightarrow P $$ 。 --- # 9. Method Primacy 的歷史位置 舊版 Omphalos 提出： $$ \text{Method} \succ \text{Provider} $$ 即： > 先選搜尋方法，再選 Provider。 這仍然成立。 但現在再往上加一層： $$ \boxed{ \text{World} \succ \text{Epistemic Operator} \succ \text{Method} \succ \text{Provider} } $$ 。 --- # 10. 四層分離 正式： $$ \boxed{ O \neq M \neq P \neq S } $$ 其中： - $O$：Epistemic Operator； - $M$：Method； - $P$：Provider； - $S$：Surface / Tool Interface。 --- # 11. Operator 回答什麼？ Operator 回答： > 現在對世界做哪種認識動作？ 例如： - retrieve； - discriminate； - challenge； - expand； - intervene； - verify。 --- # 12. Method 回答什麼？ Method 回答： > 這個 operator 要用哪一種程序實作？ 例如： $$ O_{\text{retrieve}} $$ 可以綁： - exact search； - Boolean search； - citation chasing； - graph search； - prior-art search。 --- # 13. Provider 回答什麼？ Provider 回答： > 哪個能力來源可以執行此 method？ 例如： - Web Search； - Crossref； - EPO； - local index； - GitHub； - model-native search； - private database。 --- # 14. Surface 回答什麼？ Surface 回答： > 從哪個介面進入 Provider？ 例如： - API； - browser； - MCP； - database connection； - CLI； - local runtime。 --- # 15. Search Method 不應直接等於 Search API 形式： $$ M_i \rightarrow P_j $$ 是一種 binding。 而不是： $$ M_i=P_j $$ 。 這延續舊 Omphalos 的 Provider Replaceability Principle。 --- # 16. Operator 也應可替換 Method 若： $$ O_{\text{counter}} $$ 目標是找高破壞性反證， 可用： $$ M_1=\text{counter-keyword search} $$ 或： $$ M_2=\text{citation reversal} $$ 或： $$ M_3=\text{independent reproduction search} $$ 。 因此： $$ \boxed{ \text{One Operator} \rightarrow \text{Many Methods} } $$ 。 --- # 17. Method 也可能服務多個 Operator 例如： $$ M_{\text{graph-search}} $$ 可服務： $$ O_{\text{retrieve}} $$ 也可服務： $$ O_{\text{structure-discovery}} $$ 。 因此： $$ \boxed{ \text{Method Identity} \neq \text{Epistemic Purpose} } $$ 。 --- # 18. 搜尋前先做 Unknown Typing Paper 03 提出： $$ \mathbf U_t $$ 。 在搜尋前，至少要問： $$ \tau = \operatorname{TypeUnknown}(U) $$ 。 如果： $$ \tau=U_{\text{data}} $$ 搜尋很適合。 但如果： $$ \tau=U_{\text{mechanism}} $$ 則搜尋可能只是輔助。 --- # 19. Data Unknown $$ U_{\text{data}} \rightarrow O_{\text{retrieve}} $$ 。 這是搜尋最自然的場景。 --- # 20. Category Unknown $$ U_{\text{category}} \rightarrow O_{\text{ontology-expand}} $$ 。 這可能使用搜尋，但搜尋目的不是找更多相同資料，而是發現新的分類與語彙。 --- # 21. Conflict Unknown $$ U_{\text{conflict}} \rightarrow O_{\text{discriminate}} $$ 。 可用搜尋找： - replication； - method comparison； - version difference； - independent evidence。 但搜尋不是目標。 目標是： $$ \boxed{ \text{Discrimination} } $$ 。 --- # 22. Counter-Evidence Unknown $$ U_{\text{counter}} \rightarrow O_{\text{challenge}} $$ 。 Search Method 只是其中一種實作。 --- # 23. Mechanism Unknown $$ U_{\text{mechanism}} \rightarrow O_{\text{intervene}} $$ 。 如果只有 observational search： $$ O_{\text{retrieve}} $$ 可能永遠無法真正解開機制。 --- # 24. World Unknown $$ U_{\text{world}} \rightarrow O_{\text{world-discover}} $$ 。 這比普通 search 更高一層。 因為系統甚至不知道哪些 surface、entity、category 值得被探索。 --- # 25. Meta-Unknown $$ U_{\text{meta}} \rightarrow O_{\text{boundary-expand}} $$ 。 這要求： - independent search； - cross-domain exploration； - alternate ontology； - novel source discovery。 --- # 26. 搜尋策略應由未知型別驅動 舊式： $$ T \rightarrow Q $$ 。 新版： $$ U_\tau \rightarrow O_\tau \rightarrow \Pi_\tau $$ 其中： $$ \Pi_\tau $$ 是 strategy。 --- # 27. Query 是策略的產物 因此： $$ Q_t = g( U_\tau, O_\tau, M_t, \hat W_t ) $$ 而不是： $$ Q_t = g(T) $$ 。 --- # 28. Query 生成也要保留 provenance 每個 query 應知道： - 為什麼產生； - 服務哪個 operator； - 服務哪個 unknown； - 預期改變哪個 state。 例如： ```yaml query: text: unknown_type: operator: method: target_state_change: ``` 。 --- # 29. Search Result 不等於 Evidence 延續舊 Omphalos： $$ \boxed{ \text{Retrieved} \neq \text{Verified} } $$ 。 搜尋輸出： $$ R $$ 需要轉成： $$ E $$ Evidence Object。 --- # 30. Evidence 需要帶來源拓撲 Paper 02 已指出： $$ N_{\text{documents}} \neq N_{\text{independent roots}} $$ 。 所以 evidence 應保存： $$ \operatorname{Origin}(E) $$ 。 --- # 31. Evidence Object 可表示： $$ E_i = ( \text{claim}, \text{source}, \text{origin}, \text{time}, \text{method}, \text{scope}, \text{strength}, \text{counterlinks} ) $$ 。 --- # 32. Search Receipt 舊 Omphalos 已提出 Search Receipt。 新版可擴展為： $$ \boxed{ \text{Epistemic Action Receipt} } $$ 。 --- # 33. Epistemic Action Receipt 每次行動保存： ```yaml action: world_scope: unknown: operator: method: provider: surface: query_or_action: evidence_gain: state_change: failure: cost: stop_reason: ``` 。 --- # 34. 搜尋是有成本的 成本： $$ C(M,P) $$ 至少包含： - time； - tokens； - money； - API quota； - latency； - risk； - opportunity cost。 --- # 35. 最佳 Method 不只是最相關 可定義： $$ U(M) = \frac{ \mathbb E[\Delta E] }{ C(M) } $$ 。 但更完整： $$ U(M) = \frac{ \mathbb E[\Delta \mathbf U^{-}] + \alpha\mathbb E[\Delta \mathbf K^{+}] }{ C(M) } $$ 。 --- # 36. Evidence Gain 不等於 Document Count 如果一次搜尋找到 100 篇重複來源： $$ N_D=100 $$ 但： $$ \Delta U\approx0 $$ 則其 epistemic value 很低。 --- # 37. Search Method Coverage 舊 Omphalos 已區分： $$ C_{\text{provider}} $$ 與： $$ C_{\text{method}} $$ 。 本文再加入： $$ C_{\text{operator}} $$ 。 --- # 38. 三種 Coverage $$ C_P=\text{Provider Coverage} $$ $$ C_M=\text{Method Coverage} $$ $$ C_O=\text{Operator Coverage} $$ 。 即使： $$ C_P\gg0 $$ 若： $$ C_O\ll1 $$ 仍可能只是在不同 Provider 上做同一種 retrieve。 --- # 39. Operator Coverage 更接近研究多樣性 例如： - retrieve； - challenge； - discriminate； - expand； - verify； - intervene。 這比「搜了 Google、Brave、X」更接近認識行動的真正多樣性。 --- # 40. Provider Diversity 不等於 Epistemic Diversity $$ \boxed{ \text{Provider Diversity} \neq \text{Epistemic Diversity} } $$ 。 五個搜尋引擎都執行： $$ O_{\text{retrieve}} $$ 仍然只有一種認識操作。 --- # 41. Method Diversity 也不等於 Operator Diversity 用 exact search、semantic search、citation search，也可能仍服務： $$ O_{\text{retrieve}} $$ 。 所以： $$ C_M\gg0 $$ 不代表： $$ C_O\gg0 $$ 。 --- # 42. Search Strategy 是 Method Composition 舊 Omphalos： $$ \Pi_M = M_1 \triangleright (M_2\parallel M_3) \triangleright M_4 $$ 。 本文新增： $$ \Pi_O = O_1 \triangleright O_2 \triangleright O_3 $$ 。 --- # 43. Operator Strategy 高於 Method Strategy 可寫： $$ \Pi_O \rightarrow \Pi_M \rightarrow \Pi_P $$ 。 其中： - $\Pi_O$：認識策略； - $\Pi_M$：方法策略； - $\Pi_P$：Provider routing。 --- # 44. DRC 的新位置 DRC： $$ D \rightarrow R \rightarrow C $$ 可重新理解為： - Divergence：展開候選 operator / method / world boundary； - Resonance：辨識高資訊增益節點； - Compression：將結果壓成下一輪 state。 因此： $$ \boxed{ \text{DRC} = \text{Epistemic Control Loop} } $$ 而不只 Search Loop。 --- # 45. DRC Divergence 新版 Divergence 不只生成： $$ Q_1,\ldots,Q_n $$ 還可以生成： $$ O_1,\ldots,O_n $$ 。 即： > 下一步除了搜尋，還可能需要什麼認識動作？ --- # 46. DRC Resonance Resonance 不再只代表哪個搜尋結果最相關。 