# Paper 10｜從總記憶場到工作世界：Working-State Compiler 與世界重建

## From Global Memory Field to Working World: Working-State Compilation and World Reconstruction

**系列：** 反身多表示認知記憶架構系列（Reflexive Multi-Representation Cognitive Memory Architecture Series）  
**篇次：** Paper 10 / 14  
**作者：** Neo.K with Aletheia  
**機構：** EveMissLab／一言諾科技有限公司  
**版本：** v0.1 Canonical Draft  
**日期：** 2026-09-11  
**文件性質：** 工作記憶／世界重建／長期 continuity／記憶顯影與驗證  
**前篇：** Paper 09｜反身性不等於無限遞迴：停止條件、解晶與認知穩定性  
**Canonical Source：** UTF-8 Markdown  
**數學原始碼規範：** inline math 僅使用 ` $...$ `；display math 僅使用 `$$...$$`

---

## 摘要

當人工智慧擁有大規模長期記憶、高維關係場、多表示投影、AI Hyperlink、Semantic Crystal、X 階認知與反身停止機制後，一個最核心但常被低估的問題才真正出現：模型在某一個具體時刻，到底應該「載入什麼」？

現有架構常以 Context Window、Retrieved Chunks、Conversation Summary 或 Cache 近似 Working Memory，彷彿只要將相關內容塞回模型上下文，就等同恢復了先前工作的狀態。本文主張這種理解不夠。真正的工作記憶不是一段文字，也不是 Top-K 檢索結果，而是一個經由來源治理、條件顯影、局部解纏、歷史回溯、任務重糾纏與驗證後形成的 **可延續局部世界（continuable local working world）**。

本文提出 **Working-State Compiler（工作態編譯器）**，將大尺度記憶場：

$$
\mathfrak M_t
$$

依任務條件：

$$
\xi
=
(q,g,c,t,o,a,w,r,b)
$$

編譯為：

$$
\boxed{
\widehat{\mathbb W}_{\xi,t}^{*}
=
\mathcal V_{\xi}
\circ
\mathcal U_{\mathrm{work}}
\circ
\mathcal B_{\xi}
\circ
\Delta_{\mathcal P,C}
\circ
\Pi_{\xi}
\circ
\Gamma_{\xi}
(
\mathfrak M_t
)
}
$$

其中：

- $\Gamma_{\xi}$：governance / authority filtering；
- $\Pi_{\xi}$：task-conditioned semantic revealing；
- $\Delta_{\mathcal P,C}$：local disentanglement；
- $\mathcal B_{\xi}$：temporal / causal / branch backtracking；
- $\mathcal U_{\mathrm{work}}$：working-state re-entanglement / synthesis；
- $\mathcal V_{\xi}$：validation。

本文因此明確區分：

$$
\boxed{
\text{Long-Term Memory}
\neq
\text{Working Memory}
\neq
\text{Context Window}
\neq
\text{World State}.
}
$$

Long-Term Memory 是可恢復 substrate 與演化結構；Working Memory 是針對當前 task 編譯出的可操作狀態；Context Window 只是 Working Memory 的一種 runtime serialization；World State 則是 AI 對外部／內部現況的當前模型化，而不等於記憶本身。

本文進一步提出 Working-State Object、Memory Backtracking、Direct Recall、Derived Recall、Relational Reconstruction、Gap Inference、Unknown Preservation、Branch-Safe Reconstruction、Forward Replay、Consistency Validation、Continuation Invariant、Resume Point、Do-Not-Redo Set、Open-Loop Set、Current-State Projection、World Reconstruction Confidence、Snapshot-Bound Working State 與 Working-State Crystal 等機制。

尤其重要的是，本文區分：

$$
\boxed{
\text{Retrieved Evidence}
\neq
\text{Recovered Memory}
}
$$

以及：

$$
\boxed{
\text{Recovered Memory}
\neq
\text{Recovered Working State}.
}
$$

AI 不應把缺失的歷史自動補成「記憶」。當資訊僅能由關係推導或 gap inference 補全時，必須明確標記 epistemic origin，避免 narrative hallucination。最終的 Working State 必須能回答：

- 我現在在做什麼？
- 為什麼做到這裡？
- 哪些事情已完成？
- 哪些路徑已失敗？
- 哪些 constraint 仍有效？
- 哪些 unresolved nodes 仍開放？
- 哪些 source / version 支持當前狀態？
- 下一個合法動作是什麼？

本文將這種能力稱為：

$$
\boxed{
\text{World-Reconstructive Memory}.
}
$$

其終極衡量標準不再是「能否找回過去的文字」，而是：

$$
\boxed{
\text{Can the AI reconstruct a valid local world from which work can correctly continue?}
}
$$

**關鍵詞：** Working-State Compiler、Working Memory、World Reconstruction、Memory Backtracking、Dynamic Revealing、Continuity、Resume State、World-Reconstructive Memory、Long-Term Memory、Context Window

---

# 0. 本篇定位：前面都在建立記憶世界，這篇處理「現在到底拿什麼來想」

到 Paper 09 為止，我們已經建立：

- memory field；
- graph projection；
- representation ecology；
- controlled distortion；
- precision escalation；
- cognitive hyperlink；
- semantic crystal；
- X-order cognition；
- reflexive stop。

但如果模型每次開始 task 時仍只是：

$$
TopK(Search(q))
$$

然後把結果塞進 context，

那整個高階架構並沒有真正落地。

真正的問題是：

$$
\boxed{
\text{How do we reconstruct the current working world?}
}
$$

---

# 1. Retrieval 不是 Working Memory

傳統：

$$
q
\rightarrow
Retrieve(d_1,\ldots,d_k).
$$

這只能保證：

> 找到一些相關內容。

但不能保證：

- 這些內容是 current；
- 版本一致；
- branch 正確；
- 已完成／未完成狀態正確；
- failure history 被保存；
- source authority 正確；
- next step 可推進。

所以：

$$
\boxed{
\text{Retrieved Content}
\neq
\text{Working Memory}.
}
$$

---

# 2. Summary 也不是 Working Memory

Conversation Summary 可以壓縮：

$$
\text{Transcript}
\rightarrow
\text{Summary}.
$$

但 summary 常缺：

- exact decision；
- branch；
- open loop；
- source；
- authority；
- failed route；
- current version。

所以：

$$
\boxed{
\text{Summary}
\neq
\text{Working State}.
}
$$

---

# 3. Context Window 也不是 Working Memory

Context Window 是：

$$
C_t
=
\text{runtime input serialization}.
$$

Working Memory 是：

$$
W_t
=
\text{task-structured continuable state}.
$$

因此：

$$
\boxed{
C_t
=
Serialize(W_t)
}
$$

可能成立，

但：

$$
\boxed{
W_t
\neq
C_t.
}
$$

---

# 4. Working Memory 的真正功能

Working Memory 不是：

> 最近看過什麼。

而是：

> 現在為了正確繼續，需要同時 active 的狀態集合。

所以：

$$
\boxed{
\text{Working Memory}
=
\text{Task-Conditioned Active Cognitive State}.
}
$$

---

# 5. Long-Term Memory

令：

$$
\mathfrak M_t
$$

為長期記憶場。

包含：

- raw sources；
- events；
- relations；
- versions；
- crystals；
- branches；
- failures；
- epistemic states。

它的規模可以很大。

---

# 6. Working State

令：

$$
\widehat{\mathbb W}_{\xi,t}^{*}
$$

為當前工作態。

它應該很小，但結構完整。

---

# 7. Context

令：

$$
C_{\xi,t}
$$

為投給當前模型的 serialization。

所以：

$$
\widehat{\mathbb W}_{\xi,t}^{*}
\xrightarrow{Serialize_M}
C_{\xi,t}.
$$

不同模型可有不同：

$$
Serialize_M.
$$

---

# 8. World State

令：

$$
\widehat{\mathcal W}_t
$$

表示 AI 對「現在世界」的模型。

這不等於 memory。

因為 memory 可以包含：

- 已失效狀態；
- 歷史狀態；
- alternate branches；
- rejected hypotheses。

World State 則要回答：

> 現在最可能／最有效的世界狀態是什麼？

---

# 9. 四者關係

因此：

$$
\boxed{
\mathfrak M_t
\rightarrow
\widehat{\mathbb W}_{\xi,t}^{*}
\rightarrow
C_{\xi,t}
}
$$

同時：

$$
\mathfrak M_t
\rightarrow
\widehat{\mathcal W}_t.
$$

但：

$$
\widehat{\mathbb W}_{\xi,t}^{*}
$$

通常只取：

$$
\widehat{\mathcal W}_t
$$

的一個 task-local slice。

---

# 10. Working-State Compiler

本文正式提出：

$$
\boxed{
\mathcal C_W
:
(
\mathfrak M_t,
\xi,
M
)
\rightarrow
\widehat{\mathbb W}_{\xi,t}^{*}.
}
$$

---

# 11. Condition $\xi$

定義：

$$
\xi
=
(
q,
g,
c,
t,
o,
a,
w,
r,
b
)
$$

其中：

- $q$：query；
- $g$：goal；
- $c$：context；
- $t$：time；
- $o$：observer / agent；
- $a$：authority；
- $w$：current working assumptions；
- $r$：risk；
- $b$：budget。

---

# 12. Compiler Pipeline

$$
\boxed{
\widehat{\mathbb W}_{\xi,t}^{*}
=
\mathcal V_{\xi}
\circ
\mathcal U_{\mathrm{work}}
\circ
\mathcal B_{\xi}
\circ
\Delta_{\mathcal P,C}
\circ
\Pi_{\xi}
\circ
\Gamma_{\xi}
(
\mathfrak M_t
)
}
$$

這是本篇核心形式。

---

# 13. $\Gamma_{\xi}$：治理選擇

第一步不是 retrieval。

而是：

> 哪些 memory 對這個 observer / authority 可見、可用、可寫？

因此：

$$
\Gamma_{\xi}
$$

先處理：

- access；
- visibility；
- authority；
- privacy；
- freshness policy。

---

# 14. Why Governance Comes First

如果先 retrieval 再 redaction，

可能已發生：

- leakage；
- unauthorized embedding；
- hidden relation inference。

所以治理應在顯影前。

---

# 15. $\Pi_{\xi}$：動態語義顯影

接 Paper 02。

不是所有可見 memory 都 active。

$$
\Pi_{\xi}
:
\mathfrak M
\rightarrow
\mathcal K_{\xi}
$$

只顯影與 task 有關的局部結構。

---

# 16. Revealing ≠ Retrieval

Retrieval：

> 找候選。

Revealing：

> 決定候選在當前 task 的角色與可見度。

所以：

$$
\boxed{
\text{Retrieval}
\neq
\text{Revealing}.
}
$$

---

# 17. $\Delta_{\mathcal P,C}$：局部解纏

Memory 中可能有：

- 多 branch；
- 多 agent；
- 多 version；
- 多 conflicting claims。

Working State 不能全部混在一起。

所以需要：

$$
\boxed{
\text{local disentanglement}.
}
$$

---

# 18. 解纏不是丟關係

它是：

> 恢復必要的來源邊界、版本邊界、責任邊界與 branch 邊界。

---

# 19. Branch Separation

例如：

$$
B_1,B_2
$$

是不同 hypothesis。

不能 merge 成：

$$
Average(B_1,B_2).
$$

---

# 20. Version Separation

$$
v_1
$$

與：

$$
v_2
$$

不能混成 hybrid state。

---

# 21. Agent Separation

Agent A 的 proposal：

$$
\neq
$$

Agent B 的 decision。

---

# 22. $\mathcal B_{\xi}$：Backtracking

單靠現在的 node 還不夠。

需要回溯：

- 怎麼到這裡；
- 什麼事件造成現在；
- 哪些 branch 被關閉；
- 哪些 decision 已 commit。

---

# 23. Temporal Backtracking

$$
State_t
\leftarrow
State_{t-1}
\leftarrow
\cdots
$$

只回需要的區段。

---

# 24. Causal Backtracking

追：

$$
\text{Effect}
\leftarrow
\text{Cause}.
$$

---

# 25. Version Backtracking

追：

$$
v_n
\leftarrow
v_{n-1}.
$$

---

# 26. Branch Backtracking

追：

$$
\text{CurrentBranch}
\leftarrow
\text{ForkPoint}.
$$

---

# 27. $\mathcal U_{\mathrm{work}}$：Working-State Re-entanglement

解纏後，還要重新組合成：

$$
\boxed{
\text{current task-local coherent state}.
}
$$

這不是把所有內容 union。

---

# 28. Controlled Re-entanglement

將：

- current goal；
- valid constraints；
- current branch；
- current version；
- relevant source；
- open loops；

重新耦合。

---

# 29. Working-State Synthesis

$$
W
=
Synthesize(
\text{Goal},
\text{State},
\text{Constraints},
\text{History},
\text{OpenLoops},
\text{NextActions}
).
$$

---

# 30. $\mathcal V_{\xi}$：Validation

最後檢查：

- version consistency；
- branch consistency；
- source support；
- authority；
- missing critical fields；
- contradiction。

---

# 31. Why Validation Comes Last

因為重建本身可能：

- 遺漏；
- 誤合併；
- 推錯 branch。

所以 Working State 需要驗收。

---

# 32. Working-State Object

本文定義：

$$
\boxed{
W
=
(
\text{ID},
\text{Goal},
\text{CurrentState},
\text{Completed},
\text{OpenLoops},
\text{Constraints},
\text{Decisions},
\text{RejectedPaths},
\text{Sources},
\text{Versions},
\text{Unknowns},
\text{NextEntry},
\text{Authority},
\text{Risk}
)
}
$$