而是： $$ \operatorname{Resonance} = \text{Expected Epistemic State Change} $$ 。 --- # 47. DRC Compression Compression 不只摘要資料。 而是： $$ R_t \rightarrow S_{t+1} $$ 更新： - known； - unknown； - hypotheses； - compression kernels； - evidence； - boundaries。 --- # 48. GIPSS 的新位置 GIPSS 的「欲」可理解為： $$ G_t $$ goal / intent structure。 它不是 query。 而是： > 想要世界滿足或揭露什麼條件？ 因此： $$ G_t \rightarrow \Delta(\hat W_t,G_t) $$ 形成認識差距。 --- # 49. 欲結構與 Unknown 可定義： $$ \mathbf U_t = \operatorname{Gap}( \hat W_t, G_t ) $$ 。 這讓 GIPSS 與 Typed Unknown 直接接起來。 --- # 50. SGCD 的新位置 SGCD 可作為： $$ G_W(t) $$ 任務條件化的世界關係圖。 但它不是世界本身。 所以： $$ G_W(t) \neq W $$ 。 它是： $$ \hat W_t $$ 的一種結構表示。 --- # 51. VRCA 的新位置 VRCA 可作為： $$ \text{Evidence / Claim / Argument Intermediate Representation} $$ 。 因此： $$ E \rightarrow \operatorname{VRCA} \rightarrow \hat W_{t+1} $$ 。 --- # 52. Omphalos 的演化 可以畫成： $$ \text{Crawler} \rightarrow \text{Search Agent} \rightarrow \text{Search Method Runtime} \rightarrow \text{Epistemic Operator Runtime} \rightarrow \text{World-Rooted Runtime} $$ 。 --- # 53. 舊 Omphalos 的貢獻仍保留 以下仍成立： $$ M\neq P $$ $$ P\neq S $$ $$ \text{Provider Replaceability} $$ $$ \text{Method Coverage} $$ $$ \text{Search Receipt} $$ $$ \text{Gap} \rightarrow \text{Replan} $$ 。 只是 root 被上移。 --- # 54. 新版 Root 舊： $$ T \rightarrow M $$ 。 新： $$ W \rightarrow \hat W_t \rightarrow U_t \rightarrow O_t \rightarrow M_t $$ 。 --- # 55. 搜尋不是第一級世界根節點 搜尋應該是： $$ \boxed{ \text{child of epistemic intent} } $$ 而不是： $$ \boxed{ \text{root of cognition} } $$ 。 --- # 56. Multimodality 的位置 如果搜尋只是 text retrieval，則： $$ O_{\text{observe}} $$ 非常狹窄。 World-Rooted Runtime 需要： $$ \mathcal O_{\text{observe}} = \{ O_{\text{text}}, O_{\text{image}}, O_{\text{audio}}, O_{\text{video}}, O_{\text{UI}}, O_{\text{sensor}}, O_{\text{spatial}}, O_{\text{temporal}} \} $$ 。 --- # 57. 多模態不是多輸入格式 本文採用： $$ \boxed{ \text{Multimodality} = \text{Multiple World-Observation Operators} } $$ 。 這比「支援圖片」更深。 --- # 58. Search Surface 與 World Surface Search Surface： > 可搜尋的介面。 World Surface： > 可被觀察或介入的世界表面。 因此： $$ \boxed{ \text{Search Surface} \subset \text{World Surface} } $$ 。 --- # 59. 世界中很多東西不可搜尋 例如： - 尚未公開； - 尚未生成； - 尚未實驗； - 尚未測量； - 只存在物理現場； - 只存在模擬空間； - 需要介入才會顯露。 所以 Search 天然不可能覆蓋所有認識行為。 --- # 60. Search-Native Bias 若 Agent 的主要工具只有 Search， 它會形成： $$ \boxed{ \text{Search-Native Bias} } $$ ： > 把所有未知都翻譯成可搜尋問題。 這接回 Paper 03 的 Tool-Induced Epistemic Bias。 --- # 61. Tool Space 會扭曲 Problem Space 若： $$ \mathcal T = \{\text{search}\} $$ 則： $$ P(U_{\text{data}}) $$ 容易被高估。 若加入 simulator、prover、code executor、experiment interface，系統才有更多： $$ O_\tau $$ 可選。 --- # 62. Operator Registry 因此新版 Omphalos 不只要 Method Registry， 還需要： $$ \boxed{ \text{Epistemic Operator Registry} } $$ 。 --- # 63. Operator Schema ```yaml operator: id: type: epistemic_goal: applicable_unknowns: [] preconditions: [] expected_state_change: candidate_methods: [] risk: cost_model: verifier: ``` --- # 64. Method Registry 變成 Operator 的下層 ```yaml method: id: operator_family: input_schema: output_schema: provider_requirements: strengths: failure_modes: ``` --- # 65. Provider Registry 保持執行層定位 ```yaml provider: id: capabilities: surfaces: availability: cost: latency: policy: auth: ``` --- # 66. Binding 正式： $$ B: (O,M,P,S) \rightarrow \text{Executable Action} $$ 。 --- # 67. Runtime Planner Planner 不應只問： > 用哪個 Provider？ 而應依序： 1. 目前 world state 是什麼？ 2. 哪個 unknown 最重要？ 3. 需要哪種 epistemic operator？ 4. 哪種 method 最適合？ 5. 哪個 Provider 可執行？ 6. 哪個 surface 可用？ --- # 68. Planner 公式 $$ (O_t^\ast,M_t^\ast,P_t^\ast) = \arg\max \frac{ \mathbb E[ \Delta E_t ] }{ C_t } $$ 。 更精確： $$ (O_t^\ast,M_t^\ast,P_t^\ast) = \arg\max \frac{ \mathbb E[ \Delta \mathbf K_t - \lambda \Delta \mathbf U_t ] }{ C_{\text{time}} + C_{\text{token}} + C_{\text{money}} + C_{\text{risk}} } $$ 。 --- # 69. 不是所有 Unknown 都該立即處理 可依： $$ \operatorname{Impact}(U_i) $$ 排序。 因此： $$ U_i^\ast = \arg\max_i \frac{ \operatorname{Impact}(U_i) \cdot ResolutionGain(U_i) }{ Cost(U_i) } $$ 。 --- # 70. Operator Selection $$ O^\ast = \Omega(U_i^\ast) $$ 。 這是 Paper 03 與 Paper 08 的直接接口。 --- # 71. Method Selection 若： $$ O^\ast = O_{\text{search}} $$ 才進： $$ M^\ast = \arg\max_M U(M\mid O^\ast) $$ 。 --- # 72. Provider Selection 再： $$ P^\ast = \arg\max_P U(P\mid M^\ast) $$ 。 --- # 73. 這形成三層路由 $$ \boxed{ \text{Unknown Routing} \rightarrow \text{Operator Routing} \rightarrow \text{Method Routing} \rightarrow \text{Provider Routing} } $$ 。 --- # 74. Deep Research 通常從第三層開始 很多 Deep Research 系統大致： $$ T \rightarrow M \rightarrow P $$ 。 本文架構則加入： $$ W \rightarrow U \rightarrow O $$ 三層更高抽象。 --- # 75. 這是為什麼「深度研究」容易變「深度整理」 如果： $$ O $$ 預設永遠是： $$ O_{\text{retrieve}} $$ 則： $$ \text{Research} \approx \text{Retrieval + Synthesis} $$ 。 不論搜尋多深，仍然沒有真正切換認識方式。 --- # 76. Scientific Mode 需要 Operator Switching 真正科研至少需要： $$ O_{\text{retrieve}} \leftrightarrow O_{\text{hypothesize}} \leftrightarrow O_{\text{simulate}} \leftrightarrow O_{\text{intervene}} \leftrightarrow O_{\text{verify}} \leftrightarrow O_{\text{falsify}} $$ 。 --- # 77. Operator Switching Condition 可定義： $$ \operatorname{Switch}(O_i,O_j) $$ 依據： - diminishing information gain； - unresolved unknown type； - conflict； - mechanism gap； - search saturation。 --- # 78. Search Saturation 若： $$ \Delta U_{\text{data}}\approx0 $$ 但： $$ U_{\text{mechanism}}\gg0 $$ 則應： $$ O_{\text{search}} \rightarrow O_{\text{intervene}} $$ 而不是 Search More。 --- # 79. Search Saturation Detector 可保存： $$ G_S = \frac{ \Delta U }{ \Delta C } $$ 。 若： $$ G_S\rightarrow0 $$ 表示搜尋邊際效益下降。 --- # 80. Search Failure 也要轉型 如果 Search 找不到， 不能直接： $$ \text{Not Found} \Rightarrow \text{Does Not Exist} $$ 。 而應考慮： $$ U_{\text{access}} $$ 或： $$ U_{\text{category}} $$ 或： $$ U_{\text{world}} $$ 。 --- # 81. Failure-to-Unknown Transition $$ F_{\text{search}} \rightarrow \operatorname{ReType}(U) $$ 。 這比只換 query 更重要。 --- # 82. Search Outcome Types 搜尋結果至少分： $$ R_{\text{found}} $$ $$ R_{\text{not-found}} $$ $$ R_{\text{conflict}} $$ $$ R_{\text{insufficient}} $$ $$ R_{\text{access-denied}} $$ $$ R_{\text{novel-category}} $$ 。 每一類更新不同 state。 --- # 83. Evidence Gain 與 World Update 最終搜尋價值應體現在： $$ \hat W_t \rightarrow \hat W_{t+1} $$ 而不是： $$ N_{\text{sources}}\uparrow $$ 。 --- # 84. Search Without World Update 若： $$ E_{t+1} $$ 沒有改變： - known； - unknown； - hypothesis； - boundary； - confidence； - scope； 那它可能只是冗餘資料。 --- # 85. Search as Observation 最一般： $$ O_{\text{search}} : W \rightarrow E $$ 。 也就是： > 搜尋是一種間接世界觀察。 --- # 86. 搜尋是低成本觀察 與物理實驗相比： $$ C_{\text{search}} \ll C_{\text{experiment}} $$ 常成立。 所以系統會優先搜尋。 但： $$ \text{cheap} \neq \text{sufficient} $$ 。 --- # 87. Search-First Heuristic 可以合理採： $$ \text{search first} $$ 作為 heuristic。 但不能升格成： $$ \text{search always} $$ 。 --- # 88. Low-Cost Epistemic Ordering 一個合理策略： $$ O_{\text{cheap}} \rightarrow O_{\text{expensive}} $$ 。 例如： $$ \text{search} \rightarrow \text{simulation} \rightarrow \text{experiment} $$ 。 但需依 unknown type 調整。 --- # 89. Safety 也影響 Operator Routing GIPE 已區分： $$ \operatorname{Propose}(a) \neq \operatorname{Authorize}(a) $$ 。 因此： $$ O_t^\ast $$ 不等於可直接執行。 --- # 90. Authorized Operator 需： $$ A_t = \operatorname{Authorize}(O_t) $$ 。 所以完整： $$ U_t \rightarrow O_t \rightarrow A_t \rightarrow M_t \rightarrow P_t $$ 。 --- # 91. 風險分層 Search 通常低風險。 但 experiment、financial action、physical actuation 可能高風險。 因此 Epistemic Utility 必須與 Operational Risk 分開。 --- # 92. Omphalos Control Loop vNext 本文建議： $$ \boxed{ W \rightarrow \hat W_t \rightarrow G_t \rightarrow \mathbf U_t \rightarrow O_t \rightarrow A_t \rightarrow M_t \rightarrow B_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} } $$ 其中： - $W$：World； - $\hat W_t$：Epistemic World State； - $G_t$：Intent / Goal； - $\mathbf U_t$：Typed Unknown； - $O_t$：Epistemic Operator； - $A_t$：Authorized Operator； - $M_t$：Method； - $B_t$：Binding； - $P_t$：Provider； - $E_{t+1}$：Evidence / Observation。 --- # 93. 這不是固定 Pipeline 重要： $$ \boxed{ \text{Not a One-Way Pipeline} } $$ 。 任何一步都可回饋前面。 例如： $$ E_{t+1} \rightarrow \mathbf U_{t+1} $$ 或： $$ E_{t+1} \rightarrow G_{t+1} $$ 甚至： $$ E_{t+1} \rightarrow F_{t+1} $$ 重寫形式化。 --- # 94. Recursive World Cognition Loop 可簡化成： $$ \boxed{ W \rightarrow \hat W_t \rightarrow O_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} } $$ 。 這是最核心的世界認識閉環。 --- # 95. Search Runtime 只是子 Runtime 因此： $$ R_{\text{search}} \subset R_{\text{epistemic}} $$ 。 舊 Omphalos 可成為： $$ R_{\text{search}} $$ 核心子系統。 --- # 96. Omphalos 不必失去歷史身份 可以： $$ \text{Omphalos} = \text{World-Rooted Epistemic Runtime} $$ 而： $$ \text{AUSI} = \text{Search Subruntime} $$ 也可以保留其他命名。 重點不在名稱，而在抽象層級。 --- # 97. Search Method Corpus 仍然重要 舊 Search Method Corpus 可繼續保存： - Boolean； - exact； - citation chasing； - berrypicking； - systematic search； - prior art； - graph search； - multilingual search。 現在只需要多一個： $$ \text{operator family} $$ 欄位。 --- # 98. Search Method Corpus vNext ```yaml search_method: name: operator_family: epistemic_goal: applicable_unknowns: strengths: failure_modes: composition_rules: provider_requirements: evidence_output: ``` --- # 99. 新增 Operator Corpus ```yaml epistemic_operator: name: goal: input_state: expected_state_change: applicable_unknown_types: candidate_methods: safety_class: verifier: ``` --- # 100. 新增 World Surface Registry ```yaml world_surface: name: observable_entities: modalities: access_methods: freshness: authority: risk: ``` --- # 101. Provider Registry 與 World Surface Registry 不同 Provider： > 誰能幫你執行？ World Surface： > 世界哪一面可以被觀察？ 