---

# 33. Goal

$$
Goal(W)
$$

是現在真正要完成什麼。

---

# 34. CurrentState

不是 summary。

而是：

$$
\boxed{
\text{the smallest valid state sufficient to continue}.
}
$$

---

# 35. Completed

保：

$$
\mathcal D
$$

已完成項目。

這能防重做。

---

# 36. Open Loops

$$
\mathcal O
$$

尚未完成。

---

# 37. Constraints

$$
\mathcal C
$$

仍有效。

---

# 38. Decisions

$$
\mathcal Q
$$

已做出的 commitment。

---

# 39. Rejected Paths

$$
\mathcal R^-
$$

已知失敗／不採用 route。

---

# 40. Sources

$$
\mathcal S
$$

支撐 working state。

---

# 41. Versions

$$
\mathcal V
$$

目前依賴的 canonical heads。

---

# 42. Unknowns

$$
\mathcal U.
$$

---

# 43. Next Entry

$$
\boxed{
NextEntry(W)
}
$$

是最重要欄位之一。

它回答：

> 下一個合法、有效、未重做的動作是什麼？

---

# 44. Authority

現在有哪些：

- read；
- write；
- execute；

權限。

---

# 45. Risk

當前 action 的 risk profile。

---

# 46. Continuation Invariant

本文提出：

$$
\boxed{
I_{cont}
=
\{
\text{Goal},
\text{CurrentState},
\text{Constraints},
\text{Decisions},
\text{OpenLoops},
\text{NextEntry}
\}.
}
$$

如果這些丟失，resume quality 會大幅下降。

---

# 47. Resumability

定義：

$$
R_s
=
P(
\text{correct continuation}
|
W
).
$$

---

# 48. Working Memory Quality

比起 text similarity，更應測：

$$
\boxed{
\text{Resume Success}.
}
$$

---

# 49. Remembered vs Reconstructed

這是本篇最重要區分之一。

如果某件事直接在 historical record 中：

$$
\text{Remembered}.
$$

如果由 relation / event chain 推導：

$$
\text{Reconstructed}.
$$

---

# 50. Direct Recall

$$
D
$$

直接來自：

- event；
- source；
- explicit state。

---

# 51. Derived Recall

$$
D'
$$

由已記錄 facts 演繹。

---

# 52. Relational Reconstruction

$$
R'
$$

由：

- time；
- causality；
- branch；
- version；

關係恢復。

---

# 53. Gap Inference

若歷史有缺口：

$$
G.
$$

系統可能推：

$$
\widehat G.
$$

但：

$$
\boxed{
\widehat G
\neq
Remembered(G).
}
$$

---

# 54. Gap Inference Must Be Labeled

至少標：

$$
origin=inferred.
$$

---

# 55. Narrative Hallucination

最危險情況：

缺一段歷史。

AI 生成 plausible story。

然後把它當 memory。

這是：

$$
\boxed{
\text{Narrative Memory Hallucination}.
}
$$

---

# 56. Anti-Narrative-Hallucination Rule

任何 inferred bridge 都必須：

- 標 unknown / inferred；
- 保 alternatives；
- 可被 source 覆蓋；
- 不升 canonical。

---

# 57. Memory ≠ Story

長期 continuity 不需要一個漂亮 narrative。

它需要：

$$
\boxed{
\text{epistemically typed continuity}.
}
$$

---

# 58. Epistemic Origin Tag

每個 Working State element 可標：

$$
\text{Origin}
\in
\{
OBSERVED,
RECORDED,
DERIVED,
RECONSTRUCTED,
INFERRED,
UNKNOWN
\}.
$$

---

# 59. Observed

來自 sensor / external source。

---

# 60. Recorded

當時明確寫入。

---

# 61. Derived

邏輯推導。

---

# 62. Reconstructed

依 relation / history 恢復。

---

# 63. Inferred

缺口假設。

---

# 64. Unknown

沒有足夠資訊。

---

# 65. Origin Must Survive Serialization

不能因寫成自然語言，就丟 epistemic type。

---

# 66. Forward Replay

Backtracking 完成後，

可以從歷史起點：

$$
S_{t_0}
$$

向前 replay：

$$
S_{t_0}
\rightarrow
S_{t_1}
\rightarrow
\cdots
\rightarrow
S_t.
$$

看是否重建到 current state。

---

# 67. Forward Replay as Validator

若 replay 結果：

$$
\widehat S_t
$$

與 current：

$$
S_t
$$

不一致，

表示 reconstruction 有問題。

---

# 68. Replay Distance

$$
D_{replay}
=
d(
\widehat S_t,
S_t
).
$$

---

# 69. Replay Failure

可能表示：

- missing event；
- wrong branch；
- stale version；
- hidden mutation；
- source corruption。

---

# 70. Reverse + Forward Validation

所以最佳流程：

$$
\boxed{
\text{Backward Reconstruction}
+
\text{Forward Replay}
}
$$

---

# 71. Working-State Compiler Is Not Just Summarizer

它更像：

$$
\boxed{
\text{semantic state linker + historian + validator + compiler}.
}
$$

---

# 72. Working-State Resolution Levels

可定義：

$$
\rho_0,\rho_1,\rho_2,\rho_3.
$$

---

# 73. $\rho_0$: Crystal Resume

只載高階 Crystal。

---

# 74. $\rho_1$: Working Graph

載 open loops / decisions / dependencies。

---

# 75. $\rho_2$: Exact State

載 version / source / contract。

---

# 76. $\rho_3$: Raw Replay

完整必要歷史。

---

# 77. Adaptive Working-State Resolution

先：

$$
\rho_0.
$$

若 conflict：

$$
\rho_1.
$$

若 high risk：

$$
\rho_2.
$$

若 audit：

$$
\rho_3.
$$

---

# 78. Working-State Crystal

已編譯成功的 Working State 可形成：

$$
K_W.
$$

---

# 79. Working-State Crystal Purpose

快速：

$$
\text{ColdStart}
\rightarrow
\text{Resume}.
$$

---

# 80. But Working-State Crystal Can Be Stale

所以需：

- source snapshot；
- version；
- freshness；
- reopen trigger。

---

# 81. Snapshot-Bound Working State

定義：

$$
SSV_W
=
(
v_1,\ldots,v_n
).
$$

工作態依賴哪些 canonical heads。

---

# 82. Resume Check

重新載入：

$$
K_W
$$

時比較：

$$
SSV_{saved}
$$

與：

$$
SSV_{current}.
$$

---

# 83. Snapshot Match

若 critical heads 未變：

$$
\text{FastResume}.
$$

---

# 84. Snapshot Mismatch

若改變：

$$
\text{ReconstructAffectedRegion}.
$$

不必整個重建。

---

# 85. Incremental Recompilation

這是：

$$
\boxed{
\text{Incremental Working-State Compilation}.
}
$$

---

# 86. Local Invalidation

只 invalid：

$$
W_{affected}.
$$

---

# 87. Dependency-Aware Invalidation

需知道：

$$
Dep(W).
$$

---

# 88. Working-State Dependency Graph

$$
G_W
=
(V_W,E_W).
$$

記錄 state component 的依賴。

---

# 89. Partial Resume

如果只有某 subtask changed，

其餘可直接保留。

---

# 90. This Is Better Than Re-reading Everything

降低：

- token；
- latency；
- source fetch。

---

# 91. World Reconstruction

Working State 不只恢復 task。

有些 task 需要恢復：

$$
\widehat{\mathcal W}_{\xi,t}.
$$

即 local world model。

---

# 92. Working World

本文定義：

$$
\boxed{
\mathcal W^{work}_{\xi,t}
=
(
\text{Entities},
\text{Relations},
\text{States},
\text{Constraints},
\text{History},
\text{Uncertainty},
\text{Affordances}
)
}
$$