因此： $$ \boxed{ \text{Provider} \neq \text{World Surface} } $$ 。 --- # 102. 同一 World Surface 可有多 Provider 例如 scholarly literature： $$ S_{\text{scholar}} $$ 可以透過： - Crossref； - Semantic Scholar； - publisher； - local corpus。 --- # 103. 同一 Provider 可接多 Surface 例如 browser 可以接： - web； - docs； - dashboards； - public databases。 因此仍應解耦。 --- # 104. World Surface Coverage 新增： $$ C_W = \text{World Surface Coverage} $$ 。 這比 Provider Coverage 更高一層。 --- # 105. 四種 Coverage 因此： $$ C_W $$ World Surface Coverage； $$ C_O $$ Operator Coverage； $$ C_M $$ Method Coverage； $$ C_P $$ Provider Coverage。 --- # 106. Coverage 四層不能互換 高： $$ C_P $$ 不代表高： $$ C_M $$ 。 高： $$ C_M $$ 不代表高： $$ C_O $$ 。 高： $$ C_O $$ 不代表高： $$ C_W $$ 。 --- # 107. 全域研究的真正盲點 最危險： $$ C_W\ll1 $$ 。 也就是： > 根本沒看到世界的一整個表面。 這是 Paper 01 與 Paper 02 的更高階版本。 --- # 108. Boundary Expansion World Surface Coverage 低時： $$ O_{\text{boundary-expand}} $$ 應被提高優先級。 --- # 109. World Discovery 不是 Search Discovery Search discovery： > 找到新 query。 World discovery： > 找到新的可觀察世界區域。 這可能是： - 新資料庫； - 新 modality； - 新平台； - 新實驗介面； - 新工具； - 新實體類型。 --- # 110. 搜尋方法也是世界認識技能 所以舊 Omphalos 的 Search Method Corpus 仍然可以被視為： $$ \boxed{ \text{Externalized Epistemic Skill Library} } $$ 的一部分。 --- # 111. 與 Research Trajectory Compression 的關係 若某 operator / method 組合反覆有效： $$ (O,M,P)_{1:n} $$ 可以壓成： $$ \Omega $$ Research Option。 這讓系統下一次更快。 --- # 112. Search Strategy Memory 舊 Omphalos 的： $$ H_{\text{search}} $$ 現在可提升成： $$ H_{\text{epistemic}} $$ 。 --- # 113. Epistemic Strategy Memory 保存： - unknown type； - operator； - method； - provider； - evidence gain； - failure； - cost； - transfer success。 --- # 114. 同一模型可隨時間變得更會研究 即使： $$ \theta $$ 不變， 只要： $$ H_{\text{epistemic}} $$ 與： $$ \Omega $$ 累積， 能力仍可提升。 --- # 115. Search Intelligence 的重新定義 Search Intelligence 不應只表示： > 找到好結果。 而是： $$ \boxed{ \text{Know When Search Is the Right Epistemic Action} } $$ 。 --- # 116. 最強搜尋系統有時應選擇不搜尋 如果： $$ U_{\text{mechanism}} $$ 很高， 而 search 已 saturation， 真正高級的 Search Runtime 應輸出： > 不應繼續搜尋，應切換到 simulation / experiment。 這反而證明它理解搜尋的邊界。 --- # 117. Search Refusal as Intelligence 可寫： $$ \boxed{ \text{Search Intelligence} \supset \text{Knowing When Not to Search} } $$ 。 --- # 118. Deep Research 的真正提升方向 不是只有： $$ N_{\text{queries}}\uparrow $$ 或： $$ N_{\text{sources}}\uparrow $$ 。 而是： $$ \boxed{ \text{Epistemic State Awareness} + \text{Operator Switching} + \text{World Boundary Awareness} } $$ 。 --- # 119. 可證偽預測 ## 預測一 在 mechanism unknown 任務中，operator-aware agent 應比 search-only agent 更早停止無效搜尋並切換到其他方法。 ## 預測二 在 hidden-category 任務中，先做 unknown typing 的 Agent 應比直接 query decomposition 有更高 category recall。 ## 預測三 Provider diversity 提高，但 operator diversity 固定時，global epistemic coverage 不保證顯著提高。 ## 預測四 加入 world-surface registry 的 Agent 應更容易發現「目前所有搜尋都只覆蓋同一資訊表面」的問題。 ## 預測五 加入 action receipt 與 state-change logging 後，可更準確估計某次搜尋是否真的降低未知。 ## 預測六 search-saturation detector 應降低重複低資訊搜尋。 ## 預測七 允許 operator switching 的研究系統，在需要實驗或形式證明的 benchmark 上應顯著優於 retrieval-only agent。 --- # 120. Benchmark 草案 建立任務組： ### A — Pure Retrieval 答案已存在，搜尋即可。 ### B — Hidden Category 需 ontology expansion。 ### C — Conflict 需 discrimination。 ### D — Mechanism 搜尋只能提供背景，最終需 intervention / simulation。 ### E — Formal Proof 需 prover。 ### F — World-Surface Discovery 必須發現新的資料源或 modality。 比較： 1. search-only agent； 2. multi-search agent； 3. method-aware agent； 4. operator-aware agent； 5. world-rooted epistemic runtime。 評估： $$ \text{Unknown-Type Accuracy} $$ $$ \text{Operator Selection Accuracy} $$ $$ \text{Method Efficiency} $$ $$ \text{World-Surface Coverage} $$ $$ \text{State Change per Cost} $$ $$ \text{False Closure Rate} $$ 。 --- # 121. 主要命題 ## 命題一 $$ \boxed{ \text{Search} \subset \text{Epistemic Action} } $$ 。 ## 命題二 $$ \boxed{ \text{Epistemic Operator} \neq \text{Search Method} \neq \text{Provider} } $$ 。 ## 命題三 搜尋方法選擇應受 unknown type 與 epistemic goal 驅動。 $$ U_\tau \rightarrow O_\tau \rightarrow M $$ 。 ## 命題四 Provider Diversity 不推出 Epistemic Diversity。 $$ C_P\uparrow \not\Rightarrow C_O\uparrow $$ 。 ## 命題五 真正的搜尋智能包含 knowing when not to search。 ## 命題六 World Surface Coverage 是比 Provider Coverage 更高階的覆蓋指標。 ## 命題七 World-Rooted Runtime 中，搜尋是對世界進行觀察的一種算子，而不是認識活動的根節點。 --- # 122. 工程最小實作 最小 World-Rooted Search Runtime： ```text 1. Load current world state. 2. Detect and type unknowns. 3. Rank unknown impact. 4. Select epistemic operator. 5. If operator requires search: a. choose search method, b. choose provider, c. bind surface, d. execute. 6. Convert results into evidence objects. 7. Update world state. 8. Re-type unresolved unknowns. 9. Detect search saturation. 10. Switch operator when needed. ``` --- # 123. 最小資料結構 ```yaml epistemic_runtime: world_state: goals: unknowns: [] boundaries: [] operator: selected: rationale: method: selected: alternatives: [] provider: selected: availability: cost: latency: evidence: new: [] conflicts: [] state_update: known_delta: unknown_delta: boundary_delta: termination: stop_reason: closure_status: reopen_conditions: [] ``` --- # 124. 一個最小案例 問題： > 某新 AI 架構宣稱自己比 Full Attention 更有效率，是否真的由架構創新造成？ Search-first 系統： $$ T \rightarrow \text{search paper} \rightarrow \text{search commentary} \rightarrow \text{summary} $$ 。 World-rooted system 先建立： $$ U_{\text{mechanism}} + U_{\text{counter}} + U_{\text{temporal}} $$ 。 Operator： $$ O_{\text{discriminate}} + O_{\text{challenge}} $$ 。 Search Methods： - architecture lineage search； - independent reproduction search； - ablation search； - kernel implementation search。 若搜尋後仍： $$ U_{\text{mechanism}}\gg0 $$ 則切換： $$ O_{\text{simulate}} $$ 或： $$ O_{\text{experiment}} $$ 。 因此真正研究流程不是： $$ \text{Search More} $$ 而是： $$ \boxed{ \text{Know What Kind of Knowing Is Still Missing} } $$ 。 --- # 125. 與 Paper 00–07 的統一 Paper 00： $$ \text{Deep Research} \neq \text{Open-World Epistemic Research} $$ 。 Paper 01： $$ \text{Internet Access} \neq \text{Open-World Cognition} $$ 。 Paper 02： $$ \text{Local Depth} \neq \text{Global Coverage} $$ 。 Paper 03： $$ \text{Unknown} \neq \text{One State} $$ 。 Paper 04： $$ \text{Understanding} \neq \text{Boolean} $$ 。 Paper 05： $$ \text{Aha} = \text{Candidate Compression Kernel Formation} $$ 。 Paper 06： $$ K_{\text{person}} \neq K_{\text{product}} $$ 。 Paper 07： $$ \text{Concept} \neq \text{Formalization} \neq \text{Runtime} $$ 。 