---

# 93. Affordances

非常重要。

World reconstruction 不只回答：

> 現在是什麼？

還要回答：

> 現在可以做什麼？

---

# 94. Actionable World

因此：

$$
\boxed{
\text{Working World}
=
\text{State}
+
\text{Possible Actions}.
}
$$

---

# 95. Affordance Set

$$
\mathcal A_W
=
\{
a_1,\ldots,a_n
\}.
$$

---

# 96. Authority-Aware Affordance

不是所有可能 action 都合法。

所以：

$$
\mathcal A_W^{legal}
\subseteq
\mathcal A_W.
$$

---

# 97. Working World vs World Model

Global World Model：

$$
\mathcal W_{global}
$$

可以巨大。

Working World：

$$
\mathcal W^{work}
$$

只對 task materialize。

---

# 98. World Projection

$$
\mathcal W_{global}
\xrightarrow{\Pi_{\xi}}
\mathcal W^{work}_{\xi}.
$$

---

# 99. World Reconstruction Confidence

$$
Conf_W
$$

不能只看 model certainty。

應包括：

- source coverage；
- version freshness；
- replay consistency；
- unresolved branches；
- inference proportion。

---

# 100. Reconstruction Confidence Vector

$$
\mathbf C_W
=
(
C_{source},
C_{version},
C_{branch},
C_{causal},
C_{temporal},
C_{inference}
).
$$

---

# 101. High Inference Ratio

如果 Working World 很多是 inferred：

$$
\text{ConfidenceCeiling}\downarrow.
$$

---

# 102. Branch-Safe World Reconstruction

若有兩個 possible branches：

$$
B_1,B_2,
$$

不要 merge。

可以：

$$
\mathcal W^{work}
=
\{
W_{B_1},
W_{B_2}
\}.
$$

---

# 103. Multi-World Working State

在 uncertainty 高時：

$$
\boxed{
\text{Working State can preserve multiple plausible worlds}.
}
$$

---

# 104. Collapse Only When Needed

Commit 前可能需：

$$
\text{Resolve}.
$$

Explore 可以保多 worlds。

---

# 105. Counterfactual Working Worlds

也可以 materialize：

$$
W^{cf}.
$$

但必須標：

$$
\text{counterfactual}.
$$

---

# 106. World State Origin

Actual / Estimated / Counterfactual / Simulated 必須分開。

---

# 107. Working State and Simulation

AI 可從 current working world：

$$
W_t
$$

模擬：

$$
W_{t+1}^{sim}.
$$

---

# 108. Simulation Is Not Memory

$$
\boxed{
\text{Simulated Future}
\neq
\text{Remembered Past}.
}
$$

---

# 109. But Simulation Can Become Decision Evidence

它可作：

$$
\text{DerivedEvidence}.
$$

---

# 110. Working-State Compiler and X-Order Cognition

一階 cognition 需要：

$$
W^{(1)}.
$$

二階：

$$
W^{(2)}.
$$

---

# 111. Order-Relative Working State

Paper 08 已提出：

$$
\widehat W^{(k)}.
$$

本篇給它 compiler。

---

# 112. First-Order Compilation

偏：

- task；
- current objects；
- immediate constraints。

---

# 113. Second-Order Compilation

偏：

- route；
- assumptions；
- failure；
- confidence；
- representation choice。

---

# 114. Third-Order Compilation

偏：

- policy；
- evaluator；
- strategic lens；
- architecture state。

---

# 115. Different Orders Need Different Memory Projection

所以：

$$
\boxed{
\mathcal C_W^{(k)}
}
$$

可能不同。

---

# 116. Working State and Stop

Paper 09 的 closure object：

$$
C
$$

可直接成為下一次：

$$
W_{seed}.
$$

---

# 117. Closure-to-Resume

$$
\text{Closure}
\rightarrow
\text{WorkingState}.
$$

這建立 continuity。

---

# 118. Stop Receipt as Memory

Stop Receipt 不是 log noise。

它是 resume source。

---

# 119. Reopen Trigger in Working State

如果 closure 有：

$$
reopen\_if,
$$

working compiler 要載入。

---

# 120. Do-Not-Redo Set

本文正式定義：

$$
\boxed{
\mathcal D^{-}
}
$$

為已知不應重做的項目。

---

# 121. Why Do-Not-Redo Matters

長期 Agent 最常見浪費：

> 每次忘記前一輪失敗，又重新做一次。

---

# 122. Failure Memory

至少保：

$$
(
\text{route},
\text{failure},
\text{condition},
\text{version},
\text{avoidance}
).
$$

---

# 123. Failure Can Be Contextual

某 route 在：

$$
v_1
$$

失敗，不代表：

$$
v_2
$$

仍失敗。

所以 Do-Not-Redo 要 version-bound。

---

# 124. Open-Loop Set

$$
\boxed{
\mathcal O_{open}
}
$$

包括：

- unresolved question；
- pending dependency；
- deferred validation；
- future action。

---

# 125. Open Loop Has State

可有：

$$
PENDING,
BLOCKED,
DEFERRED,
READY.
$$

---

# 126. Pending External Dependency

例如：

$$
waiting\_for\_reply.
$$

不是 cognition failure。

---

# 127. Ready Loop

條件已滿足，可 next action。

---

# 128. Next Entry Selection

如果多個：

$$
o_i\in\mathcal O_{open},
$$

需選：

$$
o^*
=
\arg\max
Priority(o_i).
$$

---

# 129. Priority

可考慮：

- dependency；
- risk；
- value；
- deadline；
- cost。

---

# 130. Exact Next Entry

真正 resume 最重要：

$$
\boxed{
\text{not “what were we talking about?” but “what is the next valid move?”}
}
$$

---

# 131. Working-State Compiler and Agent Handoff

Agent A：

$$
W_A
$$

可編成：

$$
\text{HandoffBundle}.
$$

---

# 132. Handoff Bundle

至少：

- goal；
- state；
- completed；
- open loops；
- constraints；
- source handles；
- next entry。

---

# 133. Handoff Resume Test

B 能否：

$$
\text{ResumeCorrectly}.
$$

---

# 134. Handoff Need Not Preserve Style

style 不一定是 continuation invariant。

---

# 135. Handoff Need Preserve Decision Lineage

尤其高風險 task。

---

# 136. Working-State Compiler and Multi-Agent Shared Memory

不同 Agent 可從同一：

$$
\mathfrak M
$$

編譯：

$$
W_A,W_B.
$$

---

# 137. Shared Memory Does Not Imply Identical Working State

$$
W_A\neq W_B
$$

可能完全正常。

---

# 138. Agent Role Conditions Projection

Reviewer 與 worker 需要不同 state。

---

# 139. Worker Working State

偏：

- task；
- artifacts；
- immediate constraints。

---

# 140. Reviewer Working State

偏：

- claims；
- tests；
- failure；
- assumptions。

---

# 141. Governor Working State

偏：

- authority；
- policy；
- risk；
- provenance。

---

# 142. Working State Is Role-Relative

$$
W
=
W(
\text{task},
\text{role},
\text{authority}
).
$$

---

# 143. Working-State Compiler and Capability Gate

弱模型需要更簡化：

$$
W_{simple}.
$$

強模型可處理：

$$
W_{rich}.
$$

---

# 144. Model-Aware Compilation

$$
\mathcal C_W(
\mathfrak M,
\xi,
M
).
$$

---

# 145. Capacity-Aware State Size

如果模型 context / reasoning capacity 小，

compiler 要：

- more crystal；
- less raw；
- narrower branch。

---

# 146. Strong Model

可載：

- multi-branch；
- richer graph；
- lower-level evidence。

---

# 147. Same Memory, Different Working Worlds

所以：

$$
\boxed{
\text{Model capability changes projection, not canonical history}.
}
$$

---

# 148. Working-State Distortion

每次 compile 都有：

$$
D_W.
$$

---

# 149. Working-State Invariants

至少：

$$
I_W
=
\{
\text{Goal},
\text{Decision},
\text{Constraint},
\text{OpenLoop},
\text{NextEntry},
\text{Version}
\}.
$$

---

# 150. Working-State Loss Receipt

記：

- hidden details；
- omitted branches；
- unresolved gaps；
- low-confidence reconstruction。

---

# 151. Working State Can Be Lossy

只要 continuation invariants 保住。

---

# 152. Overloaded Working State

如果塞太多：

$$
\text{Interference}\uparrow.
$$

---

# 153. Underloaded Working State

如果太少：

$$
ResumeError\uparrow.
$$

---

# 154. Working-State Optimality

所以：

$$
\boxed{
\text{Minimum sufficient continuable state}.
}
$$

---

# 155. Working-State Utility

$$
U_W
=
\text{ResumeQuality}
+
\text{DecisionQuality}
-
\text{ContextCost}
-
\text{Interference}.
$$

---

# 156. Context Compiler

Working State 最後再：

$$
Serialize_M.
$$

---

# 157. Context Format

可以是：

- natural language；
- structured JSON；
- graph slice；
- tool state；
- mixed representation。

---

# 158. Context Serialization Is Replaceable

如果未來模型支援 tensor-native input，

$$
Serialize_M
$$

可以改。

Working State ontology 不必改。

---

# 159. This Is Future-Proof

同一：

$$
W
$$

可給不同世代模型。

---

# 160. Working-State and Memory Crystals

Working State 可直接引用 Crystal ID。

---

# 161. Lazy Expansion

只有模型要求時：

$$
Expand(K).
$$

---

# 162. Crystal Pointer + Contract

這比把完整內容都塞 context 有效。

---

# 163. But Model Must Know How to Expand

需要 hyperlink / tool interface。

---

# 164. Working-State Compiler as Semantic OS Layer

它開始像：

$$
\boxed{
\text{cognitive operating system memory manager}.
}
$$

---

# 165. Similarity to Virtual Memory

可以類比：

- long-term store = disk；
- working state = active memory；
- crystals = compiled pages；
- context = process address space。

但只是類比。

---

# 166. Unlike Virtual Memory

Cognitive memory 具有：

- epistemic state；
- ambiguity；
- branch；
- relation；
- semantic loss。

所以更複雜。

---

# 167. Working State and Event Sourcing

Current state 可從 event log重建。

---

# 168. Event-Sourced Reconstruction

$$
S_t
=
Fold(
E_1,\ldots,E_t
).
$$

---

# 169. But Not All Memory Is Event-Sourced

有些 knowledge / relation 是 derived。

所以 Working Compiler 要混合：

- event；
- relation；
- source；
- crystal。

---

# 170. Hybrid Reconstruction

$$
W
=
F(
\text{Events},
\text{Relations},
\text{Sources},
\text{Crystals},
\text{CurrentProjection}
).
$$

---

# 171. Source of Truth Is Plural by Domain

某些 domain：

- event log canonical；
- git commit canonical；
- authority graph canonical；
- external source canonical。

因此 Working Compiler 要尊重 canonical domain。

---

# 172. Source Snapshot Vector

承接 Paper 06：

$$
SSV
=
(
v_{event},
v_{authority},
v_{artifact},
v_{task},
v_{policy}
).
$$

---

# 173. Working State Bound to Snapshot

$$
W
@
SSV_t.
$$

---

# 174. Reproducible Resume

若 snapshot 可重建：

$$
W_t
$$

應可近似 reproduce。

---

# 175. Reproducibility Test

$$
\text{Compile}(
M_t,\xi
)
\approx
\text{Compile}(
M_t,\xi
)
$$

在 deterministic parts。

---

# 176. Non-Deterministic Components

LLM inference 可能有 variation。

所以要驗證 invariants，不是 byte equality。

---

# 177. Working-State Equivalence

$$
W_A
\equiv_{cont}
W_B
$$

若兩者能導致相同合法 continuation。

---

# 178. Continuation Equivalence

這比 textual equivalence 更重要。

---

# 179. Working-State Drift

如果 cache 很久：

$$
W_{cached}
$$

可能 drift。

---

# 180. Drift Sources

- source update；
- external world change；
- policy change；
- branch change；
- authority change。

---

# 181. Drift Check

在 resume 前：

$$
\text{CheckSnapshot}.
$$

---

# 182. External World Drift

即使 memory 沒變，

world 已變。

所以要 refresh current external facts。

---

# 183. Memory World vs External World

$$
\boxed{
\text{Stored World}
\neq
\text{Current External World}.
}
$$

---

# 184. World Refresh

對 volatile state：

$$
Refresh()
$$

必須走 external source / sensor。

---

# 185. Working-State Compiler Must Know Volatility

某 field：

$$
\text{static}.
$$

某 field：

$$
\text{volatile}.
$$

---

# 186. Volatility Profile

例如：

- proof theorem：低；
- stock price：高；
- permission：中高；
- code branch：中。

---

# 187. Freshness Policy

$$
TTL(field).
$$

---

# 188. Working State and Real-Time Data

真正 current data 不應由 memory hallucinate。

需：

$$
\text{sensor/search/tool}.
$$

---

# 189. Historical Memory Helps Interpret Live Data

memory 提供 context。

live source 提供 current truth。

---

# 190. World Reconstruction Formula

可寫：

$$
\boxed{
\widehat{\mathcal W}_{t}
=
\mathcal R(
M_{\le t},
E_t^{live},
P_t,
V_t
)
}
$$