Paper 08 最終將它們接成： $$ \boxed{ W \rightarrow \hat W_t \rightarrow \mathbf U_t \rightarrow O_t \rightarrow M_t \rightarrow P_t \rightarrow E_{t+1} \rightarrow \hat W_{t+1} } $$ 。 --- # 126. 結論 搜尋曾經被視為研究系統的入口。 本文主張，在真正 Open-World Epistemic Runtime 中，它應被重新定位為： $$ \boxed{ \text{A Family of World-Observation Operators} } $$ 。 也就是： > 搜尋是一種認識世界的方法，但不是認識世界本身。 真正根節點是： $$ W $$ 。 真正中介狀態是： $$ \hat W_t $$ 與： $$ \mathbf U_t $$ 。 真正決策是： $$ O_t $$ 。 搜尋只在： $$ O_t \in \mathcal O_{\text{search}} $$ 時被調用。 因此： $$ \boxed{ \text{World} \succ \text{Epistemic Operator} \succ \text{Search Method} \succ \text{Provider} } $$ 。 這一層抽象使 Omphalos 從「如何搜尋」提升到： > **AI 如何知道現在需要以什麼方式去認識世界。** 而這也是從 Deep Research 走向真正 Open-World Epistemic Research 的必要轉折。 --- # 127. 與下一篇的銜接 下一篇 Paper 09 將處理整個系列最後的閉環： $$ \boxed{ \text{Epistemic Closure Runtime} } $$ 核心將包括： - Evidence； - Counter-Evidence； - Typed Unknown； - Boundary； - Compression Kernel； - Conditional Closure； - Reopen Conditions； - Research Capital； - Persistent Epistemic State。 也就是回答： > **什麼時候研究可以暫時結束？什麼時候只是停止？什麼時候必須重新打開？如何讓一個 AI、另一個 AI、甚至整個研究組織都能接續同一個認識狀態，而不是只閱讀上一輪報告？** --- # References 1. Bates, M. J. The Design of Browsing and Berrypicking Techniques for the Online Search Interface. *Online Review*, 1989. 2. Marchionini, G. Exploratory Search: From Finding to Understanding. *Communications of the ACM*, 2006. 3. Popper, K. R. *The Logic of Scientific Discovery*. 4. Simon, H. A. *The Sciences of the Artificial*. 5. EveMissLab. *DRC Search：生成式 AI 時代的非線性搜尋、共振式爬蟲與認知地圖生成方法*. 6. EveMissLab. *全域欲相位語義搜尋法 GIPSS v0.2：DRC–SGCD 統一架構*. 7. EveMissLab. *全域欲相位認識論 GIPE v0.1：從語義搜尋到主動科學介入*. 8. EveMissLab. *從資訊檢索到研究編譯：VRCA 理論模型 v0.1*. 9. EveMissLab. *Omphalos: From Search APIs to an AI-Native Search-Method Runtime v0.1*. 10. EveMissLab. *OWER Paper 00: From Deep Research to Open-World Epistemic Research*. 11. EveMissLab. *OWER Paper 01: The Internet-Access Illusion*. 12. EveMissLab. *OWER Paper 02: Local Attention Convergence and Global Epistemic Distortion*. 13. EveMissLab. *OWER Paper 03: Unknown Is Not One Thing*. 14. EveMissLab. *OWER Paper 04: Understanding-State Calculus*. 15. EveMissLab. *OWER Paper 05: Aha as Compression-Kernel Formation*. 16. EveMissLab. *OWER Paper 06: Institutional Epistemic Compression*. 17. EveMissLab. *OWER Paper 07: The Formalization Gap*. --- # Appendix A — Operator / Method / Provider Schema ```yaml epistemic_operator: id: goal: applicable_unknowns: [] preconditions: [] expected_state_change: candidate_methods: [] verifier: risk_class: search_method: id: operator_family: purpose: input_schema: output_schema: strengths: failure_modes: provider_requirements: provider: id: capabilities: [] surfaces: [] cost: latency: availability: policy: auth: ``` --- # Appendix B — World-Rooted Routing Skeleton ```text WORLD ↓ CURRENT EPISTEMIC STATE ↓ TYPED UNKNOWN ↓ EPISTEMIC OPERATOR ↓ AUTHORIZED OPERATOR ↓ METHOD ↓ PROVIDER ↓ SURFACE ↓ OBSERVATION / EVIDENCE ↓ WORLD-STATE UPDATE ↓ RETYPE / REPLAN / SWITCH / CLOSE / REOPEN ``` --- # Appendix C — 一句話命題 > **搜尋不是研究的根；真正的根是待認識的世界。AI 應先知道自己面對哪一種認識缺口，再決定是否搜尋、如何搜尋，以及何時應停止搜尋並切換到其他認識行動。**