---

# 191. Memory and Live Evidence Fusion

$$
\text{Historical}
+
\text{Live}
\rightarrow
\text{CurrentWorld}.
$$

---

# 192. Fusion Requires Source Separation

不能把 live / historical 混成同類。

---

# 193. World-Reconstructive Memory

本文正式定義：

$$
\boxed{
\text{World-Reconstructive Memory}
=
\text{memory architecture capable of rebuilding a valid actionable local world}.
}
$$

---

# 194. It Is Stronger Than Recall

Recall：

> 找回一段內容。

World Reconstruction：

> 重建 entities、relations、state、history、uncertainty、affordances。

---

# 195. It Is Stronger Than RAG

RAG 主要：

$$
\text{Retrieve}
\rightarrow
\text{Generate}.
$$

WRM：

$$
\text{Govern}
\rightarrow
\text{Reveal}
\rightarrow
\text{Disentangle}
\rightarrow
\text{Backtrack}
\rightarrow
\text{Reconstruct}
\rightarrow
\text{Validate}
\rightarrow
\text{Continue}.
$$

---

# 196. Working-State Compiler as Core of WRM

沒有：

$$
\mathcal C_W,
$$

memory field 無法真正服務 Agent continuity。

---

# 197. Memory Is Not Valuable Until It Can Reconstruct Work

這是本篇核心工程立場。

---

# 198. Retrieval Success Can Hide Resume Failure

即使 top-k 找到正確文件，

如果：

- branch 錯；
- next step 錯；
- failure history漏；

Agent 仍會做錯。

---

# 199. Resume Benchmark

因此 benchmark 應給：

> 中斷一個長 task，再讓新 Agent 接手。

測：

- 是否重做；
- 是否走錯 branch；
- 是否保 constraints；
- 是否找到 next entry。

---

# 200. Long-Gap Resume

測：

$$
gap=1h,1d,1w,1m.
$$

---

# 201. Cross-Model Resume

讓不同模型接手。

這測真正 machine-independent memory quality。

---

# 202. Cross-Agent Resume

不同 agent role。

---

# 203. Cross-Version Resume

memory schema 升級後仍能重建。

---

# 204. Working-State Reconstruction Failure Taxonomy

至少：

1. source omission；
2. wrong version；
3. wrong branch；
4. false inference；
5. lost constraint；
6. lost decision；
7. repeated failure route；
8. stale external state；
9. authority mismatch；
10. wrong next entry。

---

# 205. Source Omission

缺 critical source。

---

# 206. Wrong Version

載入舊 state。

---

# 207. Wrong Branch

混了 alternate timeline。

---

# 208. False Inference

gap 被編故事。

---

# 209. Lost Constraint

resume 後違反 prior rule。

---

# 210. Lost Decision

重新討論已決定事項。

---

# 211. Repeated Failure

重走已失敗 route。

---

# 212. Stale External State

依舊市場 / 系統狀態行動。

---

# 213. Authority Mismatch

過去有權，現在沒權。

---

# 214. Wrong Next Entry

工作續錯地方。

---

# 215. Reconstruction Error Attribution

要知道是哪一步：

$$
\Gamma,
\Pi,
\Delta,
\mathcal B,
\mathcal U,
\mathcal V
$$

出錯。

---

# 216. Compiler Observability

每次 compile 可產：

$$
\boxed{
\text{CompilationReceipt}
}
$$

---

# 217. Compilation Receipt

包含：

```text
task_id
source_snapshot
selected_sources
active_branches
applied_crystals
inferred_gaps
validation_results
omitted_regions
next_entry
```

---

# 218. Working-State Audit

可回答：

> 為什麼這個 state 出現在 context？

---

# 219. Explainable Memory Loading

這比「vector similarity 0.83」更有意義。

---

# 220. Working-State Security

compiler 需要：

- authority filter；
- redaction；
- compartmentalization。

---

# 221. Role-Based Working State

同一 task，不同 role 得到不同 view。

---

# 222. Secret Preservation

summary / crystal 也可能洩密。

所以 governance 在 projection 前。

---

# 223. Working-State Integrity

可 hash：

$$
H(W).
$$

高風險 handoff 可驗。

---

# 224. State Tampering

若 Working State 被修改，

需要 detect。

---

# 225. Working-State Version

$$
W_{v1},W_{v2}.
$$

---

# 226. Incremental State Update

不必每次 full compile。

---

# 227. Delta Compilation

$$
W_{t+1}
=
\text{Update}(
W_t,
\Delta M
).
$$

---

# 228. Delta Safety

如果 delta 涉及 critical head，

可 trigger full recompile。

---

# 229. Working State and Semantic Hyperlink

每個 state component 可有：

$$
H_{source},
H_{expand},
H_{verify}.
$$

---

# 230. Working State Is Navigable

不是一段死文字。

---

# 231. Active Working Graph

可以把：

$$
W
$$

表為：

$$
G_W.
$$

---

# 232. Working Graph Is Task Local

不等於 global memory graph。

---

# 233. Working Graph Can Include Crystal Nodes

這降低 complexity。

---

# 234. Working Graph Can Include Unknown Nodes

例如：

$$
Unknown_X.
$$

---

# 235. Unknown as First-Class Node

讓模型知道：

> 這裡沒有資料。

---

# 236. Working Graph Can Include Conflict Nodes

不要隱藏矛盾。

---

# 237. Working Graph Can Include Blocked Nodes

表示外部依賴。

---

# 238. State Colors Are Not Ontology

這些 status 只是 projection。

---

# 239. Working State and Dynamic Revealing

同一 Working State 也可依 cognition order再次顯影。

---

# 240. Nested Compilation

$$
M
\rightarrow
W^{(1)}
\rightarrow
W^{(2)}.
$$

---

# 241. But Avoid Re-Summary Drift

高階 Working State 應保 source handles 到：

$$
M,
$$

不只指前一階 summary。

---

# 242. Direct Re-anchoring

任何高階 state 可：

$$
\rightarrow
\text{Source}.
$$

---

# 243. Working-State Compiler and Semantic Crystallization

成功多次：

$$
\text{Compile}(
TaskType_X
)
$$

可形成：

$$
K_{compile}.
$$

---

# 244. Compiler Crystal

加速某類 task 的 state reconstruction。

---

# 245. Compiler Crystal Risk

若 task schema 變化，容易 stale。

所以需 version-bound。

---

# 246. Working-State Compiler and Capability Crystallization

高頻 reconstruction profile 可做 specialist。

---

# 247. Memory Specialist

專門：

- retrieve；
- reconstruct；
- validate；
- compile。

---

# 248. Mother AI Receives Working State

這比母 AI 自己每次從 raw 開始更省。

---

# 249. But Specialist Cannot Canonicalize Alone

除非 governance 授權。

---

# 250. Working-State Compiler and Reflexive Watchdog

若 reconstruction cost爆炸：

$$
\text{StopPolicy}
$$

可降低 resolution。

---

# 251. If Confidence Too Low

則：

$$
\text{BLOCK/DEFER/ASK}.
$$

---

# 252. Working-State Compiler and User Memory

人類使用者記憶也應遵守：

- 來源；
- current vs historical；
- explicit unknown；
- no false reconstruction。

---

# 253. Personal Memory Is Especially Sensitive

不能把推測寫成：

> 使用者曾經說過。

---

# 254. User Memory Origin Tags

應保：

- explicit；
- inferred；
- stale；
- preference；
- temporary。

---

# 255. Working-State Compiler and Conversation Continuity

新的 conversation 啟動時：

$$
K_{conversation}
+
\text{OpenLoops}
+
\text{NextEntry}
\rightarrow
W.
$$

---

# 256. Not Full Transcript Replay

除非需要 source precision。

---

# 257. This Is Semantic Resume

$$
\boxed{
\text{Resume by state, not by transcript}.
}
$$

---

# 258. Working-State Compiler and Project Memory

大型 project 特別需要：

- artifact states；
- branches；
- decisions；
- dependencies；
- open issues。

---

# 259. Project Memory ≠ File List

真正是：

$$
\boxed{
\text{project world model}.
}
$$

---

# 260. Artifact State

每個 artifact：

$$
(
\text{ID},
\text{version},
\text{status},
\text{owner},
\text{dependency}
).
$$

---

# 261. Project Working World

$$
W_P
=
(
\text{Artifacts},
\text{Tasks},
\text{Decisions},
\text{Risks},
\text{Dependencies},
\text{NextActions}
).
$$

---

# 262. Research World

研究 project：

$$
W_R
=
(
\text{Hypotheses},
\text{Evidence},
\text{Claims},
\text{Failures},
\text{OpenQuestions},
\text{FormalArtifacts}
).
$$

---

# 263. Software World

$$
W_S
=
(
\text{Repo},
\text{Branch},
\text{Commit},
\text{Tests},
\text{Issues},
\text{Architecture},
\text{NextPatch}
).
$$

---

# 264. Business World

$$
W_B
=
(
\text{Goal},
\text{Market},
\text{Resources},
\text{Constraints},
\text{Decisions},
\text{Risks},
\text{Actions}
).
$$

---

# 265. Same Compiler Pattern, Different Ontology

這支持通用 Working-State Compiler + domain profiles。

---

# 266. Domain Profile

$$
Profile_D
$$

定義：

- critical invariants；
- required state fields；
- validators；
- freshness。

---

# 267. Generic Core + Domain Profile

$$
\boxed{
\text{Generic Reconstruction Runtime}
+
\text{Domain-Specific Profile}.
}
$$

---

# 268. World Reconstruction and Semantic Fields

不同 domain 可有不同 relation modes。

---

# 269. But Continuation Invariants Are Often Shared

例如：

- goal；
- current state；
- constraints；
- open loops；
- next entry。

---

# 270. This Suggests a Universal Core

Working-State Compiler 可以有小型母核心。

---

# 271. Universal Core

至少：

$$
\{
\text{Identity},
\text{Goal},
\text{State},
\text{Constraint},
\text{History},
\text{OpenLoop},
\text{NextAction},
\text{Provenance}
\}.
$$

---

# 272. Domain Extension

再加：

- proof；
- code；
- finance；
- legal；
- game state。

---

# 273. Working-State Compiler as Cognitive IR Generator

最終：

$$
W
$$

可以是 Cross-AI Cognitive IR。

---

# 274. This Bridges Paper 05

PSSA / ISQL 提供精確 semantic state。

Working Compiler 決定何時 materialize。

---

# 275. This Bridges Paper 06

Hyperlinks 提供 reconstruction route。

---

# 276. This Bridges Paper 07

Crystals 提供 compressed units。

---

# 277. This Bridges Paper 08

不同 cognition order 需要不同 Working State。

---

# 278. This Bridges Paper 09

Closure / stop receipts 成為 resume seeds。

---

# 279. 本篇的二十四條核心命題

## 命題一

$$
\boxed{
\text{Working Memory is not a context window}.
}
$$

## 命題二

$$
\boxed{
\text{Retrieval is not memory recovery}.
}
$$

## 命題三

$$
\boxed{
\text{Recovered memory is not yet a recovered working state}.
}
$$

## 命題四

$$
\boxed{
\text{Working State is a task-conditioned, continuable local world}.
}
$$

## 命題五

$$
\boxed{
\text{Working-State compilation requires governance, revealing, disentanglement, backtracking, synthesis, and validation}.
}
$$

## 命題六

$$
\boxed{
\text{Historical source, semantic state, working state, and world state must remain distinct}.
}
$$

## 命題七

$$
\boxed{
\text{Direct recall, derived recall, relational reconstruction, and gap inference must be epistemically separated}.
}
$$

## 命題八

$$
\boxed{
\text{Inferred gaps must not impersonate remembered facts}.
}
$$

## 命題九

$$
\boxed{
\text{Backward reconstruction should be paired with forward replay where possible}.
}
$$

## 命題十

$$
\boxed{
\text{The quality of memory should be measured by resumability, not text recall alone}.
}
$$

## 命題十一

$$
\boxed{
\text{Goal, constraints, decisions, open loops, and next entry are core continuation invariants}.
}
$$

## 命題十二

$$
\boxed{
\text{Do-not-redo memory is a first-class component of long-horizon continuity}.
}
$$

## 命題十三

$$
\boxed{
\text{Working State can be intentionally lossy if continuation invariants are preserved}.
}
$$

## 命題十四

$$
\boxed{
\text{Working State should be snapshot-bound and incrementally recompilable}.
}
$$

## 命題十五

$$
\boxed{
\text{World reconstruction must distinguish historical memory from live external state}.
}
$$

## 命題十六

$$
\boxed{
\text{A Working World includes affordances, not only descriptive state}.
}
$$

## 命題十七

$$
\boxed{
\text{Multiple plausible worlds may remain active under unresolved uncertainty}.
}
$$

## 命題十八

$$
\boxed{
\text{Simulation and counterfactual state must remain distinct from memory}.
}
$$

## 命題十九

$$
\boxed{
\text{Different agents and cognitive orders should receive different working-state projections}.
}
$$

## 命題二十

$$
\boxed{
\text{Model capability should affect serialization and resolution, not canonical history}.
}
$$

## 命題二十一

$$
\boxed{
\text{Working-state compilation is a semantic operating-system function}.
}
$$

## 命題二十二

$$
\boxed{
\text{World-reconstructive memory is stronger than RAG because it reconstructs valid actionable state rather than retrieving related text}.
}
$$

## 命題二十三

$$
\boxed{
\text{Long-term continuity should resume by state rather than transcript whenever possible}.
}
$$

## 命題二十四

$$
\boxed{
\text{The final question of AI memory is whether the system can reconstruct a world from which correct work can continue}.
}
$$

---

# 280. 最小工程實作

一個 Working-State Compiler MVP 至少需要：

## 280.1 Memory Source Layer

```text
raw_sources
event_log
versions
branches
provenance
```

## 280.2 Semantic State Layer

```text
objects
relations
epistemic_status
crystals
open_loops
```

## 280.3 Working-State Compiler

```text
compile(task, observer, authority, risk, budget)
```

輸出：

```text
goal
current_state
completed
open_loops
constraints
decisions
rejected_paths
sources
versions
unknowns
next_entry
authority
risk
```

## 280.4 Origin Tagging

```text
observed
recorded
derived
reconstructed
inferred
unknown
```

## 280.5 Backtracking Engine

支援：

- temporal；
- causal；
- version；
- branch。

## 280.6 Forward Replay Validator

檢查 reconstruction consistency。

## 280.7 Snapshot Checker

支援 incremental resume。

## 280.8 Serialization Layer

依 model 產生：

- NL；
- JSON；
- graph；
- mixed IR。

---

# 281. 可證偽實驗

## Experiment A：Top-K RAG vs Working-State Reconstruction

將一個長期 task 中斷，再恢復。

比較：

$$
\text{TopK}+\text{Summary}
$$

與：

$$
\text{WorkingStateCompiler}.
$$

測：

- resume success；
- repeated work；
- constraint violations；
- next-step accuracy。

## Experiment B：Narrative Hallucination

故意刪除中間事件。

測系統是否：

- 承認 unknown；
- 還是補成假的 memory。

## Experiment C：Branch Reconstruction

建立兩條 branch，測是否錯混。

## Experiment D：Forward Replay

故意注入 inconsistent current state，測 replay 是否能發現。

## Experiment E：Snapshot Resume

修改部分 canonical heads，測 incremental recompile 是否正確。

## Experiment F：Cross-Model Resume

模型 A 做前半，模型 B 從 Working State 接手。

## Experiment G：Do-Not-Redo

建立已知失敗 route，測新 Agent 是否重走。

## Experiment H：Context Window vs Working Memory

控制 context token 相同，比較 task-structured state 與原始長文。

---

# 282. 評估向量

$$
\mathbf Q
=
(
\text{ResumeSuccess},
\text{NextEntryAccuracy},
\text{ConstraintRetention},
\text{DecisionRetention},
\text{BranchAccuracy},
\text{VersionAccuracy},
\text{SourceTraceability},
\text{InferenceHonesty},
\text{ReplayConsistency},
\text{ContextCost},
\text{ReconstructionLatency},
\text{WorldFreshness}
).
$$

---

# 283. 失敗模式

## 283.1 Retrieval-as-Memory

把相關內容當 working state。

## 283.2 Summary-as-State

摘要缺少 continuation invariants。

## 283.3 Context-as-Memory

把 window 當 ontology。

## 283.4 Narrative Reconstruction

補出不存在的歷史。

## 283.5 Branch Collapse

不同 branch 混合。

## 283.6 Version Hybridization

舊新版本拼成一個 state。

## 283.7 Lost Decision

重做已決定事項。

## 283.8 Lost Failure

重走失敗 route。

## 283.9 Lost Constraint

resume 後破壞 prior requirement。

## 283.10 Wrong Next Entry

工作接錯點。

## 283.11 Stale World

記憶當成 current external truth。

## 283.12 Authority Drift

過去權限被延續。

## 283.13 Inference-as-Memory

推測冒充回憶。

## 283.14 Overloaded State

上下文過多造成 interference。

## 283.15 Underloaded State

關鍵 invariants 丟失。

## 283.16 Crystal Staleness

Working-State Crystal 未 revalidate。

---

# 284. 與 Paper 11 的接口

本篇已回答：

> 如何由龐大 memory field 重建可繼續工作的局部世界？

但仍有最後一個主線問題：

> 這些 memory object、relation、crystal、branch、working state 與 epistemic projection 如何在時間中合法演化？

如果系統只是：

$$
\text{overwrite}(\text{current state}),
$$

那麼：

- history 消失；
- contradiction 消失；
- failure 消失；
- governance 消失；
- source / projection 混亂。

因此下一篇將正式處理：

# **Paper 11｜演化中的認知記憶：SEDB、MNEME、結晶生命週期與治理**

核心將包括：

- exact historical existence vs current semantic validity；
- proposal / validation / commit；
- event sourcing；
- relation lifecycle；
- field lifecycle；
- crystal lifecycle；
- branch / merge / split；
- supersession；
- no silent overwrite；
- canonical truth separation；
- semantic projection vs historical substrate；
- append-only / transaction proposal / exact-head commit。

---

# 285. 結論：未來 AI 的記憶不是「找得到以前的資料」，而是「能從歷史中重新建立一個現在可工作的世界」

如果 AI 只會：

$$
\text{Search}
\rightarrow
\text{Retrieve}
\rightarrow
\text{Generate},
$$

那麼即使資料量再大，也仍只是增強式查詢。

真正的長期 cognition 需要：

$$
\boxed{
\text{History}
\rightarrow
\text{State}
\rightarrow
\text{Working World}
\rightarrow
\text{Continuation}.
}
$$

因此，本篇把 Working Memory 從「context 中的內容」重新定義為：

$$
\boxed{
\text{a validated task-local cognitive world from which correct continuation is possible}.
}
$$

這個 Working World 不需要包含所有記憶。

它只需要正確保存：

- goal；
- current state；
- decisions；
- constraints；
- open loops；
- rejected / failed paths；
- source / version；
- unknowns；
- next valid entry。

而真正成熟的系統還必須知道：

- 哪些東西是直接記錄；
- 哪些是推導；
- 哪些是 reconstruction；
- 哪些只是 inference；
- 哪些仍未知。

所以：

$$
\boxed{
\text{Memory Continuity}
\neq
\text{Narrative Continuity}.
}
$$

而應是：

$$
\boxed{
\text{Epistemically Typed State Continuity}.
}
$$

最終，反身多表示認知記憶架構中的「記憶」已不再只是過去的儲存。

它成為：

$$
\boxed{
\text{a reconstructible world substrate that can repeatedly generate valid present working states}.
}
$$

當 AI 能做到這一步，它才真正從：

> 我記得以前發生過什麼。

進入：

> 我知道自己現在在哪裡、為什麼在這裡、哪些路已經走過，以及下一步可以合法地往哪裡走。

這就是 **World-Reconstructive Memory** 的核心。